Meetup della comunità di Ultralytics in Cina: il paese con il più alto interesse globale per il machine learning

Mentre la tecnologia di computer vision continua a evolversi, anche l'attenzione del settore si sta spostando. In passato, ci si preoccupava maggiormente se i modelli SOTA provenienti dai laboratori fossero abbastanza avanzati. Oggi, tuttavia, è emersa una domanda più importante:

Come possono questi modelli essere realmente applicati in scenari del mondo reale? Come possono i progetti di visione AI passare dalle demo ad applicazioni pratiche, continuare a iterare e creare un valore reale?

Con queste domande in mente, Ultralytics è arrivata a Shenzhen per ospitare il suo primo Meetup della community offline in Cina. Attraverso questo evento, abbiamo sperato di connetterci faccia a faccia con sviluppatori cinesi, partner del settore e appassionati di computer vision, per parlare di dove si trova oggi Ultralytics YOLO e verso dove è diretta Ultralytics.

Fig 1. Il fondatore e CEO di Ultralytics, Glenn Jocher, mentre presenta al nostro primo evento della community a Shenzhen.

Link to this sectionDa Ultralytics YOLO a Ultralytics Platform#

In passato, Ultralytics YOLO era noto soprattutto per essere veloce, pratico e facile da distribuire. Che si tratti di object detection, ispezione industriale, monitoraggio della sicurezza o attività di visione in tempo reale su dispositivi edge, YOLO è diventato uno degli strumenti di riferimento per molti sviluppatori che iniziano i loro progetti di computer vision.

Oggi, Ultralytics si sta spingendo oltre il singolo modello verso una piattaforma di computer vision completa che copre la gestione dei dataset, il training, il deployment, il monitoraggio e un ciclo di feedback per il miglioramento continuo.

Le persone erano solite chiedere: il modello è accurato? È veloce?

Ora, siamo più concentrati sul risolvere una questione più ampia: come può un progetto di visione AI essere effettivamente avviato, utilizzato in scenari reali e continuare a migliorare nel tempo?

Questo è ciò che Ultralytics Platform mira a ottenere: rendere l'annotazione dei dati più efficiente, il training del modello più semplice, il deployment multi-piattaforma più fluido e consentire agli sviluppatori di iterare continuamente sulle loro applicazioni di visione AI.

Fig 2. Il primo evento della community di Ultralytics a Shenzhen, Cina.

Link to this sectionUltralytics Platform: rendere più completo il workflow della visione AI#

Durante la sessione, Glenn ha anche introdotto diverse funzionalità chiave di Ultralytics Platform, tra cui l'annotazione automatica, il training con un clic, il deployment multi-formato e la capacità di migliorare continuamente i modelli attraverso i dati di feedback.

Fig 3. Il fondatore e CEO di Ultralytics, Glenn Jocher, mentre presenta al nostro primo evento della community a Shenzhen.

Per molti team, costruire un progetto di visione AI non significa solo scegliere un modello. La vera complessità risiede spesso in domande come da dove provengono i dati, come dovrebbero essere annotati, come dovrebbe essere addestrato e distribuito il modello e come può continuare a migliorare dopo il lancio. Se questi passaggi sono disconnessi, diventa difficile per un progetto entrare davvero in produzione.

Ultralytics Platform connette questi passaggi, consentendo agli sviluppatori di completare l'intero workflow in modo più fluido, dai dati al modello, dal training al deployment, e dal lancio al feedback, senza passare costantemente da uno strumento all'altro.

Oggi, la piattaforma ha già visto oltre 100 milioni di immagini caricate, più di 600 milioni di annotazioni e circa 40.000-50.000 dataset.

Dietro questi numeri c'è un segnale chiaro: la domanda di computer vision è reale e si sta spostando oltre la ricerca e la sperimentazione verso un deployment pratico su larga scala. Ultralytics Platform si adatta per soddisfare queste diverse esigenze degli utenti, dai piani adatti a singoli sviluppatori e team di ricerca, fino alle licenze enterprise per organizzazioni su larga scala.

Fig 4. Glenn Jocher illustra le attività di rilevamento chiave supportate da Ultralytics YOLO.

Link to this sectionLa community cinese è una parte essenziale dell'ecosistema globale di Ultralytics#

Glenn ha menzionato che la Cina è una parte molto importante della community di utenti di Ultralytics e potrebbe essere uno dei paesi con il maggior numero di persone che imparano il machine learning e sono interessate ad esso.

Per Ultralytics, la Cina non è solo una regione con una vasta base di utenti, ma anche una community altamente attiva con una forte presenza di sviluppatori, diversi scenari applicativi e preziosi feedback tecnici.

Affinché uno strumento venga ampiamente adottato, una tecnologia solida da sola non basta. Documentazione, community, accessibilità, esperienza di deployment e supporto locale devono essere tutti fluidi e affidabili.

Link to this sectionOsservare il reale interesse degli sviluppatori per il deployment della visione AI#

Durante la sessione di Q&A, i partecipanti hanno sollevato molte domande ponderate, offrendoci una visione più chiara di ciò che sta veramente a cuore agli sviluppatori cinesi quando si tratta di portare la computer vision in applicazioni del mondo reale.

Un partecipante di AMD ha chiesto se Ultralytics Platform supporti ambienti di training privati o locali. Questa è anche una preoccupazione chiave per molte aziende e team. Quando i progetti coinvolgono dati sensibili, dati specifici del settore o dati aziendali interni, la privacy, la sicurezza e le capacità di deployment locale diventano particolarmente importanti.

Glenn ha condiviso che questa è una direzione che il team sta discutendo attivamente. Man mano che la visione AI viene eseguita su più dispositivi e ambienti chip, il supporto dell'ecosistema hardware diventerà una parte critica dell'esperienza di deployment del modello.

Oltre ai casi d'uso industriali, all'hardware e al deployment, alcuni partecipanti hanno anche chiesto se YOLO potesse essere utilizzato per il riconoscimento dello stile artistico o se potesse supportare la comprensione visiva con consapevolezza della proprietà intellettuale.

Queste domande sono state stimolanti. Dimostrano che l'immaginazione riguardo alle applicazioni di YOLO non è più limitata alla tradizionale ispezione industriale, all'object detection e agli scenari di sicurezza. Ora si sta espandendo in aree più ampie come la creazione di contenuti, la comprensione dei media e la produzione creativa.

Inoltre, anche argomenti come i piccoli dispositivi edge, il deployment offline e l'ottimizzazione della quantizzazione sono stati aree chiave di interesse. È chiaro che gli sviluppatori si preoccupano non solo delle prestazioni del modello in sé, ma anche dell'esperienza pratica complessiva nell'utilizzo della visione AI.

Queste sono esattamente le domande a cui la computer vision deve rispondere mentre si sposta dalla ricerca alle applicazioni del mondo reale.

Link to this sectionLa computer vision sta entrando in una nuova fase#

Questo evento ci ha dato una forte percezione di una tendenza chiara:

La computer vision si sta spostando oltre la competizione tra modelli ed entrando in una nuova fase di piattaformizzazione, prodotto e sviluppo dell'ecosistema.

I punti di forza fondamentali di YOLO sono sempre stati la velocità, la praticità e la facilità di deployment. Oggi, Ultralytics spera di estendere questi punti di forza attraverso l'intero workflow, in modo che gli sviluppatori possano non solo accedere a modelli potenti, ma anche gestire i dati, addestrare i modelli, distribuire applicazioni e ottimizzare continuamente i propri sistemi di visione AI con maggiore facilità.

Anche la community di AI cinese sta diventando una parte sempre più importante di questo viaggio. Ha una vasta base di sviluppatori, ricchi scenari applicativi e una forte passione per l'apprendimento e la pratica pratica. Guardando al futuro, siamo entusiasti di lavorare con più sviluppatori cinesi, partner aziendali e membri della community per portare la computer vision in una gamma più ampia di applicazioni del mondo reale.

Come ha detto Glenn:

“Vogliamo che tutti siano in grado di utilizzare la computer vision.”

Questa potrebbe essere la migliore spiegazione della mossa di Ultralytics verso un futuro più orientato alla piattaforma.