YOLOvME：狗粪之谜

下次你让狗在别人院子里拉屎时，或许该三思了。Ben Farahmand 的女儿开始提醒他，院子里突然多了很多狗屎，他这才意识到自己正面临这个问题。Ben 不知道是谁干的，于是开始琢磨如何当场抓住肇事者。

我们想知道故事的结局，于是和 Ben 坐下来聊了聊，问他使用 Ultralytics YOLOv5 和视觉 AI 的经历。

你是如何开发目标检测工具的？#

发现问题#

“我发现了一个问题。我当时想，好吧，我女儿会在院子里玩，她注意到了院子里的狗屎。我想找到那个让狗在院子里拉屎却不清理的人，和他谈谈。”Ben 说。他需要找到比 24/7 盯着窗外更好的解决办法。

选择合适的机器学习模型#

因此，Ben 快速搜索 Google 后发现了 Ultralytics YOLOv5，并开始训练自己的模型。“我看到了几个不同的可用模型。YOLOv5 的文档看起来不错，所以我就从它开始了。”随后，Ben 转向 Twitter，记录他蹲点观察所得的信息，让我们一直紧张期待。

训练机器学习模型#

一开始，Ben 遇到了几个障碍。他的模型最初难以检测到小型犬，而这些狗仍是案件中的嫌疑对象。有时模型会把小狗分类成鸟，有时则完全检测不到。在一次具体的测试中，一只体型较大、毛茸茸的白狗被识别成了绵羊。为了解决这个问题，Ben 把之前使用的小型神经网络换成了更大的网络，并取得了成功。小狗不再被识别成鸟，那只“绵羊”也终于被正确识别为狗。

你最后抓到肇事者了吗？#

“抓到了。后来经常是狗主人从我家院子旁边走过。有时是父亲，有时是女儿。我查看数据后发现，父亲每次都会捡狗屎，但女儿不会。”看来 Ben 所在社区的情况有所改善。“我们给他们写了封信，也和他们谈过，到目前为止再也没有狗屎了。不过现在感觉有点诡异，因为我有时走到外面，会认出这些狗从我身边经过。我不禁会想，它们知不知道我在看着它们。”

你是如何开始使用 Ultralytics 和 YOLOv5 的？#

“嗯，算是偶然吧，因为我知道 OpenCV，研究生时期也稍微玩过一些。不过，我的研究生项目更侧重于社会影响设计，没有任何工程方面的重点。我只是随便摸索了一下。最近我知道自己想做的事是可行的，只是不太确定自己能不能做到。我也没想到这件事这么容易。要为你们出色的文档点赞。写文档的人应该加薪。”

你还想用 Ultralytics YOLOv5 解决哪些问题？#

“目前，我首先想到的是我们社区有个停车标志，人们总是直接开过去。也许已经有人开发了类似的应用，但我想查出是谁一直无视停车标志。不过，我不能确定自己设置这样的东西是否合法。”

Ben Farahmand 是小型教育公司 Tuva Labs 的产品经理。Tuva Labs 致力于推动数据素养教育，帮助教师将真实世界的学习融入数学和科学教学。Tuva Labs 提供数据集、课程和绘图软件，让教师能够将各种统计学课程纳入教学计划。Ben 还创立了 FAZA，这是一款扣人心弦的合作桌游，以通俗科幻为主题，重新演绎了经典的外星人入侵故事。

看看 Ben 的 Twitter 帖子，记录了这段 狗屎叙事。

在 Ben 的 dog-detector GitHub 代码库中查找他的代码。