Semplificare i workflow di classificazione con YOLOv5 v6.2 di Ultralytics
Scopri il nuovo rilascio di YOLOv5 v6.2 con modelli di classificazione, integrazione con ClearML, benchmark GPU, riproducibilità dell'addestramento e altro ancora.
YOLOv5 sta spingendo lo stato dell'arte nel rilevamento oggetti verso nuove vette! Dai nuovi modelli di classificazione, alla riproducibilità dell'addestramento e al supporto Apple Metal Performance Shader (MPS), fino alle integrazioni con ClearML e Deci, ti presentiamo la nuova release YOLOv5 v6.2.
Link to this sectionImportanti aggiornamenti di YOLOv5#
Abbiamo lavorato al miglioramento della tua architettura YOLO Vision AI preferita sin dalla nostra ultima release a febbraio 2022. Ecco gli aggiornamenti più importanti nell'ultima versione di YOLOv5 v6.2:
- Modelli di classificazione: i modelli di classificazione pre-addestrati su ImageNet YOLOv5-cls sono ora disponibili per la prima volta.
- Logging ClearML: Integrazione con il tracker di esperimenti open-source ClearML. L'installazione con pip install clearml abiliterà l'integrazione e consentirà agli utenti di tracciare ogni esecuzione di addestramento in ClearML. Questo a sua volta permette agli utenti di monitorare e confrontare le esecuzioni e persino di pianificarle 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 YOLOv5 su singola GPU con torch>=1.12.0 è ora completamente riproducibile e può essere utilizzato un nuovo argomento --seed (seed predefinito=0).
- Supporto Apple Metal Performance Shader (MPS): Supporto MPS per dispositivi Apple M1/M2 con --device mps (la funzionalità completa è in attesa degli aggiornamenti di torch in pytorch/pytorch#77764).
Link to this sectionNuovi 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 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. Aspettiamo con piacere i tuoi contributi a questo impegno!
Questa release incorpora 401 PR da 41 collaboratori dalla nostra ultima release di febbraio 2022. Aggiunge addestramento, validazione, previsione ed esportazione (in tutti gli 11 formati) per la classificazione e fornisce anche modelli YOLOv5m-cls, ResNet (18, 34, 50, 101) ed EfficientNet (b0-b3) pre-addestrati su ImageNet.
Abbiamo addestrato i modelli di classificazione YOLOv5-cls su ImageNet per 90 epoche utilizzando un'istanza 4xA100 e abbiamo addestrato modelli ResNet ed EfficientNet insieme con 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 una facile riproducibilità.
Link to this sectionCosa c'è in arrivo da Ultralytics?#
La nostra prossima release, la v6.3, è programmata per settembre 2022 e porterà il supporto ufficiale per la segmentazione di istanze in YOLOv5, con una importante release v7.0 nel corso dell'anno che aggiornerà le architetture in 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.
