YOLOv5 devient encore plus puissant avec la version v6.1 !

Pionnière dans le domaine de la vision par ordinateur et du machine learning, Ultralytics est ravie d'annoncer les derniers développements de sa technologie phare YOLO (Tu ne regardes qu'une seule fois). Avec la version YOLOv5 v6.1, nous avons peaufiné notre architecture afin d'améliorer la simplicité, la vitesse et la puissance, en veillant à ce que notre technologie reste à la pointe de l'innovation. Notre dernière version, publiée en octobre 2021, a posé les bases de ces avancées. Nous sommes désormais fiers de présenter ces mises à jour essentielles, qui redéfinissent la convivialité et les performances de YOLO.

Mises à jour importantes#

Dans le cadre de notre quête incessante d'excellence en IA de vision, voici les améliorations révolutionnaires que tu trouveras dans YOLOv5 v6.1 :

• Prise en charge de TensorRT : intégration améliorée pour les exportations de modèles TensorFlow, Keras, TFLite et TF.js à l'aide de python export.py --include saved_model pb tflite tfjs (#5699 par @imyhxy). Il s'agit d'une étape importante, car TensorRT de NVIDIA est un optimiseur et un moteur d'exécution hautes performances pour l'inférence en deep learning, qui offre une faible latence et un débit élevé pour les applications de deep learning.
• Prise en charge de TensorFlow Edge TPU ⭐ NOUVEAU : découverte du nouveau modèle YOLOv5n plus compact (1,9 M de paramètres), dont la complexité est inférieure à celle de YOLOv5s (7,5 M de paramètres), tout en se distinguant par sa capacité à être exporté dans une taille INT8 de seulement 2,1 Mo. Cette solution est particulièrement adaptée aux applications mobiles ultralégères, en apportant le machine learning puissant jusque sur les appareils en périphérie (#3630 par @zldrobit).
• Prise en charge d'OpenVINO : les modèles YOLOv5 ONNX sont désormais compatibles. Avec OpenVINO, les modèles peuvent maintenant exploiter toute la puissance des CPU et des GPU intégrés Intel pour un large éventail d'applications (#6057 par @glenn-jocher).
• Benchmarks d'exportation : nous avons introduit un nouvel outil de benchmarking pour évaluer la mAP (précision moyenne) et la vitesse sur tous les formats d'exportation de YOLOv5 avec python utils/benchmarks.py --weights yolov5s.pt. Il fonctionne actuellement sur les CPU, et nous prévoyons d'y ajouter des benchmarks sur GPU dans de futures mises à jour (#6613 par @glenn-jocher).
• Hyperparamètres : un ajustement mineur, mais essentiel, a été apporté à nos hyperparamètres : dans hyp-scratch-large.yaml, le facteur de taux d'apprentissage (lrf) a été réduit de 0.2 à 0.1 (#6525 par @glenn-jocher).
• Entraînement : le scheduler du taux d'apprentissage (LR) par défaut a été remplacé par un scheduler linéaire one-cycle, à la place du scheduler one-cycle précédent avec cosinus, afin d'améliorer les résultats de l'entraînement (#6729 par @glenn-jocher).

Dévoilant l'ensemble de notre prise en charge des différents formats, YOLOv5 fonctionne désormais officiellement avec 11 formats, en prenant en charge non seulement l'exportation, mais aussi l'inférence avec detect.py et PyTorch Hub, ainsi que la validation pour établir le profil de la mAP et de la vitesse :

• ✅ PyTorch
• ✅ TorchScript
• ✅ ONNX
• ✅ OpenVINO
• ✅ TensorRT
• ✅ CoreML
• ✅ TensorFlow SavedModel
• ✅ TensorFlow GraphDef
• ✅ TensorFlow Lite
• ✅ TensorFlow Edge TPU
• ✅ TensorFlow.js

L'IA au service de tous#

Chez Ultralytics, nous sommes motivés non seulement par le désir de diriger, mais aussi par la volonté de participer à la communauté et d'y contribuer. La famille YOLOv5 a joué un rôle essentiel dans notre parcours, en nous accompagnant dans les réussites comme dans les difficultés. Cette mise à jour est une victoire collective, fruit du travail acharné de 271 PR issues de 48 nouveaux contributeurs. Nous restons déterminés à démocratiser l'IA et à la rendre accessible et opérationnelle pour tous.

Rejoins la révolution de l'IA de vision#

Nous sommes constamment à la recherche de talents pour rejoindre nos équipes et invitons la communauté à collaborer à nos projets open source. Si tu souhaites intégrer l'équipe d'IA la plus innovante, consulte notre page consacrée aux carrières ou envisage de contribuer à YOLOv5.

Des passionnés d'IA à la détection d'objets la plus populaire de 2022#

Cette année, notre dépôt Ultralytics/YOLOv5 a franchi une étape importante en dépassant pjreddie/darknet YOLOv3 de Joseph Redmon en nombre total d'étoiles GitHub, avec désormais plus de 22,4 k étoiles. Cela témoigne de la confiance et de l'enthousiasme de la communauté et nous encourage à continuer de repousser les limites de l'IA de vision. Nous sommes profondément honorés de perpétuer l'héritage de Tu ne regardes qu'une seule fois.

Consulte notre dépôt GitHub YOLOv5 pour découvrir tous les détails de cette nouvelle version et rejoins la communauté dynamique des passionnés de détection d'objets avec YOLO.

Découvre la magie de YOLO sans coder#

Mais ce n'est pas tout ! Si tu débutes en vision par ordinateur ou préfères simplement une expérience sans code, Ultralytics HUB est fait pour toi. Découvre comment exploiter YOLO et les technologies de vision par ordinateur en quelques clics. Pour en savoir plus, consulte Ultralytics HUB - Ta passerelle vers l'IA et commence ton parcours dans le domaine de la vision par ordinateur.