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押し上げています！新しい分類モデル、学習の再現性、Apple Metal Performance Shader (MPS) のサポートから、ClearMLやDeciとの統合まで、新しいYOLOv5 v6.2リリースをお届けします。
Link to this sectionYOLOv5の重要なアップデート#
私たちは、2022年2月の最新リリース以来、皆様に愛されているYOLO Vision 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で事前学習済みのYOLOv5-cls分類モデルが、初めて利用可能になりました。
- ClearMLロギング： オープンソースの実験トラッカー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、ユーザーはあらゆる学習実行をClearMLで追跡できるようになります。これにより、ユーザーは実行の追跡と比較、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。
- 学習の再現性： torch>=1.12.0を使用したシングルGPUでのYOLOv5学習が完全に再現可能となり、新しい--seed引数が使用できるようになりました（デフォルト値 seed=0）。
- Apple Metal Performance Shader (MPS) サポート： --device mpsを使用してApple M1/M2デバイスでのMPSサポートを実現しました（完全な機能はpytorch/pytorch#77764のtorchアップデートを待機中です）。
Link to this section新しい分類モデル#
今回のリリースの主な目標は、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 YOLOv5-clsモデルは始まりに過ぎず、今後も既存の検出モデルと共に改善を続けていきます。この取り組みへの皆様の貢献を心よりお待ちしています！
本リリースには、2022年2月の前回リリース以降、41人のコントリビューターによる401件のPRが組み込まれています。分類の学習、検証、予測、およびエクスポート（全11フォーマット）が追加され、ImageNetで事前学習済みのYOLOv5m-cls、ResNet (18, 34, 50, 101)、EfficientNet (b0-b3) モデルが提供されます。
私たちは4xA100インスタンスを使用してImageNetでYOLOv5-cls分類モデルを90エポック学習させ、比較のためにResNetモデルとEfficientNetモデルも同じデフォルト学習設定で学習させました。すべてのモデルをCPU速度テスト用にONNX FP32に、GPU速度テスト用にTensorRT FP16にエクスポートしました。再現性を容易にするため、すべての速度テストはGoogle Colab Proで実行しました。
Link to this sectionUltralyticsの今後の予定#
次期リリースv6.3は2022年9月に予定されており、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、今年後半にはメジャーリリースv7.0を予定しており、分類、検出、セグメンテーションの全3タスクにわたってアーキテクチャが更新される予定です。
最新情報を確認し、今回のリリースに関する詳細を知るには、YOLOv5オープンソースGitHubリポジトリをご覧ください。
