YOLO VISION 2022 : la nouvelle frontière de l'IA visuelle

Redéfinir l'état de l'art avec YOLOv5

Vous vous interrogez sur l'histoire de la création de YOLOv5 et sur la méthodologie utilisée pour la recherche et le développement ?

Plongez dans les détails de l'approche holistique utilisée pour choisir les meilleures architectures avec Glenn Jocher, notre fondateur et PDG chez Ultralytics, et Ayush Chaurasia, notre ingénieur ML.

Les grandes architectures de modèles comme YOLOv5 sont essentielles pour obtenir des résultats utiles dans l'apprentissage automatique. Mais les modèles ne valent que ce que valent leurs ensembles de données. Joseph Nelson, PDG et cofondateur de notre partenaire Roboflow, a montré l'impact de la qualité des ensembles de données sur les résultats de production. Ces informations sont issues de plus de 10 000 formations à la vision et de la communauté open-source de Roboflow Universe, qui compte plus de 90 000 jeux de données.

Au cours de sa session, Joseph a également présenté les principales différences entre la recherche et la production, qui permettent aux développeurs d'exploiter leurs ensembles de données pour obtenir des résultats significatifs plus rapidement.

Découvrez la qualité des données et son impact sur la production de votre modèle de CV !

Meilleures pratiques pour valider votre modèle et vos données de ML avant le déploiement

Aujourd'hui, chaque logiciel traditionnel est soumis à des tests complets de différents types avant d'être déployé, ce qui réduit considérablement le risque d'erreurs de production.

Comment pouvons-nous adapter ces idées au monde statistique du ML ?

Aishwarya Srinivasan, Data Scientist chez Google et Open Source Developer Advocate chez Deepchecks, parle de la simple excitation derrière la construction de solutions capables de résoudre des défis du monde réel. Chez Google, elle élabore des solutions d'apprentissage automatique pour les cas d'utilisation des clients, en s'appuyant sur les principaux produits de Google, notamment TensorFlow, DataFlow et AI Platform.

Aishwarya nous a rejoints à YOLO VISION pour discuter des meilleures pratiques et des conseils pratiques pour tester et analyser votre modèle de manière approfondie. Découvrez son intervention pour apprendre la différence entre les tests de logiciels et les tests de ML.

Projets Open Source pour l'avenir de la vision par ordinateur et de l'IA

Nous avons organisé une table ronde innovante au cours de laquelle nous avons réuni d'autres membres de la famille de l'architecture YOLO ainsi que d'autres architectures d'IA visionnaire open-source de premier plan dans ce domaine.

YOLOv6 de Meituan, MMDetection d'OpenMMLab CN et PaddlePaddle de Baidu, Inc. nous ont rejoints en tant que YOLOv5 d'Ultralytics pour discuter des projets open-source permettant l'avenir de l'IA visionnaire.

C'est la première fois que ces référentiels d'IA visionnaire partagent la scène. Si vous avez manqué ce panel, regardez cette vidéo où Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang et Yixin Shi discutent de leur choix de frameworks, de leurs conceptions, de l'évolution de la structure des référentiels, et bien plus encore !

Comme le dit notre PDG Glenn Jocher, "nous avons tous appris des outils et des expériences des autres".

Les données visuelles explosent

Les systèmes de gestion des données visuelles présentent des lacunes à tous les niveaux : stockage, qualité, recherche, analyse et visualisation. En conséquence, les entreprises et les chercheurs perdent la fiabilité de leurs produits, des heures de travail, du stockage gaspillé, de l'informatique et, plus important encore, la capacité de libérer tout le potentiel de leurs données.

Danny Bickson nous a appris à résoudre ce problème avec son outil GitHub gratuit et populaire, Fastdup.

FastDup est un outil permettant de tirer des enseignements d'une grande collection d'images. Il permet de trouver des anomalies, des images en double ou presque, des groupes de similitude et d'apprendre le comportement normal et les interactions temporelles entre les images. Il peut être utilisé pour le sous-échantillonnage intelligent d'un ensemble de données de meilleure qualité, l'élimination des valeurs aberrantes et la détection de nouvelles informations à envoyer pour le marquage.

Expert en analyse de données massives et en apprentissage automatique à grande échelle, Danny Bickson a plus de 15 ans d'expérience dans l'industrie des hautes technologies. Vous le connaissez peut-être de Turi, une plateforme d'apprentissage automatique qui crée des produits d'analyse de big data pour ses utilisateurs. En 2016, Turi a été rachetée par Apple, où Danny Bickson a travaillé en tant que responsable principal de la science des données pendant plusieurs années.

Votre accès à l'IA de la vision

Enfin, nous avons eu le plaisir d'annoncer officiellement le lancement de notre HUB Ultralytics!

Ultralytics HUB est notre solution sans code pour former et déployer des modèles d'IA en trois étapes faciles ! Donnez vie à vos modèles en choisissant les données à partir desquelles ils apprendront.

Nos experts, et créateurs des outils, Kalen Michael et Sergio Sánchez, nous ont fait découvrir Ultralytics HUB et nous ont expliqué toutes ses caractéristiques et fonctionnalités. En savoir plus sur Ultralytics HUB et commencer à créer vos modèles gratuitement!

Retrouvez toutes les sessions enregistrées sur notre chaîne YouTube!

Nous sommes ravis de la participation à YOLO VISION et heureux de créer un événement où les experts du monde entier peuvent se joindre pour apprendre sur l'IA de la vision, restez à jour avec nous en nous suivant sur les médias sociaux. Rendez-vous l'année prochaine à YOLO VISION 2023!

‍