Simplificación de los flujos de trabajo de clasificación con Ultralytics YOLOv5 v6.2

YOLOv5 ¡está llevando el estado del arte en la detección de objetos a nuevas cotas! Desde nuevos modelos de clasificación, reproducibilidad del entrenamiento y compatibilidad con Metal Performance ShaderMPS de Apple, hasta integraciones con ClearML y Deci, te presentamos la nueva versión YOLOv5 v6.2.

Actualizaciones importantes de YOLOv5

Hemos estado trabajando en la mejora de su arquitectura favorita YOLO Vision AI desde nuestro último lanzamiento en febrero de 2022. Estas son las actualizaciones más importantes de la última versión YOLOv5 v6.2:

• Modelos de clasificación: Ya están disponibles por primera vez los modelos de clasificación ImageNet YOLOv5.
  ‍
• RegistroClearML : Integración con el rastreador de experimentos de código abierto ClearML. La instalación con pip install clearml habilitará la integración y permitirá a los usuarios track de cada ejecución de entrenamiento en ClearML. Esto a su vez permite a los usuarios track y comparar ejecuciones e incluso programar ejecuciones de forma remota.
  ‍
• Benchmarks de exportaciónGPU : BenchmarkmAP y velocidad) de todos los formatos de exportación YOLOv5 con python utils/benchmarks.py --weights yolov5s.pt --device 0 para benchmarks GPU o --device CPU para benchmarks CPU .
  ‍
• Reproducibilidad del entrenamiento: El entrenamiento deYOLOv5 en una GPU GPU con torch.12.0 es ahora totalmente reproducible, y puede utilizarse un nuevo argumento --seed (por defecto seed=0).
  ‍
• Soporte para Metal Performance Shader (MPS) de Apple: Soporte MPS para dispositivos Apple M1/M2 con --device mps (la funcionalidad completa está pendiente de actualizaciones de pytorch en pytorch).

Nuevos modelos de clasificación

Nuestro principal objetivo con esta versión es introducir flujos de trabajo de clasificación YOLOv5 sencillos, al igual que nuestros modelos de detección de objetos existentes. Los nuevos modelos YOLOv5 v6.2 son sólo el principio, seguiremos mejorándolos en el futuro junto con nuestros modelos de detección existentes. Nos encantaría contar con su colaboración.

Esta versión incorpora 401 PRs de 41 colaboradores desde nuestra última versión en febrero de 2022. Añade entrenamiento de clasificación, validación, predicción y exportación (a los 11 formatos), y también proporciona modelos YOLOv5m-cls, ResNet (18, 34, 50, 101) y EfficientNet (b0-b3 ImageNet.

Entrenamos modelos de clasificación YOLOv5 en ImageNet durante 90 épocas utilizando una instancia 4xA100, y entrenamos modelos ResNet y EfficientNet junto con la misma configuración de entrenamiento predeterminada para comparar. Exportamos todos los modelos a ONNX FP32 para las pruebas de velocidad CPU y a TensorRT FP16 para las pruebas de velocidad GPU . Ejecutamos todas las pruebas de velocidad en Google Colab Pro para facilitar la reproducibilidad.  

¿Qué es lo próximo de Ultralytics?

Nuestra próxima versión, la v6.3, está prevista para septiembre de 2022 y aportará compatibilidad oficial con la segmentación de instancias a YOLOv5. A finales de este año se lanzará la versión v7.0, que actualizará las arquitecturas de las tres tareas: clasificación, detección y segmentación.

Visite nuestro repositorio GitHub de código abierto YOLOv5 para mantenerse al día y obtener más información sobre esta versión.