Ultralytics YOLOv5 v6.0 ist da!

Unser neuestes Update erschien am 12. Oktober 2021 und ist das erste größere Release seit April 2021. Release v6.0 bringt bedeutende Verbesserungen, die den Speicherbedarf während des Trainings senken, die Genauigkeit während des Deployments erhöhen und die Laufzeitleistung über die gesamte Bandbreite der YOLOv5-Modelle optimieren.

‍

‍

Das Ergebnis für ML-Ingenieure und Data Scientists ist, dass YOLOv5 jetzt eine leistungsfähigere Vision-AI-Lösung bietet und noch einfacher zu trainieren und bereitzustellen ist als je zuvor. Mehrere Aktualisierungen der Modell-Backbones wurden auf der Grundlage empirischer Ergebnisse der Ultralytics F&E-Bemühungen vorgenommen.

Zu den Modifikationen gehören neue Module und Verbesserungen an bestehenden Modulen, die zusammen schnellere, kleinere und genauere Modelle erzeugen.

Das hätten wir aber nicht alleine geschafft! Diese Version enthält 465 PRs von 73 Mitwirkenden aus der ganzen Welt, die alle zusammenarbeiten, um die Grenzen der KI zu verschieben. Sehen Sie sich unsere Open-Source-Richtlinien für Beiträge an, wenn Sie mehr erfahren oder selbst einen Beitrag leisten möchten.

Diese Version bringt Hunderte von kleinen Änderungen mit sich, die sich zu einem echten Unterschied summieren, viel zu viele, um ins Detail zu gehen, aber einige der wichtigsten Highlights sind:

• Roboflow Integration ⭐ NEU: Trainieren Sie YOLOv5-Modelle direkt mit einem beliebigen Roboflow-Datensatz mit unserer neuen Integration! Diese Integration bietet eine nahtlose Verbindung zwischen Ihren Roboflow-Datensätzen und Ihren YOLOv5-Trainings. (#4975 von @Jacobsolawetz)
  ‍
• YOLOv5n 'Nano'-Modelle ⭐ NEU: Neues, kleineres YOLOv5n-Modell (1,9 Mio. Parameter) unterhalb von YOLOv5s (7,5 Mio. Parameter), Exporte in 2,1 MB INT8-Größe, ideal für ultraleichte mobile Lösungen. (#5027 von @glenn-jocher)
  ‍
• TensorFlow und Keras: TensorFlow-, Keras-, TFLite- und TF.js-Modellexport sind jetzt vollständig in YOLOv5 integriert, um einen nahtlosen Übergang vom Training zur Bereitstellung zu ermöglichen. (#1127 von @zldrobit)
  ‍
• OpenCV DNN: YOLOv5 ONNX-Modelle sind jetzt sowohl mit OpenCV DNN als auch mit ONNX Runtime kompatibel, um Benutzern noch mehr Optionen für das Deployment zu bieten. (#4833 von @jebastin-nadar)
  ‍
• Modellarchitektur: Aktualisierte Backbones sind etwas kleiner, schneller und genauer und benötigen weniger GPU-Speicher während des Trainings.

Abschließende Gedanken

Etwas mehr als ein Jahr nach der Veröffentlichung von YOLOv5 ist unsere hochmoderne Objekterkennungstechnologie auf dem Weg, die weltweit beliebteste Vision-KI zu werden. Mit Hilfe von Hunderten von Mitwirkenden und dem Feedback von Tausenden von Nutzern entwickeln wir Tools, die sowohl effektiv als auch einfach zu bedienen sind, und unsere neue Version v6.0 ist der nächste spannende Schritt auf diesem Weg.

Besuchen Sie unser Open-Source-GitHub-Repository, um noch heute mit der Nutzung von YOLOv5 zu beginnen! https://github.com/ultralytics/yolov5