20 октября 2022 г.
Откройте для себя идеи YOLO VISION 2022, рассказав об искусственном интеллекте в различных отраслях и последних достижениях в области машинного обучения от экспертов Ultralytics .
Наш первый YOLO VISION состоялся 27 сентября 2022 года. От внедрения искусственного интеллекта в автомобильную промышленность до анализа урожая фруктов в режиме реального времени - мы слушали вдохновляющие выступления пользователей YOLOv5 по всем направлениям.
Особенность этого мероприятия заключалась в широком кругозоре докладчиков. Представители 18 компаний-участников рассказали о всех аспектах процесса ML. Среди них такие компании-партнеры, как Comet, Deci, ClearML, Paperspaceи Roboflowа также другие компании с открытым исходным кодом, такие как китайские гиганты Baidu, Meituan и OpenMMLabs.
Вам интересно узнать историю создания YOLOv5 и методологию, использованную при разработке?
Гленн Джочер, основатель и генеральный директор Ultralytics, и Аюш Чаурасия, наш инженер по ML, погрузились в детали целостного подхода, используемого для выбора лучших архитектур.
Отличные архитектуры моделей, такие как YOLOv5 , имеют решающее значение для получения полезных результатов в машинном обучении. Но модели хороши лишь настолько, насколько хороши их наборы данных. Джозеф Нельсон, генеральный директор и соучредитель нашего партнера Roboflow, продемонстрировал влияние качества наборов данных на производственные результаты. В основе этих выводов лежат более 10 000 заданий по обучению зрению и сообщество Roboflow Universe с открытым исходным кодом, включающее 90 000+ наборов данных.
В своем докладе Джозеф также продемонстрировал ключевые различия между исследованиями и производством, которые позволяют разработчикам взламывать свои наборы данных, чтобы быстрее получать значимые результаты.
Узнайте о качестве набора данных и его влиянии на вывод вашей модели CV в производственную среду!
Сегодня каждое традиционное программное обеспечение перед развертыванием проходит всестороннее тестирование различных типов, что значительно снижает риск производственных сбоев.
Как мы можем адаптировать эти идеи к миру машинного обучения, ориентированному на статистику?
Айшвария Шринивасан, специалист по данным в Google и сторонник разработчиков с открытым исходным кодом в Deepchecks, рассказывает о том, как увлекательно создавать решения, способные решать реальные задачи. В Google она создает решения в области машинного обучения для клиентов, используя основные продукты Google , включая TensorFlow, DataFlow и AI Platform.
Айшвария присоединилась к нам на YOLO VISION, чтобы обсудить лучшие практики и практические советы по всестороннему тестированию и анализу вашей модели. Посмотрите ее выступление, чтобы узнать о разнице между тестированием программного обеспечения и тестированием ML.
Мы организовали новаторскую дискуссию, на которой собрали других членов семейства архитектуры YOLO , а также другие лучшие архитектуры ИИ с открытым исходным кодом в этой области.
Здесь к нам присоединились YOLOv6 от Meituan, MMDetection от OpenMMLab CN и PaddlePaddle от Baidu, Inc. и YOLOv5 от Ultralytics, чтобы обсудить проекты с открытым исходным кодом, обеспечивающие будущее искусственного интеллекта зрения.
Это был первый случай, когда эти ведущие репозитории vision AI разделили сцену. Если вы пропустили эту панель, посмотрите это видео, где Бо Чжан, Гленн Джохер, Гуаньчжун Ван, Вэньвэй Чжан и Исинь Ши обсудили свой выбор фреймворков, дизайны, эволюцию структуры репозитория и многое другое!
Как говорит наш генеральный директор Гленн Йохер: “Мы все должны учиться на инструментах и опыте друг друга”.
Системам управления визуальными данными не хватает всего: хранения, качества, поиска, аналитики и визуализации. Как следствие, компании и исследователи теряют надежность продукции, рабочее время, тратят впустую хранилища, вычислительные ресурсы и, самое главное, возможность раскрыть весь потенциал своих данных.
В этом докладе доктор Дэнни Биксон рассказал нам, как решить эту проблему с помощью своего популярного бесплатного инструмента GitHub, Fastdup.
FastDup — это инструмент для получения информации из большой коллекции изображений. Он может находить аномалии, дубликаты и почти дубликаты изображений, кластеры сходства, а также изучать нормальное поведение и временные взаимодействия между изображениями. Его можно использовать для интеллектуальной подвыборки более качественного набора данных, удаления выбросов и обнаружения новизны новой информации, отправляемой для тегирования.
Дэнни Биксон, эксперт в области анализа больших данных и крупномасштабного машинного обучения, имеет более чем 15-летний опыт работы в сфере высоких технологий. Вы можете знать его по Turi, платформе машинного обучения, которая создает продукты для анализа больших данных для своих пользователей. В 2016 году компания Turi была приобретена Apple, где доктор Дэнни Биксон несколько лет работал старшим менеджером по науке о данных.
И, наконец, мы рады официально объявить о запуске Ultralytics HUB!
Ultralytics HUB - это наше бескодовое решение для обучения и развертывания моделей искусственного интеллекта в три простых шага! Воплотите свои модели в жизнь, выбрав данные, на которых они будут обучаться.
Наши эксперты и создатели инструментов, Кален Майкл и Серхио Санчес, провели для нас экскурсию по Ultralytics HUB и рассказали обо всех возможностях и функциях Узнайте больше об Ultralytics HUB и начните создавать свои модели бесплатно!
Все записи сессий доступны на нашем YouTube-канале!
Мы очень рады, что YOLO VISION собрала столько участников, и рады, что создали мероприятие, на котором эксперты со всего мира могут узнать об искусственном интеллекте, следите за нами в социальных сетях. До встречи в следующем году на YOLO VISION 2023!
