Ultralytics YOLOv5 v6.2で分類ワークフローをシンプルに
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含む、新しいYOLOv5 v6.2リリースをご紹介します。
YOLOv5は、物体検出における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、トレーニングの再現性、Apple Metal パフォーマンスシェーダー (MPS) のサポートから、ClearMLおよびDeciとの統合まで、新しいYOLOv5 v6.2リリースをご紹介します。
Ultralytics YOLOv5の重要なアップデート#
2022年2月の最新リリース以降、皆様にご利用いただいているYOLO Vision AIアーキテクチャの改善に取り組んできました。今回のYOLOv5 v6.2の主な更新内容は次のとおりです。
- 分類モデル: Ultralytics YOLOv5-clsのImageNet事前学習済み分類モデルが、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、ユーザーはすべてのトレーニング実行をClearMLで追跡できるようになります。これにより、実行結果の追跡と比較だけでなく、実行のリモートスケジュールも可能になります。
- GPUエクスポートベンチマーク: GPUベンチマークにはpython utils/benchmarks.py --weights yolov5s.pt --device 0を、CPUベンチマークには--device CPUを使用して、すべてのYOLOv5エクスポート形式のベンチマーク（mAPと速度）を実行できます。
- トレーニングの再現性: torch>=1.12.0を使用した単一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 パフォーマンスシェーダー (MPS) サポート: --device mpsによるApple M1/M2デバイス向けのMPSサポートです（完全な機能の利用には、pytorch/pytorch#77764におけるtorchの更新が必要です）。
新しい分類モデル#
今回のリリースにおける主な目標は、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のYOLOv5-clsモデルはまだ始まりにすぎず、今後も既存の検出モデルとともに継続的に改善していきます。この取り組みへの皆様の貢献をお待ちしています。
今回のリリースには、2022年2月の前回リリース以降、41名のコントリビューターによる401件のPRが取り込まれています。分類のトレーニング、検証、予測、エクスポート（11種類すべて）に対応し、ImageNet事前学習済みのYOLOv5m-cls、ResNet（18、34、50、101）、EfficientNet（b0～b3）モデルも提供します。
Ultralytics YOLOv5-cls分類モデルは、4xA100インスタンスを使用してImageNetで90エポック学習しました。また、比較のため、同じデフォルトのトレーニング設定でResNetおよびEfficientNetモデルも併せて学習しました。CPU速度テスト用にすべてのモデルをONNX FP32へ、GPU速度テスト用にTensorRT FP16へエクスポートしました。再現を容易にするため、すべての速度テストはGoogle Colab Proで実行しました。
Ultralyticsの次の展開#
次回リリースのv6.3は2022年9月に予定されており、Ultralytics 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追加します。その後、今年後半に予定されているメジャーリリースv7.0では、分類、検出、セグメンテーションという3つすべてのタスクにわたってアーキテクチャを更新します。
YOLOv5のオープンソースGitHubリポジトリにアクセスして、最新情報を確認し、このリリースの詳細をご覧ください。
