X
Ultralytics YOLOv8.2 الإصدارUltralytics YOLOv8.2 الإصدارUltralytics YOLOv8.2 سهم الإطلاق
الشيك الأخضر
تم نسخ الرابط إلى الحافظة

تقديم تجزئة المثيل في YOLOv5 الإصدار 7.0

اكتشف YOLOv5 الإصدار 7.0 مع نماذج تجزئة مثيل جديدة ، متفوقة على معايير SOTA للحصول على أعلى دقة وسرعة الذكاء الاصطناعي. انضم إلى مجتمعنا.

YOLOv5 الإصدار 7.0 ، أحدث إصدار من بنية الذكاء الاصطناعي الخاصة بنا ، خارج ، ويسعدنا تقديم نماذج تجزئة المثيل الجديدة الخاصة بنا!

أثناء العمل على هذا الإصدار الأخير ، حافظنا على هدفين في المقدمة والوسط. الأول هو مهمتنا لجعل الذكاء الاصطناعي سهلا، والثاني هو هدفنا لإعادة تعريف ما تعنيه "حالة الفن" حقا.

لذلك ، مع التحسينات والإصلاحات والترقيات الكبيرة ، قمنا بذلك بالضبط. الحفاظ على نفس سير العمل البسيط مثل حالتنا الحالية YOLOv5 نماذج اكتشاف الكائنات، أصبح تدريب نماذجك والتحقق من صحتها ونشرها الآن أسهل من أي وقت مضى YOLOv5 v7.0. علاوة على ذلك ، تجاوزنا جميع معايير SOTA ، مما جعل YOLOv5 الأسرع والأكثر دقة في العالم.

نظرا لأن هذا هو الإصدار الأول من نماذج التجزئة ، فنحن فخورون للغاية بهذا الإنجاز. نحن مدينون بالشكر الجزيل لمجتمعنا المتفانين والمساهمين ، الذين ساعدوا في جعل هذا الإصدار ممكنا.  

Ultralytics YOLOv5 v7.0 تجزئة مثيل SOTA في الوقت الحقيقي

لذلك ، لنبدأ مع YOLOv5 ملاحظات إصدار الإصدار v7.0!

مهم YOLOv5 مستجدات

إليك ما تم تحديثه في YOLOv5 منذ إصدارنا الأخير من YOLOv5 الإصدار 6.2 في أغسطس 2022.

  • نماذج ⭐ التجزئة جديد: SOTA YOLOv5تتوفر الآن نماذج التجزئة المدربة مسبقا -seg COCO لأول مرة (# 9052 بواسطة @glenn-jocher و @AyushExel و @Laughing-q)
  • PaddlePaddle تصدير: تصدير أي YOLOv5 نموذج (cls ، seg ، det) إلى تنسيق مجداف مع python export.py - تشمل مجداف # 9459 بواسطة @glenn-jocher)
  • YOLOv5 التخزين المؤقت التلقائي: الاستخدام python train.py - ذاكرة التخزين المؤقت RAM ستقوم الآن بفحص الذاكرة المتاحة ومقارنتها باستخدام ذاكرة الوصول العشوائي المتوقعة لمجموعة البيانات. هذا يقلل من المخاطر في التخزين المؤقت ويجب أن يساعد في تحسين اعتماد ميزة التخزين المؤقت لمجموعة البيانات ، والتي يمكن أن تسرع التدريب بشكل كبير. (# 10027 بواسطة @glenn-jocher)
  • Comet تكامل التسجيل والتصور: مجاني إلى الأبد ، Comet يتيح لك الحفظ YOLOv5 النماذج واستئناف التدريب وتصور التنبؤات وتصحيحها بشكل تفاعلي. (# 9232 بواسطة @DN6)

نقاط تفتيش تجزئة جديدة

تدربنا YOLOv5 نماذج التجزئة على COCO ل 300 حقبة بحجم الصورة 640 باستخدام وحدات معالجة الرسومات A100. قمنا بتصدير جميع الموديلات إلى ONNX FP32 لاختبارات سرعة وحدة المعالجة المركزية و TensorRT FP16 لاختبارات سرعة وحدة معالجة الرسومات. أجرينا جميع اختبارات السرعة على أجهزة الكمبيوتر المحمولة من Google Colab Pro لسهولة التكرار.

  • يتم تدريب جميع نقاط التفتيش على 300 حقبة باستخدام محسن SGD مع lr0 = 0.01 و weight_decay = 5e-5 بحجم الصورة 640 وجميع الإعدادات الافتراضية. يتم تسجيل جميع عمليات التشغيل هنا.
  • قيم الدقة هي لمقياس أحادي النموذج على مجموعة بيانات COCO. إعادة إنتاج بواسطة python الجزء / val .py - بيانات coco.yaml - الأوزان yolov5s-seg.pt
  • بلغ متوسط السرعة أكثر من 100 صورة استدلال باستخدام مثيل Colab Pro A100 High-RAM. تشير القيم إلى سرعة الاستدلال فقط (يضيف NMS حوالي 1 مللي ثانية لكل صورة). إعادة إنتاج بواسطة python الجزء / فال .py - بيانات coco.yaml - الأوزان yolov5s-seg.pt - الدفعة 1
  • تصدير إلى ONNX في FP32 و TensorRT في FP16 القيام به مع export.py. إعادة إنتاج بواسطة python export.py - الأوزان yolov5s-seg.pt - تشمل المحرك - الجهاز 0 - نصف

أمثلة جديدة لاستخدام التجزئة

قطار

YOLOv5 يدعم التدريب على التجزئة التنزيل التلقائي لمجموعة بيانات تجزئة COCO128-seg باستخدام وسيطة --data coco128-seg.yaml والتنزيل اليدوي لمجموعة بيانات COCO-segments مع bash البيانات / البرامج النصية / get_coco.sh - القطار - val - المقاطع ثم python train.py - بيانات coco.yaml.

وحدة معالجة رسومات أحادية

python الجزء / القطار.py - نموذج yolov5s-seg.pt - بيانات coco128-seg.yaml - العصور 5 - IMG 640

وحدة معالجة الرسومات المتعددة DDP

python -م torch.distributed.run --nproc_per_node 4 --master_port 1 قطعة / قطار.py --نموذج yolov5s-seg.pt --بيانات coco128-seg.yaml --عصور 5 --IMG 640 --الجهاز 0،1،2،3

فال

تحقق من دقة YOLOv5m-seg على مجموعة بيانات ImageNet-1k:

bash البيانات / البرامج النصية / get_coco.sh --val --segments # تنزيل مقاطع COCO val مقسمة (780 ميجابايت ، 5000 صورة) python الجزء / فال .py - الأوزان yolov5s-seg.pt - بيانات coco.yaml - IMG 640 # التحقق من صحة

تنبأ

استخدم YOLOv5m-seg المدرب مسبقا للتنبؤ بالحافلة.jpg:

python الجزء / التنبؤ .py - الأوزان yolov5m-seg.pt - بيانات / صور / حافلة.jpg

نموذج = torch.hub.load('ultralytics/yolov5'، 'مخصص' ، 'yolov5m-seg.pt') # تحميل من PyTorch Hub (تحذير: الاستدلال غير مدعوم بعد)

Ultralytics YOLOv5 الإصدار 7.0 تجزئة المثيل


تصدير

تصدير نموذج YOLOv5s-seg إلى ONNX و TensorRT:

python export.py - الأوزان yolov5s-seg.pt - تشمل onnx المحرك --IMG 640 --الجهاز 0

Ultralytics YOLOv5 الإصدار 7.0 تجزئة المثيل

لديك أي أسئلة؟ اسأل Ultralytics منتدى أو إثارة مشكلة أو تقديم علاقات عامة على الريبو. يمكنك أيضا البدء في YOLOv5 تجزئة دفتر كولاب للدروس التشغيل السريع.

شعار الفيسبوكشعار تويترشعار لينكد إنرمز نسخ الرابط

اقرأ المزيد في هذه الفئة

دعونا نبني المستقبل
من الذكاء الاصطناعي معا!

ابدأ رحلتك مع مستقبل التعلم الآلي