Кейс: DeepPlastic и YOLOv5
Узнай, как Ultralytics борется с загрязнением океана пластиком, используя АНПА и YOLOv5 для эффективного подводного обнаружения и очистки.
Пластик губит морских обитателей: каждую минуту в наши океаны сгружают два грузовика пластика, что составляет более 10 миллионов тонн в год. Ученые из DeepPlastic заявляют, что этот морской пластик создает угрозу для общества, затрагивая «морскую среду, безопасность пищевых продуктов, здоровье человека, экотуризм и влияя на изменение климата».
Чтобы бороться с этим, команда исследователей и инженеров изучает, как компьютерное зрение может помочь устранить пластик в наших океанах.
С помощью технологии глубокого обучения исследователи DeepPlastic разработали подход, использующий автономные подводные аппараты (AUVs) для сканирования, идентификации и количественной оценки пластика, расположенного чуть ниже поверхности океана, куда все еще проникает свет, или в эпипелагической зоне.
«Наша цель заключалась в создании очень компактной модели с очень высокой скоростью инференса, которую можно использовать для обнаружения пластика». Джей Лоу, исследователь в области машинного обучения
Команда DeepPlastic обучила две небольшие и точные модели, YOLOv4 и YOLOv5, обеспечивающие обнаружение объектов в реальном времени. Эти модели были обучены на наборе данных DeepTrash, который состоял из:
- 1900 обучающих изображений, 637 тестовых изображений, 637 валидационных изображений (разделение 60, 20, 20)
- Изображения, полученные в полевых условиях на озере Тахо, в заливе Сан-Франциско и заливе Бодега в Калифорнии.
- Изображения из интернета
«Мы искали алгоритм обнаружения объектов, который обеспечивает высокую точность и работает чрезвычайно быстро. Океаническая среда, в которой мы работаем, — это суровые и сложные условия. Ultralytics YOLOv5 оправдал все ожидания как лучшая модель обнаружения объектов, которую мы могли бы использовать». «Нам очень нравится использовать YOLOv5, так как ее невероятно легко настроить и использовать, и она стабильно приносит те результаты, которых мы хотели». «Для любых будущих моделей, которые мы развернем, YOLOv5 без тени сомнения станет нашим выбором номер один». Gautam Tata, исследователь в области машинного обучения
Ознакомься с репозиторием DeepPlastic, опубликованной научной работой и видеообзором.
