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

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

Actualizaciones importantes de Ultralytics YOLOv5#

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

• Modelos de clasificación: Los modelos de clasificación preentrenados en ImageNet de Ultralytics YOLOv5-cls ya están disponibles por primera vez.
• Registro en ClearML: Integración con el rastreador de experimentos de código abierto ClearML. La instalación con pip install clearml habilitará 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: 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 con una sola GPU de Ultralytics YOLOv5 con torch>=1.12.0 es ahora totalmente reproducible, y se puede usar un nuevo argumento --seed (semilla predeterminada seed=0).
• Compatibilidad con Apple Metal Performance Shader (MPS): Compatibilidad con 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 objetivo principal 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 principio; seguiremos mejorándolos de cara al futuro junto con nuestros modelos de detección actuales. ¡Nos encantaría contar con tus contribuciones en este esfuerzo!

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

Entrenamos modelos de clasificación Ultralytics YOLOv5-cls en ImageNet durante 90 épocas usando una instancia 4xA100, y entrenamos modelos ResNet y EfficientNet en paralelo 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 facilitar la reproducibilidad.

¿Qué es lo siguiente de Ultralytics?#

Nuestra próxima versión, la v6.3, está programada para septiembre de 2022 y traerá soporte oficial de segmentación de instancias a Ultralytics YOLOv5, con una importante versión v7.0 más adelante 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 descubrir más sobre esta versión.