Highlights vom ersten Ultralytics in Shenzhen: Die EntwicklungYOLO Ultralytics YOLO zu einer umfassenden Computer-Vision-Plattform und die Zukunftsperspektiven für die chinesische KI-Community.
Mit der fortschreitenden Entwicklung der Computer-Vision-Technologie verschiebt sich auch der Fokus der Branche. Früher ging es vor allem darum, ob die SOTA-Modelle aus dem Labor fortschrittlich genug waren. Heute stellt sich jedoch eine wichtigere Frage:
Wie lassen sich diese Modelle in der Praxis tatsächlich anwenden? Wie können visuelle KI-Projekte den Sprung von der Demo zur praktischen Anwendung schaffen, sich kontinuierlich weiterentwickeln und echten Mehrwert schaffen?
Vor diesem Hintergrund Ultralytics nach Shenzhen, um sein erstes Offline-Community-Treffen in China zu veranstalten. Mit dieser Veranstaltung wollten wir den direkten Kontakt zu chinesischen Entwicklern, Branchenpartnern und Computer-Vision-Begeisterten suchen, um darüber zu sprechen, wohin Ultralytics YOLO heute steht und wohin die Reise für Ultralytics als Nächstes Ultralytics .
In der VergangenheitYOLO Ultralytics YOLO vor allem dafür bekannt, schnell, praktisch und einfach zu implementieren zu sein. Ob für die Objekterkennung, industrielle Inspektion, Sicherheitsüberwachung oder Echtzeit-Bildverarbeitungsaufgaben auf Edge-Geräten – YOLO für viele Entwickler, die ihre Computer-Vision-Projekte starten, zu einem der bevorzugten Werkzeuge entwickelt.
Heute Ultralytics von einem einzelnen Modell hin zu einer umfassenden Computer-Vision-Plattform, die Datenmanagement, Training, Bereitstellung, Überwachung sowie einen Feedback-Kreislauf zur kontinuierlichen Verbesserung umfasst.
Früher fragten die Leute: Ist das Modell genau? Ist es schnell?
Nun konzentrieren wir uns stärker auf die Beantwortung einer umfassenderen Frage: Wie kann ein Projekt im Bereich der visuellen KI tatsächlich auf den Weg gebracht, in realen Szenarien eingesetzt und im Laufe der Zeit kontinuierlich verbessert werden?
Das ist das Ziel Ultralytics : die Datenannotation effizienter zu gestalten, das Modelltraining zu vereinfachen, die plattformübergreifende Bereitstellung reibungsloser zu gestalten und Entwicklern die Möglichkeit zu geben, ihre visuellen KI-Anwendungen kontinuierlich weiterzuentwickeln.
Im Verlauf der Veranstaltung stellte Glenn zudem einige Kernfunktionen der Ultralytics vor, darunter automatische Annotation, Training mit einem Klick, Bereitstellung in verschiedenen Formaten sowie die Möglichkeit, Modelle anhand von Feedback-Daten kontinuierlich zu verbessern.
Für viele Teams geht es bei der Entwicklung eines visuellen KI-Projekts nicht nur um die Auswahl eines Modells. Die eigentliche Komplexität liegt oft in Fragen wie: Woher stammen die Daten, wie sollten sie annotiert werden, wie sollte das Modell trainiert und bereitgestellt werden und wie kann es nach der Einführung weiter verbessert werden? Wenn diese Schritte nicht aufeinander abgestimmt sind, wird es schwierig, ein Projekt wirklich in die Produktion zu überführen.
Ultralytics verbindet diese Schritte miteinander und ermöglicht es Entwicklern, den gesamten Arbeitsablauf – von den Daten bis zum Modell, vom Training bis zur Bereitstellung und vom Start bis zum Feedback – reibungsloser abzuwickeln, ohne ständig zwischen verschiedenen Tools wechseln zu müssen.
Bis heute wurden auf der Plattform bereits über 100 Millionen Bilder hochgeladen, mehr als 600 Millionen Annotationen vorgenommen und etwa 40.000 bis 50.000 Datensätze bereitgestellt.
Hinter diesen Zahlen verbirgt sich ein klares Signal: Die Nachfrage nach Computer Vision ist real, und sie entwickelt sich von der Forschung und Experimentierphase hin zu groß angelegten praktischen Anwendungen.
Im Bereich der Vermarktung stellte Ultralytics Produktangebote für unterschiedliche Nutzeranforderungen vor, darunter den „Grow“-Tarif für 29 US-Dollar pro Monat, Lizenzoptionen für Unternehmen sowie Kundenbeispiele von Firmen wie Amazon und Siemens. Diese Beispiele zeigen, dass Ultralytics für Nutzer auf verschiedenen Ebenen konzipiert ist, von einzelnen Entwicklern und Forschungsteams bis hin zu Unternehmenskunden.
Glenn erwähnte, dass China einen sehr wichtigen Teil der Ultralytics ausmacht und möglicherweise zu den Ländern mit der größten Zahl an Menschen gehört, die sich mit maschinellem Lernen beschäftigen und daran interessiert sind.
Für Ultralytics ist China nicht nur eine Region mit einer großen Nutzerbasis, sondern auch eine äußerst aktive Community mit einer starken Entwicklerpräsenz, vielfältigen Anwendungsszenarien und wertvollem technischem Feedback.
Damit sich ein Tool flächendeckend durchsetzen kann, reicht eine leistungsstarke Technologie allein nicht aus. Auch die Dokumentation, die Community, die Barrierefreiheit, die Bereitstellungserfahrung und der lokale Support müssen reibungslos und zuverlässig funktionieren.
Aus diesem Grund plant Ultralytics , seine lokale Präsenz in China weiter auszubauen, unter anderem durch den Aufbau eines lokalen Teams, die Verbesserung der Erreichbarkeit, die Optimierung des Vertriebs und die weitestmögliche Beseitigung von VPN-bedingten Hindernissen.
Während der Fragerunde stellten die Teilnehmer viele tiefgründige Fragen, die uns einen besseren Einblick darin gaben, was chinesischen Entwicklern wirklich wichtig ist, wenn es darum geht, Computer Vision in praktische Anwendungen zu integrieren.
Ein Teilnehmer von AMD fragte, ob Ultralytics private oder lokale Trainingsumgebungen unterstützt. Dies ist auch für viele Unternehmen und Teams ein zentrales Anliegen. Wenn Projekte sensible Daten, branchenspezifische Daten oder interne Geschäftsdaten betreffen, gewinnen Datenschutz, Sicherheit und die Möglichkeit zur lokalen Bereitstellung besonders an Bedeutung. Der Teilnehmer fragte zudem, ob Ultralytics in Zukunft eine umfassendere Unterstützung für AMD-Hardware anbieten Ultralytics .
Glenn erklärte, dass dies eine Richtung sei, über die das Team derzeit intensiv diskutiere. Da visuelle KI auf immer mehr Geräten und Chip-Umgebungen zum Einsatz kommt, wird die Unterstützung des Hardware-Ökosystems zu einem entscheidenden Faktor bei der Modellbereitstellung werden.
Abgesehen von industriellen Anwendungsfällen, Hardware und der Implementierung fragten einige Teilnehmer auch, ob YOLO zur Erkennung künstlerischer Stile eingesetzt YOLO oder ob es das visuelle Verständnis unter Berücksichtigung von geistigem Eigentum unterstützen könne.
Diese Fragen waren inspirierend. Sie zeigen, dass die YOLO nicht mehr auf traditionelle industrielle Inspektion, Objekterkennung und Sicherheitsszenarien beschränkt sind. Sie erstrecken sich mittlerweile auf breitere Bereiche wie die Erstellung von Inhalten, das Verstehen von Medien und die kreative Produktion.
Darüber hinaus standen Themen wie kleine Edge-Geräte, Offline-Einsatz und Quantisierungsoptimierung ebenfalls im Mittelpunkt des Interesses. Es ist offensichtlich, dass Entwickler nicht nur Wert auf die Modellleistung an sich legen, sondern auch auf das gesamte praktische Erlebnis bei der Nutzung visueller KI.
Genau diese Fragen muss sich die Bildverarbeitung stellen, wenn sie den Sprung von der Forschung hin zu praktischen Anwendungen in der realen Welt schafft.
Diese Veranstaltung vermittelte uns den starken Eindruck, dass sich hier ein klarer Trend abzeichnet:
Die Bildverarbeitung entwickelt sich über den reinen Modellwettbewerb hinaus und tritt in eine neue Phase der Plattformisierung, Produktisierung und Ökosystementwicklung ein.
Die Kernstärken YOLOwaren schon immer Geschwindigkeit, Praxisnähe und einfache Bereitstellung. Heute Ultralytics diese Stärken auf den gesamten Arbeitsablauf ausweiten, damit Entwickler nicht nur auf leistungsstarke Modelle zugreifen, sondern auch Daten verwalten, Modelle trainieren, Anwendungen bereitstellen und ihre visuellen KI-Systeme kontinuierlich und einfacher optimieren können.
Auch die chinesische KI-Community spielt auf diesem Weg eine immer wichtigere Rolle. Sie verfügt über eine große Entwicklerbasis, vielfältige Anwendungsszenarien und eine ausgeprägte Begeisterung für das Lernen und die praktische Umsetzung. Wir freuen uns darauf, in Zukunft mit noch mehr chinesischen Entwicklern, Unternehmenspartnern und Community-Mitgliedern zusammenzuarbeiten, um Computer Vision in einem noch breiteren Spektrum praktischer Anwendungen einzusetzen.
Wie Glenn sagte:
„Wir möchten, dass jeder Computer Vision nutzen kann.“
Dies ist vielleicht die beste Erklärung für den Schritt Ultralyticshin zu einer stärker plattformorientierten Zukunft.
Beginnen Sie Ihre Reise mit der Zukunft des maschinellen Lernens
