Ultralytics YOLOv5 v6.0 è qui!

Il nostro ultimo aggiornamento è arrivato il 12 ottobre 2021 ed è la prima release importante da aprile 2021. La release v6.0 porta miglioramenti significativi che riducono i requisiti di memoria durante l'addestramento, aumentano la precisione durante la distribuzione e ottimizzano le prestazioni di runtime sull'intera gamma di modelli YOLOv5.

‍

‍

Il risultato per gli ingegneri ML e i data scientist è che YOLOv5 ora fornisce una soluzione di Vision AI più potente ed è ancora più facile da addestrare e distribuire che mai. Sono stati apportati diversi aggiornamenti ai backbone del modello in base ai risultati empirici degli sforzi di R&S di Ultralytics.

Le modifiche includono nuovi moduli e miglioramenti ai moduli esistenti che si combinano per produrre modelli più veloci, più piccoli e più accurati.

Non saremmo riusciti a fare tutto questo da soli! Questa release incorpora 465 PR da 73 contributori provenienti da tutto il mondo, che collaborano per superare i limiti dell'IA. Consulta le nostre linee guida per contribuire open source se desideri saperne di più o contribuire tu stesso.

Questa release porta con sé centinaia di piccole modifiche che si accumulano per fare una vera differenza, troppe per entrare nel dettaglio, ma alcuni dei principali punti salienti sono:

• Integrazione Roboflow ⭐ NOVITÀ: Addestra i modelli YOLOv5 direttamente su qualsiasi set di dati Roboflow con la nostra nuova integrazione! Questa integrazione fornisce una connessione senza interruzioni tra i tuoi set di dati Roboflow e i tuoi addestramenti YOLOv5. (#4975 di @Jacobsolawetz)
  ‍
• Modelli YOLOv5n 'Nano' ⭐ NOVITÀ: Nuovo modello YOLOv5n più piccolo (1,9 milioni di parametri) inferiore a YOLOv5s (7,5 milioni di parametri), esporta a 2,1 MB di dimensione INT8, ideale per soluzioni mobili ultraleggere. (#5027 di @glenn-jocher)
  ‍
• TensorFlow e Keras: L'esportazione di modelli TensorFlow, Keras, TFLite, TF.js è ora completamente integrata in YOLOv5 per transizioni fluide dall'addestramento alla distribuzione. (#1127 di @zldrobit)
  ‍
• OpenCV DNN: I modelli YOLOv5 ONNX sono ora compatibili sia con OpenCV DNN che con ONNX Runtime per fornire agli utenti ancora più opzioni di destinazione di deployment. (#4833 di @jebastin-nadar)
  ‍
• Architettura del modello: I backbone aggiornati sono leggermente più piccoli, più veloci e più accurati e richiedono meno memoria GPU durante l'addestramento.

Considerazioni finali

Poco più di un anno dopo il rilascio di YOLOv5, la nostra tecnologia all'avanguardia per il rilevamento di oggetti sta per diventare la Vision AI più apprezzata al mondo. Con l'aiuto di centinaia di collaboratori e il feedback di migliaia di utenti, stiamo creando strumenti efficaci e facili da usare, e la nostra nuova versione v6.0 è il prossimo entusiasmante passo in questo percorso.

Visita il nostro repository open-source su GitHub per iniziare a usare YOLOv5 oggi stesso! https://github.com/ultralytics/yolov5