Yolo11 Fish Detector Grayscale

🚀 Yolo11n 魚検出器 | グレースケール

このモデルは、YOLO11アーキテクチャを用いて、水中のグレースケール画像から魚を検出するように訓練されています。半教師付き学習技術を用いて開発され、完全にラベル付けされたデータセットに依存せずにパターンを学習し、魚を識別します。

🔍 モデル詳細 / 概要

• モデルアーキテクチャ：YOLO11n
• タスク：物体検出（魚検出）
• 映像タイプ：グレースケール（白黒）の水中映像
• クラス：1（魚）

📊 テスト結果

💾 モデルの重み

モデルの重みはこちらで確認できます。

🎯 想定される使用法

• グレースケール（白黒）の水中映像のリアルタイム検出
• グレースケール（白黒）の水中映像の事後処理済みビデオ/画像

📈 要因

モデルの性能

• 教師なし学習：完全に注釈付けされたデータセットを必要とせずに柔軟なパターン認識が可能で、グレースケール画像に適しています。
• グレースケール画像：白黒の水中映像に特化して訓練されており、この環境での性能が向上しています。
• モデルアーキテクチャ（YOLO11n）：軽量で、水中映像のリアルタイム魚検出に最適化されています。
• 訓練データ：グレースケールの水中データセットの品質と多様性。80%を訓練用、20%を検証用に分割しています。
• 訓練パラメータ：50エポック、学習率0.001、画像サイズ416x416で設定され、最適なモデル収束を実現します。

評価指標

以下は、検証セットでのモデル評価の主要な指標です。

訓練と検証の結果

訓練と検証の損失

混同行列

適合率 - 再現率曲線

F1スコア曲線

訓練設定

• モデルの重みファイル：yolo11n_fish_trained.pt
• エポック数：50
• 学習率：0.001
• バッチサイズ：16
• 画像サイズ：416x416

訓練と評価のデータ

• データセット：fish_dataset.zip（グレースケール（白黒）の水中映像から構成）
• 訓練/検証分割：データセットは80%を訓練用、20%を検証用に分割されています。
• クラス：モデルは1つのクラス（魚）で訓練されています。
• 学習アプローチ：教師なし学習。すべての画像に詳細な注釈がなくても、データ内のパターンを識別できます。

💻 モデルの使用方法

訓練済みモデルを使用するには、以下の手順に従ってください。

from ultralytics import YOLO

# モデルをロードする
model = YOLO("yolo11n_fish_trained.pt")

⚠️ 制限事項

• このモデルは白黒の水中映像で訓練されているため、カラー画像や異なる照明条件のビデオでは汎化性能が低い可能性があります。
• 教師なし学習の性質上、誤検出が発生することがあります。特にノイズの多い環境では、他の水中物体を魚と誤認識する可能性があります。
• 複雑な背景、遮蔽、または解像度の低い画像は、モデルの性能に影響を与える可能性があります。

💡 追加注意事項

• グレースケール画像：モデルはグレースケール画像でより良い性能を発揮する可能性があり、カラーの水中映像や異なる照明条件の画像では汎化性能が低い可能性があります。
• 教師なし学習：教師なしアプローチを使用しているため、モデルはより柔軟になりますが、注釈付きデータがないと誤りや誤分類が発生しやすくなります。
• 倫理的な考慮事項：教師なし学習アプローチは、検出にバイアスを引き起こす可能性があります。特に訓練データセットに表されていない新しい環境や海洋生物の種類では、このモデルは重要な検出を見逃したり、敏感なシナリオで誤った結果を生み出したりする可能性があります。海洋保全や研究にこのモデルを使用する場合は、検出結果を検証し、潜在的な環境や社会的影響を考慮してください。

⚠️ 免責事項

このリポジトリは科学的な成果物であり、米国海洋大気庁（NOAA）または米国商務省の公式コミュニケーションではありません。すべてのNOAAプロジェクトの内容は「現状のまま」提供され、ユーザーがその使用に責任を負います。このプロジェクトの使用に起因する商務省または商務省の局に対するすべての請求は、すべての適用される連邦法に基づいて取り扱われます。特定の商業製品、プロセス、またはサービスをサービスマーク、商標、製造業者などによって参照することは、商務省によるそれらの承認、推奨、または支持を構成または暗示するものではありません。商務省の印章やロゴ、または商務省の局の印章やロゴは、商務省または米国政府による商業製品または活動の承認を暗示するような方法で使用してはなりません。