YOLOv5 v6.1에서 더욱 강력해졌습니다!
YOLOv5 v6.1에는 TensorRT, Edge TPU, OpenVINO 내보내기와 내보내기 벤치마크, 원사이클 선형 LR 스케줄러가 추가되었으며, 11가지 모델 형식을 지원합니다.
Nuvola Ladi3 분 읽기
Ultralytics는 주력 기술인 YOLO(You Only Look Once)의 최신 개발 사항을 발표하게 되어 기쁩니다. YOLOv5 v6.1 릴리스에서는 아키텍처를 세밀하게 조정해 단순성, 속도, 성능을 향상했습니다. 2021년 10월의 이전 릴리스는 이러한 발전의 기반을 마련했으며, 이번에는 YOLO의 사용성과 성능을 개선하는 업데이트를 선보입니다.
주요 업데이트#
YOLOv5 v6.1의 주요 개선 사항은 다음과 같습니다.
- TensorRT 지원:
python export.py --include engine을 사용한 TensorRT 내보내기, 추론 및 검증 기능입니다(#5699, @imyhxy 제공). NVIDIA의 TensorRT는 딥러닝 애플리케이션에 짧은 지연 시간과 높은 처리량을 제공하는 고성능 딥러닝 추론 최적화 도구이자 런타임으로, 이번 지원은 중요한 이정표입니다. - TensorFlow Edge TPU 지원 ⭐ 신규:
python export.py --include edgetpu을 사용해 Google Coral 디바이스용 Edge TPU로 내보내는 기능입니다(#3630, @zldrobit 제공). v6.0에서 소개된 더 작은 YOLOv5n(매개변수 190만 개) 모델은 단 2.1MB의 INT8 크기로 내보낼 수 있어 초경량 모바일 솔루션에 특히 적합합니다. - OpenVINO 지원:
python export.py --include openvino을 사용한 OpenVINO 내보내기 기능입니다. OpenVINO를 사용하면 다양한 애플리케이션에서 Intel CPU와 통합 GPU의 성능을 최대한 활용할 수 있습니다(#6057, @glenn-jocher 제공). - 내보내기 벤치마크:
python utils/benchmarks.py --weights yolov5s.pt을 사용해 모든 YOLOv5 내보내기 형식에서 mAP(평균 정밀도)와 속도를 평가하는 새로운 벤치마크 도구를 도입했습니다. 현재 CPU에서 실행되며, 향후 업데이트에서 GPU 벤치마크도 포함하도록 확장할 계획입니다(#6613, @glenn-jocher 제공). - 하이퍼파라미터: 사소하지만 중요한 하이퍼파라미터 조정이 있었습니다. hyp-scratch-large.yaml의 학습률 계수(lrf)를 0.2에서 0.1로 낮췄습니다(#6525, @glenn-jocher 기여).
- 학습: 학습 결과를 개선하기 위해 기본 Learning Rate(LR) 스케줄러를 기존의 코사인 방식이 적용된 원사이클에서 원사이클 선형 방식으로 업데이트했습니다(#6729, @glenn-jocher 기여).
이제 YOLOv5는 11개 형식을 공식 지원합니다. 내보내기뿐 아니라 detect.py와 PyTorch Hub를 사용한 추론, mAP와 속도 프로파일링을 위한 검증도 지원합니다.
- ✅ PyTorch
- ✅ TorchScript
- ✅ ONNX
- ✅ OpenVINO
- ✅ TensorRT
- ✅ CoreML
- ✅ TensorFlow SavedModel
- ✅ TensorFlow GraphDef
- ✅ TensorFlow Lite
- ✅ TensorFlow Edge TPU
- ✅ TensorFlow.js
모두를 위한 AI, 함께 만들어 갑니다#
Ultralytics는 단순히 선도하려는 열망을 넘어 커뮤니티에 참여하고 기여하려는 열정으로 나아갑니다. YOLOv5 제품군은 성공과 어려움을 함께 헤쳐 나가는 여정에서 중요한 역할을 해 왔습니다. 이번 업데이트는 48명의 기여자가 참여한 271개의 PR이 이뤄 낸 공동의 성과로, 모두가 AI를 쉽게 이용하고 운영할 수 있도록 AI를 민주화한다는 사명에 대한 저희의 약속을 보여줍니다.
Vision AI 혁명에 함께하세요#
저희는 함께할 인재를 꾸준히 찾고 있으며 오픈 소스 프로젝트에 대한 협업도 환영합니다. AI 팀에 합류하는 데 관심이 있다면 채용 페이지를 확인하거나 YOLOv5에 기여해 보세요.
AI 애호가에서 2022년 가장 인기 있는 객체 탐지 모델까지#
올해 Ultralytics/YOLOv5 저장소는 GitHub 스타 수에서 Joseph Redmon의 pjreddie/darknet YOLOv3를 앞지르는 중요한 이정표를 세웠으며, 현재 스타 수는 22.4k를 넘어섰습니다. 이는 커뮤니티의 신뢰와 열정을 보여 주는 증거이며, Vision AI의 한계를 계속 넓혀 나가도록 동기를 부여합니다. 한 번만 보면 된다라는 유산을 이어가게 되어 매우 영광입니다.
새 릴리스에 대한 자세한 내용은 YOLOv5 GitHub 저장소를 방문하고, YOLO 객체 탐지 애호가들의 활발한 커뮤니티에 참여해 보세요.
코드 없이 YOLO의 매력을 경험해 보세요#
더 많은 내용이 있습니다! 컴퓨터 비전을 처음 접하거나 코드 없는 경험을 선호한다면 Ultralytics HUB를 이용해 보세요. 몇 번의 클릭만으로 YOLO와 컴퓨터 비전 기술을 활용하는 방법을 알아보세요. Ultralytics HUB - AI로 향하는 관문을 방문해 컴퓨터 비전 여정을 시작하세요.
작성자
댓글
질문하거나 결과를 공유하거나 다른 사람을 도와주세요.
