YOLOv5 ist mit v6.1 noch leistungsfähiger!
Entdecke YOLOv5 v6.1 von Ultralytics mit wegweisenden Verbesserungen für Vision AI, darunter TensorRT, TensorFlow-Unterstützung für Edge TPU und mehr.
Als Vorreiter im Bereich Computer Vision und maschinelles Lernen freut sich Ultralytics, die neuesten Entwicklungen unserer wegweisenden YOLO-Technologie (Du siehst nur einmal) anzukündigen. Mit dem Release von YOLOv5 v6.1 haben wir unsere Architektur gezielt optimiert, um Einfachheit, Geschwindigkeit und Leistungsfähigkeit zu verbessern und sicherzustellen, dass unsere Technologie weiterhin an der Spitze der Innovation steht. Unser letzter Release im Oktober 2021 hat den Grundstein für diese Fortschritte gelegt, und nun präsentieren wir stolz diese wichtigen Aktualisierungen, die die Benutzerfreundlichkeit und Leistung von YOLO neu definieren.
Wichtige Aktualisierungen#
Im Rahmen unseres unermüdlichen Strebens nach Spitzenleistungen im Bereich Vision AI findest du in YOLOv5 v6.1 folgende wegweisende Verbesserungen:
- TensorRT-Unterstützung: Die Integration für den Export von TensorFlow-, Keras-, TFLite- und TF.js-Modellen mit python export.py --include saved_model pb tflite tfjs wurde verbessert (#5699 von @imyhxy). Dies ist ein wichtiger Meilenstein, da NVIDIA's TensorRT ein leistungsstarker Optimierer und eine Laufzeitumgebung für Deep-Learning-Inferenz ist, die eine geringe Latenz und einen hohen Durchsatz für Deep-Learning-Anwendungen bietet.
- TensorFlow-Edge-TPU-Unterstützung ⭐ NEU: Wir stellen das neue, kleinere Modell YOLOv5n (1,9 Mio. Parameter) vor, das eine geringere Komplexität als YOLOv5s (7,5 Mio. Parameter) aufweist und dennoch durch seine Exportgröße von nur 2,1 MB im INT8-Format überzeugt. Es eignet sich besonders für ultraleichte mobile Lösungen und bringt leistungsfähiges maschinelles Lernen direkt an die technologische Grenze (#3630 von @zldrobit).
- OpenVINO-Unterstützung: YOLOv5-ONNX-Modelle sind jetzt kompatibel. Mit OpenVINO können Modelle nun die volle Leistung von Intel-CPUs und integrierten GPUs für eine vielseitige Auswahl an Anwendungen nutzen (#6057 von @glenn-jocher).
- Export-Benchmarks: Wir haben ein neues Benchmarking-Tool eingeführt, um mAP (mittlere durchschnittliche Präzision) und Geschwindigkeit über alle YOLOv5-Exportformate hinweg mit python utils/benchmarks.py --weights yolov5s.pt zu bewerten. Derzeit läuft es auf CPUs; in zukünftigen Aktualisierungen planen wir, auch GPU-Benchmarks einzubeziehen (#6613 von @glenn-jocher).
- Hyperparameter: Eine kleine, aber wichtige Anpassung an unseren Hyperparametern wurde vorgenommen: In hyp-scratch-large.yaml wurde der Lernratenfaktor (lrf) von 0.2 auf 0.1 reduziert (#6525 von @glenn-jocher).
- Training: Der standardmäßige Lernraten-(LR)-Scheduler wurde auf „one-cycle linear“ aktualisiert und ersetzt damit die bisherige Variante „one-cycle with cosine“, um bessere Trainingsergebnisse zu erzielen (#6729 von @glenn-jocher).
YOLOv5 unterstützt jetzt offiziell 11 Formate und deckt damit nicht nur den Export ab, sondern auch die Inferenz mit detect.py und PyTorch Hub sowie die Validierung zur Ermittlung von mAP und Geschwindigkeit:
- ✅ PyTorch
- ✅ TorchScript
- ✅ ONNX
- ✅ OpenVINO
- ✅ TensorRT
- ✅ CoreML
- ✅ TensorFlow SavedModel
- ✅ TensorFlow GraphDef
- ✅ TensorFlow Lite
- ✅ TensorFlow Edge TPU
- ✅ TensorFlow.js
Gemeinsam für die KI aller#
Bei Ultralytics treibt uns nicht nur der Wunsch an, führend zu sein, sondern auch die Leidenschaft, uns an der Community zu beteiligen und zu ihr beizutragen. Die YOLOv5-Familie war auf unserem Weg von entscheidender Bedeutung und hat uns durch Erfolge und Herausforderungen gleichermaßen begleitet. Diese Aktualisierung ist ein gemeinsamer Erfolg und steht für die Arbeit an 271 PRs von 48 neuen Mitwirkenden. Wir fühlen uns unserer Mission verpflichtet, KI zu demokratisieren und sie für alle zugänglich und einsatzbereit zu machen.
Werde Teil der Vision-AI-Revolution#
Wir suchen kontinuierlich nach Talenten, die unser Team verstärken, und laden zur Zusammenarbeit an unseren Open-Source-Projekten ein. Wenn du Teil des wegweisendsten KI-Teams werden möchtest, besuche unsere Karriereseite oder erwäge, zu YOLOv5 beizutragen.
Von KI-Begeisterten zur beliebtesten Objekterkennung des Jahres 2022#
In diesem Jahr hat unser Ultralytics/YOLOv5-Repository einen wichtigen Meilenstein erreicht: Es hat Joseph Redmons pjreddie/darknet YOLOv3 bei der Gesamtzahl der GitHub-Sterne überholt und verfügt nun über mehr als 22,4.000 Sterne. Dies zeugt vom Vertrauen und der Begeisterung der Community und motiviert uns, die Grenzen von Vision AI weiter zu verschieben. Wir fühlen uns zutiefst geehrt, das Vermächtnis von Du siehst nur einmal fortzuführen.
Besuche unser YOLOv5-GitHub-Repository, um umfassende Informationen zum neuen Release zu erhalten, und werde Teil der aktiven Community von YOLO-Enthusiasten im Bereich Objekterkennung.
Erlebe die Magie von YOLO ganz ohne Code#
Aber das ist noch nicht alles! Wenn du neu im Bereich Computer Vision bist oder einfach eine No-Code-Erfahrung bevorzugst, ist Ultralytics HUB dein Zugang. Entdecke, wie du YOLO und Computer-Vision-Technologie mit wenigen einfachen Klicks nutzen kannst. Erfahre mehr auf Ultralytics HUB – dein Zugang zu KI und starte deine Reise im Bereich Computer Vision.
