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 ShaderMPS)のサポートから、ClearML 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 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 ImageNet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との統合 ClearML.pip installclearml インストールすると、統合が有効になり、ユーザーはClearMLすべてのトレーニング実行をtrack できるようになります。これにより、ユーザーは実行をtrack 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 --deviceCPU (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.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 サポート (完全な機能はpytorch 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v6.2YOLOv5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。また、ImageNetYOLOv5m-cls、ResNet (18, 34, 50, 101)、EfficientNet (b0-b3)モデルを提供します。

YOLOv5分類モデルをImageNet 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。  

Ultralytics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、YOLOv55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。