Основные моменты первой встречи Ultralytics в Шэньчжэне: эволюция Ultralytics YOLO в полноценную платформу компьютерного зрения и перспективы развития китайского сообщества ИИ.
По мере развития технологий компьютерного зрения меняется и фокус внимания отрасли. Раньше большее значение придавалось тому, насколько передовыми были лабораторные модели SOTA. Сегодня же на первый план выходит более важный вопрос:
Как эти модели можно реально применять в реальных условиях? Как проекты в области визуального ИИ могут перейти от демонстрационных версий к практическому применению, продолжать совершенствоваться и приносить реальную пользу?
С учетом этих вопросов Ultralytics в Шэньчжэнь, чтобы провести свою первую офлайн-встречу сообщества в Китае. В рамках этого мероприятия мы надеялись лично пообщаться с китайскими разработчиками, партнерами по отрасли и энтузиастами компьютерного зрения, чтобы обсудить, в каком направлении Ultralytics YOLO находится сегодня и куда Ultralytics в будущем.
РаньшеYOLO Ultralytics YOLO известна прежде всего своей скоростью, практичностью и простотой внедрения. Будь то обнаружение объектов, промышленный контроль, мониторинг безопасности или задачи компьютерного зрения в режиме реального времени на периферийных устройствах — YOLO одним из основных инструментов для многих разработчиков, приступающих к реализации своих проектов в области компьютерного зрения.
Сегодня Ultralytics за рамки одной модели и Ultralytics в полноценную платформу компьютерного зрения, которая охватывает управление наборами данных, обучение, внедрение, мониторинг и цикл обратной связи для постоянного совершенствования.
Раньше люди спрашивали: «Насколько точна эта модель? Насколько она быстрая?»
Сейчас мы сосредоточены на решении более широкой задачи: как проект в области визуального ИИ может быть реально запущен, применяться в реальных условиях и со временем совершенствоваться?
Ultralytics ставит перед собой следующие цели: повысить эффективность аннотирования данных, упростить обучение моделей, оптимизировать развертывание на различных платформах, а также предоставить разработчикам возможность непрерывно совершенствовать свои приложения в области визуального искусственного интеллекта.
В ходе сессии Гленн также рассказал о нескольких ключевых функциях Ultralytics , в том числе об автоматической аннотации, обучении в один клик, развертывании в различных форматах и возможности постоянного совершенствования моделей на основе данных обратной связи.
Для многих команд создание проекта в области визуального ИИ — это не просто выбор модели. Настоящая сложность зачастую заключается в таких вопросах, как источники данных, порядок их аннотирования, методы обучения и развертывания модели, а также возможности её дальнейшего совершенствования после запуска. Если эти этапы не будут согласованы между собой, проекту будет сложно действительно выйти на этап внедрения.
Ultralytics объединяет все эти этапы, позволяя разработчикам более плавно проходить весь рабочий процесс — от данных до модели, от обучения до развертывания и от запуска до получения отзывов — без необходимости постоянно переключаться между различными инструментами.
На сегодняшний день на платформе уже размещено более 100 миллионов изображений, более 600 миллионов аннотаций и примерно от 40 000 до 50 000 наборов данных.
За этими цифрами скрывается явный сигнал: спрос на технологии компьютерного зрения вполне реальный, и они переходят из сферы исследований и экспериментов в область более масштабного практического применения.
Что касается коммерческой стороны, Ultralytics рассказала о тарифных планах, разработанных с учетом различных потребностей пользователей, включая тарифный план «Grow» стоимостью 29 долларов в месяц, варианты корпоративного лицензирования, а также привела примеры успешного применения платформы такими компаниями, как Amazon и Siemens. Эти примеры демонстрируют, что Ultralytics предназначена для пользователей разного уровня — от отдельных разработчиков и исследовательских групп до корпоративных клиентов.
Гленн отметил, что Китай занимает очень важное место в сообществеUltralytics и, возможно, является одной из стран с наибольшим количеством людей, изучающих машинное обучение и интересующихся этой темой.
Для Ultralytics Китай — это не только регион с обширной базой пользователей, но и чрезвычайно активное сообщество, отличающееся значительным числом разработчиков, разнообразными сценариями применения и ценными техническими отзывами.
Чтобы инструмент получил широкое распространение, одной только передовой технологии недостаточно. Документация, сообщество, доступность, опыт внедрения и локальная поддержка — все это должно работать бесперебойно и надежно.
Именно поэтому Ultralytics планирует и дальше укреплять свое присутствие на китайском рынке, в том числе путем формирования местной команды, повышения доступности, оптимизации системы дистрибуции и максимального устранения барьеров, связанных с использованием VPN.
Во время сессии вопросов и ответов участники задали множество глубоких вопросов, что позволило нам лучше понять, что действительно важно для китайских разработчиков при внедрении технологий компьютерного зрения в реальные приложения.
Один из участников от компании AMD поинтересовался, поддерживает ли Ultralytics частные или локальные среды обучения. Это также является ключевым вопросом для многих компаний и команд. Когда в проектах используются конфиденциальные данные, отраслевые данные или внутренние бизнес-данные, вопросы конфиденциальности, безопасности и возможности локального развертывания приобретают особую важность. Участник также поинтересовался, Ultralytics ли Ultralytics в будущем расширить поддержку оборудования AMD.
Гленн сообщил, что команда активно обсуждает это направление. По мере того как технологии визуального ИИ будут внедряться на все большем числе устройств и чип-платформ, поддержка аппаратной экосистемы станет ключевым элементом процесса развертывания моделей.
Помимо вопросов, касающихся промышленных применений, аппаратного обеспечения и внедрения, некоторые участники также поинтересовались, YOLO использовать YOLO для распознавания художественных стилей или может ли эта система способствовать визуальному пониманию с учетом интеллектуальной собственности.
Эти вопросы были вдохновляющими. Они показывают, что возможности YOLO больше не ограничиваются традиционными задачами промышленного контроля, распознавания объектов и обеспечения безопасности. Сейчас они расширяются на более широкие области, такие как создание контента, анализ медиа-материалов и творческое производство.
Кроме того, в числе ключевых тем интереса были такие вопросы, как небольшие периферийные устройства, автономное развертывание и оптимизация квантования. Очевидно, что разработчики заботятся не только о производительности самой модели, но и об общем практическом опыте использования визуального ИИ.
Именно на эти вопросы должно ответить компьютерное зрение по мере перехода от научных исследований к практическому применению.
Это событие позволило нам ясно увидеть четкую тенденцию:
Компьютерное зрение выходит за рамки соревнования моделей и вступает в новый этап платформатизации, коммерциализации и развития экосистемы.
Основными преимуществами YOLOвсегда были скорость, практичность и простота развертывания. Сегодня Ultralytics распространить эти преимущества на весь рабочий процесс, чтобы разработчики могли не только получать доступ к мощным моделям, но и с большей легкостью управлять данными, обучать модели, развертывать приложения и постоянно оптимизировать свои системы визуального искусственного интеллекта.
Китайское сообщество специалистов в области искусственного интеллекта также играет все более важную роль в этом процессе. Оно отличается обширной базой разработчиков, разнообразными сценариями применения и огромным энтузиазмом в отношении обучения и практической работы. В перспективе мы с нетерпением ждем возможности сотрудничать с еще большим числом китайских разработчиков, корпоративных партнеров и членов сообщества, чтобы расширить сферу применения компьютерного зрения в реальных условиях.
Как сказал Гленн:
«Мы хотим, чтобы компьютерное зрение было доступно каждому».
Возможно, это лучшее объяснение стремления Ultralyticsк будущему, в котором все будет построено на платформе.
Начните свой путь в будущее машинного обучения
