تبسيط سير عمل التصنيف باستخدام Ultralytics YOLOv5 v6.2

يدفع YOLOv5 حدود أحدث ما توصلت إليه تقنيات اكتشاف الأشياء إلى آفاق جديدة! بدءاً من نماذج التصنيف الجديدة، وإمكانية تكرار التدريب، ودعم Apple Metal Performance Shader (MPS)، وصولاً إلى عمليات التكامل مع ClearML وDeci، نقدم لكم إصدار YOLOv5 v6.2 الجديد.

Link to this sectionتحديثات هامة في YOLOv5#

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

• نماذج التصنيف: أصبحت نماذج التصنيف YOLOv5-cls المدربة مسبقاً على ImageNet متاحة الآن لأول مرة.
• سجل ClearML: التكامل مع أداة تتبع التجارب مفتوحة المصدر ClearML. سيؤدي التثبيت عبر pip install clearml إلى تفعيل التكامل والسماح للمستخدمين بتتبع كل عملية تدريب في ClearML. وهذا بدوره يسمح للمستخدمين بتتبع ومقارنة العمليات وحتى جدولة العمليات عن بُعد.
• معايير تصدير GPU: قم بقياس أداء (mAP والسرعة) لجميع تنسيقات تصدير YOLOv5 باستخدام python utils/benchmarks.py --weights yolov5s.pt --device 0 لمعايير GPU أو --device CPU لمعايير CPU.
• إمكانية تكرار التدريب: أصبح تدريب YOLOv5 باستخدام GPU واحد مع torch>=1.12.0 قابلاً للتكرار بالكامل، ويمكن استخدام وسيطة --seed جديدة (القيمة الافتراضية seed=0).
• دعم Apple Metal Performance Shader (MPS): دعم MPS لأجهزة Apple M1/M2 باستخدام --device mps (الوظائف الكاملة معلقة بانتظار تحديثات torch في pytorch/pytorch#77764).

Link to this sectionنماذج تصنيف جديدة#

هدفنا الرئيسي من هذا الإصدار هو تقديم سير عمل تصنيف YOLOv5 بسيط، تماماً مثل نماذج اكتشاف الأشياء الحالية لدينا. نماذج v6.2 YOLOv5-cls الجديدة هي مجرد بداية، وسنستمر في تحسينها مستقبلاً جنباً إلى جنب مع نماذج الاكتشاف الحالية لدينا. نرحب بـ مساهماتكم في هذا الجهد!

يتضمن هذا الإصدار 401 طلب سحب (PRs) من 41 مساهماً منذ إصدارنا الأخير في فبراير 2022. ويضيف التدريب والتصنيف والتحقق والتنبؤ والتصدير (إلى جميع التنسيقات الـ 11)، كما يوفر نماذج YOLOv5m-cls المدربة مسبقاً على ImageNet، ونماذج ResNet (18, 34, 50, 101) ونماذج EfficientNet (b0-b3).

قمنا بتدريب نماذج تصنيف YOLOv5-cls على ImageNet لمدة 90 دورة (epochs) باستخدام مثيل 4xA100، وقمنا بتدريب نماذج ResNet وEfficientNet جنباً إلى جنب بنفس إعدادات التدريب الافتراضية للمقارنة. قمنا بتصدير جميع النماذج إلى ONNX FP32 لاختبارات سرعة CPU وإلى TensorRT FP16 لاختبارات سرعة GPU. قمنا بتشغيل جميع اختبارات السرعة على Google Colab Pro لسهولة التكرار.

Link to this sectionما التالي من Ultralytics؟#

من المقرر إصدارنا التالي، v6.3، في سبتمبر 2022 وسيأتي بدعم رسمي لتجزئة المثيلات (instance segmentation) في YOLOv5، مع إصدار v7.0 رئيسي في وقت لاحق من هذا العام لتحديث البنى عبر المهام الثلاث جميعها - التصنيف، والاكتشاف، والتجزئة.

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