YOLOvME：斑马物种检测

我们已经看到人们使用YOLOv5创建作物产量估算应用程序，检测海洋中的塑料，并判断某人是否正确佩戴口罩。我们联系了我们的社区，并请他们分享更多使用YOLOv5解决挑战的方法。  

Kayo Kumabe 是来自日本熊本县的数据分析师。Kayo 过去一个月才开始使用 YOLOv5，但她喜欢尝试该基础设施，因为“它非常智能”。对于 AI 新手，Kayo 建议他们花时间自定义他们的模型，即使他们不了解 Python 或机器学习。

通常，用人眼很难区分外观上的细微差别。Kayo 假设，相反，AI 可能很容易检测到这些细微的差异。为了验证这一点，Kayo 编制了一个包含三种不同斑马物种的数据集，以输入到他们的 YOLOv5 模型中。Kayo 创建了一个 YOLOv5 模型来检测不同类型的斑马。该模型比较动物的特征并产生一个输出，确定斑马的物种。

结果，Kayo 能够证明他们的假设。YOLOv5 模型能够以高精度检测每种斑马，而每种斑马仅接受了 20 张图像的训练。

我们很好奇 Kayo 是如何开始接触计算机视觉的，所以我们问了他们几个问题。

是什么促使您选择 YOLOv5 用于斑马物种检测？

“我从来没有尝试过其他的目标检测框架。YOLOv5 似乎很容易上手，因为它不需要硬编码。”

YOLOv5 的哪些方面让您更容易上手？

“我只收集了每种斑马的 20 张图片，制作了图片的标注文件，然后让 YOLOv5 进行学习。就这样！令人惊奇的是，YOLOv5 能够 100% 正确地检测出斑马的种类！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 AI 的？

“我的一些客户对人工智能感兴趣，所以我开始学习它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，因为它看起来像我最喜欢的电影《终结者》在现实生活中的场景。”

未来您对 Yolov5 还有哪些其他项目计划？

“我希望能够在学校的众多学生中检测到我的孩子。这在运动会上可能会很有用。我想把它做成一个 iPhone 应用程序。”

要了解更多 Kayo 使用 YOLOv5 的作品，请查看他们的LinkedIn 和Twitter。

您有自己的 YOLOv5 用例吗？

这个斑马检测 YOLOv5 用例很好地展示了 YOLOv5 在区分物种方面的成功。如果我们将这个神经网络应用于其他不同类型的动物，YOLOv5 是否能够区分它们？如果您想检测人行横道上的行人或预测年度作物产量，该模型的效果如何？让您的想象力自由驰骋！

在我们的社交媒体上使用 #YOLOvME 标签分享您自己的 YOLOv5 用例，我们将向机器学习社区推广您的作品。

想体验人工智能计算机视觉的乐趣，但又不想编写代码？

你需要的只是一个想法。借助 Ultralytics HUB，可以轻松地使用 YOLOv5 创建模型，并将你的想法变为现实。我们将事情简单化，并自行完成所有复杂的 MLOps，因此你无需了解任何代码即可享受有趣的人工智能。入门很容易，构建你的第一个 ML 模型甚至更容易。

加入 Ultralytics HUB，立即享受 AI 的魔力

我们目前处于 beta 测试阶段，名额有限，所以请务必立即注册！