Gagnants de la compétition d’exportation d’Ultralytics YOLOv5
Découvre les gagnants de la compétition d’exportation d’Ultralytics YOLOv5, qui présente le meilleur du déploiement de modèles d’IA sur différents appareils.
Afin d’aider chacun à entraîner et déployer facilement les meilleurs modèles d’IA pour la vision, 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 24:00 UTC. Après cette date, le concours a été clôturé et les soumissions ultérieures n’étaient pas admissibles aux prix.
Évaluation#
L’évaluation s’est déroulée du 1er septembre 2021 au 16 septembre 2021. Notre équipe a examiné minutieusement chaque soumission.
10 000 $ de prix#
La meilleure soumission de chaque catégorie a remporté la totalité du montant du prix, soit 2 000,00 $ (2 000,00 USD), offert par Ultralytics pour cette catégorie.
5 catégories#
Avec l’aide de notre formidable communauté, nous avons créé précédemment 5 catégories représentant les scénarios de déploiement réels les plus courants pour les modèles Ultralytics YOLOv5, notamment Jetson Nano, Raspberry Pi, Google Edge TPU, CPU de bureau et appareils Android Edge.
Soumissions#
Nos participants ont créé un dépôt GitHub public pour leur soumission, ont attribué une licence open source à leur travail et ont publié leur soumission directement dans l’un des 5 fils de discussion officiels consacrés aux soumissions du concours EXPORT afin de permettre à la communauté de voter. Note que ces fils étaient réservés aux soumissions officielles. Les questions ou commentaires généraux ont été posés directement dans ce fil 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 courants pour les modèles Ultralytics YOLOv5. Tous les participants ont été contactés personnellement, puis les prix ont été versés à nos lauréats. Aujourd’hui, nous sommes heureux de pouvoir enfin partager avec toi les meilleures solutions !
NVIDIA Jetson Nano#
Prix : 2 000 $
Google Edge TPU#
Prix : 2 000 $
Android#
Prix : 2 000 $
Raspberry Pi#
Prix : 2 000 $
Aucun lauréat *
CPU Intel/AMD#
Prix : 2 000 $
Aucun lauréat *
*Les soumissions de cette catégorie ne satisfaisaient pas à l’ensemble minimal d’exigences pour chacun des critères d’évaluation. Par conséquent, aucun lauréat n’a été sélectionné pour cette catégorie cette fois-ci. Cependant, les participants auront d’autres occasions de concourir 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 quotidiennement, les modèles fonctionnent bien et l’expérience utilisateur ne cesse de s’améliorer. Une grande partie de mes recherches concerne le déploiement de modèles ML sur des appareils embarqués, et j’avais déjà travaillé avec l’EdgeTPU ; ce défi semblait donc très 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 au sein de notre communauté open source. Ce sont les contributions de chacun d’entre vous qui font la force de notre communauté.
Restez formidables et continuez à 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. Ces soumissions ont ensuite été notées à la fois par l’équipe d’Ultralytics et selon les retours de la communauté.
Qualité de l’exportation (20 %)#
L’exportation la plus simple comportera le moins d’étapes possible, nécessitera le moins d’arguments/paramètres, utilisera le moins de packages importés et sera exécutable avec le moins de code possible.
Qualité de la documentation (20 %)#
Les soumissions doivent être correctement documentées à l’aide d’un fichier de soumission au format 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 %)#
Chaque aspect de l’exportation et du déploiement, à partir d’un modèle officiel yolov5s.pt, doit être inclus. Pour les environnements nécessitant des prérequis spécifiques, comme Jetson Nano, tous les packages 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 officiels YOLOv5 PyTorch (c’est-à-dire une inférence avec python detect.py --weights yolov5s.pt). La précision des solutions déployées sera analysée sur un jeu de test tenu à l’écart, composé d’images Ultralytics qui ne sont pas accessibles au public. La vitesse est également très importante, et les solutions de déploiement les plus rapides seront largement favorisées. Pour Android, les exportations vers les délégués GPU, NNAPI et Hexagon obtiendront ici les meilleures notes.
