Gewinner des Export-Wettbewerbs für Ultralytics YOLOv5
Entdecke die Gewinner des Export-Wettbewerbs für Ultralytics YOLOv5 mit den besten Lösungen für die Bereitstellung von AI-Modellen auf verschiedenen Geräten.
Mit dem Ziel, allen dabei zu helfen, die besten Bildverarbeitungsmodelle einfach zu trainieren und bereitzustellen, haben wir unseren ersten Ultralytics YOLOv5-Exportwettbewerb organisiert. Wir legen großen Wert auf den Austausch mit den Mitgliedern unserer Open-Source-Community und sind immer wieder beeindruckt von den zahlreichen Anwendungen, die unsere Nutzer entwickeln.
Frist#
Der Wettbewerb lief vom 17. Mai 2021 bis zum 31. August 2021, 24:00 UTC. Nach diesem Zeitpunkt war der Wettbewerb beendet, und weitere Einreichungen waren nicht mehr für Preisgelder zugelassen.
Bewertung#
Die Bewertung fand vom 1. bis zum 16. September 2021 statt. Unser Team hat jede Einreichung gründlich geprüft.
10.000 $ an Preisgeldern#
Die beste Einreichung in den Kategorien erhielt das gesamte Preisgeld von 2.000,00 $ (2000.00 USD) von Ultralytics für diese Kategorie.
5 Kategorien#
Mit der Unterstützung unserer großartigen Community haben wir zuvor 5 Kategorien erstellt, die die beliebtesten realen Bereitstellungsszenarien für Ultralytics YOLOv5-Modelle abbilden, darunter Jetson Nano, Raspberry Pi, Google Edge TPU, Desktop-CPU und Android-Edge-Geräte.
Einreichungen#
Unsere Teilnehmer haben für ihre Einreichung ein öffentliches GitHub-Repository erstellt, ihre Arbeit mit einer Open-Source-Lizenz versehen und ihre Einreichung direkt in einem der 5 offiziellen Beiträge zu den EXPORT-Wettbewerbseinreichungen veröffentlicht, damit die Community abstimmen konnte. Beachte, dass diese Beiträge ausschließlich für offizielle Einreichungen vorgesehen waren. Allgemeine Fragen oder Kommentare wurden direkt in diesem Beitrag oder in einer neuen Diskussion gestellt. Links zu den Einreichungen:
Gewinner des Wettbewerbs#
Nach eingehender Prüfung haben wir die Gewinner für jede der fünf Kategorien bestimmt, die die beliebtesten realen Bereitstellungsszenarien für Ultralytics YOLOv5-Modelle abbilden. Alle Teilnehmer wurden persönlich kontaktiert, und die Preisgelder wurden anschließend an unsere Gewinner ausgezahlt. Heute freuen wir uns, dir endlich die besten Lösungen vorstellen zu können!
NVIDIA Jetson Nano#
Preisgeld: 2.000 $
Google Edge TPU#
Preisgeld: 2.000 $
Android#
Preisgeld: 2.000 $
Raspberry Pi#
Preisgeld: 2.000 $
Kein Gewinner *
Intel/AMD CPU#
Preisgeld: 2.000 $
Kein Gewinner *
*Die Einreichungen in dieser Kategorie erfüllten nicht den Mindestsatz an Anforderungen für jedes der Bewertungskriterien. Daher wurde diesmal kein Gewinner für die Kategorie ausgewählt. In Zukunft wird es jedoch weitere Gelegenheiten für Teilnehmer geben, erneut anzutreten.
Herzlichen Glückwunsch an die Gewinner! Sieh 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 befasst sich mit der Bereitstellung von ML auf eingebetteten Geräten, und ich hatte zuvor bereits mit EdgeTPU gearbeitet. Daher schien dies eine unterhaltsame Herausforderung zu sein.“ Josh Veitch-Michaelis
Wir möchten außerdem allen, die an unserem Exportwettbewerb teilgenommen haben, ein großes Lob aussprechen! Wir können uns glücklich schätzen, so viele wertvolle Mitglieder in unserer Open-Source-Community zu haben. Eure Beiträge machen unsere Community großartig.
Bleib großartig und entwickle weiter! 🚀
Bewertung#
Die Einreichungen des Exportwettbewerbs wurden anhand mehrerer Kriterien bewertet: Einfachheit und Reproduzierbarkeit der Exportmethoden, Qualität der Dokumentation, Qualität des Exports sowie Geschwindigkeit und Genauigkeit der exportierten Modelle. Anschließend wurden diese Einreichungen sowohl vom Team hier bei Ultralytics als auch anhand des Feedbacks der Community bewertet.
Qualität des Exports (20 %)#
Der einfachste Export umfasst die wenigsten Schritte, benötigt die geringste Anzahl an Argumenten/Parametern, verwendet die geringste Anzahl importierter Pakete und lässt sich mit der kleinsten Code-Menge ausführen.
Qualität der Dokumentation (20 %)#
Einreichungen sollten mithilfe einer Markdown-Datei gut dokumentiert sein. Jeder Schritt sollte erläutert werden, einschließlich Einrichtung/Anforderungen, Einstellungen/Argumente, Exportschritte und gegebenenfalls Einrichtung der Zielumgebung.
Qualität der Einreichung (20 %)#
Jeder Aspekt des Exports und der Bereitstellung, ausgehend von einem offiziellen yolov5s.pt-Modell, sollte enthalten sein. Für Umgebungen mit besonderen Anforderungen, wie Jetson Nano, müssen alle Pakete und/oder Docker-Images bereitgestellt und dokumentiert werden. Für Android-Bereitstellungen sollte außerdem eine Android-Referenzanwendung enthalten sein. Eine Einreichung muss 100 % dessen enthalten, was erforderlich ist, um ein YOLOv5-Modell vollständig zu exportieren und zu verwenden.
Geschwindigkeit und Genauigkeit des bereitgestellten Modells (40 %)#
Bereitgestellte Modelle sollten nahezu identische Inference-Ergebnisse wie offizielle YOLOv5 PyTorch-Modelle liefern (d. h. Inference mit python detect.py --weights yolov5s.pt). Die Genauigkeit der bereitgestellten Lösungen wird anhand eines zurückgehaltenen Testsatzes mit Ultralytics-Bildern analysiert, der der Öffentlichkeit nicht zur Verfügung steht. Auch die Geschwindigkeit ist sehr wichtig, wobei die schnellsten Bereitstellungslösungen deutlich bevorzugt werden. Für Android erhalten Exporte auf GPU-, NNAPI- und Hexagon-Delegates hier die höchste Punktzahl.
