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

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

Link to this sectionActualizaciones importantes de YOLOv5#

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

• Modelos de clasificación: Los modelos de clasificación YOLOv5-cls preentrenados en ImageNet ya están disponibles por primera vez.
• Registro con ClearML: Integración con el rastreador de experimentos de código abierto ClearML. Instalar con pip install clearml activará la integración y permitirá a los usuarios realizar un seguimiento de cada ejecución de entrenamiento en ClearML. Esto a su vez permite a los usuarios rastrear y comparar ejecuciones e incluso programarlas de forma remota.
• Benchmarks de exportación de GPU: Realiza un benchmark (mAP y velocidad) de 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 de YOLOv5 en una sola GPU con torch>=1.12.0 es ahora totalmente reproducible, y se puede usar un nuevo argumento --seed (valor predeterminado seed=0).
• Soporte para Apple Metal Performance Shader (MPS): Soporte de MPS para dispositivos Apple M1/M2 con --device mps (la funcionalidad completa está pendiente de las actualizaciones de torch en pytorch/pytorch#77764).

Link to this sectionNuevos modelos de clasificación#

Nuestro objetivo principal con este lanzamiento es introducir flujos de trabajo de clasificación YOLOv5 sencillos, al igual que nuestros modelos de detección de objetos existentes. Los nuevos modelos YOLOv5-cls v6.2 son solo el comienzo; seguiremos mejorándolos en el futuro junto con nuestros modelos de detección existentes. ¡Nos encantaría recibir tus contribuciones para este esfuerzo!

Este lanzamiento incorpora 401 PRs de 41 colaboradores desde nuestro último lanzamiento en febrero de 2022. Añade entrenamiento, validación, predicción y exportación de Clasificación (a los 11 formatos), y también proporciona modelos YOLOv5m-cls, ResNet (18, 34, 50, 101) y EfficientNet (b0-b3) preentrenados en ImageNet.

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

Link to this section¿Qué es lo siguiente de Ultralytics?#

Nuestro próximo lanzamiento, v6.3, está programado para septiembre de 2022 y traerá soporte oficial de segmentación de instancias a YOLOv5, con un importante lanzamiento v7.0 a finales de este año que actualizará las arquitecturas en las 3 tareas: clasificación, detección y segmentación.

Visita nuestro repositorio de código abierto de YOLOv5 en GitHub para mantenerte al día y obtener más información sobre este lanzamiento.