O YOLOv5 ficou ainda mais potente na versão v6.1!

Como pioneira no domínio da visão computacional e da aprendizagem automática, a Ultralytics anuncia com entusiasmo os mais recentes desenvolvimentos da nossa tecnologia YOLO (Só precisas de olhar uma vez), a nossa principal tecnologia. Com o lançamento do YOLOv5 v6.1, aperfeiçoámos a nossa arquitetura para melhorar a simplicidade, a velocidade e a robustez, garantindo que a nossa tecnologia continua na vanguarda da inovação. O nosso último lançamento, em outubro de 2021, estabeleceu as bases para estes avanços e agora orgulhamo-nos de apresentar estas atualizações cruciais, que redefinem a usabilidade e o desempenho do YOLO.

Atualizações importantes#

Dando continuidade à nossa busca incansável pela excelência em IA de visão, estas são as melhorias revolucionárias que encontrarás no YOLOv5 v6.1:

• Suporte para TensorRT: Integração melhorada para exportações de modelos TensorFlow, Keras, TFLite e TF.js usando python export.py --include saved_model pb tflite tfjs (#5699 por @imyhxy). Este é um marco significativo, pois o TensorRT da NVIDIA é um otimizador e runtime de inferência de deep learning de alto desempenho, que proporciona baixa latência e elevado débito para aplicações de deep learning.
• Suporte para TensorFlow Edge TPU ⭐ NOVO: Apresentamos o novo modelo YOLOv5n mais pequeno (1.9M de parâmetros), que fica abaixo do YOLOv5s (7.5M de parâmetros) em termos de complexidade, mas se destaca pela capacidade de ser exportado para um tamanho INT8 de apenas 2.1 MB. Isto é particularmente ideal para soluções móveis ultraleves, levando a aprendizagem automática poderosa até à extremidade da tecnologia (#3630 por @zldrobit).
• Suporte para OpenVINO: Os modelos YOLOv5 ONNX são agora compatíveis. Com o OpenVINO, os modelos podem aproveitar todo o poder dos CPUs e GPUs integrados da Intel para uma grande variedade de aplicações (#6057 por @glenn-jocher).
• Benchmarks de exportação: Introduzimos uma nova ferramenta de benchmarking para avaliar o mAP (Precisão média média) e a velocidade em todos os formatos de exportação do YOLOv5 com python utils/benchmarks.py --weights yolov5s.pt. Atualmente a operar em CPUs, planeamos alargar esta funcionalidade para incluir benchmarks de GPU em atualizações futuras (#6613 por @glenn-jocher).
• Hiperparâmetros: Foi feita uma alteração pequena, 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 ciclo linear, substituindo o ciclo anterior com cosseno, para obter melhores resultados de treino (#6729 por @glenn-jocher).

Revelando todo o espectro do nosso suporte para diferentes formatos, o YOLOv5 funciona agora oficialmente com 11 formatos, suportando não só a exportação, mas também a inferência com detect.py e PyTorch Hub, além da validação para criar perfis de mAP e 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 apenas 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 um triunfo coletivo, que representa o trabalho árduo de 271 PRs de 48 novos contribuidores. Mantemo-nos empenhados na nossa missão de democratizar a IA, tornando-a acessível e operacional para todos.

Junta-te à revolução da IA de visão#

Estamos continuamente à procura de talento para se juntar à nossa equipa e convidamos à colaboração nos nossos projetos de código aberto. Se tens interesse em fazer parte da equipa de IA mais inovadora, explora a nossa página de carreiras ou considera contribuir para o YOLOv5.

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

Este ano, o nosso repositório Ultralytics/YOLOv5 alcançou um marco significativo 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 expandir os limites da IA de visão. Sentimo-nos profundamente honrados por dar continuidade ao legado Só precisas de olhar uma vez.

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

Experimenta a magia do YOLO sem código#

Mas há mais! Se estás a começar na visão computacional ou simplesmente preferes uma experiência sem código, o Ultralytics HUB é a tua porta de entrada. Descobre como tirar partido da tecnologia YOLO e de visão computacional com apenas alguns cliques simples. Sabe mais visitando Ultralytics HUB - A tua porta de entrada para a IA e inicia o teu percurso na visão computacional.