YOLOv5 ist mit v6.1 noch leistungsfähiger!

Ultralytics freut sich, die neuesten Entwicklungen bei unserer zentralen YOLO-Technologie (Du siehst nur einmal) bekannt zu geben. Mit der Veröffentlichung von YOLOv5 v6.1 haben wir unsere Architektur weiter optimiert, um sie einfacher, schneller und leistungsfähiger zu machen. Unsere letzte Veröffentlichung im Oktober 2021 legte den Grundstein für diese Fortschritte. Jetzt freuen wir uns, diese Aktualisierungen vorzustellen, die die Benutzerfreundlichkeit und Leistung von YOLO verbessern.

Wichtige Aktualisierungen#

Hier sind die wichtigsten Verbesserungen in YOLOv5 v6.1:

• TensorRT-Unterstützung: TensorRT-Export, Inferenz und Validierung mit python export.py --include engine (#5699 von @imyhxy). Dies ist ein bedeutender Meilenstein, denn NVIDIA TensorRT ist ein leistungsstarker Optimierer und eine Laufzeitumgebung für Deep-Learning-Inferenz, die geringe Latenz und hohen Durchsatz für Deep-Learning-Anwendungen bietet.
• TensorFlow-Edge-TPU-Unterstützung ⭐ NEU: Edge-TPU-Export für Google-Coral-Geräte mit python export.py --include edgetpu (#3630 von @zldrobit). In Kombination mit dem kleineren, in v6.0 eingeführten YOLOv5n-Modell (1.9M Parameter), das mit nur 2.1 MB in INT8 exportiert wird, eignet sich dies besonders für extrem leichte mobile Lösungen.
• OpenVINO-Unterstützung: OpenVINO-Export mit python export.py --include openvino. Mit OpenVINO können Modelle nun die volle Leistung von Intel-CPUs und integrierten GPUs für vielfältige Anwendungen nutzen (#6057 von @glenn-jocher).
• Export-Benchmarks: Wir haben ein neues Benchmarking-Werkzeug eingeführt, um mAP (mittlere durchschnittliche Präzision) und Geschwindigkeit für alle YOLOv5-Exportformate mit python utils/benchmarks.py --weights yolov5s.pt zu bewerten. Derzeit läuft das Werkzeug auf CPUs; künftig wollen wir auch GPU-Benchmarks unterstützen (#6613 von @glenn-jocher).
• Hyperparameter: Wir haben eine kleine, aber wichtige Anpassung an unseren Hyperparametern vorgenommen: In hyp-scratch-large.yaml wurde der Lernratenfaktor (lrf) von 0.2 auf 0.1 gesenkt (#6525 von @glenn-jocher).
• Training: Der standardmäßige Lernratenplaner wurde auf einen linearen Ein-Zyklus-Plan umgestellt und ersetzt nun den bisherigen Ein-Zyklus-Plan mit Cosinusverlauf. Das verbessert die Trainingsergebnisse (#6729 von @glenn-jocher).

YOLOv5 unterstützt jetzt offiziell 11 Formate – nicht nur für den Export, sondern auch für die Inferenz mit detect.py und PyTorch Hub sowie für 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 KI für alle#

Bei Ultralytics treibt uns nicht allein 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 entscheidend und hat uns bei Erfolgen wie auch Herausforderungen unterstützt. Diese Aktualisierung ist ein gemeinsamer Erfolg und steht für die harte Arbeit von 271 PRs von 48 Mitwirkenden. Wir setzen uns weiterhin dafür ein, KI zu demokratisieren und für alle zugänglich und einsatzbereit zu machen.

Werde Teil der Vision-AI-Revolution#

Wir sind immer auf der Suche nach talentierten Mitarbeitenden und freuen uns über Beiträge zu unseren Open-Source-Projekten. Wenn du unserem KI-Team beitreten möchtest, besuche unsere Karriereseite oder erwäge, zu YOLOv5 beizutragen.

Von KI-Begeisterten zur beliebtesten Objekterkennung des Jahres 2022#

In diesem Jahr hat unser Repository Ultralytics/YOLOv5 einen bedeutenden Meilenstein erreicht: Es hat Joseph Redmons pjreddie/darknet YOLOv3 bei der Gesamtzahl der GitHub-Sterne überholt und zählt nun mehr als 22,4.000 Sterne. Das zeugt vom Vertrauen und der Begeisterung der Community und motiviert uns, die Grenzen von Vision AI weiter zu verschieben. Wir fühlen uns geehrt, das Vermächtnis von You Only Look Once fortzuführen.

Besuche unser YOLOv5-GitHub-Repository, um umfassende Informationen zur neuen Version zu erhalten, und werde Teil der lebendigen Community von YOLO-Enthusiasten im Bereich Objekterkennung.

Entdecke die Magie von YOLO ganz ohne Code#

Und es gibt noch mehr! Wenn du neu im Bereich Computer Vision bist oder einfach lieber ohne Programmierung arbeitest, ist Ultralytics HUB dein Einstieg. Erfahre, wie du YOLO und Computer-Vision-Technologie mit wenigen Klicks nutzen kannst. Besuche Ultralytics HUB – dein Einstieg in die KI, um mehr zu erfahren und deine Reise in die Computer Vision zu beginnen.