YOLO VISION 2022: A nova fronteira da IA da visão

O nosso primeiro YOLO VISION teve lugar a 27 de setembro de 2022. Desde a entrada da IA na indústria automóvel até à análise em tempo real da produção de fruta, ouvimos palestras inspiradoras de utilizadores YOLOv5 de todas as áreas.

Um fator que tornou este evento especial foi a grande variedade de antecedentes dos oradores. Juntando-se a representantes de 18 empresas participantes, os oradores apresentaram ideias sobre todos os aspectos do processo de ML. Entre elas, encontram-se as nossas empresas parceiras, tais como CometDeci, ClearML, Paperspacee Roboflowbem como outros no espaço de código aberto, como os gigantes chineses Baidu, Meituan e OpenMMLabs.

Redefinindo o estado da arte com o YOLOv5

Está a pensar na história por detrás da criação do YOLOv5 e na metodologia utilizada para a I&D?

Mergulhe nos detalhes da abordagem holística utilizada para escolher as melhores arquitecturas com Glenn Jocher, o nosso fundador e CEO da Ultralytics, e Ayush Chaurasia, o nosso engenheiro de ML.

Grandes arquitecturas de modelos como o YOLOv5 são cruciais para obter resultados úteis na aprendizagem automática. Mas os modelos são tão bons quanto os seus conjuntos de dados. Joseph Nelson, CEO e cofundador do nosso parceiro Roboflow, mostrou o impacto da qualidade do conjunto de dados nos resultados da produção. Os insights são informados por mais de 10.000 trabalhos de treinamento de visão e pela comunidade de código aberto do Roboflow Universe de mais de 90.000 conjuntos de dados.

Em sua sessão, Joseph também mostrou as principais diferenças entre pesquisa e produção que permitem aos desenvolvedores manipular seus conjuntos de dados para obter resultados significativos mais rapidamente.

Saiba mais sobre a qualidade do conjunto de dados e seu impacto em levar seu modelo de CV ao valor de produção!

Melhores Práticas para Validar seu Modelo de ML e Dados Antes da Implantação

Todo software tradicional hoje passa por testes abrangentes de vários tipos antes da implementação, reduzindo significativamente o risco de falhas na produção.

Como podemos adaptar estas ideias ao mundo da ML orientado estatisticamente?

Aishwarya Srinivasan, cientista de dados da Google e defensora de desenvolvedores de código aberto da Deepchecks, fala sobre a mera empolgação por trás da criação de soluções capazes de resolver desafios do mundo real. No Google, ela cria soluções de aprendizado de máquina para casos de uso de clientes, aproveitando os principais produtos Google , incluindo TensorFlow, DataFlow e AI Platform.

Aishwarya juntou-se a nós na YOLO VISION para discutir as melhores práticas e dicas práticas para testar e analisar extensivamente o seu modelo. Veja a sua palestra para saber a diferença entre Testar Software e Testar ML.

Projetos de Código Aberto que Habilitam o Futuro da IA de Visão Computacional

Organizámos um painel inovador em que reunimos outros membros da família de arquitetura YOLO , bem como outras arquitecturas de IA de visão de código aberto de topo no espaço.

Aqui, o YOLOv6 da Meituan, o MMDetection do OpenMMLab CN e o PaddlePaddle da Baidu, Inc. juntaram-se a nós como YOLOv5 da Ultralytics para discutir projectos de código aberto que permitem o futuro da IA de visão.

Esta foi a primeira vez que estes principais repositórios de visão de IA compartilharam o palco. Se você perdeu este painel, assista a este vídeo onde Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang e Yixin Shi discutiram sua escolha de frameworks, designs, a evolução da estrutura do repositório e muito mais!

Como diz nosso CEO Glenn Jocher, “Todos nós temos que aprender com as ferramentas e experiências uns dos outros.”

Os dados visuais estão a explodir

Os sistemas de gestão de dados visuais são deficientes em todos os aspetos: armazenamento, qualidade, pesquisa, análise e visualização. Como consequência, as empresas e os investigadores estão a perder fiabilidade do produto, horas de trabalho, desperdício de armazenamento, computação e, mais importante, a capacidade de desbloquear todo o potencial dos seus dados.

Nesta palestra, o Dr. Danny Bickson nos ensinou como resolver esse problema com sua popular ferramenta gratuita do GitHub, Fastdup.

O FastDup é uma ferramenta para obter insights de uma grande coleção de imagens. Ele pode encontrar anomalias, imagens duplicadas e quase duplicadas, clusters de similaridade e aprender o comportamento normal e as interações temporais entre as imagens. Ele pode ser usado para subamostragem inteligente de um conjunto de dados de alta qualidade, remoção de outliers e detecção de novidades de novas informações a serem enviadas para marcação.

Especialista em análise de big data e aprendizado de máquina em larga escala, Danny Bickson tem mais de 15 anos de experiência na indústria de alta tecnologia. Você pode conhecê-lo da Turi, uma plataforma de aprendizado de máquina que cria produtos de análise de big data para seus usuários. Em 2016, a Turi foi adquirida pela Apple, onde o Dr. Danny Bickson trabalhou como Gerente Sênior de Ciência de Dados por vários anos.

A Sua Porta de Entrada Para a Visão da IA

E, por fim, tivemos o prazer de anunciar formalmente o lançamento do nosso HUBUltralytics !

O Ultralytics HUB é a nossa solução sem código para treinar e implantar modelos de IA em três etapas fáceis! Dê vida aos seus modelos escolhendo os dados com os quais eles devem aprender.

Os nossos especialistas e criadores das ferramentas, Kalen Michael e Sergio Sánchez, conduziram-nos numa visita guiada ao Ultralytics HUB e explicaram-nos todas as caraterísticas e funcionalidades Saiba mais sobre o Ultralytics HUB e comece a criar os seus modelos gratuitamente!

Encontre todas as sessões gravadas no nosso canal do YouTube!

Estamos entusiasmados com a afluência ao YOLO VISION e satisfeitos por criar um evento onde especialistas de todo o mundo se podem juntar para aprender sobre a IA da visão. Vemo-nos no próximo ano no YOLO VISION 2023!

‍