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 эта история, поэтому мы встретились 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

После быстрого поиска в Google Бен обнаружил YOLOv5 и приступил к обучению своей модели. "Я столкнулся с несколькими различными доступными моделями. YOLOv5 показался мне хорошо документированным, поэтому я начал с него". Затем Бен обратился к Twitter и задокументировал информацию, полученную во время слежки, держа нас в напряжении.

Обучение ML-модели

В начале работы Бен столкнулся с несколькими препятствиями. Поначалу модель Бена с трудом обнаруживала маленьких собак, которые все еще считались подозреваемыми в этом деле. Иногда она classify маленьких собак как птиц, а иногда полностью их пропускала. В конкретном случае большая пушистая белая собака была классифицирована как овца. Чтобы решить эту проблему, Бен заменил маленькую нейросеть, которую он использовал, на более крупную - и добился успеха. Маленькие собаки больше не идентифицировались как птицы, а бывшая овца наконец-то 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.“

Как вы начали работать с Ultralytics и YOLOv5?

"Ну, случайно, потому что я знал об OpenCV, я вроде как играл с ним еще в аспирантуре. Но моя аспирантура была больше посвящена дизайну для социального воздействия, без какого-либо инженерного фокуса. Я просто возился с ним. Недавно я понял, что можно сделать то, что я хочу, просто я не был на 100% уверен, что смогу это сделать. Я также не понимал, насколько это просто. Спасибо вам, ребята, за отличную документацию. Тому, кто писал вашу документацию, нужно повысить зарплату".

Какие еще проблемы 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.