Gewinner des Ultralytics YOLOv5-Exportwettbewerbs
Entdecke die Gewinner des Ultralytics YOLOv5-Exportwettbewerbs und ihre herausragenden Lösungen zur Bereitstellung von KI-Modellen auf verschiedenen Geräten.
Nuvola Ladi4 Min. Lesezeit
Damit alle ganz einfach die besten Modelle für visuelle KI trainieren und bereitstellen können, haben wir unseren ersten Ultralytics YOLOv5 Export Competition veranstaltet. Der Austausch mit Mitgliedern unserer Open-Source-Community ist uns wichtig, und die vielen Anwendungen, die Nutzerinnen und Nutzer entwickeln, beeindrucken uns immer wieder.
Frist#
Der Wettbewerb lief vom 17. Mai 2021 bis zum 31. August 2021, 24:00 UTC. Danach wurde der Wettbewerb geschlossen, und weitere Einreichungen konnten nicht mehr für Preisgelder berücksichtigt werden.
Bewertung#
Die Bewertung fand vom 1. September 2021 bis zum 16. September 2021 statt. Unser Team hat jede Einreichung gründlich geprüft.
10.000 $ Preisgeld#
Der beste Beitrag jeder Kategorie erhielt das gesamte Preisgeld von 2000.00 (2000.00 USD), das Ultralytics für diese Kategorie bereitgestellt hatte.
5 Kategorien#
Mit der Hilfe unserer großartigen Community haben wir zuvor fünf Kategorien festgelegt, die die beliebtesten realen Einsatzszenarien für Ultralytics YOLOv5-Modelle abdecken: Jetson Nano, Raspberry Pi, Google Edge TPU, Desktop-CPU und Android-Edge-Geräte.
Einreichungen#
Unsere Teilnehmer haben für ihre Einreichungen öffentliche GitHub-Repositories erstellt, ihre Arbeit unter einer Open-Source-Lizenz veröffentlicht und ihre Beiträge direkt in einem der fünf offiziellen Threads zum EXPORT-Wettbewerb eingereicht, damit die Community darüber abstimmen konnte. Beachte, dass diese Threads ausschließlich offiziellen Einreichungen vorbehalten waren. Allgemeine Fragen oder Kommentare wurden direkt in diesem Thread oder in einer neuen Diskussion gepostet. Links zu den Einreichungen:
Gewinner des Wettbewerbs#
Nach reiflicher Überlegung haben wir die Gewinner für jede der fünf Kategorien ausgewählt, die die beliebtesten realen Einsatzszenarien für Ultralytics YOLOv5-Modelle abdecken. Wir haben alle Teilnehmer persönlich benachrichtigt und anschließend den Gewinnern die Preise ausgezahlt. Heute freuen wir uns, euch endlich die besten Lösungen vorstellen zu können!
NVIDIA Jetson Nano#
Preis: 2.000 $
Google Edge TPU#
Preis: 2.000 $
Android#
Preis: 2.000 $
Raspberry Pi#
Preis: 2.000 $
Kein Gewinner *
Intel/AMD CPU#
Preis: 2.000 $
Kein Gewinner *
*Die Einreichungen in dieser Kategorie erfüllten nicht die Mindestanforderungen aller Bewertungskriterien. Daher wurde diesmal keine Gewinnerin und kein Gewinner in dieser Kategorie ausgewählt. In Zukunft wird es jedoch weitere Gelegenheiten zur Teilnahme geben.
Herzlichen Glückwunsch an die Gewinner! Schau dir unbedingt ihre Repositories an.
„Die Ultralytics YOLOv5-Bibliothek ist großartig – sie wird fast täglich aktualisiert, die Modelle funktionieren gut und die Benutzerfreundlichkeit verbessert sich ständig. Ein großer Teil meiner Forschung beschäftigt sich mit dem Einsatz von ML auf eingebetteten Geräten. Ich hatte bereits mit dem EdgeTPU gearbeitet, daher schien mir das eine spannende Herausforderung zu sein.“ Josh Veitch-Michaelis
Wir möchten uns auch herzlich bei allen bedanken, die an unserem Export-Wettbewerb teilgenommen haben! Wir können uns glücklich schätzen, so viele wertvolle Mitglieder in unserer Open-Source-Community zu haben. Eure Beiträge machen unsere Community zu dem, was sie ist.
Bleib großartig und mach weiter so!
Bewertungskriterien#
Die Einreichungen für den Export-Wettbewerb wurden anhand mehrerer Kriterien bewertet: Einfachheit und Reproduzierbarkeit der Exportmethoden, Qualität der Dokumentation, Qualität des Exports sowie Geschwindigkeit und Genauigkeit der exportierten Modelle. Die Einreichungen wurden sowohl von unserem Team bei Ultralytics als auch anhand des Feedbacks aus der Community bewertet.
Qualität des Exports (20 %)#
Beim einfachsten Export sind möglichst wenige Schritte erforderlich, es werden möglichst wenige Argumente oder Parameter benötigt, möglichst wenige Pakete importiert und der Export lässt sich mit möglichst wenig Code ausführen.
Qualität der Dokumentation (20 %)#
Die Einreichungen sollten mit einer Markdown-Datei gut dokumentiert sein. Jeder Schritt sollte erläutert werden, einschließlich Einrichtung und Anforderungen, möglicher Einstellungen und Argumente, Exportschritte und, falls zutreffend, Einrichtung der Bereitstellungsumgebung.
Qualität der Einreichung (20 %)#
Alle Aspekte des Exports und der Bereitstellung sollten abgedeckt sein, ausgehend von einem offiziellen yolov5s.pt-Modell. Für Umgebungen mit besonderen Anforderungen wie Jetson Nano müssen alle Pakete und/oder Docker-Images bereitgestellt und dokumentiert werden. Bei Android-Bereitstellungen muss auch eine Android-Referenz-App enthalten sein. Eine Einreichung muss alles enthalten, was zum vollständigen Exportieren und Verwenden eines YOLOv5-Modells erforderlich ist.
Geschwindigkeit und Genauigkeit des bereitgestellten Modells (40 %)#
Bereitgestellte Modelle sollten bei der Inferenz nahezu identische Ergebnisse wie die offiziellen YOLOv5-PyTorch-Modelle liefern (d. h. bei der Inferenz mit python detect.py --weights yolov5s.pt). Die Genauigkeit der bereitgestellten Lösungen wird anhand eines zurückgehaltenen Testsatzes mit Ultralytics-Bildern bewertet, der nicht öffentlich zugänglich ist. Auch die Geschwindigkeit ist sehr wichtig; die schnellsten Bereitstellungslösungen werden deutlich bevorzugt. Für Android erhalten Exporte auf GPU, NNAPI und Hexagon-Delegates hier die höchste Punktzahl.
Verfasst von
Digital Content Managerin · Ultralytics
Kommentare
Stelle eine Frage, teile deine Ergebnisse oder hilf anderen.
