Ultralytics YOLOv5 v6.0 chegou!

A nossa atualização mais recente foi lançada a 12 de outubro de 2021 e é a primeira versão importante desde abril de 2021. A versão v6.0 traz melhorias significativas que reduzem os requisitos de memória durante o treino, aumentam a precisão durante a implementação e otimizam o desempenho em tempo de execução em toda a gama de modelos Ultralytics YOLOv5.

Gráfico de velocidade vs. precisão do Ultralytics YOLOv5 v6.0.

Para os engenheiros de ML e cientistas de dados, o resultado é que o YOLOv5 oferece agora uma solução de IA de visão mais poderosa e é ainda mais fácil de treinar e implementar do que nunca. Foram feitas várias atualizações às redes de base dos modelos com base nos resultados empíricos dos esforços de I&D da Ultralytics.

As alterações incluem novos módulos e melhorias nos módulos existentes, que, em conjunto, produzem modelos mais rápidos, mais pequenos e mais precisos.

Mas não teríamos conseguido fazê-lo sozinhos! Esta versão incorpora 465 PRs de 73 colaboradores de todo o mundo, que colaboraram para alargar os limites da IA. Consulta as nossas diretrizes de contribuição de código aberto se quiseres saber mais ou contribuir.

Esta versão inclui centenas de pequenas alterações que, em conjunto, fazem uma diferença real — são demasiadas para as descrever em detalhe, mas aqui ficam alguns dos principais destaques:

• Integração com Roboflow ⭐ NOVO: Treina modelos YOLOv5 diretamente com qualquer conjunto de dados Roboflow através da nossa nova integração! Esta integração estabelece uma ligação direta entre os teus conjuntos de dados Roboflow e os teus treinos YOLOv5. (#4975 por @Jacobsolawetz)
• Modelos YOLOv5n «Nano» ⭐ NOVO: Novo modelo YOLOv5n mais pequeno (1,9 M de parâmetros) do que o YOLOv5s (7,5 M de parâmetros), que pode ser exportado com um tamanho de 2,1 MB em INT8 e é ideal para soluções móveis ultraleves. (#5027 por @glenn-jocher)
• TensorFlow e Keras: A exportação de modelos TensorFlow, Keras, TFLite e TF.js está agora totalmente integrada no YOLOv5, facilitando a transição do treino para a implementação. (#1127 por @zldrobit)
• OpenCV DNN: Os modelos YOLOv5 ONNX são agora compatíveis com OpenCV DNN e ONNX Runtime, oferecendo aos utilizadores ainda mais opções de destino para a implementação. (#4833 por @jebastin-nadar)
• Arquitetura do modelo: As redes de base atualizadas são ligeiramente mais pequenas, mais rápidas e mais precisas, e requerem menos memória GPU durante o treino.

Considerações finais#

Pouco mais de um ano depois do lançamento do YOLOv5, a nossa tecnologia de ponta para deteção de objetos está a caminho de se tornar a IA de visão mais adorada do mundo. Com a ajuda de centenas de colaboradores e o feedback de milhares de utilizadores, estamos a criar ferramentas eficazes e fáceis de utilizar, e a nossa nova versão v6.0 é o próximo passo entusiasmante desta jornada. Visita o nosso repositório de código aberto no GitHub para começares hoje mesmo a utilizar o YOLOv5! Repositório do YOLOv5 no GitHub