Klassifikations-Workflows mit Ultralytics YOLOv5 v6.2 vereinfachen
Entdecke die neue Version YOLOv5 v6.2 mit Klassifikationsmodellen, ClearML-Integration, GPU-Benchmarks, reproduzierbarem Training und mehr.
YOLOv5 hebt den Stand der Technik in der Objekterkennung auf ein neues Niveau! Von neuen Klassifizierungsmodellen, reproduzierbarem Training und Unterstützung für Apples Metal-Performance-Shader (MPS) bis hin zu Integrationen mit ClearML und Deci stellen wir dir die neue Version YOLOv5 v6.2 vor.
Wichtige Updates für Ultralytics YOLOv5#
Seit unserer letzten Veröffentlichung im Februar 2022 arbeiten wir daran, deine bevorzugte YOLO Vision AI-Architektur zu verbessern. Dies sind die wichtigsten Aktualisierungen in der neuesten Version YOLOv5 v6.2:
- Klassifizierungsmodelle: Die auf ImageNet vortrainierten Klassifizierungsmodelle Ultralytics YOLOv5-cls sind jetzt erstmals verfügbar.
- ClearML-Protokollierung: Integration mit dem quelloffenen Experiment-Tracker ClearML. Die Installation mit pip install clearml aktiviert die Integration und ermöglicht es dir, jeden Trainingslauf in ClearML zu verfolgen. Dadurch kannst du Trainingsläufe verfolgen und vergleichen sowie sogar Trainingsläufe remote planen.
- GPU-Export-Benchmarks: Führe mit python utils/benchmarks.py --weights yolov5s.pt --device 0 Benchmarks (mAP und Geschwindigkeit) für alle YOLOv5-Exportformate auf der GPU durch oder verwende --device CPU für CPU-Benchmarks.
- Reproduzierbarkeit des Trainings: Das Training von Ultralytics YOLOv5 auf einer einzelnen GPU mit torch>=1.12.0 ist jetzt vollständig reproduzierbar, und ein neues --seed-Argument kann verwendet werden (Standardwert seed=0).
- Unterstützung für Apples Metal-Performance-Shader (MPS): Unterstützung für MPS auf Apple M1/M2-Geräten mit --device mps (der vollständige Funktionsumfang steht aufgrund ausstehender torch-Aktualisierungen in pytorch/pytorch#77764 noch aus).
Neue Klassifizierungsmodelle#
Unser wichtigstes Ziel mit dieser Version ist die Einführung einfacher Klassifizierungsabläufe mit YOLOv5, genau wie bei unseren bestehenden Modellen zur Objekterkennung. Die neuen YOLOv5-cls-Modelle in v6.2 sind erst der Anfang; gemeinsam mit unseren bestehenden Erkennungsmodellen werden wir sie künftig weiter verbessern. Wir freuen uns über deine Beiträge zu diesem Vorhaben!
Diese Version umfasst 401 PRs von 41 Mitwirkenden seit unserer letzten Veröffentlichung im Februar 2022. Sie ergänzt das Training, die Validierung, die Vorhersage und den Export (in alle 11 Formate) für die Klassifizierung und stellt außerdem auf ImageNet vortrainierte YOLOv5m-cls-, ResNet- (18, 34, 50, 101) und EfficientNet-Modelle (b0-b3) bereit.
Wir haben die Klassifizierungsmodelle Ultralytics YOLOv5-cls 90 Epochen lang mit einer 4xA100-Instanz auf ImageNet trainiert und ResNet- sowie EfficientNet-Modelle parallel mit denselben Standardeinstellungen trainiert, um sie zu vergleichen. Wir haben alle Modelle für Geschwindigkeitstests auf der CPU nach ONNX FP32 und für Geschwindigkeitstests auf der GPU nach TensorRT FP16 exportiert. Alle Geschwindigkeitstests haben wir zur einfachen Reproduzierbarkeit auf Google Colab Pro durchgeführt.
Was kommt als Nächstes bei Ultralytics?#
Unsere nächste Version, v6.3, ist für September 2022 geplant und wird offizielle Unterstützung für die Instanzsegmentierung in Ultralytics YOLOv5 bringen. Später in diesem Jahr folgt eine umfangreiche Version 7.0, die die Architekturen für alle drei Aufgaben aktualisiert: Klassifizierung, Erkennung und Segmentierung.
Besuche unser Open-Source-GitHub-Repository zu YOLOv5, um auf dem neuesten Stand zu bleiben und mehr über diese Veröffentlichung zu erfahren.
