X
Ultralytics YOLOv8.2 LibérationUltralytics YOLOv8.2 LibérationUltralytics YOLOv8.2 Flèche de déverrouillage
Contrôle vert
Lien copié dans le presse-papiers

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

Discover the new YOLOv5 v6.2 release with classification models, ClearML integration, GPU benchmarks, training reproducibility, and more.

YOLOv5 is pushing the state of the art in object detection to new heights! From new classification models, training reproducibility, and Apple Metal Performance Shader (MPS) Support, to integrations with ClearML and Deci, we present to you the new YOLOv5 v6.2 release.

Mises à jour importantes sur YOLOv5

Nous avons travaillé à l'amélioration de ton architecture d'IA préférée YOLO Vision 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 : YOLOv5-cls Les modèles de classification formés par ImageNet sont maintenant disponibles pour la première fois.
  • ClearML l'exploitation forestière : Intégration avec le traqueur d'expériences open-source ClearML. L'installation avec pip install clearml activera l'intégration et permettra aux utilisateurs de suivre chaque entraînement dans ClearML. Cela permet ensuite aux utilisateurs de suivre et de comparer les expériences et même de programmer des expériences à distance.
  • GPU Export Benchmarks: Benchmark (mAP and speed) all YOLOv5 export formats with python utils/benchmarks.py --weights yolov5s.pt --device 0 for GPU benchmarks or --device CPU for CPU benchmarks.
  • Training Reproducibility: Single-GPU YOLOv5 training with torch>=1.12.0 is now fully reproducible, and a new --seed argument can be used (default seed=0).
  • Apple Metal Performance Shader (MPS) Support: MPS support for Apple M1/M2 devices with --device mps (full functionality is pending torch updates in pytorch/pytorch#77764).

YOLOv5 v6.2 Classification

Nouveaux modèles de classification

L'objectif principal de cette version est d'introduire des processus de classification simples sur YOLOv5 , 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 en même temps que nos modèles de détection existants. Nous serions ravis que tu participes à cet effort !

Cette version intègre 401 RPs 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 par ImageNet.

We trained YOLOv5-cls classification models on ImageNet for 90 epochs using a 4xA100 instance, and we trained ResNet and EfficientNet models alongside with the same default training settings to compare. We exported all models to ONNX FP32 for CPU speed tests and to TensorRT FP16 for GPU speed tests. We ran all speed tests on Google Colab Pro for easy reproducibility.  

Quelle est la prochaine étape pour Ultralytics?

Notre prochaine version, v6.3, est prévue pour septembre 2022 et apportera la prise en charge officielle de la segmentation des instances sur YOLOv5, avec une version majeure v7.0 plus tard dans l'année qui mettra à jour les architectures sur les 3 tâches - classification, détection et segmentation.

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


Logo FacebookLogo de TwitterLogo LinkedInSymbole du lien de copie

Lire la suite dans cette catégorie

Construisons ensemble le futur
de l'IA !

Commence ton voyage avec le futur de l'apprentissage automatique.