Упрощение рабочих процессов классификации с Ultralytics YOLOv5 v6.2

YOLOv5 поднимает планку в области обнаружения объектов на новую высоту! От новых моделей классификации, воспроизводимости обучения и поддержки Apple Metal Performance Shader (MPS) до интеграции с ClearML и Deci, мы представляем вам новый релиз YOLOv5 v6.2.

Важные обновления YOLOv5

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

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

Новые модели классификации

Наша главная цель этого релиза — представить простые рабочие процессы классификации YOLOv5, такие же, как и наши существующие модели обнаружения объектов. Новые модели v6.2 YOLOv5-cls — это только начало, мы продолжим улучшать их вместе с нашими существующими моделями обнаружения. Мы будем рады вашим вкладам в это начинание!

Этот релиз включает 401 PR от 41 участника с момента нашего последнего релиза в феврале 2022 года. Он добавляет обучение, валидацию, предсказание и экспорт классификации (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 экземпляр 4xA100, и 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 провели все тесты скорости в Google Colab Pro для простоты воспроизведения.  

Что дальше от Ultralytics?

Наш следующий релиз, v6.3, запланирован на сентябрь 2022 года и принесет официальную поддержку сегментации экземпляров в YOLOv5, а крупный релиз v7.0 позже в этом году обновит архитектуры для всех 3 задач — классификации, обнаружения и сегментации.

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