YOLOv5 v6.1でさらに強力に！
YOLOv5 v6.1では、TensorRT、Edge TPU、OpenVINOへのエクスポート、エクスポートのベンチマーク、one-cycle線形LRスケジューラーが追加され、11種類のモデル形式に対応しました。
Nuvola Ladi4 分で読めます
Ultralyticsは、主力技術であるYOLO（「一度見ただけで認識」）の最新の進展を発表できることをうれしく思います。YOLOv5 v6.1のリリースでは、シンプルさ、速度、強度を高めるため、アーキテクチャを微調整しました。2021年10月の前回のリリースが今回の進歩の土台となり、このたびYOLOの使いやすさと性能を向上させるアップデートを発表できることを誇りに思います。
重要なアップデート#
YOLOv5 v6.1の主な機能強化をご紹介します。
- TensorRTのサポート：
python export.py --include engineを使用したTensorRTへのエクスポート、推論、検証（#5699 by @imyhxy）。NVIDIAのTensorRTは、ディープラーニングアプリケーションに低レイテンシと高スループットをもたらす高性能な推論オプティマイザー兼ランタイムであり、これは重要なマイルストーンです。 - TensorFlow Edge TPUのサポート ⭐ 新機能：
python export.py --include edgetpuを使用して、Google Coralデバイス向けにEdge TPUへエクスポートできます（#3630 by @zldrobit）。v6.0で導入された、より小型のYOLOv5n（パラメーター数1.9M）モデルと組み合わせると、わずか2.1 MBのINT8サイズでエクスポートできるため、超軽量モバイルソリューションに特に適しています。 - OpenVINOのサポート：
python export.py --include openvinoを使用してOpenVINOへエクスポートできます。OpenVINOを使うと、さまざまなアプリケーションでIntelのCPUと内蔵GPUの性能を最大限に活用できるようになります（#6057 by @glenn-jocher）。 - エクスポートのベンチマーク：
python utils/benchmarks.py --weights yolov5s.ptを使用し、YOLOv5のすべてのエクスポート形式についてmAP（平均適合率）と速度を評価する新しいベンチマークツールを導入しました。現在はCPUで動作しており、今後のアップデートでGPUベンチマークにも対応する予定です（#6613 by @glenn-jocher）。 - ハイパーパラメーター: 小規模ながら重要なハイパーパラメーターの調整を行い、hyp-scratch-large.yamlの学習率係数（lrf）を0.2から0.1に引き下げました（@glenn-jocherによる#6525）。
- トレーニング: トレーニング結果の改善に向けて、デフォルトの学習率（LR）スケジューラーを、従来のコサイン減衰を用いたone-cycle方式からone-cycle線形方式に変更しました（@glenn-jocherによる#6729）。
YOLOv5は現在、11種類の形式に正式対応しています。エクスポートだけでなく、detect.pyとPyTorch Hubを使った推論、およびmAPと速度を測定する検証にも対応しています。
- ✅ PyTorch
- ✅ TorchScript
- ✅ ONNX
- ✅ OpenVINO
- ✅ TensorRT
- ✅ CoreML
- ✅ TensorFlow SavedModel
- ✅ TensorFlow GraphDef
- ✅ TensorFlow Lite
- ✅ TensorFlow Edge TPU
- ✅ TensorFlow.js
すべての人にAIを届ける#
Ultralyticsを突き動かしているのは、単に業界をリードしたいという思いだけでなく、コミュニティに参加し、貢献したいという情熱です。YOLOv5ファミリーは私たちの歩みに欠かせない存在であり、成功と困難の両方を支えてきました。今回のアップデートは、48人の貢献者による271件のPRの努力を形にした、チーム全体の成果です。AIの民主化を使命に掲げ、誰もがAIを利用し、実際に運用できるよう取り組んでいます。
Vision AI革命に参加しましょう#
私たちは常にチームに加わる人材を探しており、オープンソースプロジェクトへの協力も歓迎しています。AIチームへの参加に関心がある方は、採用情報ページをご覧いただくか、YOLOv5への貢献をご検討ください。
AI愛好家から、2022年最も人気のある物体検出モデルへ#
今年、私たちのUltralytics/YOLOv5リポジトリは、GitHubスター数でJoseph Redmon氏のpjreddie/darknet YOLOv3を上回るという重要な節目を達成し、現在は22.4kを超えるスターを獲得しています。これはコミュニティから寄せられた信頼と熱意の証であり、Vision AIの限界をさらに押し広げる原動力となっています。You Only Look Onceのレガシーを引き継げることを、心から光栄に思います。
新しいリリースの詳細については、YOLOv5 GitHubリポジトリをご覧ください。また、YOLO物体検出を愛する活気あるコミュニティにぜひご参加ください。
コード不要でYOLOの魅力を体験#
さらに、コンピュータービジョンが初めての方や、コードを書かずに利用したい方には、Ultralytics HUBが最適な入り口です。数回クリックするだけでYOLOとコンピュータービジョン技術を活用する方法をご覧ください。Ultralytics HUB - AIへの入り口で詳細を確認し、コンピュータービジョンの活用を始めましょう。
執筆者
コメント
質問したり、結果を共有したり、ほかの人をサポートしたりできます。
