Lauréats du concours d’exportation Ultralytics YOLOv5
Découvre les lauréats du concours d’exportation Ultralytics YOLOv5, qui récompense les meilleurs déploiements de modèles d’IA sur différents appareils.
Nuvola Ladi5 min de lecture
Pour aider chacun à entraîner et à déployer facilement les meilleurs modèles d’IA visuelle, nous avons organisé notre premier concours d’exportation Ultralytics YOLOv5. Nous tenons à rester 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 août 2021 à 24 h 00 UTC. Après cette date, le concours a été clôturé et aucune soumission ultérieure ne pouvait prétendre à une récompense.
Évaluation#
L’évaluation s’est déroulée du 1er au 16 septembre 2021. Notre équipe a examiné minutieusement chaque soumission.
10 000 $ de récompenses#
La meilleure soumission de chaque catégorie a remporté l’intégralité du prix de 2000.00 $ (2000.00 USD) offert par Ultralytics pour cette catégorie.
5 catégories#
Avec l’aide de notre formidable communauté, nous avons créé auparavant 5 catégories représentant les scénarios de déploiement réels les plus populaires pour les modèles Ultralytics YOLOv5 : Jetson Nano, Raspberry Pi, Google Edge TPU, CPU de bureau et appareils Android Edge.
Soumissions#
Les participants ont créé un dépôt GitHub public pour leur soumission, choisi une licence open source et publié leur soumission directement dans l’un des 5 fils de discussion officiels consacrés aux soumissions du concours EXPORT, afin que la communauté puisse voter. Note que ces fils de discussion étaient réservés aux soumissions officielles. Les questions générales ou les commentaires ont été publiés directement dans ce fil de discussion ou dans une nouvelle discussion. Liens vers les soumissions :
Lauréats du concours#
Après mûre réflexion, nous avons choisi les lauréats de chacune des cinq catégories, qui représentent les scénarios de déploiement réels les plus populaires pour les modèles Ultralytics YOLOv5. Tous les participants ont été contactés personnellement, puis les récompenses ont été versées aux lauréats. Aujourd’hui, nous sommes heureux de pouvoir enfin partager avec toi les meilleures solutions !
NVIDIA Jetson Nano#
Récompense : 2 000 $
Google Edge TPU#
Récompense : 2 000 $
Android#
Récompense : 2 000 $
Raspberry Pi#
Récompense : 2 000 $
Aucun lauréat *
CPU Intel/AMD#
Récompense : 2 000 $
Aucun lauréat *
*Les soumissions de cette catégorie ne répondaient pas aux exigences minimales de chacun des critères d’évaluation. Aucun gagnant n’a donc été sélectionné cette fois-ci pour cette catégorie. D’autres occasions de participer à la compétition se présenteront toutefois à l’avenir.
Félicitations aux lauréats ! N’hésite pas à consulter leurs dépôts.
« La bibliothèque Ultralytics YOLOv5 est excellente : elle est mise à jour presque tous les jours, les modèles fonctionnent bien et l’expérience utilisateur s’améliore constamment. Une grande partie de mes recherches porte sur le déploiement du ML sur des appareils embarqués. J’avais déjà travaillé avec l’EdgeTPU, alors ce défi m’a semblé amusant. » Josh Veitch-Michaelis
Nous tenons également à remercier chaleureusement toutes les personnes qui ont participé à notre concours d’exportation ! Nous avons la chance de compter de nombreux membres précieux dans notre communauté open source. Ce sont les contributions de chacun d’entre vous qui font la richesse de notre communauté.
Continue d’être génial et de créer !
Notation#
Les soumissions du concours d’exportation ont été évaluées selon plusieurs critères : la simplicité et la reproductibilité de leurs méthodes d’exportation, la qualité de leur documentation, la qualité de l’exportation, ainsi que la vitesse et la précision de leurs modèles exportés. Les soumissions ont ensuite été notées par l’équipe d’Ultralytics et selon les commentaires de la communauté.
Qualité de l’exportation (20 %)#
L’exportation la plus simple comporte le moins d’étapes possible, nécessite le moins d’arguments/paramètres possible, utilise le moins de paquets importés possible et peut être exécutée avec le minimum de code.
Qualité de la documentation (20 %)#
Les soumissions doivent être bien documentées dans un fichier Markdown. Chaque étape doit être expliquée, notamment la configuration et les prérequis, les paramètres/arguments éventuels, les étapes d’exportation et, le cas échéant, la configuration de l’environnement de déploiement.
Qualité de la soumission (20 %)#
Tous les aspects de l’exportation et du déploiement doivent être inclus, à partir d’un modèle yolov5s.pt officiel. Pour les environnements qui nécessitent des prérequis spécifiques, comme Jetson Nano, tous les paquets et/ou images Docker doivent être fournis et documentés. Pour les déploiements Android, une application Android de référence doit également être incluse. Une soumission doit inclure 100 % des éléments nécessaires pour exporter et utiliser pleinement un modèle YOLOv5.
Vitesse et précision du modèle déployé (40 %)#
Les modèles déployés doivent produire des résultats d’inférence presque identiques à ceux des modèles YOLOv5 PyTorch officiels (c.-à-d. l’inférence avec python detect.py --weights yolov5s.pt). La précision des solutions déployées sera évaluée sur un jeu de test de réserve composé d’images Ultralytics non accessibles au public. La vitesse est également très importante : les solutions de déploiement les plus rapides seront nettement favorisées. Pour Android, les exportations vers GPU, NNAPI et les délégués Hexagon obtiendront les meilleures notes sur ce critère.
Écrit par
Responsable du contenu numérique · Ultralytics
Commentaires
Pose une question, partage tes résultats ou aide quelqu’un.
