Упрощение рабочих процессов классификации с помощью Ultralytics YOLOv5 v6.2

YOLOv5 выводит современные методы обнаружения объектов на новый уровень! Начиная с новых моделей классификации, воспроизводимости обучения и поддержки Apple Metal Performance Shader (MPS) и заканчивая интеграцией с ClearML и Deci, мы представляем тебе новый релиз YOLOv5 v6.2.

Link to this sectionВажные обновления YOLOv5#

Мы работали над улучшением твоей любимой архитектуры YOLO Vision AI с момента нашего последнего релиза в феврале 2022 года. Вот самые важные обновления в последней версии YOLOv5 v6.2:

• Модели классификации: Модели классификации YOLOv5-cls, предварительно обученные на ImageNet, теперь доступны впервые.
• Логирование в ClearML: Интеграция с трекером экспериментов с открытым исходным кодом ClearML. Установка через pip install clearml включит интеграцию и позволит отслеживать каждый запуск обучения в ClearML. Это, в свою очередь, дает тебе возможность отслеживать, сравнивать запуски и даже планировать их удаленно.
• Бенчмарки экспорта для GPU: Проводи бенчмарки (mAP и скорость) всех форматов экспорта YOLOv5 с помощью python utils/benchmarks.py --weights yolov5s.pt --device 0 для GPU или --device CPU для CPU.
• Воспроизводимость обучения: Обучение YOLOv5 на одном GPU с torch>=1.12.0 теперь полностью воспроизводимо, также можно использовать новый аргумент --seed (по умолчанию seed=0).
• Поддержка Apple Metal Performance Shader (MPS): Поддержка MPS для устройств Apple M1/M2 с помощью --device mps (полная функциональность зависит от обновлений torch в pytorch/pytorch#77764).

Link to this sectionНовые модели классификации#

Наша главная цель в этом релизе — представить простые рабочие процессы классификации YOLOv5, такие же, как и для наших существующих моделей обнаружения объектов. Новые модели YOLOv5-cls версии v6.2 — это только начало, мы продолжим улучшать их в дальнейшем вместе с нашими существующими моделями обнаружения. Будем рады твоему вкладу в это дело!

Этот релиз включает 401 PR от 41 контрибьютора с момента нашего последнего выпуска в феврале 2022 года. Он добавляет классификацию для обучения, валидации, предсказания и экспорта (во все 11 форматов), а также предоставляет предварительно обученные на ImageNet модели YOLOv5m-cls, ResNet (18, 34, 50, 101) и EfficientNet (b0-b3).

Мы обучили модели классификации YOLOv5-cls на ImageNet в течение 90 эпох, используя инстанс 4xA100, а также обучили модели ResNet и EfficientNet с теми же настройками обучения по умолчанию для сравнения. Мы экспортировали все модели в ONNX FP32 для тестов скорости CPU и в TensorRT FP16 для тестов скорости GPU. Мы запустили все тесты скорости на Google Colab Pro для удобной воспроизводимости.

Link to this sectionЧто дальше от Ultralytics?#

Наш следующий релиз, v6.3, запланирован на сентябрь 2022 года и добавит официальную поддержку сегментации экземпляров в YOLOv5, а основной релиз v7.0 в конце этого года обновит архитектуры для всех 3 задач — классификации, обнаружения и сегментации.

Посети наш репозиторий YOLOv5 с открытым исходным кодом на GitHub, чтобы быть в курсе событий и узнать больше об этом релизе.