Simplifier les flux de travail de classification avec Ultralytics YOLOv5 v6.2

YOLOv5 propulse l'état de l'art de la détection d'objets vers de nouveaux sommets ! Des nouveaux modèles de classification, à la reproductibilité de l'entraînement et à la prise en charge de l'Apple Metal Performance Shader (MPS), jusqu'aux intégrations avec ClearML et Deci, nous te présentons la nouvelle version YOLOv5 v6.2.

Link to this sectionMises à jour importantes de YOLOv5#

Nous travaillons à l'amélioration de ton architecture YOLO Vision AI préférée depuis notre dernière version en février 2022. Voici les mises à jour les plus importantes de la dernière version YOLOv5 v6.2 :

• Modèles de classification : Les modèles de classification YOLOv5-cls pré-entraînés sur ImageNet sont désormais disponibles pour la première fois.
• Journalisation ClearML : Intégration avec l'outil de suivi d'expériences open-source ClearML. L'installation avec pip install clearml activera l'intégration et permettra aux utilisateurs de suivre chaque exécution d'entraînement dans ClearML. Cela permet aux utilisateurs de suivre et de comparer les exécutions, et même de planifier des exécutions à distance.
• Benchmarks d'exportation GPU : Benchmark (mAP et vitesse) de tous les formats d'exportation YOLOv5 avec python utils/benchmarks.py --weights yolov5s.pt --device 0 pour les benchmarks GPU ou --device CPU pour les benchmarks CPU.
• Reproductibilité de l'entraînement : L'entraînement YOLOv5 sur un seul GPU avec torch>=1.12.0 est désormais entièrement reproductible, et un nouvel argument --seed peut être utilisé (seed=0 par défaut).
• Prise en charge de l'Apple Metal Performance Shader (MPS) : Prise en charge MPS pour les appareils Apple M1/M2 avec --device mps (la fonctionnalité complète est en attente de mises à jour de torch dans pytorch/pytorch#77764).

Link to this sectionNouveaux modèles de classification#

Notre objectif principal avec cette version est d'introduire des workflows de classification YOLOv5 simples, tout comme nos modèles de détection d'objets existants. Les nouveaux modèles v6.2 YOLOv5-cls ne sont qu'un début, nous continuerons à les améliorer à l'avenir en même temps que nos modèles de détection existants. Nous serions ravis de recevoir tes contributions à cet effort !

Cette version intègre 401 PR provenant de 41 contributeurs depuis notre dernière version de février 2022. Elle ajoute l'entraînement, la validation, la prédiction et l'exportation pour la classification (vers les 11 formats), et fournit également des modèles YOLOv5m-cls, ResNet (18, 34, 50, 101) et EfficientNet (b0-b3) pré-entraînés sur ImageNet.

Nous avons entraîné les modèles de classification YOLOv5-cls sur ImageNet pendant 90 époques en utilisant une instance 4xA100, et nous avons entraîné les modèles ResNet et EfficientNet en parallèle avec les mêmes paramètres d'entraînement par défaut pour comparer. Nous avons exporté tous les modèles en ONNX FP32 pour les tests de vitesse CPU et en TensorRT FP16 pour les tests de vitesse GPU. Nous avons effectué tous les tests de vitesse sur Google Colab Pro pour une reproductibilité facile.

Link to this sectionQuelle est la prochaine étape pour Ultralytics ?#

Notre prochaine version, v6.3, est prévue pour septembre 2022 et apportera une prise en charge officielle de la segmentation d'instance à YOLOv5, avec une version majeure v7.0 plus tard cette année mettant à jour les architectures pour les 3 tâches - classification, détection et segmentation.

Visite notre dépôt GitHub open-source YOLOv5 pour rester à jour et en savoir plus sur cette version.