Ultralytics YOLOv5 v6.2 ile Sınıflandırma İş Akışlarını Basitleştirmek

YOLOv5, nesne algılamada en son teknolojiyi yeni zirvelere taşıyor! Yeni sınıflandırma modellerinden, eğitim tekrarlanabilirliğine ve Apple Metal Performance Shader (MPS) Desteğine, ClearML ve Deci entegrasyonlarına kadar, sizlere yeni YOLOv5 v6.2 sürümünü sunuyoruz.

Link to this sectionÖnemli YOLOv5 Güncellemeleri#

Şubat 2022'deki son sürümümüzden bu yana, favori YOLO Vision AI mimarini geliştirmek için çalışıyoruz. İşte en son YOLOv5 v6.2 sürümündeki en önemli güncellemeler:

• Sınıflandırma Modelleri: YOLOv5-cls ImageNet ön eğitimli sınıflandırma modelleri artık ilk kez kullanılabilir durumda.
• ClearML günlüğü: Açık kaynak deney izleyicisi ClearML ile entegrasyon. pip install clearml ile kurulum yapmak, entegrasyonu etkinleştirir ve kullanıcıların her eğitim çalıştırmasını ClearML içinde izlemesine olanak tanır. Bu da kullanıcıların çalıştırmaları takip etmesini, karşılaştırmasını ve hatta uzaktan çalıştırma planlamasını sağlar.
• GPU Dışa Aktarma Kıyaslamaları: GPU kıyaslamaları için python utils/benchmarks.py --weights yolov5s.pt --device 0 veya CPU kıyaslamaları için --device CPU komutlarıyla tüm YOLOv5 dışa aktarma biçimlerini kıyasla (mAP ve hız).
• 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 Performance Shader (MPS) Desteği: --device mps ile Apple M1/M2 cihazları için MPS desteği (tam işlevsellik, pytorch/pytorch#77764 içindeki torch güncellemelerini beklemektedir).

Link to this sectionYeni Sınıflandırma Modelleri#

Bu sürümle ana hedefimiz, mevcut nesne algılama modellerimize benzer şekilde basit YOLOv5 sınıflandırma iş akışları 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 katılımcıdan 401 PR içermektedir. Sınıflandırma eğitimi, doğrulama, tahmin ve dışa aktarma (11 biçimin tamamına) ekler ve ayrıca ImageNet ön eğitimli YOLOv5m-cls, ResNet (18, 34, 50, 101) ve EfficientNet (b0-b3) modelleri sağlar.

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

Link to this sectionUltralytics'ten Sırada Ne Var?#

Bir sonraki sürümümüz olan v6.3, Eylül 2022 için planlanmıştır ve YOLOv5'e resmi örnek segmentasyonu desteği getirecektir. Bu yılın ilerleyen dönemlerinde ise sınıflandırma, algılama ve segmentasyon olmak üzere 3 görevin tamamındaki mimarileri güncelleyen büyük bir v7.0 sürümü yayınlanacaktır.

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