Semplificare i flussi di lavoro di classificazione con Ultralytics YOLOv5 v6.2
Scopri la nuova versione YOLOv5 v6.2, con modelli di classificazione, integrazione con ClearML, benchmark GPU, riproducibilità dell'addestramento e molto altro.
Nuvola Ladi3 min di lettura
YOLOv5 continua a spingere oltre i confini del rilevamento degli oggetti. 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: ecco le novità della versione YOLOv5 v6.2.
Aggiornamenti importanti di Ultralytics YOLOv5#
Dalla nostra versione precedente di febbraio 2022, abbiamo lavorato per migliorare YOLOv5. Ecco gli aggiornamenti più importanti dell'ultima versione YOLOv5 v6.2:
- Modelli di classificazione: per la prima volta sono disponibili i modelli Ultralytics YOLOv5-cls per la classificazione delle immagini, preaddestrati su ImageNet.
- Registrazione con ClearML: Integrazione con il tracker open source per gli esperimenti ClearML. L'installazione con
pip install clearmlabiliterà l'integrazione e consentirà agli utenti di monitorare ogni esecuzione di addestramento in ClearML. Questo, a sua volta, consente agli utenti di monitorare e confrontare le esecuzioni e persino di programmarle da remoto. - Benchmark di esportazione su GPU: esegui benchmark (mAP e velocità) su tutti i formati di esportazione YOLOv5 con
python utils/benchmarks.py --weights yolov5s.pt --device 0per i benchmark GPU o--device cpuper quelli CPU. - Riproducibilità dell'addestramento: l'addestramento Ultralytics YOLOv5 su una singola GPU con
torch>=1.12.0è ora completamente riproducibile; puoi usare il nuovo argomento--seed(valore predefinitoseed=0). - Supporto per Apple Metal Performance Shader (MPS): supporto MPS per i 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 versione è introdurre flussi di lavoro semplici per la classificazione con YOLOv5, come quelli già disponibili per i nostri modelli di rilevamento degli oggetti. I nuovi modelli YOLOv5-cls v6.2 sono solo un inizio: continueremo a migliorarli insieme ai nostri modelli di rilevamento esistenti. Ci farebbe piacere ricevere i tuoi contributi a questo progetto!
Questa versione integra 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 include anche i modelli YOLOv5m-cls preaddestrati su ImageNet, ResNet (18, 34, 50, 101) ed EfficientNet (b0-b3).
Abbiamo addestrato i modelli di classificazione Ultralytics YOLOv5-cls su ImageNet per 90 epoche usando un'istanza 4xA100 e, per fare un confronto, abbiamo addestrato anche i modelli ResNet ed EfficientNet con le stesse impostazioni predefinite. 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. Per facilitare la riproducibilità, abbiamo eseguito tutti i test di velocità su Google Colab Pro.
Cosa ci aspetta da Ultralytics?#
La nostra prossima versione, v6.3, è prevista per settembre 2022 e introdurrà il supporto ufficiale per la segmentazione delle istanze in Ultralytics YOLOv5. Più avanti nello stesso anno è prevista l'importante versione v7.0, con aggiornamenti alle architetture per tutti e tre i task: rilevamento, segmentazione e classificazione. (La segmentazione delle istanze è stata poi introdotta in YOLOv5 v7.0.)
Visita il repository open source di YOLOv5 su GitHub per rimanere aggiornato e scoprire di più su questa versione.
Scritto da
Digital Content Manager · Ultralytics
Commenti
Fai una domanda, condividi i tuoi risultati o aiuta qualcun altro.
