Detecting stray animals using machine learning: A comparative study using YOLOv5 y YOLOv8

Abstract

[EN] The project focuses on addressing the pressing issue of stray animal populations, primarily dogs and cats, which present a significant challenge in developing countries like Turkey. These animals not only pose threats to public health and disrupt local ecosystems but also endure harsh living conditions due to a lack of essential resources. The project’s methodology involves the creation of two different specially designed datasets, applying various pre-processing techniques, retraining, and testing various YOLO (You Only Look Once) architectures (YOLOv5 & YOLOv8) and comparative analysis. The experiments aim to determine the optimal configuration for accurately detecting stray animals in images using various training datasets with different characteristics. This project highlights the methods applied when using machine learning to tackle this problem, how it can be effective, and the results obtained.

[ES] El proyecto se centra en abordar el acuciante problema de las poblaciones de animales callejeros, y en concreto de perros y gatos, que plantean un gran desafío en países en desarrollo como Turquía. Estos animales no sólo suponen una amenaza para la salud pública y causan trastornos en los ecosistemas locales, sino que además soportan duras condiciones de vida por falta de recursos esenciales. La metodología del proyecto incluye la creación de dos conjuntos de datos diferentes especialmente diseñados, la aplicación de varias técnicas de preprocesamiento, el reentrenamiento y la prueba de varias arquitecturas YOLO (You Only Look Once) (YOLOv5 y YOLOv8) y el análisis comparativo. El objetivo de los experimentos es determinar la configuración óptima para detectar con precisión animales callejeros en imágenes utilizando varios conjuntos de datos de entrenamiento con diferentes características. En este artículo se destacan los métodos aplicados al utilizar e