Rencontre de la communauté Ultralytics en Chine : le pays affichant le plus fort intérêt mondial pour l'apprentissage automatique

À mesure que la technologie de vision par ordinateur continue d'évoluer, l'attention du secteur se déplace également. Autrefois, les gens se souciaient davantage de savoir si les modèles SOTA issus des laboratoires étaient suffisamment avancés. Aujourd'hui, cependant, une question plus importante a émergé :

Comment ces modèles peuvent-ils être réellement appliqués dans des scénarios concrets ? Comment les projets de vision par ordinateur IA peuvent-ils passer du stade de démonstration à celui d'applications pratiques, continuer à itérer et créer une réelle valeur ?

Avec ces questions en tête, Ultralytics est venu à Shenzhen pour organiser sa première rencontre communautaire en présentiel en Chine. Grâce à cet événement, nous espérions entrer en contact direct avec les développeurs chinois, les partenaires industriels et les passionnés de vision par ordinateur pour discuter de l'état actuel de Ultralytics YOLO et de la direction que prend Ultralytics.

Fig 1. Le fondateur et PDG d'Ultralytics, Glenn Jocher, lors de notre premier événement communautaire à Shenzhen.

Link to this sectionDe Ultralytics YOLO à la plateforme Ultralytics#

Par le passé, Ultralytics YOLO était surtout connu pour être rapide, pratique et facile à déployer. Que ce soit pour la détection d'objets, l'inspection industrielle, la surveillance de sécurité ou les tâches de vision en temps réel sur des appareils de périphérie (edge), YOLO est devenu l'un des outils incontournables pour de nombreux développeurs démarrant leurs projets de vision par ordinateur.

Aujourd'hui, Ultralytics va au-delà d'un simple modèle pour devenir une plateforme complète de vision par ordinateur qui couvre la gestion des jeux de données, l'entraînement, le déploiement, la surveillance et une boucle de rétroaction pour une amélioration continue.

Les gens demandaient autrefois : Le modèle est-il précis ? Est-il rapide ?

Maintenant, nous nous concentrons davantage sur la résolution d'une question plus large : comment un projet de vision IA peut-il réellement être mis en place, utilisé dans des scénarios réels et continuer à s'améliorer au fil du temps ?

C'est ce que la plateforme Ultralytics vise à accomplir : rendre l'annotation de données plus efficace, l'entraînement de modèles plus facile, le déploiement multiplateforme plus fluide et permettre aux développeurs d'itérer en continu sur leurs applications de vision IA.

Fig 2. Premier événement communautaire d'Ultralytics à Shenzhen, en Chine.

Link to this sectionPlateforme Ultralytics : rendre le flux de travail de la vision IA plus complet#

Pendant la session, Glenn a également présenté plusieurs fonctionnalités essentielles de la plateforme Ultralytics, notamment l'annotation automatique, l'entraînement en un clic, le déploiement multi-format et la capacité d'améliorer continuellement les modèles grâce aux données de rétroaction.

Fig 3. Le fondateur et PDG d'Ultralytics, Glenn Jocher, présentant lors de notre premier événement communautaire à Shenzhen.

Pour de nombreuses équipes, construire un projet de vision IA ne se résume pas à choisir un modèle. La complexité réelle réside souvent dans des questions telles que la provenance des données, la manière dont elles doivent être annotées, la façon dont le modèle doit être entraîné et déployé, et comment il peut continuer à s'améliorer après son lancement. Si ces étapes sont déconnectées, il devient difficile pour un projet d'atteindre réellement la phase de production.

La plateforme Ultralytics relie ces étapes, permettant aux développeurs de compléter tout le flux de travail plus facilement, des données au modèle, de l'entraînement au déploiement, et du lancement à la rétroaction, sans avoir à basculer constamment entre différents outils.

Aujourd'hui, la plateforme a déjà enregistré plus de 100 millions d'images téléchargées, plus de 600 millions d'annotations et environ 40 000 à 50 000 jeux de données.

Derrière ces chiffres se trouve un signal clair : la demande pour la vision par ordinateur est réelle, et elle dépasse la recherche et l'expérimentation pour atteindre un déploiement pratique à grande échelle. La plateforme Ultralytics s'adapte pour répondre à ces besoins variés des utilisateurs, des plans adaptés aux développeurs individuels et aux équipes de recherche jusqu'aux licences d'entreprise pour les organisations à grande échelle.

Fig 4. Glenn Jocher soulignant les principales tâches de détection prises en charge par Ultralytics YOLO.

Link to this sectionLa communauté chinoise est une partie essentielle de l'écosystème mondial d'Ultralytics#

Glenn a mentionné que la Chine est une partie très importante de la communauté d'utilisateurs d'Ultralytics et qu'elle pourrait être l'un des pays comptant le plus grand nombre de personnes apprenant l'apprentissage automatique et s'y intéressant.

Pour Ultralytics, la Chine n'est pas seulement une région avec une large base d'utilisateurs, mais aussi une communauté très active avec une forte présence de développeurs, des scénarios d'application variés et des retours techniques précieux.

Pour qu'un outil soit largement adopté, une technologie solide ne suffit pas. La documentation, la communauté, l'accessibilité, l'expérience de déploiement et le support local doivent tous être fluides et fiables.

Link to this sectionConstater l'intérêt réel des développeurs pour le déploiement de la vision IA#

Lors de la session de questions-réponses, les participants ont soulevé de nombreuses questions réfléchies, nous offrant une vision plus claire de ce qui préoccupe vraiment les développeurs chinois lorsqu'il s'agit d'intégrer la vision par ordinateur dans des applications réelles.

Un participant d'AMD a demandé si la plateforme Ultralytics prenait en charge des environnements d'entraînement privés ou locaux. C'est également une préoccupation majeure pour de nombreuses entreprises et équipes. Lorsque les projets impliquent des données sensibles, des données spécifiques à l'industrie ou des données commerciales internes, la confidentialité, la sécurité et les capacités de déploiement local deviennent particulièrement importantes.

Glenn a partagé que c'est une direction que l'équipe discute activement. À mesure que la vision IA s'exécute sur davantage d'appareils et d'environnements de puces, le support de l'écosystème matériel deviendra un élément critique de l'expérience de déploiement des modèles.

Au-delà des cas d'utilisation industrielle, du matériel et du déploiement, certains participants ont également demandé si YOLO pouvait être utilisé pour la reconnaissance de style artistique ou s'il pouvait prendre en charge la compréhension visuelle avec une sensibilisation à la propriété intellectuelle.

Ces questions étaient inspirantes. Elles montrent que l'imagination autour des applications de YOLO ne se limite plus aux scénarios traditionnels d'inspection industrielle, de détection d'objets et de sécurité. Elle s'étend désormais à des domaines plus larges tels que la création de contenu, la compréhension multimédia et la production créative.

De plus, des sujets tels que les petits appareils de périphérie (edge), le déploiement hors ligne et l'optimisation de la quantification étaient également des domaines d'intérêt clés. Il est clair que les développeurs se soucient non seulement de la performance du modèle lui-même, mais aussi de l'expérience pratique globale de l'utilisation de la vision IA.

Ce sont exactement les questions auxquelles la vision par ordinateur doit répondre alors qu'elle passe de la recherche aux applications concrètes.

Link to this sectionLa vision par ordinateur entre dans une nouvelle étape#

Cet événement nous a donné un fort sentiment d'une tendance claire :

La vision par ordinateur dépasse la compétition entre modèles pour entrer dans une nouvelle étape de plateformisation, de productisation et de développement d'écosystème.

Les forces fondamentales de YOLO ont toujours été la vitesse, la praticité et la facilité de déploiement. Aujourd'hui, Ultralytics espère étendre ces forces à l'ensemble du flux de travail, afin que les développeurs puissent non seulement accéder à des modèles puissants, mais aussi gérer les données, entraîner les modèles, déployer les applications et optimiser en continu leurs systèmes de vision IA plus facilement.

La communauté IA chinoise devient également une partie de plus en plus importante de ce voyage. Elle possède une large base de développeurs, des scénarios d'application riches et une forte passion pour l'apprentissage et la pratique concrète. En regardant vers l'avenir, nous sommes ravis de travailler avec davantage de développeurs chinois, de partenaires d'entreprise et de membres de la communauté pour apporter la vision par ordinateur dans une gamme plus large d'applications réelles.

Comme Glenn l'a dit :

« Nous voulons que tout le monde puisse utiliser la vision par ordinateur. »

C'est peut-être la meilleure explication du virage d'Ultralytics vers un avenir davantage axé sur les plateformes.