Ultralytics YOLOv5 Export Competition受賞者
さまざまなデバイスにおけるAIモデルのデプロイの優れた事例を紹介する、Ultralytics YOLOv5 Export Competitionの受賞者をご覧ください。
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にすることを目標に、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つながっていることを大切にしており、ユーザーが作成する数多くのアプリケーションにいつも感銘を受けています。
締め切り#
コンペティションは2021年5月17日から2021年8月31日24:00 UTCまで開催されました。この日時以降はコンペティションが終了し、それ以降の提出物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日まで実施されました。私たちのチームは各提出物を徹底的に確認しました。
賞金総額$10000#
各カテゴリーの最優秀提出物には、そのカテゴリーの賞金全額であるUltralyticsからの$2000.00（2000.00 USD）が贈られました。
5つのカテゴリー#
素晴らしいコミュニティの協力により、Ultralytics YOLOv5モデルで最も一般的な実世界のデプロイシナリオを表す5つのカテゴリーを作成しました。これには、Jetson Nano、Raspberry Pi、Google Edge TPU、デスクトップCPU、Android Edgeデバイスが含まれます。
提出物#
参加者は提出物用の公開GitHubリポジトリを作成し、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、5つの公式EXPORTコンペティション提出スレッドのいずれかに提出物を直接投稿しました。これらのスレッドは公式提出物専用であったことに注意してください。一般的な質問やコメントは、このスレッドに直接投稿するか、新しいディスカッションで質問されました。提出物へのリンク:
コンペティションの受賞者#
慎重に検討した結果、Ultralytics YOLOv5モデルで最も一般的な実世界のデプロイシナリオを表す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、受賞者に賞品を発送しました。本日、最良のソリューションを皆さま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: $2000
Google Edge TPU#
賞金: $2000
Android#
賞金: $2000
Raspberry Pi#
賞金: $2000
受賞者なし *
Intel/AMD CPU#
賞金: $2000
受賞者なし *
*このカテゴリーの提出物は、各評価基準における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ーの受賞者は選出されませんでしたが、参加者が今後再び競争できる機会はあります。
受賞者の皆さま、おめでとうございます。ぜひ皆さまのリポジトリをご確認ください。
「Ultralytics YOLOv5ライブラリは素晴らしいです。ほぼ毎日更新され、モデルの動作も良く、ユーザーエクスペリエンスも継続的に改善されています。私の研究の多くは組み込みデバイスへのMLのデプロイに関するもので、以前からEdgeTPUを使っていたため、これは楽しそうなチャレンジだと思いました。」 Josh Veitch-Michaelis
Exportコンペティションに参加してくださった皆さまにも、心から感謝をお伝えしたいと思います。私たちは、オープンソースコミュニティに数多くの貴重なメンバーがいることを幸運に思っています。皆さま一人ひとりの貢献が、私たちのコミュニティを素晴らしいものにしています。
素晴らしい活動を続け、創造し続けてください！ 🚀
スコアリング#
Exportコンペティションの提出物は、エクスポート方法のシンプルさと再現性、ドキュメントの品質、エクスポートの品質、エクスポートされたモデルの速度と精度という複数の基準に基づいて審査されました。その後、これらの提出物はUltralyticsのチームとコミュニティからのフィードバックの両方によって採点されました。
エクスポートの品質（20%）#
最もシンプルなエクスポートは、ステップ数と必要な引数/パラメーター数が最も少なく、インポートするパッケージ数も最小限で、最小量のコードで実行できるものです。
ドキュメントの品質（20%）#
提出物はMarkdownの提出ファイルを使用して、十分にドキュメント化する必要があります。セットアップ/要件、各種設定/引数、エクスポート手順、該当する場合はデプロイ先環境のセットアップなど、各ステップを説明してください。
提出物の品質（20%）#
公式のyolov5s.ptモデルから始めて、エクスポートとデプロイのあらゆる側面を含める必要があります。Jetson Nanoのように特殊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、ドキュメント化する必要があります。Androidへのデプロイでは、Androidのリファレンスアプリも含める必要があります。提出物には、YOLOv5モデルを完全にエクスポートして使用するために必要なものを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、公式のYOLOv5 PyTorchモデルとほぼ同一の推論結果を返す必要があります（つまり、python detect.py --weights yolov5s.ptによる推論です）。デプロイされたソリューションの精度は、一般公開されていないUltralyticsの画像による保留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、ここで最高スコアを獲得します。
