YOLOvME: 얼룩말 종 탐지

사람들이 YOLOv5 을 사용하여 농작물 수확량 예측 앱을 만들고, 바다 속 플라스틱을 감지하고, 마스크를 제대로 착용하고 있는지 확인하는 것을 보았습니다. 저희는 커뮤니티에 연락하여 YOLOv5 를 사용하여 문제를 해결하는 더 많은 방법을 공유해 달라고 요청했습니다.  

일본 구마모토의 데이터 분석가 Kayo Kumabe는 일본 구마모토에 거주하고 있습니다. Kayo는 지난 한 달 동안 YOLOv5 를 사용한 지 한 달밖에 되지 않았지만, "정말 똑똑하기 때문에" 인프라를 실험하는 것을 즐깁니다. AI를 처음 접하는 사람이라면 python 또는 머신러닝에 대한 지식이 없더라도 모델을 커스터마이징하는 데 시간을 할애할 것을 권장합니다.

일반적으로 육안으로 외관의 미묘한 차이를 구분하기는 어려울 수 있습니다. 카요는 AI가 이러한 미묘한 차이를 쉽게 감지할 수 있을 것이라는 가설을 세웠습니다. 이를 테스트하기 위해 Kayo는 세 가지 얼룩말 종에 대한 데이터 세트를 수집하여 YOLOv5 모델에 입력했습니다. Kayo는 다양한 종류의 얼룩말을 감지하기 위해 YOLOv5 모델을 만들었습니다. 이 모델은 동물의 특징을 비교하여 얼룩말의 종을 결정하는 결과를 산출합니다.

그 결과 Kayo는 가설을 증명할 수 있었습니다. YOLOv5 모델은 얼룩말 한 종당 단 20개의 이미지로 훈련하면서도 높은 정확도로 각 얼룩말 종을 감지할 수 있었습니다.

Kayo가 컴퓨터 비전을 어떻게 시작하게 되었는지 궁금해서 몇 가지 질문을 던졌습니다.

얼룩말 종 감지를 위해 YOLOv5 을 선택하게 된 계기는 무엇인가요?

"다른 객체 감지 인프라는 사용해 본 적이 없습니다. YOLOv5 하드 코딩이 필요하지 않아서 쉬워 보였습니다."

YOLOv5 의 어떤 점이 쉽게 시작할 수 있게 해주었나요?

"얼룩말의 종류별로 20개의 이미지만 수집하고 이미지의 라벨링 파일을 만든 다음 YOLOv5 학습을 시켰습니다. 그게 다예요! YOLOv5 가 얼룩말 유형을 100% 정확하게 감지하는 것을 보니 정말 놀랍습니다! 아마 20개 미만의 이미지도 괜찮을 것 같습니다."

머신러닝과 비전 AI는 어떻게 시작하게 되었나요?

"제 고객 중 일부가 AI에 관심이 있어서 업무의 폭을 넓히기 위해 공부를 시작했습니다. 비전 AI를 처음 접했을 때 제가 좋아하는 영화 터미네이터를 현실에서 보는 것 같아서 매우 흥미로웠습니다."

앞으로 Yolov5 에 대해 염두에 두고 있는 다른 프로젝트는 무엇인가요?

"학교의 많은 학생들 사이에서 제 아이를 감지하고 싶습니다. 운동회 날에 유용할 것 같아요. 아이폰 애플리케이션으로도 만들고 싶어요."

에서 Kayo의 더 많은 작품을 확인하려면 YOLOv5 을 방문하세요. LinkedIn 와 Twitter.

나만의 YOLOv5 사용 사례가 있으신가요?

이 얼룩말 탐지 YOLOv5 사용 사례는 YOLOv5의 종 구분 성공 사례를 보여주는 좋은 예입니다. 이 신경망을 다른 종류의 동물에 적용하면 YOLOv5 동물들을 구별할 수 있을까요? 횡단보도에서 보행자를 감지하거나 연간 농작물 수확량을 예측하려는 경우 이 모델이 얼마나 잘 작동할까요? 상상력을 마음껏 발휘해 보세요!

소셜 미디어에 #YOLOvME와 함께 자신만의 사용 사례( YOLOv5 )를 태그해 주시면 여러분의 작업을 ML 커뮤니티에 홍보해 드리겠습니다.

AI 컴퓨터 비전을 재미있게 사용하고 싶지만 코딩이 필요 없으신가요?

아이디어만 있으면 됩니다. 와 Ultralytics HUB으로 모델을 쉽게 만들고 YOLOv5 아이디어를 실현할 수 있습니다. 유니티는 모든 작업을 간단하게 만들고 복잡한 MLO를 직접 수행하므로 코드를 몰라도 재미있는 AI를 즐길 수 있습니다. 쉽게 시작할 수 있으며 첫 번째 ML 모델을 구축하는 것도 훨씬 쉽습니다.

Ultralytics HUB 에 가입하여 지금 바로 AI의 마법을 즐겨보세요.

현재 베타 서비스 중이며 자리가 한정되어 있으니 지금 바로 가입하세요!

‍