Ultralytics YOLOv5 v6.2로 분류 워크플로우 간소화

YOLOv5는 객체 감지 분야에서 최첨단을 새로운 차원으로 끌어올리고 있습니다! 새로운 분류 모델, 학습 재현성, Apple Metal Performance Shader (MPS) 지원에서 ClearML 및 Deci와의 통합에 이르기까지 새로운 YOLOv5 v6.2 릴리스를 소개합니다.

중요한 YOLOv5 업데이트

2022년 2월 최신 릴리스 이후로 여러분이 가장 좋아하는 YOLO Vision AI 아키텍처를 개선하기 위해 노력해 왔습니다. 다음은 최신 YOLOv5 v6.2의 가장 중요한 업데이트입니다.

• 분류 모델: YOLOv5-cls ImageNet 사전 학습 분류 모델을 이제 처음으로 사용할 수 있습니다.
  ‍
• ClearML 로깅: 오픈 소스 실험 추적기 ClearML과의 통합. pip install clearml로 설치하면 통합이 활성화되어 사용자가 ClearML에서 모든 학습 실행을 추적할 수 있습니다. 이를 통해 사용자는 실행을 추적 및 비교하고 실행을 원격으로 예약할 수도 있습니다.
  ‍
• GPU 내보내기 벤치마크: GPU 벤치마크의 경우 python utils/benchmarks.py --weights yolov5s.pt --device 0 또는 CPU 벤치마크의 경우 --device CPU를 사용하여 모든 YOLOv5 내보내기 형식(mAP 및 속도)을 벤치마크합니다.
  ‍
• 학습 재현성: torch>=1.12.0을 사용한 단일 GPU YOLOv5 학습은 이제 완전히 재현 가능하며 새로운 --seed 인수를 사용할 수 있습니다(기본 시드=0).
  ‍
• Apple Metal Performance Shader(MPS) 지원: --device mps를 사용하는 Apple M1/M2 장치에 대한 MPS 지원(전체 기능은 pytorch/pytorch#77764의 torch 업데이트를 기다리는 중).

새로운 분류 모델

이번 릴리스의 주요 목표는 기존 객체 감지 모델과 마찬가지로 간단한 YOLOv5 분류 워크플로를 도입하는 것입니다. 새로운 v6.2 YOLOv5-cls 모델은 시작에 불과하며 기존 감지 모델과 함께 앞으로도 계속 개선할 것입니다. 이 노력에 대한 여러분의 기여를 기다립니다!

이번 릴리스에는 2022년 2월 마지막 릴리스 이후 41명의 기여자가 제공한 401개의 PR이 통합되었습니다. 분류 훈련, 유효성 검사, 예측 및 내보내기(모든 11개 형식)가 추가되었으며 ImageNet 사전 훈련된 YOLOv5m-cls, ResNet(18, 34, 50, 101) 및 EfficientNet(b0-b3) 모델도 제공됩니다.

저희는 4xA100 인스턴스를 사용하여 ImageNet에서 YOLOv5-cls 분류 모델을 90 epoch 동안 훈련했으며, 비교를 위해 동일한 기본 훈련 설정을 사용하여 ResNet 및 EfficientNet 모델을 함께 훈련했습니다. CPU 속도 테스트를 위해 모든 모델을 ONNX FP32로, GPU 속도 테스트를 위해 TensorRT FP16으로 내보냈습니다. 쉬운 재현성을 위해 Google Colab Pro에서 모든 속도 테스트를 실행했습니다.  

Ultralytics의 다음 단계는 무엇입니까?

다음 릴리스인 v6.3은 2022년 9월에 예정되어 있으며 YOLOv5에 대한 공식 인스턴스 분할 지원을 제공하고, 올해 말에는 모든 3가지 작업(분류, 감지 및 분할)에서 아키텍처를 업데이트하는 주요 v7.0 릴리스가 있을 예정입니다.

YOLOv5 오픈 소스 GitHub 리포지토리를 방문하여 최신 정보를 확인하고 이 릴리스에 대해 자세히 알아보세요.