Simplificando os fluxos de trabalho de classificação com Ultralytics YOLOv5 v6.2

O YOLOv5 continua ampliando o estado da arte em detecção de objetos. De novos modelos de classificação, reprodutibilidade do treinamento e suporte ao Apple Metal Performance Shader (MPS) a integrações com ClearML e Deci, veja as novidades da versão YOLOv5 v6.2.

Atualizações importantes do Ultralytics YOLOv5#

Desde a nossa versão anterior, lançada em fevereiro de 2022, temos trabalhado para aprimorar o YOLOv5. Estas são as atualizações mais importantes da versão mais recente, YOLOv5 v6.2:

• Modelos de classificação: Os modelos de classificação de imagens Ultralytics YOLOv5-cls pré-treinados no ImageNet estão disponíveis pela primeira vez.
• Registro no ClearML: Integração com o rastreador de experimentos de código aberto ClearML. A instalação com pip install clearml habilita a integração e permite acompanhar cada execução de treinamento no ClearML. Isso também permite acompanhar e comparar execuções e até mesmo agendá-las remotamente.
• Benchmarks de exportação para GPU: Compara (mAP e velocidade) todos os formatos de exportação do YOLOv5 com python utils/benchmarks.py --weights yolov5s.pt --device 0 para benchmarks de GPU ou --device cpu para benchmarks de CPU.
• Reprodutibilidade do treinamento: O treinamento do Ultralytics YOLOv5 com uma única GPU e torch>=1.12.0 agora é totalmente reproduzível, e um novo argumento --seed pode ser usado (padrão seed=0).
• Suporte ao Apple Metal Performance Shader (MPS): Suporte a MPS para dispositivos Apple M1/M2 com --device mps (a funcionalidade completa depende de atualizações do torch em pytorch/pytorch#77764).

Novos modelos de classificação#

Nosso principal objetivo com esta versão é introduzir fluxos de trabalho simples de classificação com o YOLOv5, assim como os dos nossos modelos de detecção de objetos existentes. Os novos modelos YOLOv5-cls v6.2 são apenas o começo; vamos continuar aprimorando-os, juntamente com os nossos modelos de detecção existentes. Adoraríamos contar com as tuas contribuições para esse trabalho!

Esta versão incorpora 401 PRs de 41 colaboradores desde nossa última versão, em fevereiro de 2022. Ela adiciona treinamento, validação, predição e exportação de classificação (para os 11 formatos) e também oferece os modelos YOLOv5m-cls, ResNet (18, 34, 50, 101) e EfficientNet (b0-b3) pré-treinados no ImageNet.

Treinamos os modelos de classificação Ultralytics YOLOv5-cls no ImageNet por 90 épocas usando uma instância 4xA100 e, para comparação, treinamos os modelos ResNet e EfficientNet com as mesmas configurações padrão de treinamento. Exportamos todos os modelos para ONNX FP32 para testes de velocidade em CPU e para TensorRT FP16 para testes de velocidade em GPU. Executamos todos os testes de velocidade no Google Colab Pro para facilitar a reprodução dos resultados.

O que vem a seguir para a Ultralytics?#

Nossa próxima versão, v6.3, está prevista para setembro de 2022 e trará suporte oficial à segmentação de instâncias no Ultralytics YOLOv5, seguida por uma grande versão v7.0 ainda este ano, com atualização das arquiteturas nas três tarefas: detecção, segmentação e classificação. (A segmentação de instâncias acabou chegando no YOLOv5 v7.0.)

Visita o nosso repositório de código aberto do YOLOv5 no GitHub para te manteres a par das novidades e saberes mais sobre esta versão.