Ultralytics YOLOv5 v6.2로 분류 워크플로우 간소화하기

YOLOv5는 객체 감지 분야의 최신 기술을 새로운 차원으로 끌어올리고 있습니다! 새로운 분류 모델, 학습 재현성, Apple Metal Performance Shader(MPS) 지원부터 ClearML 및 Deci와의 통합까지, 새로운 YOLOv5 v6.2 릴리스를 선보입니다.

Link to this section주요 YOLOv5 업데이트#

저희는 2022년 2월의 최신 릴리스 이후 여러분이 선호하는 YOLO Vision AI 아키텍처를 개선하기 위해 노력해 왔습니다. 최신 YOLOv5 v6.2의 가장 중요한 업데이트는 다음과 같습니다:

• 분류 모델: 이제 ImageNet으로 사전 학습된 YOLOv5-cls 분류 모델을 처음으로 사용할 수 있습니다.
• ClearML 로깅: 오픈 소스 실험 추적 도구인 ClearML과의 통합을 지원합니다. pip install clearml로 설치하면 통합이 활성화되어 사용자가 모든 학습 실행을 ClearML에서 추적할 수 있습니다. 이를 통해 사용자는 실행을 추적 및 비교하고 원격으로 실행을 예약할 수 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 사용하는 단일 GPU YOLOv5 학습은 이제 완전히 재현 가능하며, 새로운 --seed 인수를 사용할 수 있습니다(기본값 seed=0).
• Apple Metal Performance Shader(MPS) 지원: --device mps를 사용하여 Apple M1/M2 장치에 대한 MPS 지원을 추가했습니다(전체 기능은 pytorch/pytorch#77764의 torch 업데이트를 기다리고 있습니다).

Link to this section새로운 분류 모델#

이번 릴리스의 주요 목표는 기존의 객체 감지 모델과 마찬가지로 간단한 YOLOv5 분류 워크플로를 도입하는 것입니다. 새로운 v6.2 YOLOv5-cls 모델은 시작일 뿐이며, 향후 기존 감지 모델과 함께 이를 지속적으로 개선할 예정입니다. 이 노력에 여러분의 기여를 기다립니다!

이번 릴리스에는 2022년 2월 마지막 릴리스 이후 41명의 기여자가 참여한 401개의 PR이 포함되었습니다. 분류 학습, 검증, 예측 및 내보내기(11개 모든 형식)가 추가되었으며, ImageNet으로 사전 학습된 YOLOv5m-cls, ResNet(18, 34, 50, 101) 및 EfficientNet(b0-b3) 모델이 제공됩니다.

저희는 4xA100 인스턴스를 사용하여 90 에포크 동안 ImageNet에서 YOLOv5-cls 분류 모델을 학습시켰으며, 비교를 위해 동일한 기본 학습 설정으로 ResNet 및 EfficientNet 모델을 함께 학습시켰습니다. 모든 모델을 CPU 속도 테스트를 위해 ONNX FP32로, GPU 속도 테스트를 위해 TensorRT FP16으로 내보냈습니다. 쉬운 재현성을 위해 모든 속도 테스트는 Google Colab Pro에서 실행되었습니다.

Link to this sectionUltralytics의 향후 계획은 무엇인가요?#

다음 릴리스인 v6.3은 2022년 9월로 예정되어 있으며 YOLOv5에 공식 인스턴스 세그멘테이션 지원을 제공할 예정입니다. 올해 말에는 v7.0 메이저 릴리스를 통해 분류, 감지, 세그멘테이션 등 3가지 작업 전반에 걸쳐 아키텍처를 업데이트할 계획입니다.

저희 YOLOv5 오픈 소스 GitHub 저장소를 방문하여 최신 소식을 확인하고 이 릴리스에 대해 더 자세히 알아보세요.