YOLOvMEコロニーカウント、塗抹評価、野生動物検出

YOLOv5で何をするのか？

マーティンが自分のプロジェクトにYOLOv5を導入した理由は、物体の検出、分類、計数のための既存のプロセスを自動化する必要性からきている。マーティンはまた、長期進化実験のようなケースにYOLOv5を使うことも目指している。

細菌コロニー計数

研究室では、寒天プレート上で増殖した細菌のコロニーは、一般的に技術者が手作業で数えている。残念なことに、手作業による計数はエラーを招きやすい。この問題に取り組むため、MartinはYOLOv5を利用して計数プロセスを自動化した。このアプローチにより、コロニーの検出と分類に関連するエラーと時間が大幅に削減された。

微小物体の検出と分類

顕微鏡の世界で検査を行うには、塗抹標本を評価する必要がある。これはまだ、ほとんど手作業で行われているプロセスである。そしてご存知のように、手作業はエラーが起こりやすく、結果にばらつきが出やすい。さらに、特定の形状の物体検出のための適切なツールは存在するが、様々な物体の自動カウントと分類のための、より専門的なツールは存在しない。

野生動物の検出とモニタリング

「私の同僚は、森林やその他の場所で野生動物を記録しているが、通常は手作業でビデオを見ている。

映像から野生のブタやシカのインスタンスを手作業で探すと途方もない時間がかかることを念頭に置き、マーティンは物体検出がこのプロセスを確実に最適化できることを知っていた。そこでYOLOv5が導入され、野生動物がカメラの視線に入ると、簡単かつ瞬時に検出できるようになった。

どのようにして機械学習とビジョンAIの世界に入ったのですか？

修士課程でマーティンは、彼が "画像解析の古典的アプローチ "と呼ぶものを研究した。学位取得後、ディープラーニングが話題となり、当時は単に "畳み込みネットワーク "と呼ばれていた。

この時期、マーティンはあまり使えないデータのマイニングに取り組んでいた。データを自分の手で汚したいと思ったマーティンは、機械学習とビジョンAIの世界に飛び込むことを選んだ。

これからYOLOv5を始める人へのアドバイスは？

現在、MLや視覚AIの学習プロセスは非常に複雑です。以前からビジョンAIを使用している者として、マーティンはこれから始めようとする人への3つのポイントを挙げた：

1. 「科学者として、私は最初にすべてを読むことを好む。モデルのトレーニングに飛び込む前に、基本的なレベルの理解を得ることで、初心者にとってプロセスがずっと簡単になる。
2. さらにマーティンは、他人の使用例を研究することの有用性について言及した。他の人がやっていることを見ることで、自分の使い方やプロジェクトに刺激を与えることができる。
3. プロジェクトを繰り返しプレイし、テストする。何かを変更する必要があると感じたら、戻って変更を加え、さらにテストと反復を繰り返して前進を続ける。

マーティン・シェッツは、共焦点顕微鏡におけるバイオ画像解析とデータ処理を専門とする研究者であり、教鞭も執っている。マーティンが取り組んでいるプロジェクトの動機は、感染症研究とモニタリングのための画像解析プロセスを最適化することである。マーティンの3つのプロジェクトのドキュメントと詳細は、彼の GitHubリポジトリ.さらに、マーティンは NEUBIASの一員であり、生物学／顕微鏡学における科学的画像解析に最も使用されるツールを推進する組織である。 学習済みディープラーニングモデルをモデルZooに掲載しています。

あなたのYOLOv5の使用例にもスポットライトを当てたいと思います！ソーシャルメディア @Ultralytics で #YOLOvME とタグ付けしてください。