YOLOvME: обнаружение видов зебр
Изучи инновационные варианты применения YOLOv5, например обнаружение видов зебр, и узнай, как наше сообщество использует ИИ для решения сложных задач.
Мы видели, как люди использовали Ultralytics YOLOv5 для создания приложения для оценки урожайности, обнаружения пластика в океане и проверки того, правильно ли человек носит маску. Мы обратились к нашему сообществу и попросили его поделиться другими способами использования YOLOv5 для решения своих задач.
Кайо Кумabe — аналитик данных из Кумамото, Япония. Кайо работает с YOLOv5 всего месяц, но любит экспериментировать с инфраструктурой, потому что «это просто умно». Тем, кто только начинает знакомство с ИИ, Кайо рекомендует потратить время на настройку своей модели, даже если у них нет знаний Python или машинного обучения. Как правило, человеческому глазу бывает сложно различать тонкие различия во внешности. Кайо предположил, что ИИ, напротив, может легко обнаруживать такие малозаметные различия.
Чтобы проверить эту гипотезу, Кайо собрал датасет из трёх разных видов зебр для обучения своей модели Ultralytics YOLOv5. Кайо создал модель YOLOv5 для обнаружения разных видов зебр. Эта модель сравнивает признаки животных и выдает результат, определяющий вид зебры.
В результате Кайо смог подтвердить свою гипотезу. Модель Ultralytics YOLOv5 смогла с высокой точностью определить каждый вид зебр, обучившись всего на 20 изображениях каждого вида. Нам стало интересно, как Кайо начал заниматься компьютерным зрением, поэтому мы задали несколько вопросов.
Что побудило тебя выбрать Ultralytics YOLOv5 для определения видов зебр?#
«Я никогда не пробовал использовать другие инфраструктуры для обнаружения объектов. Ultralytics YOLOv5 показалась простой, поскольку не требовала написания сложного кода».
Какие особенности Ultralytics YOLOv5 упростили для тебя начало работы?#
«Я собрал всего 20 изображений каждого вида зебр, создал файлы разметки изображений и позволил Ultralytics YOLOv5 обучиться. Вот и всё! Удивительно видеть, что YOLOv5 определила виды зебр со 100%-ной точностью! Возможно, было бы достаточно и менее 20 изображений».
Как ты начал заниматься машинным обучением и ИИ в области компьютерного зрения?#
«Некоторые мои клиенты интересуются ИИ, поэтому я начал изучать его, чтобы расширить сферу своей работы. Когда я столкнулся с ИИ в области компьютерного зрения, то очень воодушевился, потому что это было похоже на мой любимый фильм «Терминатор» в реальной жизни».
Какие ещё проекты ты планируешь реализовать с Ultralytics YOLOv5 в будущем?#
«Я хотел бы находить своего ребёнка среди множества учеников в школе. Это могло бы пригодиться на спортивном празднике. Я хотел бы сделать приложение для iPhone». Чтобы узнать больше о проектах Кайо с Ultralytics YOLOv5, загляни в их LinkedIn и Twitter_._
У тебя есть собственный вариант использования Ultralytics YOLOv5?#
Этот пример использования Ultralytics YOLOv5 для обнаружения зебр отлично демонстрирует успех YOLOv5 в различении видов. Если применить эту нейронную сеть к другим видам животных, сможет ли YOLOv5 различать их? Насколько хорошо будет работать модель, если ты захочешь обнаруживать пешеходов на пешеходном переходе или прогнозировать годовую урожайность? Дай волю воображению! Отметь нас в социальных сетях хэштегом #YOLOvME и поделись своим собственным примером использования YOLOv5 — мы расскажем о твоей работе сообществу специалистов по машинному обучению.
Хочешь повеселиться с компьютерным зрением и ИИ, но без кода?#
Тебе нужна только идея. С Ultralytics Platform легко создавать модели с YOLOv5 и воплощать свои идеи в жизнь. Мы упрощаем процесс и сами берем на себя все сложные задачи MLOps, поэтому тебе не нужно знать код, чтобы заниматься ИИ в своё удовольствие. Начать легко, а создать свою первую модель машинного обучения ещё проще.
Присоединяйся к Ultralytics Platform и ощути магию ИИ уже сегодня#
Сейчас мы работаем в бета-режиме, и количество мест ограничено, поэтому обязательно зарегистрируйся сейчас!
