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

En Ultralytics nos complace anunciar los últimos avances de nuestra tecnología insignia YOLO (Solo miras una vez). Con el lanzamiento de YOLOv5 v6.1, hemos ajustado nuestra arquitectura para mejorar su sencillez, velocidad y potencia. Nuestro último lanzamiento, en octubre de 2021, sentó las bases de estos avances, y ahora nos enorgullece presentar estas actualizaciones que mejoran la facilidad de uso y el rendimiento de YOLO.

Novedades importantes#

Estas son las principales mejoras que encontrarás en YOLOv5 v6.1:

• Compatibilidad con TensorRT: Exportación, inferencia y validación con TensorRT mediante python export.py --include engine (#5699, de @imyhxy). Se trata de un hito importante, ya que TensorRT de NVIDIA es un optimizador y entorno de ejecución de inferencia 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: Exportación a Edge TPU para dispositivos Google Coral mediante python export.py --include edgetpu (#3630, de @zldrobit). Combinada con el modelo más pequeño YOLOv5n (1,9 M de parámetros), presentado en la versión 6.0 y exportable con un tamaño de tan solo 2,1 MB en INT8, esta opción resulta especialmente adecuada para soluciones móviles ultraligeras.
• Compatibilidad con OpenVINO: Exportación a OpenVINO mediante python export.py --include openvino. OpenVINO permite que los modelos aprovechen toda la potencia de las CPU y las GPU integradas de Intel para una amplia variedad de aplicaciones (#6057, de @glenn-jocher).
• Pruebas comparativas de exportación: Hemos incorporado una nueva herramienta de evaluación comparativa para medir mAP (precisión media promedio) y velocidad en todos los formatos de exportación de YOLOv5 con python utils/benchmarks.py --weights yolov5s.pt. Actualmente funciona con CPU y tenemos previsto ampliarla para incluir pruebas con GPU en futuras actualizaciones (#6613, de @glenn-jocher).
• Hiperparámetros: Hemos realizado un ajuste pequeño, pero fundamental, 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, de @glenn-jocher).
• Entrenamiento: Se ha actualizado el planificador predeterminado de la tasa de aprendizaje (LR) a one-cycle linear, que sustituye al anterior one-cycle con coseno, para mejorar los resultados del entrenamiento (#6729, de @glenn-jocher).

Ahora YOLOv5 es oficialmente compatible con 11 formatos y admite no solo la exportación, sino también la inferencia con detect.py y PyTorch Hub, además de la validación para calcular mAP y velocidad:

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

Una IA para todos#

En Ultralytics, nos mueve no solo 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 acompañado tanto en los éxitos como en los retos. Esta actualización es un logro colectivo que representa el arduo trabajo de 271 PR de 48 colaboradores. Seguimos comprometidos con nuestra misión de democratizar la IA y hacerla accesible y práctica para todo el mundo.

Únete a la revolución de la IA visual#

Siempre buscamos talento para que se una a nuestro equipo y colaboraciones en nuestros proyectos de código abierto. Si te interesa incorporarte a nuestro equipo de IA, visita nuestra página de empleo o plantéate contribuir a YOLOv5.

De los entusiastas de la IA al detector de objetos más popular de 2022#

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

Visita nuestro repositorio de YOLOv5 en GitHub para obtener información detallada sobre la nueva versión y únete a la vibrante comunidad de entusiastas de la detección de objetos con YOLO.

Descubre la magia de YOLO sin escribir código#

¡Y hay más! Si estás empezando en visión artificial o simplemente prefieres no escribir código, Ultralytics HUB es tu puerta de entrada. Descubre cómo aprovechar YOLO y la tecnología de visión artificial con solo unos clics. Obtén más información en Ultralytics HUB: tu puerta de entrada a la IA y empieza tu recorrido en el campo de la visión artificial.