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 do 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 empresas nossas parceiras, como a Comet, a Deci, a ClearML, a Paperspace e a Roboflow, bem como outras 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.

Na sua sessão, Joseph também apresentou as principais diferenças entre a investigação e a produção, que permitem aos programadores explorar os seus conjuntos de dados para obter resultados significativos mais rapidamente.

Saiba mais sobre a qualidade do conjunto de dados e o seu impacto na obtenção do valor de produção do seu modelo CV!

Melhores práticas para validar o seu modelo e dados de ML antes da implementação

Atualmente, cada software tradicional passa por testes exaustivos de vários tipos antes de ser implementado, reduzindo significativamente o risco de falhas na produção.

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

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 do 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.

Projectos de código aberto que permitem o futuro da visão computacional da IA

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 repositórios de IA de visão de topo partilharam o palco. Se perdeu este painel, veja este vídeo onde Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang e Yixin Shi discutiram a sua escolha de estruturas, designs, a evolução da estrutura do repositório e muito mais!

Como diz o nosso diretor executivo Glenn Jocher, "todos aprendemos 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 aspectos: armazenamento, qualidade, pesquisa, análise e visualização. Consequentemente, as empresas e os investigadores estão a perder a fiabilidade dos produtos, horas de trabalho, armazenamento desperdiçado, computação e, mais importante ainda, 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.

FastDup é uma ferramenta para obter informações de uma grande coleção de imagens. Pode encontrar anomalias, imagens duplicadas e quase duplicadas, grupos de semelhança e aprender o comportamento normal e as interações temporais entre imagens. Pode ser utilizado para subamostragem inteligente de um conjunto de dados de maior qualidade, remoção de anomalias e deteção de novidades de novas informações a enviar para marcação.

Especialista em análise de grandes volumes de dados e aprendizagem automática em grande escala, Danny Bickson tem mais de 15 anos de experiência no sector da alta tecnologia. Talvez o conheça da Turi, uma plataforma de aprendizagem automática que cria produtos de análise de grandes volumes de dados 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 sua porta de entrada para a visão da IA

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

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!

‍