Das China-Community-Meetup von Ultralytics: Das Land mit dem weltweit höchsten Interesse an maschinellem Lernen

Während sich die Computer-Vision-Technologie weiterentwickelt, verlagert sich auch der Fokus der Branche. Früher ging es den Leuten mehr darum, ob SOTA-Modelle aus dem Labor fortschrittlich genug waren. Heute stellt sich jedoch eine wichtigere Frage:

Wie können diese Modelle wirklich in realen Szenarien angewendet werden? Wie können Vision AI-Projekte von Demos zu praktischen Anwendungen gelangen, weiter iterieren und einen echten Mehrwert schaffen?

Mit diesen Fragen im Hinterkopf kam Ultralytics nach Shenzhen, um sein erstes Offline-Community-Meetup in China zu veranstalten. Mit dieser Veranstaltung wollten wir uns persönlich mit chinesischen Entwicklern, Industriepartnern und Computer-Vision-Enthusiasten austauschen, um darüber zu sprechen, wo Ultralytics YOLO heute steht und wohin sich Ultralytics als Nächstes bewegt.

Abb. 1. Der Gründer & CEO von Ultralytics, Glenn Jocher, bei der Präsentation auf unserem ersten Community-Event in Shenzhen.

Link to this sectionVon Ultralytics YOLO zur Ultralytics Platform#

In der Vergangenheit war Ultralytics YOLO vor allem für seine Geschwindigkeit, Praktikabilität und einfache Bereitstellung bekannt. Ob für Objekterkennung, industrielle Inspektion, Sicherheitsüberwachung oder Echtzeit-Vision-Aufgaben auf Edge-Geräten – YOLO hat sich für viele Entwickler, die ihre Computer-Vision-Projekte starten, zu einem der bevorzugten Tools entwickelt.

Heute entwickelt sich Ultralytics über ein einzelnes Modell hinaus zu einer vollständigen Computer-Vision-Plattform, die Datenmanagement, Training, Bereitstellung, Überwachung und einen Feedback-Loop zur kontinuierlichen Verbesserung umfasst.

Früher fragten die Leute: Ist das Modell genau? Ist es schnell?

Jetzt konzentrieren wir uns mehr darauf, eine umfassendere Frage zu lösen: Wie kann ein Vision AI-Projekt tatsächlich einsatzbereit werden, in realen Szenarien verwendet werden und sich im Laufe der Zeit weiter verbessern?

Das ist es, was Ultralytics Platform erreichen will: Die Datenannotation effizienter machen, das Modelltraining erleichtern, die Multi-Plattform-Bereitstellung reibungsloser gestalten und es Entwicklern ermöglichen, ihre Vision AI-Anwendungen kontinuierlich zu iterieren.

Abb. 2. Das erste Community-Event von Ultralytics in Shenzhen, China.

Link to this sectionUltralytics Platform: Den Vision AI-Workflow vollständiger machen#

Während der Sitzung stellte Glenn auch mehrere Kernfunktionen der Ultralytics Platform vor, darunter automatische Annotation, One-Click-Training, Multi-Format-Bereitstellung sowie die Fähigkeit, Modelle durch Feedback-Daten kontinuierlich zu verbessern.

Abb. 3. Der Gründer & CEO von Ultralytics, Glenn Jocher, bei der Präsentation auf unserem ersten Community-Event in Shenzhen.

Für viele Teams besteht der Aufbau eines Vision AI-Projekts nicht nur aus der Auswahl eines Modells. Die wahre Komplexität liegt oft in Fragen wie: Woher kommen die Daten, wie sollen sie annotiert werden, wie soll das Modell trainiert und bereitgestellt werden und wie kann es nach dem Start weiter verbessert werden? Wenn diese Schritte nicht miteinander verbunden sind, wird es schwierig, ein Projekt wirklich in die Produktion zu bringen.

Ultralytics Platform verbindet diese Schritte und ermöglicht es Entwicklern, den gesamten Workflow reibungsloser zu gestalten – von Daten zu Modellen, von Training zu Bereitstellung und von Start zu Feedback, ohne ständig zwischen verschiedenen Tools wechseln zu müssen.

Heute verzeichnet die Plattform bereits über 100 Millionen hochgeladene Bilder, mehr als 600 Millionen Annotationen und etwa 40.000 bis 50.000 Datensätze.

Hinter diesen Zahlen steht ein klares Signal: Die Nachfrage nach Computer Vision ist real und sie bewegt sich über Forschung und Experimente hinaus hin zu groß angelegten praktischen Einsätzen. Die Ultralytics Platform skaliert, um diese unterschiedlichen Nutzerbedürfnisse zu erfüllen – von Plänen, die auf einzelne Entwickler und Forschungsteams zugeschnitten sind, bis hin zu Unternehmenslizenzen für große Organisationen.

Abb. 4. Glenn Jocher skizziert die wichtigsten Erkennungsaufgaben, die von Ultralytics YOLO unterstützt werden.

Link to this sectionDie chinesische Community ist ein wesentlicher Bestandteil des globalen Ultralytics-Ökosystems#

Glenn erwähnte, dass China ein sehr wichtiger Teil der Ultralytics-Nutzercommunity ist und möglicherweise eines der Länder mit der größten Anzahl an Personen ist, die maschinelles Lernen erlernen und sich dafür interessieren.

Für Ultralytics ist China nicht nur eine Region mit einer großen Nutzerbasis, sondern auch eine hochaktive Community mit einer starken Entwicklerpräsenz, vielfältigen Anwendungsszenarien und wertvollem technischen Feedback.

Damit ein Tool weithin angenommen wird, reicht starke Technologie allein nicht aus. Dokumentation, Community, Zugänglichkeit, Bereitstellungserfahrung und lokaler Support müssen reibungslos und zuverlässig sein.

Link to this sectionDen tatsächlichen Fokus der Entwickler auf Vision AI-Bereitstellung sehen#

Während der Q&A-Sitzung stellten die Teilnehmer viele durchdachte Fragen, die uns einen klareren Blick darauf gaben, was chinesischen Entwicklern wirklich wichtig ist, wenn es darum geht, Computer Vision in reale Anwendungen zu bringen.

Ein Teilnehmer von AMD fragte, ob Ultralytics Platform private oder lokale Trainingsumgebungen unterstützt. Dies ist auch ein Hauptanliegen vieler Unternehmen und Teams. Wenn Projekte sensible Daten, branchenspezifische Daten oder interne Geschäftsdaten betreffen, werden Datenschutz, Sicherheit und lokale Bereitstellungsfunktionen besonders wichtig.

Glenn teilte mit, dass dies eine Richtung ist, die das Team aktiv diskutiert. Da Vision AI auf immer mehr Geräten und Chip-Umgebungen läuft, wird die Unterstützung des Hardware-Ökosystems ein kritischer Teil der Modell-Bereitstellungserfahrung werden.

Jenseits von industriellen Anwendungsfällen, Hardware und Bereitstellung fragten einige Teilnehmer auch, ob YOLO für die Erkennung künstlerischer Stile verwendet werden könnte oder ob es visuelles Verständnis mit IP-Bewusstsein unterstützen könnte.

Diese Fragen waren inspirierend. Sie zeigen, dass die Vorstellungskraft rund um YOLO-Anwendungen nicht mehr auf traditionelle industrielle Inspektion, Objekterkennung und Sicherheitsszenarien beschränkt ist. Sie weitet sich nun auf breitere Bereiche wie Content-Erstellung, Medienverständnis und kreative Produktion aus.

Darüber hinaus waren Themen wie kleine Edge-Geräte, Offline-Bereitstellung und Quantisierungsoptimierung ebenfalls wichtige Interessengebiete. Es ist klar, dass sich Entwickler nicht nur für die Modellleistung an sich interessieren, sondern auch für die allgemeine praktische Erfahrung bei der Nutzung von Vision AI.

Dies sind genau die Fragen, die Computer Vision angehen muss, wenn sie von der Forschung in reale Anwendungen übergeht.

Link to this sectionComputer Vision tritt in eine neue Phase ein#

Diese Veranstaltung gab uns ein starkes Gefühl für einen klaren Trend:

Computer Vision bewegt sich über den Modellwettbewerb hinaus und tritt in eine neue Phase der Plattformisierung, Produktisierung und Ökosystementwicklung ein.

YOLOs Kernstärken waren schon immer Geschwindigkeit, Praktikabilität und einfache Bereitstellung. Heute hofft Ultralytics, diese Stärken auf den gesamten Workflow auszudehnen, damit Entwickler nicht nur auf starke Modelle zugreifen, sondern auch Daten verwalten, Modelle trainieren, Anwendungen bereitstellen und ihre Vision AI-Systeme einfacher kontinuierlich optimieren können.

Die chinesische KI-Community wird ebenfalls zu einem immer wichtigeren Teil dieser Reise. Sie verfügt über eine große Entwicklerbasis, reichhaltige Anwendungsszenarien und eine starke Leidenschaft für Lernen und praktische Anwendung. Wir freuen uns darauf, mit weiteren chinesischen Entwicklern, Unternehmenspartnern und Community-Mitgliedern zusammenzuarbeiten, um Computer Vision in eine breitere Palette realer Anwendungen zu bringen.

Wie Glenn sagte:

„Wir wollen, dass jeder in der Lage ist, Computer Vision zu nutzen.“

Das ist vielleicht die beste Erklärung für den Schritt von Ultralytics hin zu einer stärker plattformgesteuerten Zukunft.