Rationalisierung von Custom Vision AI Ops

Mit dem Ziel, Computer Vision zugänglich zu machen, freuen wir uns, unsere Partnerschaft mit Roboflow als offizielles Tool zur Verwaltung und Kommentierung von Datensätzen für YOLOv5 bekannt zu geben.

Roboflowhat sich zum Ziel gesetzt, Entwickler in die Lage zu versetzen, bessere Computer-Vision-Modelle zu erstellen, indem es den Prozess der Datenerfassung und -kennzeichnung, das Training des Modells und die Verwendung von aktivem Lernen zur noch schnelleren Verbesserung der Modelle rationalisiert. Auf diese Weise können Entwickler mehr Zeit für domänenspezifische Probleme aufwenden, anstatt sich mit dem maschinellen Lernen und der Bildverarbeitungsinfrastruktur zu beschäftigen.

Roboflow hat seine Unterstützung für Open-Source-Projekte, die unsere Vision teilen, kontinuierlich unter Beweis gestellt. Sehen Sie sich unbedingt den Leitfaden "How to Train YOLOv5 on Custom Dataset" an, der im Juni 2020 veröffentlicht wurde.

Ultralytics hat es sich zur Aufgabe gemacht, KI einfach zu machen, indem es für jeden Entwickler zugängliche Vision AI-Tools entwickelt. YOLOv5 ermöglicht es Entwicklern, hochmoderne Bildverarbeitungsmodelle in ihren eigenen Projekten zu trainieren und einzusetzen.

Mit einer gemeinsamen Vision von einfacher KI nutzen Roboflow und Ultralytics ihre einzigartigen Stärken, um unseren Benutzern mehr Möglichkeiten zu bieten.
Jetzt gibt es neue Hilfe am Horizont dank dieser neuen Partnerschaft, die das Training benutzerdefinierter Modelle einfacher macht als je zuvor!

Einführung einer neuen Partnerschaft, die die Ausbildung benutzerdefinierter Modelle vereinfacht

YOLOv5 ist aufgrund seiner Einfachheit und Genauigkeit in realen Anwendungsfällen zu einer der weltweit beliebtesten KI geworden. Unsere neue Roboflow-Integration sorgt für eine noch nahtlosere YOLOv5-Trainings- und Einsatzerfahrung.  

Jetzt können Sie Ihre benutzerdefinierten Datensätze direkt in YOLOv5 beschriften und automatisch exportieren, um sie mit Roboflow zu trainieren, indem Sie das Pip-Paket verwenden. Auf diese Weise können Sie Ihren MLOps-Prozess rationalisieren, indem Sie den Zeitaufwand für Computer-Vision-Minutien vermeiden.
Eliminieren Sie all die unnötige Arbeit mit maschinellem Lernen und machen Sie Computer Vision so einfach wie, sagen wir, YOLO.

Wo soll man anfangen?

Mit unserem neuen YOLOv5 Colab-Notebook können Sie Ihre Modelle ganz einfach auf benutzerdefinierten Datensätzen trainieren. Um loszulegen, folgen Sie den nachstehenden Schritten:

1. Öffnen Sie das benutzerdefinierte YOLOv5-Trainings-Colab-Notizbuch
2. pip install roboflow, um Ihre Roboflow-Datensätze zu verwenden
3. Exportieren Sie Ihr Projekt aus Roboflow in Ihrem gewünschten Format
4. Für das benutzerdefinierte Training wird ein Codeschnipsel generiert
5. Kopieren Sie das Snippet aus Ihrem Konto und fügen Sie es an der gewünschten Stelle im Notizbuch ein.

Voilà!

‍

Weitere nützliche Informationen finden Sie in der folgenden Roboflow-Videoschulung.

Eine aufregende Zeit für das Gebiet der Computer Vision  

Die Kombination der neuesten Funktionen von Roboflow mit den Stärken von YOLOv5 ergibt eine unglaublich leistungsstarke MLOps-Lösung. Wir sind begeistert von den Möglichkeiten, die Ultralytics und Roboflow durch unsere gemeinsame Vision von einfacher KI eröffnen, und können es kaum erwarten zu sehen, was unsere Benutzer mit unserer neuen Integration schaffen.

Wir freuen uns auf die Durchbrüche, die unsere Entwicklergemeinschaft erzielen wird!

‍