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 soporte de Apple Metal Performance Shader (MPS), hasta integraciones con ClearML y Deci, le presentamos la nueva versión YOLOv5 v6.2.

Actualizaciones importantes de YOLOv5

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

• Modelos de clasificación: Los modelos de clasificación pre-entrenados con ImageNet YOLOv5-cls ya están disponibles por primera vez.
  ‍
• Registro de ClearML: Integración con el rastreador de experimentos de código abierto ClearML. La instalación con pip install clearml activará la integración y permitirá a los usuarios rastrear cada ejecución de entrenamiento en ClearML. Esto a su vez permite a los usuarios rastrear y comparar ejecuciones e incluso programar ejecuciones de forma remota.
  ‍
• Benchmarks de exportación de GPU: Benchmark (mAP y velocidad) todos los formatos de exportación de YOLOv5 con python utils\/benchmarks.py --weights yolov5s.pt --device 0 para benchmarks de GPU o --device CPU para benchmarks de CPU.
  ‍
• Reproducibilidad del entrenamiento: El entrenamiento Single-GPU YOLOv5 con torch>=1.12.0 ahora es totalmente reproducible, y se puede usar un nuevo argumento --seed (seed=0 por defecto).
  ‍
• Soporte de Apple Metal Performance Shader (MPS): Soporte MPS para dispositivos Apple M1/M2 con --device mps (la funcionalidad completa está pendiente de las actualizaciones de torch en pytorch/pytorch#77764).

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 v6.2 YOLOv5-cls son solo el comienzo, continuaremos mejorándolos en el futuro junto con nuestros modelos de detección existentes. ¡Nos encantarían sus contribuciones a este esfuerzo!

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

Entrenamos modelos de clasificación YOLOv5-cls en ImageNet durante 90 epochs 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 pruebas de velocidad de CPU y a TensorRT FP16 para pruebas de velocidad de GPU. Ejecutamos todas las pruebas de velocidad en Google Colab Pro para facilitar la reproducibilidad.  

¿Qué sigue de Ultralytics?

Nuestra próxima versión, la v6.3, está programada para septiembre de 2022 y traerá soporte oficial de segmentación de instancias a YOLOv5, con una versión principal v7.0 a finales de este año que actualizará las arquitecturas en las 3 tareas: clasificación, detección y segmentación.

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