YOLO VISION 2022: новый рубеж Vision AI
Узнай о главных идеях YOLO VISION 2022: доклады об AI в различных отраслях и последние достижения машинного обучения от экспертов Ultralytics.
Наше первое в истории мероприятие YOLO VISION состоялось 27 сентября 2022 года. От появления AI в автомобильной отрасли до анализа производства фруктов в реальном времени — мы услышали вдохновляющие выступления пользователей YOLOv5 из самых разных областей.
Особенностью этого мероприятия стало большое разнообразие профессионального опыта спикеров. Представители 18 участвующих компаний поделились знаниями обо всех аспектах процесса ML. Среди них были наши компании-партнёры Comet, Deci, ClearML, Paperspace и Roboflow, а также другие участники сообщества с открытым исходным кодом, включая китайских гигантов Baidu, Meituan и OpenMMLabs.
Переосмысливаем передовой уровень технологий с Ultralytics YOLOv5#
Хочешь узнать историю создания Ultralytics YOLOv5 и методологию, использованную для R&D?
Погрузись в детали комплексного подхода к выбору лучших архитектур вместе с Glenn Jocher, нашим основателем и CEO в Ultralytics, и Ayush Chaurasia, нашим ML-инженером.
Такие продуманные архитектуры моделей, как Ultralytics YOLOv5, крайне важны для получения полезных результатов в машинном обучении. Но качество моделей не может быть выше качества их датасетов. Joseph Nelson, CEO и сооснователь нашего партнёра Roboflow, показал влияние качества датасета на результаты в рабочей среде. Эти выводы основаны на данных более чем 10 000 задач обучения моделей компьютерного зрения и открытого сообщества Roboflow Universe, включающего более 90 000 датасетов.
В своём выступлении Joseph также продемонстрировал ключевые различия между исследованиями и рабочим применением, которые позволяют разработчикам быстрее адаптировать датасеты для получения значимых результатов.
Узнай о качестве датасета и его влиянии на вывод твоей модели CV в рабочую среду!
Рекомендации по проверке ML-модели и данных перед развёртыванием#
Сегодня каждый фрагмент традиционного программного обеспечения проходит перед развёртыванием комплексное тестирование разных типов, что значительно снижает риск сбоев в рабочей среде.
Как адаптировать эти идеи к статистически ориентированному миру ML?
Aishwarya Srinivasan, специалист по данным в Google и защитник разработчиков открытого исходного кода в Deepchecks, рассказывает о настоящем воодушевлении от создания решений, способных решать задачи реального мира. В Google она создаёт решения машинного обучения для пользовательских сценариев, используя ключевые продукты Google, включая TensorFlow, DataFlow и AI Platform.
Aishwarya присоединилась к нам на YOLO VISION, чтобы обсудить лучшие практики и практические советы по тщательному тестированию и анализу твоей модели. Посмотри её выступление, чтобы узнать о разнице между тестированием программного обеспечения и тестированием ML.
Проекты с открытым исходным кодом, создающие будущее AI в области компьютерного зрения#
Мы провели уникальную панельную дискуссию, объединив других представителей семейства архитектур YOLO, а также другие ведущие архитектуры AI для компьютерного зрения с открытым исходным кодом.
На ней YOLOv6 от Meituan, MMDetection от OpenMMLab CN и PaddlePaddle от Baidu, Inc. присоединились к нам как представители Ultralytics YOLOv5, чтобы обсудить проекты с открытым исходным кодом, создающие будущее AI в области компьютерного зрения.
Впервые эти ведущие репозитории для AI в области компьютерного зрения выступили на одной сцене. Если ты пропустил эту панельную дискуссию, посмотри видео, в котором Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang и Yixin Shi обсуждают выбор фреймворков, архитектуры, эволюцию структуры репозиториев и многое другое!
Как говорит наш CEO Glenn Jocher: «Мы все смогли учиться на инструментах и опыте друг друга».
Визуальные данные стремительно растут#
Системы управления визуальными данными не справляются практически ни с чем: хранением, качеством, поиском, аналитикой и визуализацией. В результате компании и исследователи теряют надёжность продуктов, рабочие часы, место в хранилищах, вычислительные ресурсы и, что важнее всего, возможность раскрыть весь потенциал своих данных.
В этом выступлении доктор Danny Bickson показал нам, как решить эту проблему с помощью своего популярного бесплатного инструмента для GitHub — Fastdup.
FastDup — это инструмент для получения информации из большой коллекции изображений. Он может находить аномалии, дубликаты и почти дубликаты изображений, кластеры схожести, а также изучать нормальное поведение и временные взаимосвязи между изображениями. Его можно использовать для интеллектуального прореживания более качественного датасета, удаления выбросов и обнаружения новых данных, которые нужно отправить на разметку.
Danny Bickson, эксперт по аналитике больших данных и машинному обучению в крупных масштабах, имеет более 15 лет опыта работы в высокотехнологичной отрасли. Возможно, ты знаешь его по Turi — платформе машинного обучения, создающей продукты для аналитики больших данных для своих пользователей. В 2016 году Turi была приобретена Apple, где доктор Danny Bickson несколько лет работал руководителем отдела Data Science.
Твой путь к AI в области компьютерного зрения#
И наконец, мы с удовольствием официально объявили о запуске нашей Ultralytics Platform!
Ultralytics Platform — это наше решение без программирования для обучения и развёртывания AI-моделей в три простых шага! Оживи свои модели, выбрав данные, на которых они будут обучаться.
Наши эксперты и создатели этих инструментов Kalen Michael и Sergio Sánchez провели для нас экскурсию по Ultralytics Platform и объяснили все её функции и возможности. Узнай больше об Ultralytics Platform и начни бесплатно создавать свои модели!
Все записи выступлений доступны на нашем YouTube-канале!
Мы в восторге от количества участников YOLO VISION и рады создать мероприятие, на котором эксперты со всего мира могут узнавать больше об AI в области компьютерного зрения; следи за нашими новостями в социальных сетях. Увидимся в следующем году на YOLO VISION 2023!
