YOLO VISION 2022: новые рубежи компьютерного зрения

Наша первая в истории конференция YOLO VISION прошла 27 сентября 2022 года. От внедрения ИИ в автомобильную индустрию до анализа производства фруктов в реальном времени — мы послушали вдохновляющие доклады пользователей YOLOv5 из самых разных сфер.

Что сделало это мероприятие особенным, так это разнообразие областей, из которых происходят спикеры. Объединив представителей из 18 компаний-участниц, спикеры поделились инсайтами со всех сторон процесса машинного обучения. Среди них были наши компании-партнеры, такие как Comet, Deci, ClearML, Paperspace и Roboflow, а также другие участники открытого сообщества, такие как китайские гиганты Baidu, Meituan и OpenMMLabs.

Переосмысление передовых достижений с Ultralytics YOLOv5#

Интересна история создания Ultralytics YOLOv5 и методология, использованная для R&D?

Погрузись в детали комплексного подхода к выбору лучших архитектур вместе с Гленном Джочером, нашим основателем и генеральным директором в Ultralytics, и Аюшем Чаурасией, нашим ML-инженером.

Великолепные архитектуры моделей, такие как Ultralytics YOLOv5, имеют решающее значение для получения полезных результатов в машинном обучении. Но модели хороши ровно настолько, насколько хороши их наборы данных. Джозеф Нельсон, генеральный директор и соучредитель нашего партнера Roboflow, продемонстрировал влияние качества набора данных на результаты в продакшене. Эти выводы основаны на более чем 10 000 задачах обучения компьютерному зрению и сообществе с открытым исходным кодом Roboflow Universe, насчитывающем более 90 000 наборов данных.

В своей сессии Джозеф также продемонстрировал ключевые различия между исследованиями и реальным производством, которые позволяют разработчикам оптимизировать свои наборы данных для более быстрого получения значимых результатов.

Узнай о качестве наборов данных и его влиянии на вывод твоей модели CV на промышленный уровень!

Лучшие практики проверки модели машинного обучения и данных перед развертыванием#

Любой фрагмент традиционного программного обеспечения сегодня проходит комплексное тестирование различных типов перед развертыванием, что значительно снижает риск производственных сбоев.

Как адаптировать эти идеи к статистически ориентированному миру машинного обучения?

Ашвария Сринивасан, специалист по работе с данными в Google и евангелист открытого ПО в Deepchecks, рассказывает об истинном азарте создания решений, способных справляться с реальными задачами. В Google она создает решения на базе машинного обучения для клиентских сценариев использования, задействуя ключевые продукты Google, включая TensorFlow, DataFlow и AI Platform.

Айшвария присоединилась к нам на YOLO VISION, чтобы обсудить лучшие практики и дать практические советы по всестороннему тестированию и анализу твоей модели. Посмотри её доклад, чтобы узнать разницу между тестированием обычного ПО и тестированием машинного обучения.

Open-source проекты, открывающие будущее ИИ в области компьютерного зрения#

Мы провели панельную дискуссию, на которой собрали вместе представителей семейства архитектур YOLO, а также другие ведущие open-source архитектуры компьютерного зрения.

Здесь YOLOv6 от Meituan, MMDetection от OpenMMLab CN и PaddlePaddle от Baidu, Inc. присоединились к нашему YOLOv5 от Ultralytics, чтобы обсудить open-source проекты, формирующие будущее ИИ в компьютерном зрении.

Это был первый случай, когда эти ведущие репозитории по зрительному ИИ выступали на одной сцене. Если ты пропустил этот панельный доклад, посмотри видео, в котором Бо Чжан, Гленн Джочер, Гуанчжун Ван, Вэньвэй Чжан и Исин Ши обсудили свой выбор фреймворков, дизайнов, эволюцию структуры репозиториев и многое другое!

Как говорит наш CEO Гленн Джочер: «Мы все смогли поучиться на инструментах и опыте друг друга».

Объемы визуальных данных стремительно растут#

Системы управления визуальными данными несовершенны во всех аспектах: хранение, качество, поиск, аналитика и визуализация. Как следствие, компании и исследователи теряют в надежности продуктов, тратя рабочее время, ресурсы на хранение и вычисления, и, что самое важное, теряют возможность полностью раскрыть потенциал своих данных.

В этом докладе д-р Дэнни Биксон научил нас решать эту проблему с помощью своего популярного бесплатного инструмента для GitHub — Fastdup.

Fastdup — это инструмент для получения инсайтов из больших коллекций изображений. Он может находить аномалии, дубликаты и похожие изображения, кластеры схожести, а также изучать нормальное поведение и временные взаимодействия между изображениями. Его можно использовать для «умной» субдискретизации высококачественных наборов данных, удаления выбросов и обнаружения новой информации, требующей маркировки.

Будучи экспертом по аналитике больших данных и крупномасштабному машинному обучению, Дэнни Биксон обладает более чем 15-летним опытом работы в высокотехнологичной индустрии. Ты можешь знать его по Turi — платформе машинного обучения, которая создает продукты для аналитики больших данных для своих пользователей. В 2016 году Turi была приобретена Apple, где д-р Дэнни Биксон проработал старшим менеджером по науке о данных в течение нескольких лет.

Твой путь в мир ИИ для компьютерного зрения#

И наконец, мы с радостью официально объявили о запуске нашей Ultralytics Platform!

Ultralytics Platform — это наше no-code решение для обучения и развертывания моделей ИИ всего за три простых шага! Оживи свои модели, выбрав данные, на которых они будут учиться.

Наши эксперты и создатели инструментов, Кален Майкл и Серхио Санчес, провели для нас экскурсию по Ultralytics Platform и объяснили все функции и возможности. Узнай больше об Ultralytics Platform и начни создавать свои модели бесплатно!

Все записи сессий ты найдешь на нашем YouTube-канале!

Мы в восторге от посещаемости YOLO VISION и рады создать мероприятие, где эксперты со всего мира могут собраться, чтобы узнать об ИИ для компьютерного зрения. Следи за нашими новостями, подписываясь на нас в социальных сетях. Увидимся в следующем году на YOLO VISION 2023!