Explora las innovadoras aplicaciones de YOLOv5 , como la detección de especies de cebra, y observa cómo nuestra comunidad aprovecha la IA para tareas desafiantes.
.avif)
Hemos visto a gente utilizar YOLOv5 para crear una aplicación de estimación del rendimiento de los cultivos, detectar plástico en el océano y saber si alguien lleva la máscara correctamente puesta. Nos pusimos en contacto con nuestra comunidad y les pedimos que compartieran aún más formas de utilizar YOLOv5 para resolver sus problemas.
Kayo Kumabe es un Analista de Datos de Kumamoto, Japón. Kayo sólo lleva trabajando con YOLOv5 desde hace un mes, pero disfruta experimentando con la infraestructura porque "es simplemente inteligente". A alguien que se inicie en la IA, Kayo le recomienda que dedique tiempo a personalizar su modelo, aunque no tenga conocimientos de python ni de aprendizaje automático.
Por lo general, puede resultar difícil distinguir las sutilezas de las apariencias con el ojo humano. Kayo planteó la hipótesis de que, en cambio, la IA podría detectar fácilmente estas sutiles diferencias. Para probarlo, Kayo recopiló un conjunto de datos de tres especies distintas de cebra para alimentar su modelo YOLOv5 . Kayo creó un modelo YOLOv5 para detectar distintos tipos de cebras. Este modelo compara características de los animales y produce una salida que determina la especie de la cebra.
Como resultado, Kayo pudo demostrar su hipótesis. El modelo YOLOv5 fue capaz de detectar cada especie de cebra con un alto nivel de precisión, mientras se entrenaba con sólo 20 imágenes por especie de cebra.
Teníamos curiosidad por saber cómo se inició Kayo en la Visión por Computador, así que les hicimos algunas preguntas.
"Nunca he probado ninguna otra infraestructura de detección de objetos. YOLOv5 me pareció fácil, ya que no requería una codificación difícil".
"Recogí sólo 20 imágenes para cada tipo de cebra, hice archivos de etiquetado de la imagen y dejé que YOLOv5 aprendiera. ¡Eso es todo! ¡Es asombroso ver que YOLOv5 detectó los tipos de cebra correctamente al 100%! Quizá con menos de 20 imágenes estaría bien".
"Algunos de mis clientes están interesados en la IA, así que empecé a estudiarla para ampliar mi trabajo. Cuando conocí la IA de visión, me emocioné mucho porque se parecía a mi película favorita Terminator en la vida real".
"Me gustaría detectar a mi hijo entre muchos alumnos de la escuela. Podría ser útil en una jornada deportiva. Me gustaría hacerlo para una aplicación de iPhone".
Para ver más creaciones de Kayo con YOLOv5, consultasu página de LinkedIn y Twitter.
Este caso de uso de detección de cebras YOLOv5 es un gran ejemplo del éxito de YOLOv5a la hora de distinguir especies. Si aplicamos esta red neuronal a otros tipos diferentes de animales, ¿será YOLOv5 capaz de diferenciarlos? ¿Qué tal funcionará el modelo si queremos detectar peatones en un paso de peatones o predecir el rendimiento anual de las cosechas? Deja volar tu imaginación!
Etiquétanos con #YOLOvME en nuestras redes sociales con tu propio caso de uso de YOLOv5 y promocionaremos tu trabajo entre la comunidad de ML.
Todo lo que necesitas es una idea. Con Ultralytics HUBes fácil crear modelos con YOLOv5 y dar vida a tus ideas. Hacemos las cosas sencillas y realizamos nosotros mismos todos los MLOps complicados, así que no necesitas saber nada de código para divertirte con la IA. Es fácil empezar y aún más fácil crear tu primer modelo ML.
Actualmente estamos en fase beta y hay plazas limitadas, ¡así que asegúrate de inscribirte ahora!
Comienza tu viaje con el futuro del aprendizaje automático
