YOLOv5 è diventato ancora più potente nella versione v6.1!

In qualità di pioniera nel campo della computer vision e del machine learning, Ultralytics è entusiasta di annunciare gli ultimi sviluppi della nostra tecnologia di punta YOLO (Rilevi solo una volta). Con il rilascio di YOLOv5 v6.1, abbiamo perfezionato la nostra architettura per migliorarne semplicità, velocità e potenza, assicurandoci che la nostra tecnologia rimanga all'avanguardia dell'innovazione. Il nostro ultimo rilascio nell'ottobre 2021 ha gettato le basi per questi progressi e ora siamo orgogliosi di presentare questi aggiornamenti fondamentali, che ridefiniscono l'usabilità e le prestazioni di YOLO.

Aggiornamenti importanti#

Proseguendo nella nostra costante ricerca dell'eccellenza nell'ambito della Vision AI, ecco i miglioramenti rivoluzionari che troverai in YOLOv5 v6.1:

• Supporto per TensorRT: integrazione migliorata per le esportazioni di modelli TensorFlow, Keras, TFLite e TF.js tramite python export.py --include saved_model pb tflite tfjs (#5699 di @imyhxy). Si tratta di una pietra miliare significativa, poiché TensorRT di NVIDIA è un ottimizzatore e runtime per l'inferenza del deep learning ad alte prestazioni, che offre bassa latenza e throughput elevato per le applicazioni di deep learning.
• Supporto per TensorFlow Edge TPU ⭐ NUOVO: presentiamo il nuovo modello YOLOv5n più piccolo (1.9M parametri), meno complesso di YOLOv5s (7.5M parametri), che si distingue per la capacità di essere esportato in un formato INT8 di appena 2.1 MB. È particolarmente adatto per soluzioni mobili ultraleggere e porta il machine learning avanzato direttamente all'edge della tecnologia (#3630 di @zldrobit).
• Supporto per OpenVINO: i modelli YOLOv5 ONNX sono ora compatibili. Con OpenVINO, i modelli possono sfruttare appieno la potenza delle CPU Intel e delle GPU integrate per un'ampia gamma di applicazioni (#6057 di @glenn-jocher).
• Benchmark delle esportazioni: abbiamo introdotto un nuovo strumento di benchmarking per valutare mAP (precisione media media) e velocità in tutti i formati di esportazione di YOLOv5 tramite python utils/benchmarks.py --weights yolov5s.pt. Attualmente opera sulle CPU, ma prevediamo di estenderlo ai benchmark su GPU nei prossimi aggiornamenti (#6613 di @glenn-jocher).
• Iperparametri: abbiamo apportato una modifica minore ma fondamentale agli iperparametri: in hyp-scratch-large.yaml, il fattore del learning rate (lrf) è stato ridotto da 0.2 a 0.1 (#6525 di @glenn-jocher).
• Addestramento: lo scheduler predefinito del Learning Rate (LR) è stato aggiornato al metodo lineare one-cycle, sostituendo il precedente metodo one-cycle con coseno, per ottenere risultati di addestramento migliori (#6729 di @glenn-jocher).

Presentando l'intera gamma del nostro supporto per i diversi formati, YOLOv5 ora funziona ufficialmente con 11 formati, supportando non solo l'esportazione, ma anche l'inferenza con detect.py e PyTorch Hub, oltre alla validazione per profilare mAP e velocità:

• ✅ PyTorch
• ✅ TorchScript
• ✅ ONNX
• ✅ OpenVINO
• ✅ TensorRT
• ✅ CoreML
• ✅ TensorFlow SavedModel
• ✅ TensorFlow GraphDef
• ✅ TensorFlow Lite
• ✅ TensorFlow Edge TPU
• ✅ TensorFlow.js

L'AI insieme, per tutti#

In Ultralytics, siamo motivati non solo dal desiderio di essere leader, ma anche dalla passione di partecipare e contribuire alla community. La famiglia YOLOv5 è stata fondamentale nel nostro percorso, sostenendoci tanto nei trionfi quanto nelle difficoltà. Questo aggiornamento è un trionfo collettivo e rappresenta il duro lavoro di 271 PR da parte di 48 nuovi contributor. Restiamo fedeli alla nostra missione di democratizzare l'AI, rendendola accessibile e utilizzabile da tutti.

Unisciti alla rivoluzione della Vision AI#

Cerchiamo continuamente nuovi talenti da accogliere nel nostro team e invitiamo a collaborare ai nostri progetti open source. Se ti interessa entrare a far parte del team di AI più all'avanguardia, dai un'occhiata alla nostra pagina delle posizioni aperte o valuta la possibilità di contribuire a YOLOv5.

Dagli appassionati di AI al sistema di object detection più popolare del 2022#

Quest'anno, il nostro repository Ultralytics/YOLOv5 ha raggiunto un traguardo significativo, superando pjreddie/darknet YOLOv3 di Joseph Redmon nel numero totale di stelle su GitHub, con oltre 22,4 mila stelle. Questo testimonia la fiducia e l'entusiasmo della community e ci spinge a continuare a superare i limiti della Vision AI. Siamo profondamente onorati di portare avanti l'eredità di Rilevi solo una volta.

Visita il nostro repository YOLOv5 su GitHub per informazioni complete sul nuovo rilascio e unisciti alla vivace community di appassionati di object detection con YOLO.

Scopri la magia di YOLO senza scrivere codice#

Ma non è tutto! Se ti stai avvicinando alla computer vision o preferisci semplicemente un'esperienza senza codice, Ultralytics HUB è il tuo punto di accesso. Scopri come sfruttare YOLO e la tecnologia di computer vision con pochi semplici clic. Per saperne di più, visita Ultralytics HUB - La tua porta d'accesso all'AI e intraprendi il tuo percorso nel mondo della computer vision.