Ultralytics YOLOv5 v6.0 est arrivé !
Découvre YOLOv5 v6.0 : des mises à jour majeures pour une meilleure précision, une utilisation mémoire réduite et des performances de modèle d'IA plus rapides. Rejoins nos contributeurs mondiaux dès aujourd'hui !
Notre dernière mise à jour est arrivée le 12 octobre 2021 et constitue la première version majeure depuis avril 2021. La version v6.0 apporte des améliorations significatives qui réduisent les besoins en mémoire pendant l'entraînement, augmentent la précision lors du déploiement et optimisent les performances d'exécution sur toute la gamme des modèles YOLOv5.
Graphique vitesse vs précision de YOLOv5 v6.0.
Le résultat pour les ingénieurs ML et les data scientists est que YOLOv5 offre désormais une solution de vision par ordinateur IA plus puissante, et est encore plus facile à entraîner et à déployer qu'auparavant. De multiples mises à jour des backbones du modèle ont été effectuées sur la base des résultats empiriques des efforts de R&D d'Ultralytics.
Les modifications incluent de nouveaux modules et des améliorations des modules existants qui se combinent pour produire des modèles plus rapides, plus petits et plus précis.
Nous n'aurions cependant pas pu le faire seuls ! Cette version intègre 465 PRs de 73 contributeurs du monde entier, collaborant tous ensemble pour repousser les limites de l'IA. Consulte nos directives de contribution open-source si tu souhaites en savoir plus ou contribuer toi-même.
Cette version apporte des centaines de petites modifications qui s'accumulent pour faire une réelle différence, bien trop nombreuses pour entrer dans les détails, mais voici quelques-uns des points forts :
- Intégration Roboflow ⭐ NOUVEAU : Entraîne tes modèles YOLOv5 directement sur n'importe quel jeu de données Roboflow avec notre nouvelle intégration ! Cette intégration offre une connexion fluide entre tes jeux de données Roboflow et tes entraînements YOLOv5. (#4975 par @Jacobsolawetz)
- Modèles 'Nano' YOLOv5n ⭐ NOUVEAU : Nouveau modèle YOLOv5n plus petit (1,9 M de paramètres) en dessous du YOLOv5s (7,5 M de paramètres), s'exporte en une taille INT8 de 2,1 Mo, idéal pour des solutions mobiles ultralégères. (#5027 par @glenn-jocher)
- TensorFlow et Keras : L'exportation de modèles TensorFlow, Keras, TFLite et TF.js est désormais entièrement intégrée dans YOLOv5 pour des transitions fluides de l'entraînement au déploiement. (#1127 par @zldrobit)
- OpenCV DNN : Les modèles YOLOv5 ONNX sont désormais compatibles à la fois avec OpenCV DNN et ONNX Runtime pour offrir aux utilisateurs encore plus d'options de destination de déploiement. (#4833 par @jebastin-nadar)
- Architecture du modèle : Les backbones mis à jour sont légèrement plus petits, plus rapides et plus précis, et nécessitent moins de mémoire GPU pendant l'entraînement.
Link to this sectionDernières réflexions#
Un peu plus d'un an après la sortie de YOLOv5, notre technologie de détection d'objets de pointe est en passe de devenir l'IA de vision la plus appréciée au monde. Avec l'aide de centaines de collaborateurs et les retours de milliers d'utilisateurs, nous créons des outils qui sont à la fois efficaces et faciles à utiliser, et notre nouvelle version v6.0 constitue la prochaine étape passionnante de ce voyage. Rends-toi sur notre dépôt GitHub open-source pour commencer à utiliser YOLOv5 dès aujourd'hui ! YOLOv5 GitHub Repository
