Rationaliser les opérations d'IA de Custom Vision

Soucieux de rendre la vision par ordinateur accessible, nous sommes ravis d'annoncer notre partenariat avec Roboflow en tant qu'outil officiel de gestion et d'annotation des données pour YOLOv5.

L'objectif de Roboflowest de permettre aux développeurs de construire de meilleurs modèles de vision par ordinateur en rationalisant le processus de collecte et d'étiquetage des données, d'entraînement du modèle et d'utilisation de l'apprentissage actif pour améliorer les modèles encore plus rapidement. De cette manière, les développeurs peuvent consacrer plus de temps à des problèmes spécifiques au domaine plutôt qu'à des détails d'apprentissage automatique et à l'infrastructure de vision par ordinateur.

Roboflow a continuellement démontré son soutien aux projets open source qui partagent notre vision. Ne manquez pas de consulter leur guide sur la façon d'entraîner YOLOv5 sur un ensemble de données personnalisé, publié en juin 2020.

La mission d'Ultralytics est de rendre l'IA facile en créant des outils d'IA de vision accessibles à tous les développeurs. YOLOv5 permet aux développeurs de commencer à former et à déployer des modèles de vision de pointe dans leurs propres projets.

Grâce à une vision commune de l'IA facile, Roboflow et Ultralytics tirent parti de leurs forces uniques pour apporter une plus grande capacité à nos utilisateurs.
Désormais, une nouvelle aide se profile à l'horizon grâce à ce nouveau partenariat qui rend la formation de modèles personnalisés plus facile que jamais !

Un nouveau partenariat pour faciliter la formation de modèles personnalisés

YOLOv5 est devenu l'une des IA les plus populaires au monde en raison de sa simplicité et de sa précision dans les cas d'utilisation réels. Notre nouvelle intégration de Roboflow permet une expérience de formation et de déploiement de YOLOv5 encore plus transparente.  

Vous pouvez désormais étiqueter et exporter automatiquement vos ensembles de données personnalisés directement vers YOLOv5 pour les entraîner avec Roboflow à l'aide de leur paquet pip, en mettant l'accent sur l'apprentissage actif. De cette façon, vous pouvez rationaliser votre processus MLOps en évitant le temps passé sur les détails de la vision par ordinateur.
Éliminez tout le travail inutile avec l'apprentissage automatique pour rendre la vision par ordinateur aussi facile que, disons, YOLO.

Par où commencer ?

Nous avons facilité l'entraînement de vos modèles sur des ensembles de données personnalisés grâce à notre nouveau cahier YOLOv5 Colab. Pour commencer, suivez les étapes ci-dessous :

1. Ouvrir le carnet de notes Colab de l'entraînement personnalisé YOLOv5
2. pip install roboflow pour commencer à utiliser vos ensembles de données Roboflow
3. Exporter votre projet de Roboflow dans le format souhaité
4. Un extrait de code sera généré pour la formation personnalisée.
5. Copiez/collez l'extrait de votre compte à l'endroit désigné dans le carnet.

Voilà !

‍

Vous trouverez plus d'informations utiles dans le tutoriel vidéo suivant de Roboflow.

Une période passionnante dans le domaine de la vision par ordinateur  

La combinaison des nouvelles fonctionnalités de Roboflow avec les forces de YOLOv5 constitue une solution MLOps incroyablement puissante. Nous sommes enthousiasmés par les possibilités qu'Ultralytics et Roboflow ouvrent grâce à notre vision commune de l'IA facile, et nous sommes impatients de voir ce que nos utilisateurs créent en utilisant notre nouvelle intégration.

Nous sommes impatients de découvrir les avancées que notre communauté de développeurs va réaliser !

‍