Ultralytics YOLOv5 v6.0 ist da!

Unser jüngstes Update erschien am 12. Oktober 2021 und ist die erste große Veröffentlichung seit April 2021. Version 6.0 bringt deutliche Verbesserungen mit sich: Sie senkt den Speicherbedarf beim Training, erhöht die Genauigkeit bei der Bereitstellung und optimiert die Laufzeitleistung für die gesamte Bandbreite der Ultralytics YOLOv5-Modelle.

Diagramm zu Geschwindigkeit und Genauigkeit bei Ultralytics YOLOv5 v6.0.

Für ML-Ingenieure und Datenwissenschaftler bedeutet das: YOLOv5 bietet jetzt eine leistungsfähigere Vision-AI-Lösung und lässt sich einfacher denn je trainieren und bereitstellen. Auf Grundlage empirischer Ergebnisse aus der Forschungs- und Entwicklungsarbeit von Ultralytics wurden mehrere Aktualisierungen an den Modell-Backbones vorgenommen.

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

Das hätten wir allerdings nicht allein geschafft! Diese Veröffentlichung umfasst 465 PRs von 73 Mitwirkenden aus aller Welt, die gemeinsam die Grenzen der KI erweitern. In unseren Open-Source-Richtlinien für Beiträge erfährst du mehr und kannst selbst mitwirken.

Diese Veröffentlichung umfasst Hunderte kleiner Änderungen, die zusammengenommen einen echten Unterschied machen – viel zu viele, um sie alle im Detail zu beschreiben. Hier sind einige der wichtigsten Neuerungen:

• Roboflow-Integration ⭐ NEU: Trainiere YOLOv5-Modelle mit unserer neuen Integration direkt auf jedem Roboflow-Datensatz! Die Integration verbindet deine Roboflow-Datensätze direkt mit deinen YOLOv5-Trainingsläufen. (#4975 von @Jacobsolawetz)
• YOLOv5n-„Nano“-Modelle ⭐ NEU: Ein neues, kleineres YOLOv5n-Modell (1.9M Parameter) ergänzt YOLOv5s (7.5M Parameter). Der Export ergibt eine Größe von 2.1 MB in INT8 – ideal für besonders leichtgewichtige mobile Lösungen. (#5027 von @glenn-jocher)
• TensorFlow und Keras: Der Export von TensorFlow-, Keras-, TFLite- und TF.js-Modellen ist jetzt vollständig in YOLOv5 integriert und ermöglicht einen reibungsloseren Übergang vom Training zur Bereitstellung. (#1127 von @zldrobit)
• OpenCV DNN: YOLOv5-ONNX-Modelle sind jetzt sowohl mit OpenCV DNN als auch mit ONNX Runtime kompatibel und bieten Nutzern damit noch mehr Möglichkeiten zur Bereitstellung. (#4833 von @jebastin-nadar)
• Modellarchitektur: Die aktualisierten Backbones sind etwas kleiner, schneller und genauer und benötigen beim Training weniger GPU-Speicher.

Abschließende Gedanken#

Etwas mehr als ein Jahr nach der Veröffentlichung von YOLOv5 ist unsere hochmoderne Objekterkennungstechnologie auf dem Weg, zur beliebtesten Vision-AI-Lösung der Welt zu werden. Mit der Unterstützung von Hunderten Mitwirkenden und dem Feedback Tausender Nutzer entwickeln wir wirksame und benutzerfreundliche Tools. Unsere neue Version 6.0 ist der nächste spannende Schritt auf diesem Weg. Besuche unser Open-Source-GitHub-Repository und leg noch heute mit YOLOv5 los! YOLOv5-GitHub-Repository