YOLOv5 ficou ainda mais forte na versão 6.1!

A Ultralytics tem o prazer de anunciar os mais recentes desenvolvimentos da nossa tecnologia emblemática YOLO (Olhas Só Uma Vez). Com o lançamento do YOLOv5 v6.1, aperfeiçoámos a arquitetura para a tornar mais simples, rápida e robusta. O nosso lançamento anterior, em outubro de 2021, lançou as bases para estes avanços, e agora temos orgulho em apresentar estas atualizações que melhoram a usabilidade e o desempenho do YOLO.

Atualizações importantes#

Eis as principais melhorias que vais encontrar no YOLOv5 v6.1:

• Suporte para TensorRT: Exportação, inferência e validação com TensorRT, utilizando python export.py --include engine (#5699 por @imyhxy). Este é um marco importante, pois o TensorRT da NVIDIA é um otimizador e ambiente de execução de inferência de aprendizagem profunda de alto desempenho, que oferece baixa latência e elevada capacidade de processamento para aplicações de aprendizagem profunda.
• Suporte para TensorFlow Edge TPU ⭐ NOVO: Exportação para Edge TPU em dispositivos Google Coral, utilizando python export.py --include edgetpu (#3630 por @zldrobit). Em conjunto com o modelo YOLOv5n mais pequeno (1.9M parâmetros), lançado na v6.0 e exportado para um ficheiro INT8 de apenas 2.1 MB, esta opção é particularmente adequada para soluções móveis ultraleves.
• Suporte para OpenVINO: Exportação para OpenVINO utilizando python export.py --include openvino. Com o OpenVINO, os modelos podem agora tirar partido de todo o potencial dos CPUs e das GPUs integradas da Intel para uma grande variedade de aplicações (#6057 por @glenn-jocher).
• Referências de desempenho de exportação: Introduzimos uma nova ferramenta de avaliação comparativa para medir o mAP (Precisão Média) e a velocidade em todos os formatos de exportação YOLOv5 com python utils/benchmarks.py --weights yolov5s.pt. Atualmente, a ferramenta funciona em CPUs e planeamos incluir avaliações em GPU em futuras atualizações (#6613 por @glenn-jocher).
• Hiperparâmetros: Fizemos um ajuste pequeno, mas crucial, aos nossos hiperparâmetros: em hyp-scratch-large.yaml, o fator da taxa de aprendizagem (lrf) foi reduzido de 0.2 para 0.1 (#6525 por @glenn-jocher).
• Treino: O agendador predefinido da taxa de aprendizagem (LR) foi atualizado para um agendador linear de ciclo único, substituindo o anterior agendador de ciclo único com cosseno, para melhorar os resultados do treino (#6729 por @glenn-jocher).

O YOLOv5 funciona agora oficialmente com 11 formatos, suportando não só a exportação, mas também a inferência com detect.py e PyTorch Hub, bem como a validação para avaliar o mAP e a velocidade:

• ✅ PyTorch
• ✅ TorchScript
• ✅ ONNX
• ✅ OpenVINO
• ✅ TensorRT
• ✅ CoreML
• ✅ TensorFlow SavedModel
• ✅ TensorFlow GraphDef
• ✅ TensorFlow Lite
• ✅ TensorFlow Edge TPU
• ✅ TensorFlow.js

IA para todos, em conjunto#

Na Ultralytics, somos motivados não só pelo desejo de liderar, mas também pela paixão de participar e contribuir para a comunidade. A família YOLOv5 tem sido fundamental no nosso percurso, apoiando-nos tanto nos triunfos como nos desafios. Esta atualização é uma conquista coletiva que representa o trabalho árduo de 271 PRs de 48 colaboradores. Mantemos o compromisso com a nossa missão de democratizar a IA, tornando-a acessível e operacional para todos.

Junta-te à revolução da IA para visão#

Estamos sempre à procura de talento para se juntar à nossa equipa e convidamos todos a colaborar nos nossos projetos de código aberto. Se te interessa juntar à nossa equipa de IA, consulta a nossa página de carreiras ou considera contribuir para o YOLOv5.

De entusiastas de IA à deteção de objetos mais popular de 2022#

Este ano, o nosso repositório Ultralytics/YOLOv5 alcançou um marco importante ao ultrapassar o pjreddie/darknet YOLOv3 de Joseph Redmon no número total de estrelas no GitHub, contando agora com mais de 22,4 mil estrelas. Isto demonstra a confiança e o entusiasmo da comunidade e motiva-nos a continuar a alargar os limites da IA para visão. Sentimo-nos profundamente honrados por dar continuidade ao legado de Só Olha Uma Vez.

Visita o nosso repositório do YOLOv5 no GitHub para obter informações completas sobre o novo lançamento e junta-te à vibrante comunidade de entusiastas da deteção de objetos com YOLO.

Descobre a magia do YOLO sem escrever código#

Mas há mais! Se és novo na visão computacional ou simplesmente preferes uma experiência sem código, o Ultralytics HUB é a tua porta de entrada. Descobre como utilizar o YOLO e a tecnologia de visão computacional com apenas alguns cliques. Sabe mais em Ultralytics HUB - A tua porta de entrada para a IA e começa a tua jornada na visão computacional.