Ultralytics YOLOv5 v6.2 ile Sınıflandırma İş Akışlarını Basitleştirme

YOLOv5, nesne algılamada son teknolojiyi yeni zirvelere taşıyor! Yeni sınıflandırma modellerinden, eğitim tekrarlanabilirliğinden ve Apple Metal Performance Shader (MPS) Desteği'nden, ClearML ve Deci ile entegrasyonlara kadar, size yeni YOLOv5 v6.2 sürümünü sunuyoruz.

Önemli YOLOv5 Güncellemeleri

Şubat 2022'deki son sürümümüzden bu yana en sevdiğiniz YOLO Vision AI mimarinizi geliştirmek için çalışıyoruz. İşte en son YOLOv5 v6.2'deki en önemli güncellemeler:

• Sınıflandırma Modelleri: YOLOv5-cls ImageNet önceden eğitilmiş sınıflandırma modelleri artık ilk kez kullanıma sunuldu.
  ‍
• ClearML günlüğü: Açık kaynaklı deney izleyici ClearML ile entegrasyon. pip install clearml ile kurulum, entegrasyonu etkinleştirecek ve kullanıcıların her eğitim çalıştırmasını ClearML'de izlemesine olanak tanıyacaktır. Bu da kullanıcıların çalıştırmaları izlemesine ve karşılaştırmasına ve hatta çalıştırmaları uzaktan planlamasına olanak tanır.
  ‍
• GPU Dışa Aktarma Kıyaslamaları: GPU kıyaslamaları için python utils/benchmarks.py --weights yolov5s.pt --device 0 veya CPU kıyaslamaları için --device CPU ile tüm YOLOv5 dışa aktarma formatlarını (mAP ve hız) kıyaslayın.
  ‍
• Eğitim Tekrarlanabilirliği: torch>=1.12.0 ile tek GPU'lu YOLOv5 eğitimi artık tamamen tekrarlanabilir ve yeni bir --seed argümanı kullanılabilir (varsayılan seed=0).
  ‍
• Apple Metal Performans Shader (MPS) Desteği: --device mps ile Apple M1/M2 cihazları için MPS desteği (tüm işlevsellik pytorch/pytorch#77764 adresindeki torch güncellemelerini beklemektedir).

Yeni Sınıflandırma Modelleri

Bu sürümdeki temel amacımız, mevcut nesne algılama modellerimize benzer şekilde, basit YOLOv5 sınıflandırma iş akışlarını sunmaktır. Yeni v6.2 YOLOv5-cls modelleri sadece bir başlangıç, mevcut algılama modellerimizle birlikte bunları geliştirmeye devam edeceğiz. Bu çabaya katkılarınızı bekliyoruz!

Bu sürüm, Şubat 2022'deki son sürümümüzden bu yana 41 katkıda bulunan kişiden 401 PR içermektedir. Sınıflandırma eğitimi, doğrulama, tahmin ve dışa aktarma (11 formatın tümüne) ekler ve ayrıca ImageNet önceden eğitilmiş YOLOv5m-cls, ResNet (18, 34, 50, 101) ve EfficientNet (b0-b3) modelleri sağlar.

YOLOv5-cls sınıflandırma modellerini 4xA100 örneği kullanarak 90 epoch boyunca ImageNet üzerinde eğittik ve karşılaştırmak için aynı varsayılan eğitim ayarlarıyla birlikte ResNet ve EfficientNet modellerini eğittik. Tüm modelleri CPU hız testleri için ONNX FP32'ye ve GPU hız testleri için TensorRT FP16'ya aktardık. Kolayca yeniden üretilebilirlik için tüm hız testlerini Google Colab Pro üzerinde çalıştırdık.  

Ultralytics'ten Sonraki Adım Ne?

Bir sonraki sürümümüz olan v6.3'ün Eylül 2022'de yayınlanması planlanıyor ve YOLOv5'e resmi örnek segmentasyonu desteği getirecek ve bu yılın ilerleyen aylarında tüm 3 görevde (sınıflandırma, algılama ve segmentasyon) mimarileri güncelleyen büyük bir v7.0 sürümü yayınlanacak.

Güncel kalmak ve bu sürüm hakkında daha fazla bilgi edinmek için YOLOv5 açık kaynaklı GitHub depomuzu ziyaret edin.