¡Ultralytics YOLOv5 v6.0 ya está aquí!

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

‍

‍

El resultado para los ingenieros de ML y los científicos de datos es que YOLOv5 ahora proporciona una solución de Vision AI más potente, e incluso es más fácil de entrenar e implementar que nunca. Se realizaron múltiples actualizaciones en los backbones del modelo basadas en los resultados empíricos de los esfuerzos de I+D de Ultralytics.

Las modificaciones incluyen nuevos módulos y mejoras a los módulos existentes que se combinan para producir modelos más rápidos, más pequeños y más precisos.

¡Sin embargo, no podríamos haberlo hecho solos! Esta versión incorpora 465 RP de 73 colaboradores de todo el mundo, todos colaborando juntos para superar los límites de la IA. Consulte nuestras directrices de contribución de código abierto si desea obtener más información o contribuir usted mismo.

Esta versión trae cientos de pequeños cambios que se acumulan para marcar una diferencia real, demasiados para entrar en detalles, pero algunos de los aspectos más destacados son:

• Integración con Roboflow ⭐ NUEVO: ¡Entrena modelos YOLOv5 directamente en cualquier conjunto de datos de Roboflow con nuestra nueva integración! Esta integración proporciona una conexión perfecta entre tus conjuntos de datos de Roboflow y tus entrenamientos de YOLOv5. (#4975 por @Jacobsolawetz)
  ‍
• Modelos 'Nano' YOLOv5n ⭐ NUEVO: Nuevo modelo YOLOv5n más pequeño (1,9 millones de parámetros) por debajo de YOLOv5s (7,5 millones de parámetros), se exporta a un tamaño INT8 de 2,1 MB, ideal para soluciones móviles ultraligeras. (#5027 por @glenn-jocher)
  ‍
• TensorFlow y Keras: La exportación de modelos de TensorFlow, Keras, TFLite y TF.js ahora está totalmente integrada en YOLOv5 para transiciones fluidas desde el entrenamiento hasta el despliegue. (#1127 por @zldrobit)
  ‍
• OpenCV DNN: Los modelos YOLOv5 ONNX ahora son compatibles tanto con OpenCV DNN como con ONNX Runtime para proporcionar a los usuarios aún más opciones de destino de implementación. (#4833 por @jebastin-nadar)
  ‍
• Arquitectura del Modelo: Los backbones actualizados son ligeramente 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 detección de objetos de vanguardia está en camino de convertirse en la IA de visión más querida del mundo. Con la ayuda de cientos de colaboradores y los comentarios de miles de usuarios, estamos creando herramientas que son tanto efectivas como fáciles de usar, y nuestro nuevo lanzamiento v6.0 es el siguiente paso emocionante en este viaje.

¡Dirígete a nuestro repositorio de código abierto en GitHub para comenzar a usar YOLOv5 hoy mismo! https://github.com/ultralytics/yolov5