YOLOvME: 집락 수 세기, 도말 평가 및 야생 동물 탐지

수많은 이미지, 데이터, 결과 등을 평가해야 했던 적이 있나요? 더 복잡하게는 이러한 평가를 수동으로 수행해야 했던 적이 있나요? 물론 엄청나게 시간이 많이 걸립니다.

Martin Schätz에게 YOLOv5는 전염병 연구 및 모니터링과 관련된 이미지 분석에 필요한 시간을 줄이는 데 유용한 도구임이 입증되었습니다. Martin은 한 번에 여러 작업을 수행하지만 그의 작업의 본질은 컴퓨터 과학과 생물학 사이의 지점이라고 설명하는 생체 이미지 분석에 중점을 둡니다. 우리는 집락 모니터링 및 계산에 대한 Martin의 작업에 대해 더 자세히 알고 싶어서 자리에 앉아 몇 가지 질문을 했습니다.

YOLOv5로 정확히 무엇을 할 수 있나요?

Martin이 프로젝트에 YOLOv5를 구현하려는 이유는 객체 탐지, 분류 및 계수를 위한 기존 프로세스를 자동화해야 할 필요성 때문입니다. Martin은 또한 장기 진화 실험과 같은 경우에 YOLOv5를 사용하는 것을 목표로 합니다.

박테리아 콜로니 수 계산

실험실에서 한천 배지에서 자란 박테리아 콜로니는 일반적으로 기술자가 수동으로 계수합니다. 안타깝게도 수동 계수는 오류가 발생하기 쉬운 결과를 초래할 수 있습니다. 이 문제를 해결하기 위해 Martin은 YOLOv5를 활용하여 계수 프로세스를 자동화했습니다. 이 접근 방식은 콜로니 감지 및 분류와 관련된 오류와 시간을 크게 줄였습니다.

미세 물체 감지 및 분류

미시적 세계에서 테스트를 수행하려면 도말 표본을 평가해야 합니다. 이는 여전히 대부분 수동으로 수행되는 프로세스입니다. 그리고 아시다시피 수동 프로세스는 오류가 발생하기 쉽고 결과의 변동성이 큽니다. 또한 특정 모양의 객체 탐지를 위한 적절한 도구는 있지만 다양한 객체의 자동 계산 및 분류를 위한 보다 전문화된 도구가 있습니다.

야생 동물 감지 및 모니터링

“제 동료들은 숲이나 다른 장소에서 야생 동물을 촬영하고 일반적으로 비디오를 수동으로 확인합니다. 즉, 자리에 앉아 수백 개의 비디오를 일일이 봐야 합니다.”

마틴은 비디오에서 야생 돼지나 사슴을 수동으로 검색하는 데 엄청난 시간이 걸릴 수 있다는 점을 고려할 때 객체 탐지가 이 프로세스를 확실히 최적화할 수 있다고 생각했습니다. 여기서 YOLOv5가 구현되어 동물이 카메라 시야에 들어올 때 야생 동물을 쉽고 즉각적으로 탐지할 수 있었습니다.

머신 러닝 및 비전 AI의 세계에 어떻게 입문하게 되었나요?

마틴은 석사 학위 과정에서 자신이 “고전적인 이미지 분석 방법”이라고 부르는 것을 연구했습니다. 학위 과정을 마칠 무렵, 딥러닝에 대한 이야기가 점점 더 많이 나왔고, 당시에는 그저 “컨볼루션 신경망”이라고 불렸습니다.

이 기간 동안 Martin은 그다지 유용하지 않은 데이터 마이닝 작업을 하고 있었습니다. 데이터로 직접 작업하고 싶었던 Martin은 머신 러닝 및 Vision AI의 세계에 뛰어들기로 결정했습니다.

YOLOv5를 처음 시작하는 사람에게 무엇을 추천하시겠습니까?

현재 ML 및 Vision AI 학습 과정은 상당히 복잡할 수 있습니다. Vision AI를 오랫동안 사용해 온 Martin은 시작하려는 사람들을 위해 세 가지 사항을 언급했습니다.

1. "과학자로서 저는 모든 것을 먼저 읽고 처음에는 완전히 이해하지 못한 것을 다시 읽는 것을 선호합니다." 모델 훈련에 뛰어들기 전에 기본 수준의 이해를 얻으면 초보자에게 프로세스가 훨씬 쉬워집니다.
2. 또한 Martin은 다른 사람들의 활용 사례를 연구하는 것의 유용성에 대해 언급했습니다. 다른 사람들이 무엇을 하고 있는지 살펴보는 것은 여러분의 활용 및 프로젝트에 영감을 줄 수 있습니다.
3. 프로젝트를 반복적으로 실행하고 테스트하십시오. 변경해야 할 사항이 발견되면 이전 단계로 돌아가 변경하고, 더 많은 테스트와 반복을 통해 계속 진행하십시오.

Martin Schätz는 생체 이미지 분석 및 공초점 현미경의 데이터 처리에 중점을 두고 연구 및 강의를 하는 연구원입니다. Martin이 진행하는 프로젝트의 동기는 감염성 질환 연구 및 모니터링을 위한 이미지 분석 프로세스를 최적화하는 것입니다. Martin의 세 가지 프로젝트에 대한 문서와 세부 정보는 그의 GitHub 저장소에서 찾을 수 있습니다. 또한 Martin은 이러한 훈련된 딥 러닝 모델을 포함하여 생물학/현미경에서 과학적 이미지 분석에 가장 많이 사용되는 도구를 홍보하는 조직인 NEUBIAS의 일원입니다.

여러분의 YOLOv5 사용 사례도 집중 조명하고 싶습니다! 소셜 미디어에서 #YOLOvME와 함께 @Ultralytics를 태그하여 소개될 기회를 잡으세요.