¡Ya está aquí Ultralytics YOLOv5 v6.0!

Nuestra última actualización llegó el 12 de octubre de 2021 y es el primer lanzamiento importante desde abril de 2021. La versión v6.0 incorpora mejoras significativas que reducen los requisitos de memoria durante el entrenamiento, aumentan la precisión durante la implementación y optimizan el rendimiento en tiempo de ejecución en toda la gama de modelos Ultralytics YOLOv5.

Gráfico de velocidad frente a precisión de Ultralytics YOLOv5 v6.0.

Para los ingenieros de aprendizaje automático y los científicos de datos, el resultado es que YOLOv5 ofrece ahora una solución de IA de visión más potente y es más fácil de entrenar e implementar que nunca. Hemos actualizado varios componentes troncales del modelo basándonos en resultados empíricos de los esfuerzos de I+D de Ultralytics.

Las modificaciones incluyen nuevos módulos y mejoras en los ya existentes, que en conjunto permiten crear modelos más rápidos, pequeños y precisos.

¡Pero no podríamos haberlo conseguido sin ayuda! Esta versión incorpora 465 PR de 73 colaboradores de todo el mundo, que han colaborado para ampliar los límites de la IA. Consulta nuestras directrices para contribuir al código abierto si quieres obtener más información o colaborar.

Esta versión incorpora cientos de pequeños cambios que, en conjunto, marcan una diferencia real. Son demasiados para detallarlos todos, pero estos son algunos de los más destacados:

• Integración con Roboflow ⭐ NUEVO: ¡Entrena modelos YOLOv5 directamente con cualquier conjunto de datos de Roboflow gracias a nuestra nueva integración! Esta integración conecta directamente tus conjuntos de datos de Roboflow con tus entrenamientos de YOLOv5. (#4975, de @Jacobsolawetz)
• Modelos YOLOv5n «Nano» ⭐ NUEVO: Nuevo modelo YOLOv5n más pequeño (1.9M de parámetros) que YOLOv5s (7.5M de parámetros). Se exporta con un tamaño de 2.1 MB en INT8 y es ideal para soluciones móviles ultraligeras. (#5027, de @glenn-jocher)
• TensorFlow y Keras: La exportación de modelos TensorFlow, Keras, TFLite y TF.js ya está totalmente integrada en YOLOv5 para facilitar la transición del entrenamiento a la implementación. (#1127, de @zldrobit)
• OpenCV DNN: Los modelos YOLOv5 ONNX ahora son compatibles tanto con OpenCV DNN como con ONNX Runtime, lo que ofrece a los usuarios aún más opciones de destino para la implementación. (#4833, de @jebastin-nadar)
• Arquitectura del modelo: Los componentes troncales actualizados son algo más pequeños, rápidos y precisos, y requieren menos memoria de GPU durante el entrenamiento.

Reflexiones finales#

Poco más de un año después del lanzamiento de YOLOv5, nuestra tecnología de vanguardia para la detección de objetos está en camino de convertirse en la IA de visión más apreciada del mundo. Con la ayuda de cientos de colaboradores y los comentarios de miles de usuarios, estamos creando herramientas eficaces y fáciles de usar. El nuevo lanzamiento v6.0 es el siguiente paso emocionante de este recorrido. ¡Visita nuestro repositorio de código abierto en GitHub para empezar a usar YOLOv5 hoy mismo! Repositorio de YOLOv5 en GitHub