Ultralytics YOLOv5 v6.2로 분류 워크플로우 간소화하기

YOLOv5은(는) 객체 검출의 최첨단 기술을 새로운 경지로 끌어올리고 있습니다! 새로운 분류 모델, 학습 재현성, Apple Metal Performance Shader (MPS) 지원부터 ClearML 및 Deci와의 통합에 이르기까지, 새로운 YOLOv5 v6.2 릴리스를 소개합니다.

중요한 Ultralytics YOLOv5 업데이트#

당사는 2022년 2월 최신 릴리스 이후 여러분이 즐겨 사용하는 YOLO Vision AI 아키텍처를 개선하기 위해 노력해 왔습니다. 다음은 최신 YOLOv5 v6.2의 가장 중요한 업데이트 내용입니다:

• 분류 모델: Ultralytics YOLOv5-cls ImageNet 사전 학습된 분류 모델을 이제 처음으로 사용할 수 있습니다.
• ClearML 로깅: 오픈소스 실험 추적기 ClearML과의 통합입니다. pip install clearml로 설치하면 통합이 활성화되어 사용자가 ClearML에서 모든 학습 실행을 추적할 수 있습니다. 이를 통해 사용자는 실행을 추적 및 비교하고 원격으로 실행을 예약할 수도 있습니다.
• GPU 내보내기 벤치마크: python utils/benchmarks.py --weights yolov5s.pt --device 0(GPU 벤치마크) 또는 --device CPU(CPU 벤치마크)를 사용하여 모든 YOLOv5 내보내기 형식에 대한 벤치마크(mAP 및 속도)를 수행할 수 있습니다.
• 학습 재현성: torch>=1.12.0을 사용한 단일 GPU Ultralytics YOLOv5 학습 이제 완전히 재현할 수 있으며, 새로운 --seed 인수를 사용할 수 있습니다(기본값 seed=0).
• Apple Metal Performance Shader (MPS) 지원: --device mps를 사용하는 Apple M1/M2 장치에 대한 MPS 지원(pytorch/pytorch#77764의 torch 업데이트 대기 중).

새로운 분류 모델#

이번 릴리스의 주요 목표는 기존 객체 검출 모델과 마찬가지로 간단한 YOLOv5 분류 워크플로를 도입하는 것입니다. 새로운 v6.2 YOLOv5-cls 모델은 시작에 불과하며, 당사는 기존 검출 모델과 함께 앞으로도 이러한 모델을 계속 개선해 나갈 것입니다. 이번 작업에 많은 기여를 부탁드립니다!

이번 릴리스에는 2022년 2월 마지막 릴리스 이후 41명의 기여자로부터 401개의 PR이 병합되었습니다. 분류 학습, 검증, 예측 및 내보내기(모든 11개 포맷으로) 기능이 추가되었으며, ImageNet 사전 학습된 YOLOv5m-cls, ResNet (18, 34, 50, 101) 및 EfficientNet (b0-b3) 모델도 제공됩니다.

당사는 4xA100 인스턴스를 사용하여 ImageNet에서 90 에포크 동안 Ultralytics YOLOv5-cls 분류 모델을 학습했으며, 비교를 위해 동일한 기본 학습 설정으로 ResNet 및 EfficientNet 모델을 함께 학습했습니다. 모든 모델을 CPU 속도 테스트를 위해 ONNX FP32로, GPU 속도 테스트를 위해 TensorRT FP16으로 내보냈습니다. 간편한 재현성을 위해 모든 속도 테스트를 Google Colab Pro에서 실행했습니다.

Ultralytics의 향후 계획은 무엇인가요?#

다음 릴리스인 v6.3은 2022년 9월로 예정되어 있으며 Ultralytics YOLOv5에 공식 인스턴스 세분화 지원을 제공할 예정이며, 올해 후반에 주요 v7.0 릴리스를 통해 분류, 감지, 세분화 등 3가지 모든 작업의 아키텍처가 업데이트됩니다.

최신 정보를 유지하고 이 릴리스에 대한 자세한 내용을 알아보려면 YOLOv5 오픈소스 GitHub 저장소를 방문하세요.