YOLO VISION 2022: A Nova Fronteira da IA de Visão

O nosso primeiro YOLO VISION realizou-se 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 do YOLOv5 de toda a linha.

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

Redefinindo o Estado da Arte com o Ultralytics YOLOv5#

Curioso sobre a história por trás da criação do Ultralytics YOLOv5 e a metodologia usada para P&D?

Mergulha nos detalhes da abordagem holística utilizada 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 Ultralytics YOLOv5 são cruciais para obter resultados úteis em aprendizado de máquina. Mas os modelos são tão bons quanto seus conjuntos de dados. Joseph Nelson, CEO e cofundador da nosso parceiro Roboflow, mostrou o impacto da qualidade dos dados nos resultados de produção. Os insights são baseados em mais de 10.000 tarefas de treinamento de visão e na comunidade de código aberto do Roboflow Universe com mais de 90.000 conjuntos de dados.

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!

Melhores 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 Defensora de Código Aberto na Deepchecks, fala sobre o puro entusiasmo por detrás da construção de soluções capazes de resolver desafios do mundo real. Na Google, ela cria soluções de aprendizagem automática para casos de uso de clientes, tirando partido de produtos principais 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.

Projetos 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.

Esta foi a primeira vez na história que estes principais repositórios de visão computacional partilharam o palco. Se perdeste este painel, vê este vídeo onde Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang e Yixin Shi discutiram a escolha 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.”

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, 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 a 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 aprendizagem automática em larga escala, Danny Bickson tem mais de 15 anos de experiência na indústria de alta tecnologia. Podes conhecê-lo da Turi, uma plataforma de aprendizagem automática 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 Gestor Sénior de Ciência de Dados durante vários anos.

A Tua Porta de Entrada para a IA de Visão#

E finalmente, foi um prazer para nós 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, guiaram-nos numa visita guiada pela Ultralytics Platform e explicaram todas as características e 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 para o ano no YOLO VISION 2023!