YOLO VISION 2022: новые горизонты ИИ для компьютерного зрения

Наша первая конференция YOLO VISION состоялась 27 сентября 2022 года. От внедрения ИИ в автомобильной промышленности до анализа производства фруктов в реальном времени — мы услышали вдохновляющие доклады пользователей YOLOv5 из самых разных областей.

Особенностью этого мероприятия стало разнообразие опыта и специализаций докладчиков. Представители 18 участвующих компаний рассказали о разных этапах процесса ML. Среди них были наши компании-партнёры: Comet, Deci, ClearML, Paperspace и Roboflow, а также другие участники мира открытого ПО, например Baidu, Meituan и OpenMMLab.

Новый взгляд на передовые решения с Ultralytics YOLOv5#

Хочешь узнать историю создания Ultralytics YOLOv5 и методологию, использованную в исследованиях и разработке (R&D)?

Узнай подробнее о целостном подходе к выбору лучших архитектур вместе с Гленном Джочером, нашим основателем и генеральным директором Ultralytics, и нашим инженером ML Аюшем Чаурасией.

Отличные архитектуры моделей, такие как Ultralytics YOLOv5, крайне важны для получения полезных результатов в машинном обучении. Но качество моделей ограничено качеством наборов данных. Джозеф Нельсон, генеральный директор и сооснователь нашего партнёра Roboflow, показал, как качество наборов данных влияет на результаты в промышленной эксплуатации. Выводы основаны на более чем 10 000 задач обучения компьютерного зрения и сообществе открытого проекта Roboflow Universe, насчитывающем более 90 000 наборов данных.

В своём докладе Джозеф также показал ключевые различия между исследованиями и промышленной эксплуатацией, которые помогают разработчикам быстро дорабатывать наборы данных и получать значимые результаты.

Узнай о качестве наборов данных и о том, как оно помогает довести модель компьютерного зрения до промышленной эксплуатации!

Рекомендации по проверке модели машинного обучения и данных перед развёртыванием#

Сегодня все традиционные программные продукты проходят перед развёртыванием комплексные проверки разных типов, что значительно снижает риск сбоев в промышленной эксплуатации.

Как применить эти идеи в мире машинного обучения, основанном на статистике?

Айшварья Сринивасан, специалист по данным в Google и амбассадор открытого ПО в Deepchecks, рассказывает о том, как увлекательно создавать решения для реальных задач. В Google она разрабатывает решения машинного обучения для клиентов, используя ключевые продукты Google, в том числе TensorFlow, DataFlow и AI Platform.

Айшварья присоединилась к нам на YOLO VISION, чтобы обсудить лучшие практики и практические советы по всестороннему тестированию и анализу моделей. Посмотри её доклад, чтобы узнать, чем тестирование программного обеспечения отличается от тестирования машинного обучения.

Проекты с открытым исходным кодом, определяющие будущее ИИ для компьютерного зрения#

Мы провели панельную дискуссию с участием других представителей семейства архитектур YOLO и ведущих архитектур визуального ИИ с открытым исходным кодом.

Представители YOLOv6 от Meituan, MMDetection от OpenMMLab CN и PaddlePaddle от Baidu, Inc. присоединились к Ultralytics YOLOv5, чтобы обсудить проекты с открытым исходным кодом, формирующие будущее визуального ИИ.

Ведущие репозитории в сфере визуального ИИ впервые выступили на одной сцене. Если ты пропустил эту панельную дискуссию, посмотри видео: Бо Чжан, Гленн Джочер, Гуаньчжун Ван, Вэньвэй Чжан и Исянь Ши обсуждают выбор фреймворков и архитектур, развитие структуры репозиториев и многое другое!

Как говорит наш генеральный директор Гленн Джокер: «Мы все смогли узнать друг у друга о наших инструментах и опыте».

Объём визуальных данных стремительно растёт#

Системы управления визуальными данными уступают по всем направлениям: хранению, качеству, поиску, аналитике и визуализации. В результате компании и исследователи теряют надёжность продуктов, рабочее время, место для хранения, вычислительные ресурсы и, что важнее всего, возможность полностью раскрыть потенциал своих данных.

В этом докладе доктор Дэнни Биксон рассказал, как решить эту проблему с помощью своего популярного бесплатного инструмента на GitHub — Fastdup.

FastDup — это инструмент для анализа больших коллекций изображений. Он находит аномалии, дубликаты и почти дубликаты изображений, группы похожих изображений, а также помогает изучать типичное поведение и временные связи между изображениями. Инструмент можно использовать для интеллектуального уменьшения высококачественных наборов данных, удаления выбросов и обнаружения новых данных, которые нужно отправить на разметку.

Дэнни Биксон — эксперт по аналитике больших данных и машинному обучению в крупном масштабе с более чем 15-летним опытом работы в сфере высоких технологий. Возможно, ты знаешь его по Turi — платформе машинного обучения, которая создаёт продукты для аналитики больших данных. В 2016 году Apple приобрела Turi, после чего доктор Дэнни Биксон несколько лет работал там старшим руководителем по науке о данных.

Твой путь в ИИ для компьютерного зрения#

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

Платформа Ultralytics — это наше решение без кода для обучения и развёртывания моделей ИИ всего за три простых шага! Дай своим моделям жизнь, выбрав данные, на которых они будут обучаться.

Наши эксперты и создатели инструментов, Кейлен Майкл и Серхио Санчес, провели экскурсию по платформе Ultralytics и рассказали обо всех её возможностях и функциях. Узнай больше о платформе Ultralytics и начни бесплатно создавать модели!

Все записи сессий доступны на нашем YouTube-канале!

Мы рады, что YOLO VISION собрал столько участников, и счастливы создать мероприятие, где эксперты со всего мира могут знакомиться с визуальным ИИ. Следи за новостями в наших соцсетях. До встречи в следующем году на YOLO VISION 2023!