Encontro da comunidade da Ultralytics na China: o país com o maior interesse global em aprendizado de máquina

À medida que a tecnologia de visão computacional continua a evoluir, o foco da indústria também está mudando. No passado, as pessoas se preocupavam mais em saber se os modelos SOTA de laboratório eram avançados o suficiente. Hoje, porém, uma questão mais importante surgiu:

Como esses modelos podem ser verdadeiramente aplicados em cenários do mundo real? Como os projetos de visão AI podem passar de demonstrações para aplicações práticas, continuar a iterar e criar valor real?

Com estas perguntas em mente, a Ultralytics veio a Shenzhen para realizar o seu primeiro Meetup comunitário presencial na China. Através deste evento, esperávamos conectar-nos cara a cara com programadores chineses, parceiros da indústria e entusiastas da visão computacional, para falar sobre onde está o Ultralytics YOLO hoje e para onde a Ultralytics se dirige a seguir.

Fig 1. O fundador e CEO da Ultralytics, Glenn Jocher, a apresentar no nosso primeiro evento comunitário em Shenzhen.

Do Ultralytics YOLO para a Ultralytics Platform#

No passado, o Ultralytics YOLO era mais conhecido por ser rápido, prático e fácil de implantar. Seja para detecção de objetos, inspeção industrial, monitoramento de segurança ou tarefas de visão em tempo real em dispositivos de borda (edge devices), o YOLO tornou-se uma das ferramentas preferidas para muitos desenvolvedores que iniciam seus projetos de visão computacional.

Hoje, a Ultralytics está indo além de um único modelo em direção a uma plataforma completa de visão computacional que cobre gerenciamento de conjuntos de dados, treinamento, implantação, monitoramento e um ciclo de feedback para melhoria contínua.

As pessoas costumavam perguntar: O modelo é preciso? É rápido?

Agora, estamos mais focados em resolver uma questão mais ampla: como um projeto de visão AI pode realmente ser iniciado e executado, ser usado em cenários reais e continuar melhorando com o tempo?

Isto é o que a Ultralytics Platform visa alcançar: tornar a anotação de dados mais eficiente, o treino de modelos mais fácil, a implementação multiplataforma mais fluida e permitir que os programadores iterem continuamente nas suas aplicações de IA de visão.

Fig 2. Primeiro evento comunitário da Ultralytics em Shenzhen, China.

Ultralytics Platform: Tornando o fluxo de trabalho de visão AI mais completo#

Durante a sessão, o Glenn também apresentou várias capacidades principais da Ultralytics Platform, incluindo anotação automática, treino com um clique, implementação em vários formatos e a capacidade de melhorar continuamente os modelos através de dados de feedback.

Fig 3. O fundador e CEO da Ultralytics, Glenn Jocher, a apresentar no nosso primeiro evento comunitário em Shenzhen.

Para muitas equipes, construir um projeto de visão AI não se trata apenas de escolher um modelo. A verdadeira complexidade geralmente reside em questões como de onde os dados vêm, como devem ser anotados, como o modelo deve ser treinado e implantado, e como ele pode continuar a melhorar após o lançamento. Se essas etapas estiverem desconectadas, torna-se difícil para um projeto realmente entrar em produção.

A Ultralytics Platform conecta essas etapas, permitindo que os desenvolvedores concluam todo o fluxo de trabalho de forma mais fluida, dos dados ao modelo, do treinamento à implantação, e do lançamento ao feedback, sem precisar alternar constantemente entre diferentes ferramentas.

Hoje, a plataforma já contabiliza mais de 100 milhões de imagens carregadas, mais de 600 milhões de anotações e aproximadamente 40.000 a 50.000 conjuntos de dados.

Por trás destes números há um sinal claro: a procura por visão computacional é real e está a ir além da investigação e experimentação para a implementação prática em grande escala. A Ultralytics Platform dimensiona-se para atender a estas várias necessidades dos utilizadores - desde planos adequados para programadores individuais e equipas de investigação até ao licenciamento empresarial para organizações de grande escala.

Fig 4. Glenn Jocher descrevendo as principais tarefas de detecção suportadas pelo Ultralytics YOLO.

A comunidade chinesa é uma parte essencial do ecossistema global da Ultralytics#

O Glenn mencionou que a China é uma parte muito importante da comunidade de utilizadores da Ultralytics e pode ser um dos países com o maior número de pessoas a aprender machine learning e interessadas em machine learning.

Para a Ultralytics, a China não é apenas uma região com uma grande base de usuários, mas também uma comunidade altamente ativa com uma forte presença de desenvolvedores, diversos cenários de aplicação e um valioso feedback técnico.

Para que uma ferramenta seja amplamente adotada, apenas uma tecnologia forte não é suficiente. Documentação, comunidade, acessibilidade, experiência de implantação e suporte local precisam ser fluidos e confiáveis.

Vendo o foco real dos desenvolvedores na implantação de visão AI#

Durante a sessão de Q&A, os participantes levantaram muitas perguntas instigantes, dando-nos uma visão mais clara do que os desenvolvedores chineses realmente se preocupam quando se trata de trazer a visão computacional para aplicações do mundo real.

Um participante da AMD perguntou se a Ultralytics Platform suporta ambientes de treinamento privados ou locais. Esta também é uma preocupação fundamental para muitas empresas e equipes. Quando os projetos envolvem dados sensíveis, dados específicos do setor ou dados de negócios internos, privacidade, segurança e recursos de implantação local tornam-se especialmente importantes.

Glenn compartilhou que esta é uma direção que a equipe está discutindo ativamente. À medida que a visão AI é executada em mais dispositivos e ambientes de chip, o suporte ao ecossistema de hardware se tornará uma parte crítica da experiência de implantação do modelo.

Além dos casos de uso industrial, hardware e implantação, alguns participantes também perguntaram se o YOLO poderia ser usado para reconhecimento de estilo artístico ou se poderia suportar compreensão visual com consciência de IP.

Essas perguntas foram inspiradoras. Elas mostram que a imaginação em torno das aplicações YOLO não se limita mais à inspeção industrial tradicional, detecção de objetos e cenários de segurança. Ela agora está se expandindo para áreas mais amplas, como criação de conteúdo, compreensão de mídia e produção criativa.

Além disso, tópicos como pequenos dispositivos de borda, implantação offline e otimização de quantização também foram áreas-chave de interesse. Fica claro que os desenvolvedores se preocupam não apenas com o desempenho do modelo em si, mas também com a experiência prática geral de usar a visão AI.

Estas são exatamente as questões que a visão computacional deve abordar à medida que passa da pesquisa para aplicações no mundo real.

A visão computacional está entrando em uma nova fase#

Este evento nos deu uma forte noção de uma tendência clara:

A visão computacional está indo além da competição de modelos e entrando em uma nova fase de plataformização, produtização e desenvolvimento de ecossistemas.

Os pontos fortes principais do YOLO sempre foram velocidade, praticidade e facilidade de implantação. Hoje, a Ultralytics espera estender esses pontos fortes por todo o fluxo de trabalho, para que os desenvolvedores possam não apenas acessar modelos fortes, mas também gerenciar dados, treinar modelos, implantar aplicações e otimizar continuamente seus sistemas de visão AI com mais facilidade.

A comunidade de AI chinesa também está se tornando uma parte cada vez mais importante desta jornada. Ela tem uma grande base de desenvolvedores, cenários de aplicação ricos e uma forte paixão pelo aprendizado e pela prática. Olhando para o futuro, estamos empolgados em trabalhar com mais desenvolvedores chineses, parceiros corporativos e membros da comunidade para levar a visão computacional a uma gama mais ampla de aplicações do mundo real.

Como Glenn disse:

“Queremos que todos possam usar a visão computacional.”

Esta pode ser a melhor explicação do movimento da Ultralytics em direção a um futuro mais orientado por plataforma.