تبسيط مهام سير عمل التصنيف باستخدام Ultralytics YOLOv5 v6.2

YOLOv5 يرتقي بمستوى التقنية في مجال الكشف عن الأجسام إلى آفاق جديدة! بدءًا من نماذج التصنيف الجديدة، وإمكانية تكرار التدريب، ودعم Apple Metal Performance Shader (MPS)، وصولًا إلى التكامل مع ClearML و Deci، نقدم لكم الإصدار الجديد YOLOv5 v6.2.

تحديثات هامة في YOLOv5

لقد عملنا على تحسين بنية YOLO Vision AI المفضلة لديك منذ أحدث إصدار لنا في فبراير 2022. هذه هي أهم التحديثات في أحدث إصدار من YOLOv5 v6.2:

• نماذج التصنيف: تتوفر الآن نماذج تصنيف YOLOv5-cls ImageNet المدربة مسبقًا لأول مرة.
  ‍
• تسجيل ClearML: التكامل مع أداة تتبع التجارب مفتوحة المصدر ClearML. سيؤدي التثبيت باستخدام الأمر pip install clearml إلى تمكين التكامل والسماح للمستخدمين بتتبع كل عملية تدريب في ClearML. وهذا بدوره يسمح للمستخدمين بتتبع ومقارنة عمليات التشغيل وحتى جدولة عمليات التشغيل عن بُعد.
  ‍
• معايير تصدير وحدة معالجة الرسوميات (GPU): قم بتقييم (mAP والسرعة) جميع تنسيقات تصدير YOLOv5 باستخدام python utils\/benchmarks.py --weights yolov5s.pt --device 0 لمعايير وحدة معالجة الرسوميات (GPU) أو --device CPU لمعايير وحدة المعالجة المركزية (CPU).
  ‍
• إمكانية تكرار التدريب: أصبح تدريب YOLOv5 أحادي GPU باستخدام الشعلة >= 1.12.0 قابلاً للتكرار بالكامل الآن، ويمكن استخدام وسيطة --seed جديدة (البذور الافتراضية = 0).
  ‍
• دعم Apple Metal Performance Shader (MPS): دعم MPS لأجهزة Apple M1/M2 مع الخيار --device mps (الوظائف الكاملة معلقة بتحديثات torch في pytorch/pytorch#77764).

نماذج تصنيف جديدة

هدفنا الرئيسي من هذا الإصدار هو تقديم مهام سير عمل تصنيف YOLOv5 بسيطة، تمامًا مثل نماذج الكشف عن الكائنات الموجودة لدينا. نماذج v6.2 YOLOv5-cls الجديدة هي مجرد بداية، وسنواصل تحسينها في المستقبل جنبًا إلى جنب مع نماذج الكشف الحالية لدينا. يسعدنا تلقي مساهماتكم في هذا الجهد!

يتضمن هذا الإصدار 401 طلب سحب من 41 مساهمًا منذ إصدارنا الأخير في فبراير 2022. يضيف تدريب التصنيف والتحقق من الصحة والتنبؤ والتصدير (إلى جميع التنسيقات الـ 11)، ويوفر أيضًا نماذج YOLOv5m-cls و ResNet (18, 34, 50, 101) و EfficientNet (b0-b3) المدربة مسبقًا على ImageNet.

قمنا بتدريب نماذج تصنيف YOLOv5-cls على ImageNet لـ 90 حقبة باستخدام مثيل 4xA100، وقمنا بتدريب نماذج ResNet و EfficientNet جنبًا إلى جنب مع نفس إعدادات التدريب الافتراضية للمقارنة. قمنا بتصدير جميع النماذج إلى ONNX FP32 لاختبارات سرعة وحدة المعالجة المركزية وإلى TensorRT FP16 لاختبارات سرعة وحدة معالجة الرسومات. قمنا بتشغيل جميع اختبارات السرعة على Google Colab Pro لسهولة التكاثر.  

ما التالي من Ultralytics؟

من المقرر إصدار الإصدار التالي v6.3 في سبتمبر 2022 وسيجلب دعمًا رسميًا لتقسيم المثيلات إلى YOLOv5، مع إصدار رئيسي v7.0 في وقت لاحق من هذا العام لتحديث البنى عبر جميع المهام الثلاث - التصنيف والكشف والتقسيم.

تفضل بزيارة مستودع YOLOv5 مفتوح المصدر على GitHub للبقاء على اطلاع دائم ومعرفة المزيد حول هذا الإصدار.