Découvrez les gagnants du concours d'exportation Ultralytics YOLOv5, qui présentent le meilleur du déploiement de modèles d'IA sur divers appareils.
Dans le but d'aider chacun à entraîner et à déployer facilement les meilleurs modèles de Vision IA, 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 que les utilisateurs créent.
Le concours s'est déroulé du 17 mai 2021 au 31 septembre 2021 à 24h00 UTC. Après cette date, le concours a été clôturé et les soumissions ultérieures n'étaient plus éligibles aux prix.
L'évaluation s'est déroulée du 1er septembre 2021 au 31 septembre 2021. Notre équipe a examiné chaque soumission en profondeur.
La meilleure soumission dans les catégories a remporté la totalité des fonds du prix de 2000,00 $ (2000,00 USD) d'Ultralytics pour cette catégorie.
Avec l'aide de notre incroyable communauté, nous avons précédemment créé 5 catégories qui représentent les scénarios de déploiement réels les plus populaires pour les modèles YOLOv5, notamment Jetson Nano, Raspberry Pi, Google Edge TPU, Desktop CPU et les appareils Android Edge.
Nos participants ont créé un dépôt Github public pour leur soumission, ont attribué à leur travail une licence open source et ont publié leur soumission directement dans l'un des 5 fils de discussion officiels des soumissions du concours EXPORT pour permettre à la communauté de voter. Notez que ces fils de discussion étaient uniquement destinés aux soumissions officielles. Les questions ou commentaires généraux ont été posés directement dans ce fil de discussion, ou dans une nouvelle discussion. Liens vers les soumissions :
Après mûre réflexion, nous avons désigné les gagnants pour chacune des cinq catégories, qui représentent les scénarios de déploiement réels les plus populaires pour les modèles YOLOv5. Tous les participants ont été contactés personnellement et les prix ont été versés à nos gagnants par la suite. Aujourd'hui, nous sommes heureux de partager enfin les meilleures solutions avec vous !
Prix : 2000 $
Prix : 2000 $
Prix : 2000 $
Prix : 2000 $
Pas de gagnant *
Prix : 2000 $
Pas de gagnant *
*Les soumissions dans cette catégorie ne correspondaient pas à l'ensemble minimum d'exigences dans chacun des critères d'évaluation. Par conséquent, aucun gagnant n'a été sélectionné pour la catégorie cette fois-ci, mais il y aura d'autres occasions pour les participants de concourir à nouveau à l'avenir.
Félicitations aux gagnants ! N'oubliez pas de consulter leurs référentiels.
« La bibliothèque YOLOv5 est excellente : elle est mise à jour presque quotidiennement, les modèles fonctionnent bien et l'expérience utilisateur s'améliore continuellement. Une grande partie de mes recherches porte sur le déploiement du ML sur des appareils embarqués, et j'avais déjà travaillé avec l'EdgeTPU, donc cela m'a semblé être un défi amusant. »
Josh Veitch-Michaelis
Nous tenons également à remercier chaleureusement tous ceux qui ont participé à notre concours d'exportation ! Nous avons la chance d'avoir de nombreux membres précieux dans notre communauté open source. Ce sont vos contributions à tous qui font la grandeur de notre communauté.
Restez incroyables et continuez à créer ! 🚀
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 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 par les commentaires de la communauté.
L'exportation la plus simple comportera le moins d'étapes, nécessitera le moins d'arguments/paramètres, utilisera le moins de paquets importés et sera exécutable avec la plus petite quantité de code.
Les soumissions doivent être bien documentées à l'aide d'un fichier de soumission markdown. Chaque étape doit être expliquée, y compris la configuration/les exigences, tous les paramètres/arguments, les étapes d'exportation et la configuration de l'environnement déployé, le cas échéant.
Chaque aspect de l'exportation et du déploiement, à partir d'un modèle yolov5s.pt officiel, doit être inclus. Pour les environnements qui nécessitent 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 pleinement un modèle YOLOv5.
Les modèles déployés doivent renvoyer des résultats d'inférence quasi identiques aux modèles PyTorch YOLOv5 officiels (c'est-à-dire, inférence avec python detect.py --weights yolov5s.pt). La précision des solutions déployées sera analysée sur un ensemble de tests d'images Ultralytics non accessibles au 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 recevront les scores les plus élevés ici.
