Ultralytics YOLOv5 v6.2로 분류 워크플로 간소화

YOLOv5가 객체 감지 기술의 최첨단을 새로운 수준으로 끌어올리고 있습니다! 새로운 분류 모델, 학습 재현성, Apple Metal Performance Shader (MPS) 지원부터 ClearML 및 Deci와의 통합까지, 새로운 YOLOv5 v6.2 릴리스를 소개합니다.

Ultralytics YOLOv5 주요 업데이트#

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

• 분류 모델: 이제 Ultralytics YOLOv5-cls ImageNet 사전 학습 분류 모델을 처음으로 사용할 수 있습니다.
• ClearML 로깅: 오픈 소스 실험 추적기 ClearML과 통합됩니다. pip install clearml로 설치하면 통합이 활성화되어 사용자가 모든 학습 실행을 ClearML에서 추적할 수 있습니다. 이를 통해 실행을 추적하고 비교할 수 있으며, 원격으로 실행을 예약할 수도 있습니다.
• GPU 내보내기 벤치마크: GPU 벤치마크에는 python utils/benchmarks.py --weights yolov5s.pt --device 0을 사용하고, CPU 벤치마크에는 --device CPU를 사용하여 모든 YOLOv5 내보내기 형식의 벤치마크(mAP 및 속도)를 수행할 수 있습니다.
• 학습 재현성: 이제 torch>=1.12.0을 사용하는 단일 GPU Ultralytics YOLOv5 학습을 완전히 재현할 수 있으며, 새로운 --seed 인수를 사용할 수 있습니다(기본 시드 seed=0).
• Apple Metal Performance Shader (MPS) 지원: --device mps를 사용하여 Apple M1/M2 디바이스에서 MPS를 지원합니다(pytorch/pytorch#77764의 torch 업데이트가 진행 중이므로 전체 기능 지원은 아직 제공되지 않습니다).

새로운 분류 모델#

이번 릴리스의 주요 목표는 기존 객체 감지 모델과 마찬가지로 간단한 YOLOv5 분류 워크플로를 도입하는 것입니다. 새로운 v6.2 YOLOv5-cls 모델은 시작 단계에 불과하며, 앞으로 기존 감지 모델과 함께 계속해서 개선해 나갈 예정입니다. 이 노력에 여러분의 기여를 기다립니다!

이번 릴리스에는 2022년 2월의 이전 릴리스 이후 41명의 기여자가 제출한 401개의 PR이 반영되었습니다. 분류 학습, 검증, 예측 및 내보내기(11개 형식 모두)를 추가했으며, ImageNet 사전 학습 YOLOv5m-cls, ResNet (18, 34, 50, 101) 및 EfficientNet (b0-b3) 모델도 제공합니다.

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

Ultralytics의 다음 계획은 무엇인가요?#

다음 릴리스인 v6.3은 2022년 9월로 예정되어 있으며, Ultralytics YOLOv5에 공식 인스턴스 세그멘테이션 지원을 추가합니다. 올해 후반에는 v7.0 주요 릴리스가 이어져 분류, 감지, 세그멘테이션의 3가지 모든 작업에 걸쳐 아키텍처가 업데이트될 예정입니다.

최신 정보를 확인하고 이번 릴리스에 대해 자세히 알아보려면 YOLOv5 오픈 소스 GitHub 저장소를 방문하세요.