YOLO VISION 2022: Neuland für Vision-KI

Unsere allererste YOLO VISION fand am 27. September 2022 statt. Von den Anfängen der KI in der Automobilbranche bis zur Echtzeitanalyse der Obstproduktion hörten wir inspirierende Vorträge von YOLOv5-Anwendern aus den unterschiedlichsten Bereichen.

Besonders machte diese Veranstaltung die große Vielfalt der Hintergründe der Vortragenden. Neben Vertretern von 18 teilnehmenden Unternehmen präsentierten die Vortragenden Einblicke aus allen Bereichen des ML-Prozesses. Dazu gehörten unsere Partnerunternehmen Comet, Deci, ClearML, Paperspace und Roboflow sowie weitere Akteure aus dem Open-Source-Bereich wie Baidu, Meituan und OpenMMLab.

Mit Ultralytics YOLOv5 den Stand der Technik neu definieren#

Möchtest du mehr über die Entstehung von Ultralytics YOLOv5 und die bei Forschung und Entwicklung (R&D) angewandte Methodik erfahren?

Erfahre von Glenn Jocher, unserem Gründer und CEO bei Ultralytics, und unserem ML Engineer Ayush Chaurasia mehr über den ganzheitlichen Ansatz zur Auswahl der besten Architekturen.

Hervorragende Modellarchitekturen wie Ultralytics YOLOv5 sind entscheidend, um nützliche Ergebnisse im maschinellen Lernen zu erzielen. Doch Modelle sind nur so gut wie ihre Datensätze. Joseph Nelson, CEO und Mitgründer unseres Partners Roboflow, zeigte, wie sich die Qualität von Datensätzen auf Ergebnisse im Produktivbetrieb auswirkt. Seine Erkenntnisse beruhen auf über 10.000 Vision-Trainingsläufen und der Open-Source-Community von Roboflow Universe mit mehr als 90.000 Datensätzen.

In seinem Vortrag zeigte Joseph auch die wesentlichen Unterschiede zwischen Forschung und Produktivbetrieb auf, die Entwickler nutzen können, um ihre Datensätze anzupassen und schneller aussagekräftige Ergebnisse zu erzielen.

Erfahre mehr über die Qualität von Datensätzen und darüber, wie sie dazu beiträgt, dein CV-Modell produktionsreif zu machen!

Bewährte Verfahren zur Validierung deines ML-Modells und deiner Daten vor der Bereitstellung#

Jede herkömmliche Software wird heute vor der Bereitstellung umfassend auf verschiedene Weise getestet, wodurch sich das Risiko von Fehlern im Produktivbetrieb erheblich verringert.

Wie lassen sich diese Ansätze auf die statistisch ausgerichtete Welt des ML übertragen?

Aishwarya Srinivasan, Data Scientist bei Google und Open-Source-Developer-Advocate bei Deepchecks, spricht über die Begeisterung, Lösungen für Herausforderungen der realen Welt zu entwickeln. Bei Google erstellt sie Lösungen für maschinelles Lernen für Kundenanwendungen und nutzt dabei zentrale Google-Produkte wie TensorFlow, DataFlow und AI Platform.

Aishwarya war bei YOLO VISION zu Gast, um bewährte Verfahren und praktische Tipps für das gründliche Testen und Analysieren deines Modells zu besprechen. Sieh dir ihren Vortrag an und erfahre mehr über den Unterschied zwischen dem Testen von Software und dem Testen von ML.

Open-Source-Projekte, die die Zukunft von Vision AI gestalten#

Wir veranstalteten eine Podiumsdiskussion, bei der neben anderen führenden Open-Source-Architekturen für Vision-KI auch weitere Mitglieder der YOLO-Architekturfamilie zusammenkamen.

Meituans YOLOv6, MMDetection von OpenMMLab CN und PaddlePaddle von Baidu, Inc. kamen hier gemeinsam mit Ultralytics YOLOv5 zusammen, um über Open-Source-Projekte zu sprechen, die die Zukunft der Vision-KI ermöglichen.

Zum ersten Mal traten diese führenden Vision-KI-Repositories gemeinsam auf. Wenn du diese Podiumsdiskussion verpasst hast, sieh dir dieses Video an: Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang und Yixin Shi sprechen über ihre Wahl der Frameworks, Designs, die Entwicklung der Repository-Struktur und mehr!

Wie unser CEO Glenn Jocher sagt: „Wir konnten alle voneinander und aus den Erfahrungen der anderen lernen.“

Visuelle Daten nehmen rasant zu#

Bei visuellen Datenverwaltungssystemen gibt es in allen Bereichen Mängel: Speicherung, Qualität, Suche, Analyse und Visualisierung. Dadurch verlieren Unternehmen und Forschende an Produktzuverlässigkeit, Arbeitszeit, Speicherplatz und Rechenkapazität und vor allem die Möglichkeit, das volle Potenzial ihrer Daten auszuschöpfen.

In diesem Vortrag zeigte uns Dr. Danny Bickson, wie sich das Problem mit seinem beliebten kostenlosen GitHub-Tool Fastdup lösen lässt.

FastDup ist ein Tool, mit dem sich Erkenntnisse aus großen Bildsammlungen gewinnen lassen. Es kann Anomalien, doppelte und nahezu identische Bilder sowie Ähnlichkeitscluster finden und das normale Verhalten sowie zeitliche Wechselwirkungen zwischen Bildern erlernen. Das Tool lässt sich nutzen, um hochwertige Datensätze intelligent auszudünnen, Ausreißer zu entfernen und neue Informationen zu erkennen, die annotiert werden sollen.

Danny Bickson ist Experte für Big-Data-Analysen und maschinelles Lernen im großen Maßstab und verfügt über mehr als 15 Jahre Erfahrung in der Hightech-Branche. Vielleicht kennst du ihn von Turi, einer Plattform für maschinelles Lernen, die Produkte zur Big-Data-Analyse für ihre Nutzer entwickelt. 2016 wurde Turi von Apple übernommen. Dr. Danny Bickson arbeitete dort mehrere Jahre als Senior Data Science Manager.

Dein Einstieg in Vision AI#

Und schließlich durften wir offiziell den Start unserer Ultralytics Platform bekannt geben!

Die Ultralytics Platform ist unsere No-Code-Lösung, mit der du KI-Modelle in drei einfachen Schritten trainieren und bereitstellen kannst! Erwecke deine Modelle zum Leben, indem du die Daten auswählst, anhand derer sie lernen sollen.

Unsere Experten und die Entwickler der Tools, Kalen Michael und Sergio Sánchez, führten uns durch die Ultralytics Platform und erklärten alle Funktionen und Möglichkeiten. Erfahre mehr über die Ultralytics Platform und erstelle kostenlos deine ersten Modelle!

Alle aufgezeichneten Sitzungen findest du auf unserem YouTube-Kanal!

Wir freuen uns sehr über die große Resonanz auf YOLO VISION und darüber, eine Veranstaltung zu schaffen, bei der Fachleute aus aller Welt zusammenkommen können, um mehr über Vision-KI zu erfahren. Bleib auf dem Laufenden und folge uns in den sozialen Medien. Wir sehen uns nächstes Jahr bei YOLO VISION 2023!