¡YOLOv5 es aún más potente en la versión v6.1!

Como pioneros en el ámbito de la visión por ordenador y el aprendizaje automático, en Ultralytics nos entusiasma anunciar los últimos avances de nuestra tecnología insignia YOLO (Solo miras una vez). Con el lanzamiento de YOLOv5 v6.1, hemos perfeccionado nuestra arquitectura para mejorar la simplicidad, la velocidad y la potencia, garantizando que nuestra tecnología siga a la vanguardia de la innovación. Nuestro último lanzamiento de octubre de 2021 sentó las bases de estos avances y ahora nos enorgullece presentar estas actualizaciones fundamentales que redefinen la facilidad de uso y el rendimiento de YOLO.

Actualizaciones importantes#

En nuestra búsqueda incansable de la excelencia en IA de visión, estas son las mejoras revolucionarias que encontrarás en YOLOv5 v6.1:

• Compatibilidad con TensorRT: integración mejorada para las exportaciones de modelos de TensorFlow, Keras, TFLite y TF.js mediante python export.py --include saved_model pb tflite tfjs (#5699 por @imyhxy). Se trata de un hito importante, ya que TensorRT de NVIDIA es un optimizador y entorno de ejecución de inferencias de aprendizaje profundo de alto rendimiento que ofrece baja latencia y un alto rendimiento para aplicaciones de aprendizaje profundo.
• Compatibilidad con TensorFlow Edge TPU ⭐ NUEVO: presentamos el nuevo modelo YOLOv5n más pequeño (1.9M de parámetros), cuya complejidad es inferior a la de YOLOv5s (7.5M de parámetros), pero que destaca por su capacidad para exportarse con un tamaño de tan solo 2.1 MB en INT8. Es especialmente ideal para soluciones móviles ultraligeras, ya que lleva un potente aprendizaje automático hasta el extremo de la tecnología (#3630 por @zldrobit).
• Compatibilidad con OpenVINO: los modelos ONNX de YOLOv5 ya son compatibles. Con OpenVINO, los modelos pueden aprovechar toda la potencia de las CPU y las GPU integradas de Intel para una amplia variedad de aplicaciones (#6057 por @glenn-jocher).
• Benchmarks de exportación: hemos incorporado una nueva herramienta de benchmarking para evaluar mAP (precisión media promedio) y la velocidad en todos los formatos de exportación de YOLOv5 mediante python utils/benchmarks.py --weights yolov5s.pt. Actualmente funciona en CPU y tenemos previsto ampliarla para incluir benchmarks de GPU en futuras actualizaciones (#6613 por @glenn-jocher).
• Hiperparámetros: hemos realizado un ajuste pequeño pero crucial en nuestros hiperparámetros: en hyp-scratch-large.yaml, el factor de la tasa de aprendizaje (lrf) se ha reducido de 0.2 a 0.1 (#6525 por @glenn-jocher).
• Entrenamiento: el planificador predeterminado de la tasa de aprendizaje (LR) se ha actualizado a un ciclo único lineal, en sustitución del ciclo único anterior con coseno, para mejorar los resultados del entrenamiento (#6729 por @glenn-jocher).

Al presentar todo el abanico de compatibilidad con distintos formatos, YOLOv5 funciona oficialmente con 11 formatos, compatibles no solo con la exportación, sino también con la inferencia mediante detect.py y PyTorch Hub, además de la validación para analizar mAP y la velocidad:

• ✅ PyTorch
• ✅ TorchScript
• ✅ ONNX
• ✅ OpenVINO
• ✅ TensorRT
• ✅ CoreML
• ✅ TensorFlow SavedModel
• ✅ TensorFlow GraphDef
• ✅ TensorFlow Lite
• ✅ TensorFlow Edge TPU
• ✅ TensorFlow.js

La IA de todos y para todos#

En Ultralytics, no nos mueve únicamente el deseo de liderar, sino también la pasión por participar y contribuir a la comunidad. La familia YOLOv5 ha sido fundamental en nuestro recorrido y nos ha respaldado tanto en los éxitos como en los desafíos. Esta actualización es un triunfo colectivo que representa el trabajo incansable de 271 PR de 48 nuevos colaboradores. Seguimos comprometidos con nuestra misión de democratizar la IA y hacerla accesible y operativa para todos.

Únete a la revolución de la IA de visión#

Buscamos continuamente talento para incorporarlo a nuestro equipo y te invitamos a colaborar en nuestros proyectos de código abierto. Si te interesa formar parte del equipo de IA más innovador, consulta nuestra página de empleo o considera contribuir a YOLOv5.

De los entusiastas de la IA a la detección de objetos más popular de 2022#

Este año, nuestro repositorio Ultralytics/YOLOv5 ha alcanzado un hito importante al superar a pjreddie/darknet YOLOv3, de Joseph Redmon, en el número total de estrellas de GitHub, con más de 22,4 mil estrellas. Esto demuestra la confianza y el entusiasmo de la comunidad, y nos anima a seguir ampliando los límites de la IA de visión. Nos honra profundamente mantener vivo el legado de Solo miras una vez.

Visita nuestro repositorio de YOLOv5 en GitHub para consultar todos los detalles sobre el nuevo lanzamiento y únete a la activa comunidad de entusiastas de la detección de objetos con YOLO.

Descubre la magia de YOLO sin escribir código#

¡Pero aún hay más! Si acabas de iniciarte en la visión por ordenador o simplemente prefieres una experiencia sin código, Ultralytics HUB es tu puerta de entrada. Descubre cómo aprovechar la tecnología YOLO y de visión por ordenador con unos pocos clics. Obtén más información en Ultralytics HUB - Tu puerta de entrada a la IA y emprende tu recorrido en la visión por ordenador.