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, Paperspace и Roboflow, а также другие представители open-source пространства, 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 своей сессии Джозеф также продемонстрировал ключевые различия между исследованиями и производством, которые позволяют разработчикам взламывать свои наборы данных, чтобы быстрее получать значимые результаты.
Узнайте о качестве наборов данных и его влиянии на доведение вашей модели резюме до производственной ценности!
Сегодня каждая часть традиционного программного обеспечения перед развертыванием проходит всестороннее тестирование различных типов, что значительно снижает риск возникновения производственных ошибок.
Как мы можем адаптировать эти идеи к статистически ориентированному миру ML?
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.
Впервые в истории эти ведущие репозитории ИИ-видения выступали на одной сцене. Если вы пропустили эту дискуссию, посмотрите видео, в котором Бо Чжан, Гленн Джочер, Гуаньчжун Ван, Вэньвэй Чжан и Исинь Ши обсуждают свой выбор фреймворков, дизайн, эволюцию структуры хранилищ и многое другое!
Как говорит наш генеральный директор Гленн Джочер, "мы все должны учиться на инструментах и опыте друг друга".
Системы управления визуальными данными испытывают недостаток во всех аспектах: хранение, качество, поиск, аналитика и визуализация. Как следствие, компании и исследователи теряют в надежности продуктов, рабочем времени, нерациональном использовании хранилищ, вычислений и, самое главное, в возможности раскрыть весь потенциал своих данных.
В этом докладе доктор Дэнни Биксон рассказал 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 позволяет находить аномалии, дубликаты и близкие к дубликатам изображения, 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, которую необходимо отправить для маркировки.
Эксперт в области аналитики больших данных и масштабного машинного обучения Дэнни Биксон имеет более чем 15-летний опыт работы в индустрии высоких технологий. Вы можете знать его по Turi, платформе машинного обучения, которая создает продукты для анализа больших данных для своих пользователей. В 2016 году Turi была приобретена компанией 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!
Найдите все записанные сессии на нашем канале YouTube!
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!
.webp)
