Semplificare i workflow di classificazione con YOLOv5 v6.2 di Ultralytics

YOLOv5 sta spingendo lo stato dell'arte nel rilevamento di oggetti a nuovi livelli! Dai nuovi modelli di classificazione, alla riproducibilità dell'addestramento e al supporto per Apple Metal Performance Shader (MPS), fino alle integrazioni con ClearML e Deci, ti presentiamo la nuova release YOLOv5 v6.2.

Importanti aggiornamenti di Ultralytics YOLOv5#

Abbiamo lavorato per migliorare la tua architettura YOLO Vision AI preferita dalla nostra ultima release di febbraio 2022. Ecco gli aggiornamenti più importanti nel nuovo YOLOv5 v6.2:

• Modelli di classificazione: I modelli di classificazione preaddestrati su ImageNet di Ultralytics YOLOv5-cls sono ora disponibili per la prima volta.
• Registrazione con ClearML: Integrazione con il tracciatore di esperimenti open-source ClearML. L'installazione con pip install clearmlabiliterà l'integrazione e consentirà agli utenti di tracciare ogni esecuzione di addestramento in ClearML. Questo a sua volta permette agli utenti di tracciare e confrontare le esecuzioni e persino di programmarle da remoto.
• Benchmark di esportazione GPU: Esegui il benchmark (mAP e velocità) di tutti i formati di esportazione YOLOv5 con python utils/benchmarks.py --weights yolov5s.pt --device 0 per benchmark su GPU o --device CPU per benchmark su CPU.
• Riproducibilità dell'addestramento: L'addestramento di Ultralytics YOLOv5 su singola GPU con torch>=1.12.0 è ora completamente riproducibile e si può usare un nuovo argomento --seed (seed predefinito=0).
• Supporto Apple Metal Performance Shader (MPS): Supporto MPS per dispositivi Apple M1/M2 con --device mps (la piena funzionalità è in attesa di aggiornamenti di torch in pytorch/pytorch#77764).

Nuovi modelli di classificazione#

Il nostro obiettivo principale con questa release è introdurre flussi di lavoro di classificazione YOLOv5 semplici, proprio come i nostri modelli di rilevamento di oggetti esistenti. I nuovi modelli v6.2 YOLOv5-cls sono solo un inizio, continueremo a migliorarli in futuro insieme ai nostri modelli di rilevamento esistenti. Vorremmo tanto ricevere i tuoi contributi a questo progetto!

Questa release incorpora 401 PR provenienti da 41 contributori dalla nostra ultima release di febbraio 2022. Aggiunge addestramento, validazione, previsione ed esportazione Classification (verso tutti gli 11 formati), e fornisce anche modelli YOLOv5m-cls pre-addestrati su ImageNet, ResNet (18, 34, 50, 101) e EfficientNet (b0-b3).

Abbiamo addestrato i modelli di classificazione Ultralytics YOLOv5-cls su ImageNet per 90 epoche utilizzando un'istanza 4xA100 e abbiamo addestrato in parallelo modelli ResNet ed EfficientNet con le stesse impostazioni di addestramento predefinite per effettuare un confronto. 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 una facile riproducibilità.

Cosa c'è in arrivo da Ultralytics?#

La nostra prossima release, la v6.3, è programmata per settembre 2022 e introdurrà il supporto ufficiale per la segmentazione d'istanza in Ultralytics YOLOv5, seguita da una major release v7.0 nel corso di quest'anno che aggiornerà le architetture per tutte e 3 le attività: classificazione, rilevamento e segmentazione.

Visita il nostro repository GitHub open-source YOLOv5 per rimanere aggiornato e scoprire di più su questa release.