Semplificare i workflow di classificazione con Ultralytics YOLOv5 v6.2
Scopri la nuova versione YOLOv5 v6.2 con modelli di classificazione, integrazione di ClearML, benchmark GPU, riproducibilità dell'addestramento e molto altro.
YOLOv5 sta portando lo stato dell'arte nel rilevamento degli oggetti a nuovi livelli! Dai nuovi modelli di classificazione, alla riproducibilità dell'addestramento e al supporto per gli Apple Metal Performance Shader (MPS), fino alle integrazioni con ClearML e Deci, ti presentiamo la nuova release YOLOv5 v6.2.
Aggiornamenti importanti di Ultralytics YOLOv5#
Lavoriamo per migliorare la tua architettura YOLO Vision AI preferita dalla nostra ultima release di febbraio 2022. Questi sono gli aggiornamenti più importanti dell'ultima versione di YOLOv5 v6.2:
- Modelli di classificazione: i modelli di classificazione Ultralytics YOLOv5-cls preaddestrati su ImageNet sono ora disponibili per la prima volta.
- Logging con ClearML: integrazione con il tracker open source per esperimenti ClearML. Installando con pip install clearml abiliterai l'integrazione e potrai monitorare ogni esecuzione dell'addestramento in ClearML. Questo ti consente di monitorare e confrontare le esecuzioni e persino di programmarle da remoto.
- Benchmark delle esportazioni su GPU: esegui il benchmark (mAP e velocità) di tutti i formati di esportazione di YOLOv5 con python utils/benchmarks.py --weights yolov5s.pt --device 0 per i benchmark su GPU o --device CPU per i benchmark su CPU.
- Riproducibilità dell'addestramento: l'addestramento Ultralytics YOLOv5 su una singola GPU con torch>=1.12.0 è ora completamente riproducibile e puoi usare un nuovo argomento --seed (seed predefinito=0).
- Supporto per gli Apple Metal Performance Shader (MPS): supporto MPS per i dispositivi Apple M1/M2 con --device mps (la funzionalità completa è in attesa degli aggiornamenti di torch in pytorch/pytorch#77764).
Nuovi modelli di classificazione#
Il nostro obiettivo principale con questa release è introdurre flussi di lavoro semplici per la classificazione con YOLOv5, proprio come quelli già disponibili per i nostri modelli di rilevamento degli oggetti. I nuovi modelli YOLOv5-cls della versione v6.2 sono solo l'inizio: continueremo a migliorarli, insieme ai nostri modelli di rilevamento esistenti. Ci farebbe piacere ricevere i tuoi contributi a questo progetto!
Questa release incorpora 401 PR di 41 collaboratori dalla nostra ultima release di febbraio 2022. Aggiunge l'addestramento, la validazione, la predizione e l'esportazione della classificazione (in tutti gli 11 formati) e fornisce anche i modelli YOLOv5m-cls, ResNet (18, 34, 50, 101) ed EfficientNet (b0-b3) preaddestrati su ImageNet.
Abbiamo addestrato i modelli di classificazione Ultralytics YOLOv5-cls su ImageNet per 90 epoche utilizzando un'istanza 4xA100 e abbiamo addestrato i modelli ResNet ed EfficientNet utilizzando le stesse impostazioni di addestramento predefinite per confrontarli. Abbiamo esportato tutti i modelli in ONNX FP32 per i test di velocità su CPU e in TensorRT FP16 per i test di velocità su GPU. Abbiamo eseguito tutti i test di velocità su Google Colab Pro per facilitarne la riproducibilità.
Quali sono i prossimi passi per Ultralytics?#
La nostra prossima release, v6.3, è prevista per settembre 2022 e introdurrà il supporto ufficiale alla segmentazione delle istanze in Ultralytics YOLOv5, con una release principale v7.0 più avanti quest'anno che aggiornerà le architetture per tutte e 3 le attività: classificazione, rilevamento e segmentazione.
Visita il nostro repository open source di YOLOv5 su GitHub per rimanere aggiornato e scoprire di più su questa release.
