분류 워크플로우를 간소화하는 Ultralytics YOLOv5 v6.2

YOLOv5 는 물체 감지의 최첨단 기술을 새로운 차원으로 끌어올리고 있습니다! 새로운 분류 모델, 훈련 재현성, Apple 금속 성능 셰이더MPS 지원, ClearML 및 Deci와의 통합에 이르기까지 새로운 YOLOv5 v6.2 릴리스를 소개합니다.

중요한 YOLOv5 업데이트

저희는 2022년 2월의 최신 릴리스 이후 여러분이 가장 선호하는 YOLO Vision AI 아키텍처를 개선하기 위해 노력해왔습니다. 다음은 최신 YOLOv5 v6.2의 가장 중요한 업데이트입니다:

• 분류 모델: YOLOv5 ImageNet 분류 모델을 처음으로 사용할 수 있습니다.
  ↪cf_200D↩
• ClearML 로깅: 오픈 소스 실험 트래커와의 통합 ClearML. pip install clearml 설치하면 통합이 활성화되고 사용자가 ClearML 모든 훈련 실행을 track 수 있습니다. 이를 통해 사용자는 실행을 track 및 비교하고 원격으로 실행을 예약할 수도 있습니다.
  ‍
• GPU 내보내기 벤치마크: 모든 YOLOv5 내보내기 형식의 벤치마크mAP 및 속도mAP 를 python utils/benchmarks.py --weights yolov5s.pt --device 0( GPU 벤치마크의 경우) 또는 --device CPU ( CPU 벤치마크의 경우)로 수행합니다.
  ↪f_200D↩
• 훈련 재현성: 이제 torch12.0을 사용한 GPU GPUYOLOv5 훈련이 완전히 재현 가능하며, 새로운 --seed 인수를 사용할 수 있습니다(기본 seed=0).
  ‍
• Apple 메탈 퍼포먼스 셰이더(MPS) 지원: Apple M1/M2 디바이스에 대한 mps 지원(전체 기능은 pytorch torch 업데이트 대기 중).

새로운 분류 모델

이번 릴리스의 주요 목표는 기존 오브젝트 탐지 모델과 마찬가지로 간단한 YOLOv5 분류 워크플로우를 도입하는 것입니다. 새로운 v6.2 YOLOv5 모델은 시작에 불과하며, 앞으로 기존 탐지 모델과 함께 지속적으로 개선해 나갈 것입니다. 이러한 노력에 여러분의 많은 기여를 부탁드립니다!

이번 릴리스에는 2022년 2월 마지막 릴리스 이후 41명의 기여자가 제공한 401개의 PR이 통합되었습니다. 분류 학습, 검증, 예측 및 내보내기(11개 형식 모두)가 추가되었으며, ImageNet YOLOv5m-cls, ResNet(18, 34, 50, 101) 및 EfficientNet(b0-b3) 모델도 제공합니다.

4xA100 인스턴스를 사용해 90개의 에포크에 대해 ImageNet YOLOv5 분류 모델을 훈련했으며, 동일한 기본 훈련 설정과 함께 ResNet 및 EfficientNet 모델을 훈련하여 비교했습니다. CPU 속도 테스트를 위해 모든 모델을 ONNX FP32로 내보냈고, GPU 속도 테스트를 위해 TensorRT FP16으로 내보냈습니다. 재현성을 높이기 위해 모든 속도 테스트는 Google Colab Pro에서 실행했습니다.  

Ultralytics 다음 단계는 무엇인가요?

다음 릴리즈인 v6.3은 2022년 9월에 출시될 예정이며, YOLOv5 공식 인스턴스 세분화를 지원하고, 올해 말에는 분류, 탐지, 세분화의 3가지 작업 모두에 걸쳐 아키텍처를 업데이트하는 v7.0을 대대적으로 릴리즈할 예정입니다.

이번 릴리스에 대한 최신 정보를 확인하고 자세히 알아보려면 YOLOv5 오픈소스 GitHub 리포지토리를 방문하세요.