Dans le but d'aider chacun à entraîner et déployer facilement les meilleurs modèles Vision AI, nous avons organisé notre premier concours d'exportation Ultralytics YOLOv5. Nous apprécions d'être en contact avec les membres de notre communauté open-source et sommes toujours impressionnés par les nombreuses applications créées par les utilisateurs.
Date limite
Le concours s'est déroulé du 17 mai 2021 au 31 septembre 2021 24:00 UTC. Après cette date, le concours a été clôturé et les soumissions ultérieures n'étaient pas éligibles pour un prix.
L'évaluation
L'évaluation s'est déroulée du 1er septembre 2021 au 31 septembre 2021. Notre équipe a examiné minutieusement chaque candidature.
10000 $ de prix
La meilleure soumission dans les catégories a été récompensée par Ultralytics avec un prix de $2000.00 (2000.00 USD) pour cette catégorie.
5 catégories
Avec l'aide de notre formidable communauté, nous avons créé 5 catégories qui représentent les scénarios de déploiement les plus populaires dans le monde réel pour les modèles YOLOv5, y compris les Jetson Nano, Raspberry Pi, Google Edge TPU, Desktop CPU et les appareils Android Edge.
Soumissions
Nos participants ont créé un dépôt Github public pour leur soumission, attribué à leur travail une licence open source et posté leur soumission directement sur l'un des 5 fils de discussion officiels du Concours EXPORT pour permettre à la communauté de voter. Notez que ces fils de discussion ne concernaient que les soumissions officielles. Les questions générales ou les commentaires ont été posés directement dans ce fil, ou dans une nouvelle discussion. Liens vers les soumissions :
1. Nvidia Jetson Nano
2. Google Edge TPU
3. Raspberry Pi
4. CPU Intel/AMD
5. Android
Lauréats du concours
Après mûre réflexion, nous avons choisi les gagnants pour chacune des cinq catégories, qui représentent les scénarios de déploiement les plus populaires dans le monde réel pour les modèles YOLOv5. Tous les participants ont été contactés personnellement et les prix ont été remis aux gagnants. Aujourd'hui, nous sommes heureux de partager avec vous les meilleures solutions !
Nvidia Jetson Nano
Prix : 2000
Alexander Mamaev
Google Edge TPU
Prix : 2000
Josh Veitch-Michaelis
Android
Prix : 2000
Yasuhiro Nitta
Raspberry Pi
Prix : 2000
Pas de gagnant *
CPU Intel/AMD
Prix : 2000
Pas de gagnant *
*Les soumissions dans cette catégorie n'ont pas satisfait aux exigences minimales de chacun des critères d'évaluation. Par conséquent, aucun gagnant n'a été sélectionné pour cette catégorie cette fois-ci, mais les participants auront d'autres occasions de concourir à nouveau à l'avenir.
Félicitations aux gagnants ! N'oubliez pas de consulter leurs référentiels.
"La bibliothèque YOLOv5 est géniale - elle est mise à jour presque quotidiennement, les modèles fonctionnent bien et l'expérience utilisateur s'améliore continuellement. Une grande partie de ma recherche implique le déploiement de ML sur des dispositifs embarqués, et j'avais déjà travaillé avec l'EdgeTPU, donc cela semblait être un défi amusant."
Josh Veitch-Michaelis
Nous tenons également à féliciter tous ceux qui ont participé à notre concours d'exportation ! Nous avons la chance d'avoir de nombreux membres de valeur dans notre communauté open-source. Ce sont les contributions de chacun d'entre vous qui font la grandeur de notre communauté.
Restez étonnants et continuez à créer ! 🚀
Notation
Les soumissions du concours Export ont été jugées sur la base de plusieurs critères : la simplicité et la reproductibilité de leurs méthodes d'exportation, la qualité de leur documentation, la qualité de l'exportation et la rapidité et la précision de leurs modèles exportés. Ces soumissions ont ensuite été notées par l'équipe d'Ultralytics et par la communauté.
Qualité de l'exportation (20%)
L'exportation la plus simple comporte le moins d'étapes, requiert le moins d'arguments/paramètres, utilise le moins de paquets importés et est exécutable avec le moins de code possible.
Qualité de la documentation (20%)
Les soumissions doivent être bien documentées en utilisant un fichier de soumission markdown. Chaque étape doit être expliquée, y compris la configuration/les exigences, les paramètres/arguments, les étapes d'exportation et la configuration de l'environnement déployé, le cas échéant.
Qualité de la soumission (20%)
Tous les aspects de l'exportation et du déploiement, à partir d'un modèle officiel yolov5s.pt, doivent être inclus. Pour les environnements qui requièrent des exigences particulières, comme Jetson Nano, tous les paquets et/ou images Docker doivent être fournis et documentés. Pour les déploiements Android, une application de référence Android doit également être incluse. Une soumission doit inclure 100% de ce qui est requis pour exporter et utiliser un modèle YOLOv5.
Vitesse et précision du modèle déployé (40%)
Les modèles déployés doivent renvoyer des résultats d'inférence quasi identiques aux modèles PyTorch officiels de YOLOv5 (c'est-à-dire inférence avec python detect.py --weights yolov5s.pt). La précision des solutions déployées sera analysée sur un ensemble d'images Ultralytics qui ne sont pas disponibles pour le public. La vitesse est également très importante, les solutions de déploiement les plus rapides étant fortement favorisées. Pour Android, les exportations vers les délégués GPU, NNAPI et Hexagon seront les mieux notées.
.webp)