Wenn du auf "Alle Cookies akzeptieren" klickst, stimmst du der Speicherung von Cookies auf deinem Gerät zu, um die Navigation auf der Website zu verbessern, die Nutzung der Website zu analysieren und unsere Marketingmaßnahmen zu unterstützen. Mehr Infos
Cookie-Einstellungen
Wenn du auf "Alle Cookies akzeptieren" klickst, stimmst du der Speicherung von Cookies auf deinem Gerät zu, um die Navigation auf der Website zu verbessern, die Nutzung der Website zu analysieren und unsere Marketingmaßnahmen zu unterstützen. Mehr Infos
Benutzerdefiniertes Training von Ultralytics YOLO11 für die Schätzung der Hundestellung
Lerne, wie du Ultralytics YOLO11 für die Schätzung der Hundestellung trainierst und das trainierte Modell für praktische Anwendungen wie die Haustierpflege nutzt.
Was wäre, wenn die Körperhaltung deines Hundes dir Aufschluss darüber geben könnte, wie es ihm geht? Es ist nicht einfach, sie rund um die Uhr manuell zu überwachen. Dank der Fortschritte im Bereich der künstlichen Intelligenz (KI) und der Computer Vision können wir Videomaterial in Echtzeit analysieren, um ihr Verhalten besser zu verstehen.
Genauer gesagt, Computer Vision Modelle wie Ultralytics YOLO11 können dabei helfen, die Haltung eines Hundes einzuschätzen und seine Bewegungen zu verfolgen, was wertvolle Erkenntnisse über sein Wohlbefinden liefert. Wie funktioniert das? Die Posenschätzung von YOLO11kann Schlüsselpunkte am Körper einer Person identifizieren, um ihre Haltung und Bewegung zu verstehen.
Außerdem kann YOLO11 auf einem Datensatz trainiert werden, der für die Schätzung von Hundeposen entwickelt wurde, sodass die Körpersprache deines Haustiers genau analysiert werden kann. Das Ultralytics Python unterstützt ein Dog-Pose Dataset, das das Training und den Einsatz von Vision AI-Modellen für Hunde erleichtert. Diese Technologie ist Teil des boomenden Haustiermarktes, der 2024 auf 9,4 Milliarden Dollar geschätzt wird und bis 2037 voraussichtlich 64 Milliarden Dollar erreichen wird.
Die Inspiration für diesen Artikel ist Blues, unser Dog Executive Officer (DEO). Wenn du dir unsere Über uns-Seite ansiehst, wirst du sehen, dass Blues ein geschätztes Teammitglied ist und eine wichtige Rolle dabei spielt, dass die Dinge bei Ultralytics Spaß machen!
In diesem Artikel erfahren wir, wie du YOLO11 mit dem Dog-Pose-Datensatz für die Schätzung der Hundestellung trainieren kannst. Außerdem gehen wir auf die praktischen Anwendungen in der Tierpflege und Verhaltensanalyse ein.
Abb. 1. Darf ich vorstellen: Blues, der Dog Executive Officer (DEO) von Ultralytics.
Ein Überblick über den Dog-Pose-Datensatz
Ein Datensatz ist eine Sammlung von Daten, die zum Trainieren von maschinellen Lernmodellen verwendet wird. Für die Posenschätzung enthält ein idealer Datensatz Bilder mit markierten Schlüsselpunkten, um die Körperpositionen abzubilden. Er sollte auch eine Vielzahl von Posen, Winkeln, Lichtverhältnissen und Hintergründen enthalten, damit das Modell lernen kann, Posen genau zu erkennen und vorherzusagen. Diese Vielfalt macht das Modell für den realen Einsatz zuverlässiger.
Der von Ultralytics unterstützte Dog-Pose-Datensatz wurde speziell dafür entwickelt, dass Modelle Hundeposen effektiv lernen und erkennen können. Er enthält über 8.400 kommentierte Bilder verschiedener Hunderassen mit detaillierten Beschriftungen für 24 wichtige Punkte, wie Schwanz, Ohren und Pfoten.
Abb. 2. Ein Überblick über den Dog-Pose-Datensatz.
So trainierst du YOLO11 mit dem Dog-Pose-Datensatz
Das individuelle Training YOLO11 mit dem Dog-Pose-Datensatz ist ein unkomplizierter Prozess. Um loszulegen, musst du deine Umgebung einrichten, indem du das Ultralytics Python installierst, das alle notwendigen Werkzeuge für das Training und die Auswertung enthält.
Ultralytics hat eine integrierte Unterstützung für den Dog-Pose-Datensatz, so dass du nicht mehr manuell beschriften musst und direkt mit dem Training beginnen kannst. Sobald alles eingerichtet ist, kannst du YOLO11 mit nur wenigen Zeilen Code auf dem Dog-Pose-Datensatz trainieren, wie in der Abbildung unten zu sehen ist.
Während des Trainings lernt das Modell, Hundeposen bei verschiedenen Rassen, Lichtverhältnissen und Umgebungen zu erkennen und zu verfolgen. Nach dem Training kannst du die Ergebnisse visualisieren und das Modell feinjustieren, um die Genauigkeit und Leistung zu verbessern.
Abb. 3. Ein Codeschnipsel, der das benutzerdefinierte Training YOLO11 mit dem Hundedatensatz zeigt.
Wenn du beim Training deines Modells auf Probleme stößt, findest du hier einige Tipps zur Fehlerbehebung, die dir helfen, diese schnell zu lösen:
Überprüfe deine Internetverbindung: Der Hundedatensatz wird automatisch heruntergeladen, wenn du das Trainingsskript ausführst. Vergewissere dich, dass du eine stabile Internetverbindung hast, damit der Download nicht fehlschlägt.
Ultralytics aktualisieren: Stelle sicher, dass du die neueste Version des Ultralytics Python verwendest.
Suche in der Konsole nach Fehlern: Lies alle Fehlermeldungen aufmerksam, denn sie geben oft Hinweise darauf, was behoben werden muss.
Was passiert beim Training des benutzerdefinierten Modells?
Du fragst dich vielleicht, was hinter den Kulissen passiert, wenn du YOLO11 mit dem Dog-Pose-Datensatz trainierst. Schauen wir uns den Prozess einmal genauer an.
Anstatt bei Null anzufangen, verwenden wir ein vortrainiertes YOLO11, das bereits mit dem COCO-Pose-Datensatz trainiert wurde. Dieses bereits trainierte Modell kann menschliche Schlüsselpunkte erkennen, da COCO-Pose für die Schätzung der menschlichen Haltung entwickelt wurde. Tatsächlich kannst du YOLO11 ohne zusätzliches Training verwenden, um die menschliche Pose zu schätzen, und zwar direkt nach dem Auspacken.
Durch Transferlernen passen wir dieses Modell speziell für die Schätzung von Hundeposen an und helfen ihm, Schlüsselpunkte wie Beine, Schwanz und Kopf zu erkennen. Indem wir das Modell mit hundespezifischen Beispielen konfrontieren, lernt es, sich auf diese wesentlichen Merkmale zu konzentrieren.
Während des Trainings bleiben einige Teile des Modells unverändert und behalten das allgemeine Wissen aus dem COCO-Datensatz bei. Andere Teile werden neu trainiert, um die Genauigkeit bei der Einschätzung der Hundehaltung zu verbessern. Das Modell lernt, indem es seine Vorhersagen mit den tatsächlichen Schlüsselpunkten im Datensatz vergleicht und sich anpasst, um Fehler zu reduzieren. Im Laufe der Zeit wird es durch diesen Prozess immer besser darin, die Bewegungen des Hundes genau zu verfolgen.
Transfer-Lernen ermöglicht es dem Modell auch, sich an verschiedene Rassen, Größen und Bewegungsmuster anzupassen, damit es in der realen Welt zuverlässig funktioniert.
Abb. 4. Die wichtigsten Punkte von Blues und seiner Schwester Happy werden entdeckt.
Die Vorteile von YOLO11 bei der Schätzung der Hundestellung
Es gibt verschiedene Computer-Vision-Modelle. Warum ist YOLO11 die richtige Wahl für die Schätzung von Hundeposen?
YOLO11 zeichnet sich durch seine Geschwindigkeit und Genauigkeit in Echtzeit aus, was es zu einer großartigen Option für die Schätzung der Hundestellung macht. Es schneidet sowohl bei der Genauigkeit als auch bei der Geschwindigkeit besser ab als frühere Versionen. Mit 22% weniger Parametern als YOLOv8 erreicht es eine höhere durchschnittliche Genauigkeit (mAP) im COCO-Datensatz, d.h. es erkennt Objekte genauer und effizienter. Seine hohe Verarbeitungsgeschwindigkeit macht ihn perfekt für Echtzeitanwendungen, bei denen es auf eine schnelle und zuverlässige Erkennung ankommt.
Neben der Posenschätzung unterstützt YOLO11 auch Computer-Vision-Aufgaben wie die Segmentierung von Instanzen und die Verfolgung von Objekten, was zu einer umfassenderen Vision AI-Lösung für die Überwachung deines Hundes beitragen kann. Diese Funktionen können die Bewegungsverfolgung, die Verhaltensanalyse und die allgemeine Tierpflege verbessern.
Abb. 5. YOLO11 in Aktion: Blues mühelos segmentieren!
Anwendungen der Posenschätzung für Hunde und YOLO11
Als Nächstes wollen wir uns mit den praktischen Anwendungen der Posenschätzung für Hunde und ihren Auswirkungen auf die Haustierpflege befassen.
Verbessern des Haustiertrainings durch Schätzung der Hundestellung
Die Schätzung der Hundestellung kann das Hundetraining intelligenter und effektiver machen. Angenommen, es wird eine Kamera verwendet, um die Bewegungen des Hundes zu erfassen, dann kann YOLO11 helfen. Es kann Schlüsselpunkte wie Beine, Schwanz und Kopf erkennen und sie analysieren, um Aktionen wie Sitzen, Bleiben oder Liegen zu erkennen.
Wenn der Hund die Aktion nicht richtig ausführt, kann das System über eine App sofortiges Feedback geben und dem Trainer in Echtzeit helfen. Das macht das Training effizienter, präziser und geht auf die Fortschritte des Hundes ein.
Du kannst deinem Hund zum Beispiel beibringen, sich auf Kommando zu setzen. Das System kann die Körperhaltung deines Hundes überwachen und erkennen, ob er sich vollständig hinsetzt. Wenn der Hund seinen Körper senkt, sich aber nicht vollständig hinsetzt, kann das System die unvollständige Aktion erkennen und über eine App eine sofortige Rückmeldung geben. Der Trainer kann so eingestellt werden, dass er kleine Anpassungen am Training vornimmt, wie z. B. das Kommando zu verstärken oder den Hund in die richtige Position zu führen.
Abb. 6. Blues hilft dem Team bei der Schätzung der Hundestellung mit YOLO11.
Fortschritte in der tierärztlichen Versorgung mit Modellen zur Posenschätzung
Computer Vision kann die Art und Weise verändern, wie Tierärzte und -ärztinnen die Tierpflege angehen. Die Fähigkeit, Details genau zu analysieren, macht es einfacher, ungewöhnliche Bewegungsmuster zu erkennen und mögliche Gesundheitsprobleme zu identifizieren.
Ein Tierarzt, der zum Beispiel einen Hund beobachtet, der sich von einer Bänderverletzung erholt, kann sich bei der automatischen Analyse auf YOLO11 verlassen, das auf dem Dog-Pose Dataset trainiert wurde. Hinken oder Veränderungen in der Beinstellung können leicht erkannt werden. Die visuelle Überwachung rund um die Uhr bietet klare Einblicke in die Genesung des Hundes und hilft dem Tierarzt festzustellen, ob die Behandlung anschlägt oder ob Anpassungen erforderlich sind.
Der Weg zur Schätzung von Hundeposen
Mit der Weiterentwicklung der Technologie werden Lösungen wie die Einschätzung der Hundestellung mit YOLO11 wahrscheinlich eine größere Rolle bei der Überwachung und dem Wohlbefinden von Tieren spielen. YOLO11 kann in tragbare Technologien wie intelligente Halsbänder und Gesundheitstracker integriert werden, um wichtige Gesundheitsindikatoren wie Herzfrequenz, Aktivitätsniveau und Bewegungsmuster zu überwachen.
Ein intelligentes Halsband mit Bewegungssensoren kann zum Beispiel den Gang eines Hundes beim Gehen oder Laufen aufzeichnen, während die YOLO11die Körperhaltung in Echtzeit analysiert. Wenn das System unregelmäßige Bewegungen wie Hinken oder Steifheit feststellt, kann es diese Daten mit der Herzfrequenz und dem Aktivitätsniveau korrelieren, um mögliche Beschwerden oder Verletzungen zu erkennen. Tierhalter und Tierärzte können diese Erkenntnisse nutzen, um Probleme frühzeitig zu erkennen und proaktiv zu handeln.
Mit diesen Fortschritten geht die Schätzung der Hundehaltung über die einfache Bewegungsverfolgung hinaus - sie wird zu einem wichtigen Teil eines umfassenden KI-gesteuerten Haustierpflegesystems, das Hunden hilft, gesünder und sicherer zu bleiben und in Echtzeit besser überwacht zu werden.
Die wichtigsten Erkenntnisse
Mit Innovationen wie YOLO11 und dem Dog-Pose Dataset eröffnen wir neue Möglichkeiten im Bereich der Computer Vision. Diese Fortschritte helfen uns, das Verhalten und die Gesundheit von Hunden auf eine Weise zu verstehen, die vorher nicht möglich war.
Indem wir die Körperhaltung von Hunden genau verfolgen, können wir das Training verbessern, die Gesundheit überwachen und die Tierpflege effektiver gestalten. Ob in der Forschung, in der tierärztlichen Versorgung oder im Hundetraining - Vision AI schafft intelligentere Wege, um unsere Hunde zu pflegen und ihr Wohlbefinden zu verbessern.
