YOLOvME: Обнаружение видов зебр

Мы видели, как люди используют YOLOv5 для создания приложения для оценки урожайности, обнаружения пластика в океане и определения, правильно ли кто-то носит маску. Мы обратились к нашему сообществу и попросили их поделиться еще большим количеством способов использования YOLOv5 для решения своих задач.  

Кайо Кумабе — аналитик данных из Кумамото, Япония. Кайо работает с YOLOv5 всего месяц, но ей нравится экспериментировать с инфраструктурой, потому что “это просто умно”. Тем, кто только начинает знакомиться с ИИ, Кайо рекомендует потратить время на настройку своей модели, даже если у них нет знаний Python или машинного обучения.

Как правило, человеческому глазу сложно различить тонкости во внешности. Кайо предположила, что вместо этого ИИ может легко обнаружить эти тонкие различия. Чтобы проверить это, Кайо составила набор данных из трех различных видов зебр, чтобы загрузить его в свою модель YOLOv5. Кайо создала модель YOLOv5 для обнаружения различных типов зебр. Эта модель сравнивает особенности животных и выдает результат, определяющий вид зебры.

В результате Кайо смогла доказать свою гипотезу. Модель YOLOv5 смогла обнаружить каждый вид зебры с высокой степенью точности, будучи обученной всего на 20 изображениях каждого вида зебры.

Нам было интересно узнать, как Кайо начала заниматься компьютерным зрением, поэтому мы задали ей несколько вопросов.

Что побудило вас выбрать YOLOv5 для обнаружения видов зебр?

"Я никогда не пробовал никакую другую инфраструктуру обнаружения объектов. YOLOv5 показалась простой, поскольку не требовала сложного кодирования."

Какие аспекты YOLOv5 облегчили вам начало работы?

"Я собрал всего 20 изображений для каждого типа зебр, сделал файлы маркировки изображений и позволил YOLOv5 учиться. Это все! Удивительно видеть, что YOLOv5 обнаружил типы зебр на 100% правильно! Возможно, и менее 20 изображений было бы достаточно."

С чего началась ваша работа с машинным обучением и компьютерным зрением?

"Некоторые из моих клиентов интересуются ИИ, поэтому я начал изучать его, чтобы расширить свою работу. Когда я наткнулся на визуальный ИИ, я был очень взволнован, потому что это было похоже на мой любимый фильм «Терминатор» в реальной жизни."

Какие еще проекты вы планируете реализовать с помощью Yolov5 в будущем?

"Я хотел бы обнаруживать своего ребенка среди множества учеников в школе. Это может быть полезно в спортивный день. Я хотел бы сделать это для приложения iPhone."

Чтобы узнать больше о творениях Кайо с помощью YOLOv5, посетите их LinkedIn и Twitter.

У вас есть свой вариант использования YOLOv5?

Этот пример использования YOLOv5 для обнаружения зебр — отличная демонстрация успеха YOLOv5 в различении видов. Если мы применим эту нейронную сеть к другим видам животных, сможет ли YOLOv5 их различать? Насколько хорошо будет работать модель, если вы захотите обнаружить пешеходов на переходе или спрогнозировать годовой урожай? Дайте волю своему воображению!

Отмечайте нас хештегом #YOLOvME в наших социальных сетях, делясь своими примерами использования YOLOv5, и мы будем продвигать вашу работу в ML-сообществе.

Хотите весело провести время с ИИ и компьютерным зрением, но без программирования?

Все, что вам нужно, это идея. С Ultralytics HUB легко создавать модели с помощью YOLOv5 и воплощать свои идеи в жизнь. Мы упрощаем задачу и берем на себя все сложные задачи MLOps, поэтому вам не нужно знать никакого кода, чтобы весело провести время с ИИ. Начать легко, а создать свою первую модель машинного обучения еще проще.

Присоединяйтесь к Ultralytics HUB и наслаждайтесь магией ИИ уже сегодня!

В настоящее время мы находимся на стадии бета-тестирования, и количество мест ограничено, поэтому обязательно зарегистрируйтесь сейчас!