تبسيط سير عمل التصنيف باستخدام Ultralytics YOLOv5 v6.2

يرتقي YOLOv5 بمستوى التطور في مجال اكتشاف الأجسام إلى آفاق جديدة! بدءًا من نماذج التصنيف الجديدة، وقابلية إعادة إنتاج التدريب، ودعم مُظلِّلات أداء Apple Metal (MPS)، وصولًا إلى التكامل مع ClearML وDeci، نقدم لكم الإصدار الجديد YOLOv5 v6.2.

أهم تحديثات Ultralytics YOLOv5#

نعمل على تحسين بنية YOLO Vision AI المفضلة لديكم منذ إصدارنا الأخير في فبراير 2022. وهذه أهم التحديثات في أحدث إصدار YOLOv5 v6.2:

• نماذج التصنيف: أصبحت نماذج التصنيف Ultralytics YOLOv5-cls المُدرَّبة مسبقًا على ImageNet متاحة الآن للمرة الأولى.
• تسجيل ClearML: التكامل مع متتبّع التجارب مفتوح المصدر ClearML. يؤدي التثبيت باستخدام pip install clearml إلى تفعيل التكامل وتمكين المستخدمين من تتبّع كل عملية تدريب في ClearML. ويتيح ذلك بدوره للمستخدمين تتبّع عمليات التشغيل ومقارنتها، بل وجدولة عمليات التشغيل عن بُعد.
• معايير قياس أداء GPU: قِس أداء (mAP والسرعة) جميع تنسيقات تصدير YOLOv5 باستخدام python utils/benchmarks.py --weights yolov5s.pt --device 0 لإجراء معايير قياس أداء GPU، أو --device CPU لإجراء معايير قياس أداء CPU.
• قابلية إعادة إنتاج التدريب: أصبح تدريب Ultralytics YOLOv5 باستخدام GPU واحد وtorch>=1.12.0 قابلًا لإعادة الإنتاج بالكامل، ويمكن الآن استخدام الوسيط --seed الجديد (القيمة الافتراضية seed=0).
• دعم مُظلِّلات أداء Apple Metal (MPS): دعم MPS لأجهزة Apple M1/M2 باستخدام --device mps (لا تزال الوظائف الكاملة معلّقة إلى حين تحديثات torch في pytorch/pytorch#77764).

نماذج تصنيف جديدة#

هدفنا الرئيسي من هذا الإصدار هو تقديم سير عمل بسيط لتصنيف YOLOv5، على غرار نماذج اكتشاف الأجسام الحالية لدينا. تُعد نماذج YOLOv5-cls الجديدة في الإصدار v6.2 مجرد بداية، وسنواصل تحسينها مستقبلًا إلى جانب نماذج الاكتشاف الحالية لدينا. نرحب بمساهماتكم في هذا الجهد!

يضم هذا الإصدار 401 طلب سحب (PR) من 41 مساهمًا منذ إصدارنا الأخير في فبراير 2022. ويضيف تدريب التصنيف والتحقق والتنبؤ والتصدير (إلى جميع التنسيقات الإحدى عشرة)، كما يوفر نماذج YOLOv5m-cls المُدرَّبة مسبقًا على ImageNet، ونماذج ResNet (18 و34 و50 و101)، ونماذج EfficientNet (b0-b3).

درّبنا نماذج تصنيف Ultralytics YOLOv5-cls على ImageNet لمدة 90 حقبة باستخدام مثيل 4xA100، كما درّبنا نماذج ResNet وEfficientNet بالتوازي باستخدام إعدادات التدريب الافتراضية نفسها لإجراء المقارنة. وصدّرنا جميع النماذج إلى ONNX FP32 لاختبارات سرعة CPU، وإلى TensorRT FP16 لاختبارات سرعة GPU. وأجرينا جميع اختبارات السرعة على Google Colab Pro لتسهيل إعادة الإنتاج.

ما التالي من Ultralytics؟#

من المقرر إصدارنا التالي، v6.3، في سبتمبر 2022، وسيضيف دعمًا رسميًا لتجزئة الكيانات إلى Ultralytics YOLOv5، على أن يصدر لاحقًا هذا العام الإصدار الرئيسي v7.0 لتحديث البنى عبر المهام الثلاث جميعها: التصنيف والاكتشاف والتجزئة.

زُر مستودع YOLOv5 مفتوح المصدر على GitHub للبقاء على اطلاع بآخر المستجدات ومعرفة المزيد عن هذا الإصدار.