LinkedInのLARPマキシング

フィード プロジェクト YOLO投稿検出器の作成 結論 LinkedInは、魂を吸い取るようなプロフェッショナリズムの穴であり、私の最悪の敵でさえ残りの人生を過ごすべきではない地獄の淵です。それは、人間には理解不能な冒涜的な成果物を生み出す、パフォーマンス重視の生産性とコーポレートトークの混合物です。普通の人間らしいテキストが死に、LLMのような放射線防護服なしでは生き残れない場所です。そして、私のフィードに溢れている、人々が作り続けているパフォーマンス重視のプロジェクトを調べてみたいと思いました。 フィード それは文字通り、あなたが見る中で最も耐え難いものです。「私のいとこが今日トラックに轢かれました🚚💥！それがビジネス管理について私に教えてくれたこと👇」そして誰もが「先見の明がある」「将来を見据えている」「プロフェッショナル」という偽りのトーンを装っています。それは本当にうんざりします。 プロジェクト そして、彼らが投稿しているプロジェクトを見ると、本当に、LinkedInを開くたびに、手を振っている誰かのコンピュータビジョンプロジェクトにぶつかります。それを追跡するのです。一つや二つなら気にしませんが、文字通りそればかりです。他の投稿のほとんどが、手を振っている誰かがナンセンスなことをしているのです。役に立たないし、誰も使いたがらないようなものでもありません。「私を見て、コンピュータビジョン」というだけです。彼らがバイブコーディングしたか、チュートリアルから持ってきたかのどちらかだと確信しています。なぜなら、すべてのプロジェクトが同じだからです。ところで、それがどれほど悪いか知りたいですか？この画像は何ですか？私はそれを探しに行ったわけではありません。文字通りLinkedInを開いただけで、これが最初に見えたもの…そして2番目…そして3番目…そして4番目…そして5番目…冗談ではありません。これは私が今見た2番目のものです。また、最初の画像は少なくともゲームであり、良いものではありませんが、何らかのものです。しかし、このポットホールの検出は何の意味があるのでしょうか？ポットホールを検出できる他のものをご存知ですか？目です。それらは非常に、非常に優れています。彼らはそれをどこにも送っていません。例えば、検出のためにすべての車のカメラに接続されていたなら、まず、大規模な監視、そしてもしあなたがポットホールを追跡できないほど多くのポットホールを持っていて、ポットホールのためのクラウドソーシングデータが必要なら、あなたはもっと大きな問題を抱えていることになりますが、まあ、そうです。APIをどこかに送っていたなら、それは可愛かったでしょう。しかし、そうではありません。より大きな考えは、スマートインフラストラクチャ監視のためにAIを使用することです。これにより、道路状況をより効率的に評価でき、メンテナンスチームはよりデータに基づいた意思決定を行うことができます。このプロジェクトはまた、実際のコンピュータビジョンは単にオブジェクトを検出するだけではないことを示してくれました。照明、道路状況、カメラアングル、重複する検出はすべてパフォーマンスに影響を与える可能性があります。これらの投稿を見るのにうんざりしています。LinkedInで見栄えの良いプロジェクトを1つ作成するのはどれくらい難しいですか？（ネタバレ：かなり簡単です。） YOLO投稿検出器の作成 私は「🚀YOLOプロジェクトを作成しましたと発表できて興奮しています」という投稿の検出器を作成することにしました。これをゼロから学んでいます。以前は全くやったことがありません。ラーメンを料理せずに料理を批評することはできません。それは役に立ちませんが、これでスロップ（ゴミ）が本当にスロップであることがわかるでしょう。それを学び、作るのに1時間半かかりました。ほとんどは単に箱を描いて、モデルがトレーニングされるのを待つことでした。さて、このプロジェクトを作る最初の部分はデータです。モデルに、これらの投稿の1つがどのように見えるかを示すデータでモデルをトレーニングする必要があります。このスクリプトを書いて画像を収集しました。フィードをスクロールしてスクリーンショットを撮ります。 mkdir -p raw_data sleep 5 # ブラウザに切り替えるため for i in {1..200}; do scrot "raw_data/slop_$(printf "%03d" $i).png" xdotool key Page_Down sleep 3 done 私のスクリプトは200枚の画像を収集しました。これは今のところ十分でしょう。次にRoboflowアカウントを作成し、プロジェクトを作成してスクリーンショットをアップロードしました。スクリーンショットをスクロールして、検出が必要だと思うものにボックスを描いてアノテーションを付ける必要がありました。それはかなり機械的でした。約20分かかりました。画像にアノテーションを付けたら、YOLOv8形式でエクスポートし、データセットのzipファイルをダウンロードしました。次にモデルのトレーニングの時間です。これはほとんど労なく行えます。 from ultralytics import YOLO model = YOLO('yolov8n.pt') results = model.train(data='dataset/data.yaml', epochs=50, imgsz=320, name='slop_detector') 素晴らしい！トレーニングが終わるのを待ちます。私はポテトPCを持っているので30分かかりました。トレーニングが終わったら、モデルを実行するためのPythonスクリプトを書きました。 from ultralytics import YOLO import sys def main(image_path): model = YOLO('runs/detect/slop_detector/weights/best.pt') model(image_path, save=True, conf=0.10) main(sys.argv[1]) やったー！私自身のスロップ検出器を手に入れました！これで、コンピュータビジョンエキスパート、Pythonの達人、AIとMLのソートリーダーを履歴書に追加できると思います。 結論 ええ、それを学び、構築するのに1時間半かかりました。モデルを最適化したり、精度を上げたりするならもっと面白かったでしょうが、LinkedInで見かけるもののほとんどはこれです。クールなマーケティングの上に、かなり些細なことです。そして誰も何も言いません。なぜなら、あなたのコメントはあなたのプロフィールに表示されるからです。採用担当者がスクロールして、あなたがスロップをスロップと呼んでいるのを見たら、あなたは嫌なやつです。だから誰もが拍手して次に進みます。それが本当の問題です。そのサイトでは、何も改善することを奨励していません。それは自分自身を仕事のために売ることを中心に構築されたプラットフォームなので、生き残るのはスキルではなく、面白そうに見えることです。それは単なる生産性のLARP（ライブアクションロールプレイング）です。これらのプロフィールのいくつかを調べてみてください。同じ男が何度も何度もポットホールを検出しており、改善の兆候は全くありません。この投稿を楽しめましたか？RSSで購読してください。フォローしてください：GitHub • LinkedIn • Twitter • Email