YOLOvME: определение видов зебр

Мы видели, как люди используют YOLOv5 для создания приложений по оценке урожайности, обнаружению пластика в океане и проверке правильности ношения масок. Мы обратились к нашему сообществу с просьбой поделиться другими способами использования YOLOv5 для решения их задач.

Кайо Кумабе — аналитик данных из Кумамото, Япония. Кайо работает с YOLOv5 всего месяц, но ему нравится экспериментировать с инфраструктурой, потому что «она просто умная». Тем, кто только начинает знакомство с AI, Кайо советует уделить время настройке своей модели, даже если у тебя нет знаний в Python или машинном обучении. Как правило, человеческому глазу бывает трудно различить тонкости во внешнем виде. Кайо предположил, что AI, напротив, может легко обнаружить эти едва заметные различия.

Чтобы проверить это, Кайо собрал набор данных из трех различных видов зебр для обучения своей модели YOLOv5. Кайо создал модель YOLOv5 для распознавания разных типов зебр. Эта модель сравнивает особенности животных и выдает результат, определяющий вид зебры.

В результате Кайо смог доказать свою гипотезу. Модель YOLOv5 смогла распознать каждый вид зебры с высоким уровнем точности, при этом обучение проходило всего на 20 изображениях для каждого вида зебры. Нам было любопытно узнать, как Кайо начал заниматься компьютерным зрением, поэтому мы задали ему несколько вопросов.

Link to this sectionЧто побудило тебя выбрать YOLOv5 для определения видов зебр?#

«Я никогда не пробовала никакую другую инфраструктуру для обнаружения объектов. YOLOv5 показалась мне простой, так как она не требует сложного программирования».

Link to this sectionКакие аспекты YOLOv5 позволили тебе легко приступить к работе?#

«Я собрала всего 20 изображений для каждого типа зебры, создала файлы разметки для изображений и позволила YOLOv5 учиться. Вот и всё! Удивительно видеть, что YOLOv5 на 100% правильно определяет типы зебр! Может быть, хватило бы и менее 20 изображений».

Link to this sectionКак ты начала заниматься машинным обучением и ИИ компьютерного зрения?#

«Некоторых моих клиентов интересует ИИ, поэтому я начала изучать его, чтобы расширить спектр своих услуг. Когда я столкнулась с ИИ компьютерного зрения, я была очень взволнована, потому что это выглядело как мой любимый фильм "Терминатор" в реальной жизни».

Link to this sectionКакие еще проекты с использованием YOLOv5 у тебя на уме в будущем?#

«Я хотела бы находить своего ребенка среди множества учеников в школе. Это могло бы пригодиться во время спортивного дня. Я хотела бы сделать это для приложения на iPhone». Чтобы увидеть больше работ Каё с использованием YOLOv5, загляни в ее LinkedIn и Twitter.

Link to this sectionУ тебя есть свой вариант использования YOLOv5?#

Этот кейс по определению зебр с помощью YOLOv5 — отличный пример успеха YOLOv5 в различении видов. Если мы применим эту нейронную сеть к другим типам животных, сможет ли YOLOv5 их различить? Насколько хорошо модель будет работать, если ты захочешь обнаруживать пешеходов на переходе или прогнозировать годовой урожай? Дай волю своему воображению! Отмечай нас тегом #YOLOvME в социальных сетях со своим собственным вариантом использования YOLOv5, и мы расскажем о твоей работе сообществу ML.

Link to this sectionХочешь повеселиться с ИИ компьютерного зрения, но без написания кода?#

Все, что тебе нужно, — это идея. С Ultralytics Platform легко создавать модели с помощью YOLOv5 и воплощать свои идеи в жизнь. Мы упрощаем процессы и берем на себя всю сложную часть MLOps, поэтому тебе не нужно знать код, чтобы наслаждаться ИИ. Начать легко, а создать свою первую ML-модель еще проще.

Link to this sectionПрисоединяйся к Ultralytics Platform и наслаждайся магией ИИ уже сегодня#

Сейчас мы находимся на стадии бета-тестирования, и количество мест ограничено, поэтому обязательно зарегистрируйся сейчас!