YOLOvME：斑马物种检测

我们看到有人使用 YOLOv5 创建作物产量估算应用程序，检测海洋中的塑料，以及判断某人是否正确佩戴了口罩。我们联系了我们的社区，请他们分享更多使用 YOLOv5 解决难题的方法。  

Kayo Kumabe 是来自日本熊本的数据分析师。Kayo 使用YOLOv5只有一个月的时间，但他很喜欢尝试使用该基础架构，因为 "它非常智能"。对于刚接触人工智能的人，Kayo 建议他们花时间定制自己的模型，即使他们不懂 python 或机器学习。

一般来说，人眼很难分辨外观的细微差别。Kayo 假设，人工智能可以轻松检测出这些细微差别。为了测试这一点，Kayo 编制了三个不同种类斑马的数据集，为他们的 YOLOv5 模型提供素材。Kayo 创建了一个 YOLOv5 模型来检测不同类型的斑马。该模型对动物的特征进行比较，并输出确定斑马种类的结果。

因此，Kayo 能够证明他们的假设。

我们很想了解 Kayo 是如何开始计算机视觉研究的，因此我们向他们提出了几个问题。

是什么促使您选择 YOLOv5 进行斑马物种检测？

"我从未尝试过任何其他对象检测基础设施。YOLOv5 看起来很简单，因为它不需要进行硬编码。

YOLOv5 的哪些方面让您轻松上手？

"我只收集了每种斑马的 20 张图片，制作了图片标签文件，然后让 YOLOv5 学习。就这样！令人惊讶的是，YOLOv5 检测斑马类型的正确率达到了 100%！也许少于 20 张图片也可以"。

您是如何开始接触机器学习和视觉人工智能的？

"我的一些客户对人工智能很感兴趣，所以我开始研究人工智能，以拓宽我的工作范围。当我接触到视觉人工智能时，我非常兴奋，因为它看起来就像我最喜欢的电影《终结者》中的现实生活。

Yolov5 未来还有哪些项目？

"我想在学校的众多学生中发现我的孩子。它可以在运动会上派上用场。我想把它做成 iPhone 应用程序。"

要查看 Kayo 与 YOLOv5 合作的更多作品，请访问他们的 LinkedIn 和 微博.

您有自己的 YOLOv5 使用案例吗？

这个斑马检测 YOLOv5 使用案例是 YOLOv5 成功区分物种的一个很好的例子。如果我们将这一神经网络应用于其他不同类型的动物，YOLOv5 是否能够区分这些动物？如果要检测人行横道上的行人或预测农作物的年产量，该模型的效果会如何？请尽情发挥您的想象力！

在我们的社交媒体上用 #YOLOvME 标记您自己的 YOLOv5 使用案例，我们将向 ML 社区推广您的作品。

想体验人工智能计算机视觉的乐趣，但又不想写代码？

您需要的只是一个想法。有了Ultralytics HUB，使用 YOLOv5 创建模型并将想法付诸实践就变得轻而易举。我们化繁为简，自己完成所有复杂的 MLO 操作，因此您不需要了解任何代码，就可以享受人工智能带来的乐趣。入门容易，建立第一个 ML 模型更容易。

加入 Ultralytics HUB，享受人工智能的神奇魅力

我们目前正处于测试阶段，名额有限，请务必马上报名！