Ultralytics YOLOv5 v6.2による分類ワークフローの簡素化

YOLOv5は、物体検出の最先端技術を新たな高みへと押し上げます！新しい分類モデル、トレーニングの再現性、Apple Metal Performance Shader (MPS)のサポートから、ClearMLやDeliとの統合まで、新しいYOLOv5 v6.2リリースをご紹介します。

YOLOv5の重要なアップデート

2022年2月の最新リリース以来、YOLO Vision AIアーキテクチャの改良に取り組んできました。これらは、最新のYOLOv5 v6.2における最も重要なアップデートです：

• 分類モデル：YOLOv5-cls ImageNetで事前学習された分類モデルが初めて利用可能になった。
  ‍
• 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。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、ユーザーは実行を追跡して比較し、リモートで実行をスケジュールすることもできます。
  ‍
• 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) を使って、すべての YOLOv5 エクスポートフォーマットをベンチマーク (mAP とスピード) します。
  ‍
• トレーニングの再現性：torch>=1.12.0でのシングルGPU 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（デフォルトはseed=0）。
  ‍
• Apple Metal Performance Shader (MPS) サポート：デバイス mps で Apple M1/M2 デバイスの MPS をサポート (完全な機能はpytorch/pytorch#77764 の torch アップデート待ち)。

新しい分類モデル

このリリースの主な目的は、既存の物体検出モデルのように、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モデルはスタート地点に立ったに過ぎず、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。この取り組みへのあなたの貢献をお待ちしています！

このリリースには、前回のリリース（2022年2月）以来、41人のコントリビューターによる401件のPRが含まれています。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）が追加され、ImageNetで事前にトレーニングされたYOLOv5m-cls、ResNet (18, 34, 50, 101)、EfficientNet (b0-b3)モデルも提供されます。

YOLOv5-cls分類モデルをImageNetで4xA100インスタンスを使って90エポック学習させ、ResNetとEfficientNetモデルを同じデフォルト学習設定で並行して学習させ、比較した。すべてのモデルをCPUスピードテスト用にONNX FP32に、GPUスピードテスト用にTensorRT FP16にエクスポートしました。すべてのスピードテストは、再現性を容易にするためにGoogle Colab Pro上で実行しました。  

ウルトラリティクスの次は？

次のリリースであるv6.3は2022年9月に予定されており、YOLOv5にインスタンス・セグメンテーションの公式サポートを提供する。

YOLOv5オープンソースのGitHubリポジトリにアクセスし、最新情報を入手してください。