YOLO VISION 2022: A Nova Fronteira da IA de Visão

O nosso primeiro YOLO VISION aconteceu no dia 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 do YOLOv5 de todas as áreas.

Algo que tornou este evento especial foi a grande variedade de perfis dos oradores. Juntando-se a representantes de 18 empresas participantes, os oradores partilharam conhecimentos de todos os aspetos do processo de ML. Entre eles, estão as nossas empresas parceiras como a Comet, Deci, ClearML, Paperspace e Roboflow, bem como outras no espaço open-source, como as gigantes chinesas Baidu, Meituan e OpenMMLabs.

Link to this sectionRedefinindo o Estado da Arte com o YOLOv5#

Estás curioso sobre a história por trás da criação do YOLOv5 e a metodologia usada para I&D?

Mergulha nos detalhes da abordagem holística usada para escolher as melhores arquiteturas com Glenn Jocher, o nosso Fundador e CEO aqui na Ultralytics, e Ayush Chaurasia, o nosso Engenheiro de ML.

Grandes arquiteturas de modelos como o YOLOv5 são cruciais para obter resultados úteis em machine learning. Mas os modelos são tão bons quanto os seus datasets. Joseph Nelson, CEO e cofundador da nossa parceira Roboflow, demonstrou o impacto da qualidade dos datasets nos resultados de produção. Os conhecimentos baseiam-se em mais de 10.000 trabalhos de treino de visão e na comunidade open-source do Roboflow Universe, que conta com mais de 90.000 datasets.

Na sua sessão, o Joseph também destacou as principais diferenças entre investigação e produção que permitem aos programadores adaptar os seus datasets para obter resultados significativos mais rapidamente.

Aprende sobre a qualidade dos datasets e o seu impacto para levar o teu modelo de CV ao valor de produção!

Link to this sectionMelhores Práticas para Validar o teu Modelo de ML e Dados Antes da Implementação#

Hoje em dia, todas as peças de software tradicional passam por testes abrangentes de vários tipos antes da implementação, reduzindo significativamente o risco de falhas em produção.

Como podemos adaptar estas ideias ao mundo orientado para a estatística do ML?

Aishwarya Srinivasan, Cientista de Dados na Google e Open Source Developer Advocate na Deepchecks, fala sobre o entusiasmo por trás da criação de soluções capazes de resolver desafios do mundo real. Na Google, ela cria soluções de machine learning para casos de uso de clientes, tirando partido de produtos centrais da Google, incluindo TensorFlow, DataFlow e AI Platform.

A Aishwarya juntou-se a nós no YOLO VISION para discutir as melhores práticas e dicas práticas para testar e analisar extensivamente o teu modelo. Confere a sua palestra para aprender a diferença entre Testar Software e Testar ML.

Link to this sectionProjetos Open Source que Possibilitam o Futuro da IA de Visão Computacional#

Organizámos um painel inovador onde reunimos outros membros da família de arquiteturas YOLO, bem como outras arquiteturas de IA de visão open-source de topo no espaço.

Aqui, o YOLOv6 da Meituan, o MMDetection da OpenMMLab CN e o PaddlePaddle da Baidu, Inc. juntaram-se a nós e ao YOLOv5 da Ultralytics para discutir projetos open-source que possibilitam o futuro da IA de visão.

Foi a primeira vez que estes repositórios de topo de IA de visão partilharam o palco. Se perdeste este painel, vê este vídeo onde Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang e Yixin Shi discutiram as suas escolhas de frameworks, designs, a evolução da estrutura do repositório e muito mais!

Como diz o nosso CEO Glenn Jocher: “Todos nós pudemos aprender com as ferramentas e experiências uns dos outros.”

Link to this sectionOs 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, empresas e investigadores perdem fiabilidade do produto, horas de trabalho, desperdiçam armazenamento, computação e, mais importante, a capacidade de desbloquear todo o potencial dos seus dados.

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

O FastDup é uma ferramenta para obter insights de uma grande coleção de imagens. Pode encontrar anomalias, imagens duplicadas e quase duplicadas, clusters de semelhança e aprender o comportamento normal e as interações temporais entre as imagens. Pode ser usado para subamostragem inteligente de um dataset de maior qualidade, remoção de outliers e deteção de novidades de novas informações a serem enviadas para etiquetagem.

Especialista em análise de big data e machine learning em larga escala, Danny Bickson tem mais de 15 anos de experiência na indústria de alta tecnologia. Poderás conhecê-lo do Turi, uma plataforma de machine learning que cria produtos de análise de big data para os seus utilizadores. Em 2016, a Turi foi adquirida pela Apple, onde o Dr. Danny Bickson trabalhou como Diretor Sénior de Data Science durante vários anos.

Link to this sectionA Tua Porta de Entrada para a IA de Visão#

E finalmente, foi um prazer anunciar formalmente o lançamento da nossa Ultralytics Platform!

A Ultralytics Platform é a nossa solução no-code para treinar e implementar modelos de IA em três passos fáceis! Dá vida aos teus modelos escolhendo em que dados eles devem aprender.

Os nossos especialistas e criadores das ferramentas, Kalen Michael e Sergio Sánchez, levaram-nos numa visita guiada pela Ultralytics Platform e explicaram todas as funcionalidades. Sabe mais sobre a Ultralytics Platform e começa a criar os teus modelos gratuitamente!

Encontra todas as sessões gravadas no nosso canal do YouTube!

Estamos entusiasmados com a afluência ao YOLO VISION e felizes por criar um evento onde especialistas de todo o mundo se podem juntar para aprender sobre IA de visão; mantém-te atualizado connosco seguindo-nos nas redes sociais. Vemo-nos no próximo ano no YOLO VISION 2023!