Simplification des flux de travail de classification avec Ultralytics YOLOv5 v6.2

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

Mises à jour importantes de YOLOv5

Nous avons travaillé à l'amélioration de votre 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 pré-entraînés YOLOv5-cls 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. Ceci permet aux utilisateurs de suivre et de comparer les exécutions et même de planifier des exécutions à distance.
  ‍
• Benchmarks d’exportation GPU : Évaluez (mAP et vitesse) 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 par défaut=0).
  ‍
• Prise en charge d’Apple Metal Performance Shader (MPS) : Prise en charge de MPS pour les appareils Apple M1/M2 avec --device mps (la fonctionnalité complète est en attente des mises à jour de torch dans pytorch/pytorch#77764).

Nouveaux modèles de classification

Notre objectif principal avec cette version est d'introduire des flux de travail 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 avec nos modèles de détection existants. Nous serions ravis de recevoir vos contributions à cet effort !

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

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

Quelles sont les prochaines nouveautés d'Ultralytics ?

Notre prochaine version, la 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.

Visitez notre dépôt GitHub open source YOLOv5 pour rester informé et en savoir plus sur cette version.