YOLOvME: Загадочное дело о собачьих какашках

В следующий раз, когда вы позволите своей собаке нагадить в чужом дворе, вам стоит дважды подумать. Бен Фарахманд понял, что столкнулся именно с этой проблемой, когда его дочь начала сообщать ему о наплыве собачьих экскрементов, которые начали появляться в его дворе. Не зная, кто за этим стоит, Бен начал думать, как он может поймать виновника с поличным.

Нам нужно было узнать, чем закончится история, поэтому мы сели с Беном и задали ему несколько вопросов о его опыте работы с YOLOv5 и Vision AI.

Каким был ваш процесс создания инструмента обнаружения объектов?

Определение задачи

“Я увидел проблему. Я подумал, ладно, моя дочь играет во дворе и замечает там собачьи экскременты. Я хотел иметь возможность поговорить с человеком, который позволяет собаке гадить и не убирает за ней.“, - говорит Бен. Бену нужно было найти решение получше, чем смотреть в окно 24/7.

Выбор правильной ML-модели

Итак, после быстрого поиска в Google Бен обнаружил YOLOv5 и приступил к обучению своей модели. «Я наткнулся на пару различных доступных моделей. YOLOv5, казалось, имел хорошую документацию, поэтому я просто начал с нее». Затем Бен обратился к Twitter и задокументировал информацию со своей засады, держа нас в напряжении.

Обучение ML-модели

В начале Бен столкнулся с парой препятствий. Модель Бена изначально испытывала трудности с обнаружением маленьких собак, которые все еще считались подозреваемыми по делу. Иногда она классифицировала маленьких собак как птиц, а иногда и вовсе их пропускала. В одном конкретном случае большая пушистая белая собака была классифицирована как овца. Чтобы решить эту проблему, Бен заменил небольшую нейронную сеть, которую он использовал, на более крупную — и добился здесь успеха. Маленьких собак больше не идентифицировали как птиц, а бывшая овца, наконец, была правильно идентифицирована как собака.

Вы когда-нибудь ловили преступника?

“Я сделал это, и в итоге владельцы часто проходили мимо моего двора. Иногда проходил отец, иногда дочь. Когда я посмотрел на свои данные, я обнаружил, что отец всегда убирает за собакой, а дочь - нет. “Похоже, что в районе Бена ситуация улучшилась. “Мы написали письмо и поговорили с ними, и пока больше не было собачьих экскрементов. Но теперь это немного жутковато, потому что иногда я выхожу на улицу и узнаю этих собак, проходящих мимо. Мне приходится задаваться вопросом, знают ли они, что я за ними наблюдаю.“

С чего вы начали работу с Ultralytics и YOLOv5?

“Ну, случайно, потому что я знал об OpenCV, я немного поигрался с ним еще в аспирантуре. Но моя программа для выпускников была больше о дизайне для социального воздействия, без какой-либо инженерной направленности. Я просто немного покопался в этом. Недавно я знал, что можно сделать то, что я хотел, я просто не был на 100% уверен, смогу ли я это сделать. Я также не осознавал, насколько это легко. Спасибо вам, ребята, за отличную документацию. Тому, кто написал вашу документацию, нужно повысить зарплату.”

Какие еще задачи вы хотели бы решить с помощью YOLOv5?

“На данный момент первое, что приходит на ум, это то, что в нашем районе есть знак «Стоп», который люди постоянно проезжают. Возможно, кто-то уже создал подобное приложение, но мне хотелось бы выяснить, кто продолжает проезжать знак «Стоп». Однако я не могу сказать, насколько законно для меня было бы установить что-то подобное.“

‍

‍Бен Фарахманд — менеджер по продукту в небольшой образовательной компании под названием Tuva Labs, которая стимулирует обучение грамотности в области данных и дает преподавателям возможность внедрять обучение на основе реальных данных в преподавание математики и естественных наук. Tuva Labs предоставляет наборы данных, уроки и программное обеспечение для построения графиков, позволяющее включать любые уроки статистики в свои учебные программы. Бен также основал FAZA, захватывающую кооперативную настольную игру в жанре pulp sci-fi, пересказывающую классическую историю вторжения инопланетян.

‍

‍Ознакомьтесь с веткой Бена в Twitter, документирующей нарратив о собачьих какашках.‍

‍Найдите репозиторий Бена на GitHub здесь.