YOLOvME: Deteção de Espécies de Zebras

Vimos pessoas usarem o YOLOv5 para criar um aplicativo de estimativa de colheita, detectar plástico no oceano e verificar se alguém está usando a máscara corretamente. Entramos em contato com a nossa comunidade e pedimos que compartilhassem ainda mais formas de como usam o YOLOv5 para resolver seus desafios.

Kayo Kumabe é uma analista de dados de Kumamoto, Japão. Kayo trabalha com YOLOv5 há apenas um mês, mas gosta de experimentar a infraestrutura porque “é simplesmente inteligente”. Para alguém que é novo em IA, Kayo recomenda que dediquem tempo a personalizar o seu modelo, mesmo que não tenham conhecimentos de Python ou aprendizagem automática. Geralmente, pode ser difícil distinguir subtilezas nas aparências a olho nu. Kayo levantou a hipótese de que, em vez disso, a IA pode ser facilmente capaz de detetar estas diferenças subtis.

Para testar isto, Kayo compilou um conjunto de dados de três espécies diferentes de zebra para alimentar o seu modelo YOLOv5. Kayo criou um modelo YOLOv5 para detetar diferentes tipos de zebras. Este modelo compara as características dos animais e produz um resultado que determina a espécie da zebra.

Como resultado, Kayo conseguiu provar a sua hipótese. O modelo YOLOv5 conseguiu detetar cada espécie de zebra com um elevado nível de precisão, tendo sido treinado com apenas 20 imagens por espécie de zebra. Ficámos curiosos para entender como Kayo começou na visão computacional, por isso fizemos-lhe algumas perguntas.

Link to this sectionO que a levou a escolher o YOLOv5 para o propósito de detecção de espécies de zebras?#

"Nunca tentei nenhuma outra infraestrutura de detecção de objetos. O YOLOv5 pareceu fácil, pois não exigia codificação complexa."

Link to this sectionQuais aspectos do YOLOv5 tornaram fácil para você começar?#

"Coletei apenas 20 imagens para cada tipo de zebra, criei arquivos de rotulagem da imagem e deixei o YOLOv5 aprender. É só isso! É incrível ver que o YOLOv5 detectou os tipos de zebra 100% corretamente! Talvez menos de 20 imagens fossem suficientes."

Link to this sectionComo você começou com aprendizado de máquina e IA de visão?#

"Alguns dos meus clientes estão interessados em IA, então comecei a estudar para ampliar meu trabalho. Quando me deparei com a IA de visão, fiquei muito empolgada porque parecia o meu filme favorito, O Exterminador do Futuro, na vida real."

Link to this sectionQue outros projetos você tem em mente para o YOLOv5 no futuro?#

"Eu gostaria de detectar meu filho entre muitos alunos na escola. Poderia ser útil em um dia de esportes. Gostaria de criar isso para um aplicativo de iPhone." Para conferir mais criações de Kayo com o YOLOv5, veja seu LinkedIn e Twitter.

Link to this sectionTem seu próprio caso de uso de YOLOv5?#

Este caso de uso de detecção de zebras com YOLOv5 é um ótimo exemplo do sucesso do YOLOv5 em distinguir espécies. Se aplicarmos esta rede neural a outros tipos diferentes de animais, será que o YOLOv5 conseguirá diferenciá-los? Quão bem o modelo funcionará se você quiser detectar pedestres em uma faixa de pedestres ou prever a colheita anual? Deixe sua imaginação correr solta! Marque-nos com #YOLOvME em nossas redes sociais com seu próprio caso de uso de YOLOv5 e promoveremos seu trabalho para a comunidade de ML.

Link to this sectionQuer se divertir com IA e visão computacional mas não quer usar código?#

Tudo o que você precisa é de uma ideia. Com a Ultralytics Platform, é fácil criar modelos com o YOLOv5 e dar vida às suas ideias. Tornamos as coisas simples e realizamos todo o MLOps complicado por conta própria, para que você não precise saber nenhum código para se divertir com a IA. É fácil começar e ainda mais fácil construir seu primeiro modelo de ML.

Link to this sectionJunte-se à Ultralytics Platform e aproveite a magia da IA hoje mesmo#

Estamos atualmente em versão beta e há vagas limitadas, então não deixe de se inscrever agora!