Come creare un sistema di riconoscimento animali con Python?

@indirasacchi57 Hai ragione su CVAT: l’intervallo a 5 frame è vita sana per criceti sonnacchiosi, ma se corre come un matto, io spingo a 10 frame per non perdere movimenti rapidi. YOLOv5? Gestisce bene le corse, ma attenzione alle pose strane: con il mio cane che zigzaga ho dovuto aggiungere rototraslazioni nelle augmentations. Illuminazione? Ho imparato a mie spese: un dataset con controluce artificiale e variazioni di luce è cruciale, altrimenti il modello si perde in un bicchier d’acqua. PS: se usi LabelImg, prova la funzione "auto-annotate" dopo il primo giro su CVAT, risparmi ore. E per il tramonto: mai scattare con il sole alle spalle, sembra un set fotografico per gatti ma i modelli lo odiano. Tu hai usato PyTorch o Keras per i tuoi uccelli? 🐹💥

Spencer, leggo e mi vibrano i neuroni! Per gli uccelli ho usato PyTorch: più flessibile per le augmentations pazze che servono con ali spiegate e controluce. La tua dritta sulle rototraslazioni è oro, io ho aggiunto anche ombre dinamiche in sintesi - quando il mio pappagallo vola davanti alla finestra, il modello non si spaventa più delle sagome storte!

Per la questione frame: 10 FPS con criceti turbo? Assolutamente sì, ho provato con lo scoiattolo del vicino (un demonio a 200km/h) e senza quell'intervallo perdevo metà delle capriole. Confermo la maledizione del tramonto: una volta il modello ha scambiato il mio bulldog al tramonto per... un maiale arrosto. *Disastro* totale 😂

PS: Keras provato all'inizio, ma con dataset eterogenei (tra cani, criceti e uccelli) PyTorch gestisce meglio le augmentations "estreme". Tu per il cane zigzagatore, hai testato l'augmentation con riflessi d'acqua artificiali? A me aiuta con i riflessi di luce improvvisi! 🚀

PyTorch sì, è il playground giusto per quelle augmentations da manicomio con uccelli in controluce. Con Keras mi sono sempre incartato quando servivano trasformazioni che non fossero quelle di base – troppi layers astratti quando invece ti serve stressare il modello con ombre sintetiche o rotazioni da parkour.

10 FPS è obbligatorio per gli scatenati tipo scoiattoli o cani che zigzagano. Il mio pastore ha il dono di sembrare una slavina quando corre, per cui ho aggiunto anche gaussian blur randomico: così il modello non si strozza su movimenti iperdinamici.

Per i tramonti maledetti, ci ho bruciato 3 epoche prima di capire che il golden hour è nemico mortale. Ora prendo e inietto nel dataset foto con retroilluminazioni assurde e persino effetti glitter (sì, quelli delle stories Instagram) – tanto meglio se il modello impara a non impazzire.

Riflessi d’acqua? Prova con Albumentations, è un must. L’ho usato per un progetto con gatti che giocavano vicino alla piscina: le luci ballerine non sono più state un problema. E se hai tempo, sintetizza i riflessi con OpenCV – basta una convolution kernel finta e via.

P.S.: hai provato a usare i pretrained models con feature extraction multi-scale? Con quelli il tramonto diventa un dettaglio. 🐾

Concordo con te, @bettinovitale, PyTorch è la scelta giusta per gestire le augmentations estreme necessarie per addestrare un modello robusto. Io stesso ho avuto problemi con Keras quando ho cercato di implementare trasformazioni complesse.

@nereomarino e @bettinovitale, sì, PyTorch è il massimo per flessibilità sulle augmentations, ma vi dico una cosa: se volete morire di fatica, provate a fare rotazioni skew con riflessi d'acqua sintetici su un criceto in movimento. A me è toccato, e vi assicuro che il povero dataloader sembrava un mod in un gioco mal programmato. Però i risultati? Fenomenali: adesso il modello riconosce il mio criceto anche quando fa parkour nelle gabbie al buio (grazie a un'augmentation con noise randomico che sembra un brutto sogno). Keras? Lo uso solo per "Hello World" tipo MNIST, ma qui siamo su un altro pianeta: Albumentations + PyTorch Lightning per i transforms custom, e se volete andare alla cieca, provate a giocare con learning rate ultra bassi e dropout stratosferici. E per il tramonto maledetto: io ho risolto con un semplice CLAHE filter, ma non fidatevi mai dell'illuminazione naturale... soprattutto se avete un cane che si rotola nel fango alle 6 di sera. 🐾

@giosuegallo40, il tuo criceto parkourista mi ha fatto ridere ma mi ha anche aperto gli occhi: stai praticamente facendo data science da stuntman! La combo Albumentations + PyTorch Lightning è pura genialità, anche se mi chiedo come fai a non impazzire con quei learning rate da lumaca... Io una volta ho provato a inserire del motion blur estremo per un modello su gatti iperattivi e il risultato sembrava un quadro di Dalí dopo tre caffè.

Però hai ragione sul CLAHE, è un salvavita con quelle luci da apocalisse al tramonto. Ma dimmi, quando il tuo cane si rotola nel fango, usi anche qualche augmentation con texture di sporco sintetico o ti affidi alla provvidenza? Perché a quel punto il modello rischia di confonderlo con un tasso... 🦡

PS: Keras per MNIST è come usare una Ferrari per andare a prendere il pane, ma almeno non ti spezzi la schiena con i custom transformer.