Ultralytics YOLOv5 Export Competitionの受賞者

誰もが最高のビジョンAIモデルを簡単にトレーニングしてデプロイできるよう、初のUltralytics YOLOv5エクスポートコンペティションを開催しました。オープンソースコミュニティのメンバーとの交流を大切にしており、ユーザーが生み出す多様な活用事例にいつも感銘を受けています。

締め切り#

コンペティションの開催期間は、2021年5月17日から2021年8月31日24:00 UTCまででした。この日以降、コンペティションは終了し、それ以降の応募は賞金の対象外となりました。

評価#

評価は2021年9月1日から2021年9月16日まで行われました。チームがすべての応募内容を詳しく確認しました。

賞金総額10,000ドル#

各カテゴリの最優秀作品には、そのカテゴリの賞金総額である2,000.00ドル（2,000.00 USD）がUltralyticsから贈られました。

5つのカテゴリー#

素晴らしいコミュニティの協力を得て、Ultralytics YOLOv5モデルで人気の高い実環境デプロイシナリオを代表する5つのカテゴリーを設けました。Jetson Nano、Raspberry Pi、Google Edge TPU、デスクトップCPU、Android Edgeデバイスが対象です。

応募作品#

参加者は応募作品の公開GitHubリポジトリを作成し、作品にオープンソースライセンスを適用したうえで、コミュニティが投票できるよう、公式のEXPORT Competition応募スレッド5件のいずれかに直接投稿しました。これらのスレッドは公式応募専用でした。一般的な質問やコメントは、このスレッドまたは新しいディスカッションで直接投稿してください。応募作品へのリンク：

1. NVIDIA Jetson Nano

2. Google Edge TPU

3. Raspberry Pi

4. Intel/AMD CPU

5. Android

コンペティションの受賞者#

慎重に検討した結果、Ultralytics YOLOv5モデルで人気の高い実環境デプロイシナリオを代表する5つのカテゴリーそれぞれの受賞者を決定しました。すべての参加者に個別に連絡し、その後、受賞者に賞金を支給しました。本日、優れたソリューションを皆さんにようやくご紹介できることをうれしく思います。

NVIDIA Jetson Nano#

賞金：2,000ドル

Alexander Mamaev

Google Edge TPU#

賞金：2,000ドル

Josh Veitch-Michaelis

Android#

賞金：2,000ドル

Yasuhiro Nitta

Raspberry Pi#

賞金：2,000ドル

受賞者なし *

Intel/AMD CPU#

賞金：2,000ドル

受賞者なし *

*このカテゴリの応募作品は、各評価基準に定められた最低要件を満たしていませんでした。そのため、今回はこのカテゴリの受賞者を選出しませんでした。ただし、今後も参加者が再び競い合う機会があります。

受賞者の皆さん、おめでとうございます。ぜひリポジトリをご覧ください。

「Ultralytics YOLOv5ライブラリは素晴らしいです。ほぼ毎日更新され、モデルの性能も優れており、ユーザーエクスペリエンスも継続的に向上しています。私の研究では組み込みデバイスへのMLのデプロイを多く扱っており、以前EdgeTPUを使ったことがあったので、これは楽しそうなチャレンジだと思いました。」 Josh Veitch-Michaelis

Export Competitionに参加してくださった皆さんにも、心から感謝します。オープンソースコミュニティに多くの貴重なメンバーがいることを幸運に思います。皆さん一人ひとりの貢献が、素晴らしいコミュニティを形作っています。

素晴らしい創作を続けてください。

採点#

Export Competitionの応募作品は、エクスポート方法の簡潔さと再現性、ドキュメントの品質、エクスポートの品質、エクスポート後のモデルの速度と精度など、複数の基準に基づいて審査されました。その後、Ultralyticsのチームによる評価とコミュニティからのフィードバックの両方をもとに採点しました。

エクスポートの品質（20%）#

最も優れたエクスポート方法は、手順と引数・パラメーターの数が最小限で、インポートするパッケージが最も少なく、必要なコードも最小限で実行できます。

ドキュメントの品質（20%）#

応募作品は、Markdown形式の応募ファイルを使って十分に文書化してください。セットアップや要件、設定や引数、エクスポート手順、該当する場合はデプロイ環境のセットアップなど、各手順を説明する必要があります。

応募作品の品質（20%）#

公式のyolov5s.ptモデルから始まる、エクスポートとデプロイのあらゆる要素を含める必要があります。Jetson Nanoのように特別な要件が必要な環境では、すべてのパッケージやDockerイメージを提供し、文書化してください。Androidへのデプロイの場合は、Androidのリファレンスアプリも含めてください。応募作品には、YOLOv5モデルの完全なエクスポートと使用に必要なものを100%含める必要があります。

デプロイ済みモデルの速度と精度（40%）#

デプロイ済みモデルは、公式YOLOv5 PyTorchモデル（例：python detect.py --weights yolov5s.ptによる推論）とほぼ同一の推論結果を返す必要があります。デプロイしたソリューションの精度は、一般公開されていないUltralytics画像のホールドアウトテストセットで分析されます。速度も非常に重要であり、最速のデプロイソリューションが大幅に優遇されます。 Androidでは、GPU、NNAPI、Hexagonデリゲートへのエクスポートが最高得点の対象となります。