Ultralytics YOLOv5 v6.2で分類ワークフローを簡素化する
分類モデル、ClearML統合、GPUベンチマーク、トレーニングの再現性などを備えた新しいYOLOv5 v6.2リリースを発見してください。
YOLOv5 は、物体検出の最先端技術を新たな高みへと引き上げています！新しい分類モデル、トレーニングの再現性、Apple Metal Performance Shader (MPS) のサポート、そして ClearML や Deci との統合に至るまで、新しい YOLOv5 v6.2 リリースをお届けします。
重要な Ultralytics YOLOv5 のアップデート#
当社は、2022年2月の前回のリリース以降、皆様がお気に入りの YOLO ビジョン AI アーキテクチャの改善に取り組んできました。最新の YOLOv5 v6.2 における最も重要なアップデートは以下の通りです。
- 分類モデル： ImageNetで事前学習されたUltralytics YOLOv5-cls分類モデルが、初めて提供開始されました。
- ClearML ログ記録: オープンソースの実験トラッカーである ClearML との統合です。pip install clearml でインストールすると統合が有効になり、ユーザーは ClearML ですべてのトレーニング実行を追跡できるようになります。これにより、実行の追跡と比較、さらにはリモートでの実行スケジュール設定が可能になります。
- GPUエクスポートベンチマーク： python utils/benchmarks.py --weights yolov5s.pt --device 0（GPUベンチマーク用）または--device CPU（CPUベンチマーク用）を使用して、すべてのYOLOv5エクスポートフォーマットのベンチマーク（mAPおよび速度）を取得できます。
- トレーニングの再現性： torch>=1.12.0を使用したシングルGPUでのUltralytics YOLOv5トレーニングが完全に再現可能になり、新しい --seed 引数を使用できるようになりました（デフォルトの seed=0）。
- Apple Metal Performance Shader (MPS) のサポート: --device mps を使用した Apple M1/M2 デバイス向けの MPS サポート（完全な機能は pytorch/pytorch#77764 での torch のアップデート待ちとなっています）。
新しい分類モデル#
今回のリリースの主な目的は、既存の物体検出モデルと同様に、シンプルな YOLOv5 分類ワークフローを導入することです。新しい v6.2 の YOLOv5-cls モデルは始まりにすぎず、既存の検出モデルとともに今後も改良を続けていきます。この取り組みへの皆様の貢献をお待ちしております！
このリリースには、2022年2月の前回のリリース以降、41名のコントributorによる401件の PR が組み込まれています。分類のトレーニング、検証、予測、エクスポート（全11フォーマットへの対応）が追加され、ImageNet で事前学習された YOLOv5m-cls、ResNet (18、34、50、101)、および EfficientNet (b0-b3) モデルも提供されます。
4xA100インスタンスを使用してImageNetでUltralytics YOLOv5-cls分類モデルを90エポックトレーニングし、比較のために同じデフォルトのトレーニング設定でResNetおよびEfficientNetモデルも並行してトレーニングしました。すべてのモデルをCPU速度テスト用にONNX FP32にエクスポートし、GPU速度テスト用にTensorRT FP16にエクスポートしました。簡単に再現できるよう、すべての速度テストを Google Colab Pro で実行しました。
Ultralyticsの今後の予定#
次期リリースであるv6.3は2022年9月に予定されており、Ultralytics YOLOv5に公式のインスタンスセグメンテーションサポートが追加されます。また、今年後半には、分類、検出、セグメンテーションの3つのタスクすべてのアーキテクチャを更新するメジャーリリースv7.0が予定されています。
最新情報を常に把握し、このリリースの詳細を確認するには、YOLOv5 のオープンソース GitHub リポジトリをご覧ください。
