Klassifizierungs-Workflows vereinfachen mit Ultralytics YOLOv5 v6.2

YOLOv5 treibt den State-of-the-Art in der Objekterkennung zu neuen Höchstleistungen voran! Von neuen Klassifizierungsmodellen, Trainingsreproduzierbarkeit und Apple Metal Performance Shader (MPS) Support bis hin zu Integrationen mit ClearML und Deci präsentieren wir dir den neuen YOLOv5 v6.2 Release.

Wichtige Updates zu Ultralytics YOLOv5#

Wir haben daran gearbeitet, deine Lieblings-YOLO-Vision-AI-Architektur seit unserem letzten Release im Februar 2022 zu verbessern. Das sind die wichtigsten Updates im neuesten YOLOv5 v6.2:

• Klassifizierungsmodelle: ImageNet-vorrainierte Klassifizierungsmodelle für Ultralytics YOLOv5-cls sind ab sofort zum ersten Mal verfügbar.
• ClearML-Protokollierung: Integration mit dem Open-Source-Experiment-Tracker ClearML. Die Installation mit pip install clearml aktiviert die Integration und ermöglicht es Nutzern, jeden Trainingslauf in ClearML zu verfolgen. Dies wiederum erlaubt es Nutzern, Läufe zu verfolgen und zu vergleichen sowie Läufe sogar aus der Ferne zu planen.
• GPU-Export-Benchmarks: Teste alle YOLOv5-Exportformate (mAP und Geschwindigkeit) mit python utils/benchmarks.py --weights yolov5s.pt --device 0 für GPU-Benchmarks oder --device CPU für CPU-Benchmarks.
• Training-Reproduzierbarkeit: Das Ultralytics YOLOv5-Training auf einer einzelnen GPU mit torch>=1.12.0 ist nun vollständig reproduzierbar, und ein neues --seed-Argument kann verwendet werden (Standard seed=0).
• Apple Metal Performance Shader (MPS) Support: MPS-Support für Apple M1/M2 Geräte mit --device mps (volle Funktionalität steht noch ausstehenden torch-Updates in pytorch/pytorch#77764 aus).

Neue Klassifizierungsmodelle#

Unser Hauptziel mit diesem Release ist es, einfache YOLOv5-Klassifizierungs-Workflows einzuführen, ganz wie bei unseren bestehenden Objekterkennungsmodellen. Die neuen v6.2 YOLOv5-cls Modelle sind erst der Anfang, wir werden diese zusammen mit unseren bestehenden Erkennungsmodellen in Zukunft weiter verbessern. Wir freuen uns über deine Beiträge zu diesem Vorhaben!

Dieses Release enthält 401 PRs von 41 Mitwirkenden seit unserem letzten Release im Februar 2022. Es fügt Classification-Training, Validierung, Vorhersage und Export (in alle 11 Formate) hinzu und bietet zudem ImageNet-vorrainierte YOLOv5m-cls, ResNet (18, 34, 50, 101) und EfficientNet (b0-b3) Modelle.

Wir haben Ultralytics YOLOv5-cls Klassifizierungsmodelle 90 Epochen lang auf ImageNet mit einer 4xA100-Instanz trainiert und zum Vergleich ResNet- sowie EfficientNet-Modelle mit denselben Standard-Trainingsinstellungen parallel dazu trainiert. Wir haben alle Modelle nach ONNX FP32 für CPU-Geschwindigkeitstests und nach TensorRT FP16 für GPU-Geschwindigkeitstests exportiert. Wir haben alle Geschwindigkeitstests auf Google Colab Pro zur einfachen Reproduzierbarkeit durchgeführt.

Was kommt als Nächstes von Ultralytics?#

Unser nächstes Release, v6.3, ist für September 2022 geplant und wird offiziellen Instanzsegmentierungs-Support zu Ultralytics YOLOv5 bringen, gefolgt von einem großen v7.0-Release später in diesem Jahr, das Architekturen über alle 3 Aufgaben hinweg – Klassifizierung, Detektion und Segmentierung – aktualisiert.

Besuche unser YOLOv5 Open-Source GitHub Repository, um auf dem Laufenden zu bleiben und mehr über diesen Release zu erfahren.