YOLO VISION 2022: Görüntü AI'sında Yeni Ufuk

İlk YOLO VISION etkinliğimiz 27 Eylül 2022'de gerçekleşti. Yapay zekanın otomotiv endüstrisindeki girişinden meyve üretiminin gerçek zamanlı analizine kadar, YOLOv5 kullanıcılarından ilham verici konuşmalar dinledik.

Bu etkinliği özel kılan şeylerden biri, konuşmacıların çok çeşitli geçmişlere sahip olmasıydı. Katılımcı 18 şirketten temsilcilerin katılımıyla, konuşmacılar ML sürecinin her yönünden içgörüler sundular. Bunlar arasında Comet, Deci, ClearML, Paperspace ve Roboflow gibi ortak şirketlerimizin yanı sıra Çinli devler Baidu, Meituan ve OpenMMLabs gibi açık kaynak alanındaki diğer şirketler de yer alıyor.

YOLOv5 ile Son Teknolojiyi Yeniden Tanımlama

YOLOv5'in yaratılışının ve Ar-Ge için kullanılan metodolojinin ardındaki hikayeyi mi merak ediyorsunuz?

Ultralytics'teki Kurucu ve CEO'muz Glenn Jocher ve ML Mühendisimiz Ayush Chaurasia ile en iyi mimarileri seçmek için kullanılan bütünsel yaklaşımın ayrıntılarına dalın.

YOLOv5 gibi harika model mimarileri, makine öğreniminde faydalı sonuçlar elde etmek için çok önemlidir. Ancak modeller yalnızca veri kümeleri kadar iyidir. Ortağımız Roboflow'un CEO'su ve Kurucu Ortağı Joseph Nelson, veri kümesi kalitesinin üretim sonuçları üzerindeki etkisini gösterdi. Bu bilgiler, 10.000'den fazla vizyon eğitim işinden ve Roboflow Universe'in 90.000'den fazla veri kümesinden oluşan açık kaynak topluluğundan elde edilmiştir.

Joseph oturumunda ayrıca, geliştiricilerin anlamlı sonuçları daha hızlı elde etmek için veri kümelerini hacklemelerini sağlayan araştırma ve üretim arasındaki temel farklılıkları sergiledi.

Veri kümesi kalitesi ve CV modelinizi üretim değerine ulaştırmadaki etkisi hakkında bilgi edinin!

ML Modelinizi ve Verilerinizi Dağıtımdan Önce Doğrulama için En İyi Uygulamalar

Günümüzdeki her geleneksel yazılım, dağıtımdan önce çeşitli türlerde kapsamlı testlerden geçer ve bu da üretim hataları riskini önemli ölçüde azaltır.

Bu fikirleri, makine öğreniminin istatistiksel odaklı dünyasına nasıl adapte edebiliriz?

Google'da Veri Bilimcisi ve Deepchecks'te Açık Kaynak Geliştirici Savunucusu olan Aishwarya Srinivasan, gerçek dünya zorluklarını çözebilen çözümler oluşturmanın heyecanından bahsediyor. Google'da, TensorFlow, DataFlow ve AI Platformu dahil olmak üzere temel Google ürünlerinden yararlanarak müşteri kullanım durumları için makine öğrenimi çözümleri oluşturuyor.

Aishwarya, modelinizi kapsamlı bir şekilde test etme ve analiz etme konusunda en iyi uygulamaları ve pratik ipuçlarını görüşmek üzere YOLO VISION'da bize katıldı. Test Yazılımı ve Makine Öğrenmesini Test Etme arasındaki farkı öğrenmek için konuşmasına göz atın.

Bilgisayarlı Görü Yapay Zekasının Geleceğini Sağlayan Açık Kaynak Projeleri

YOLO mimarisi ailesinin diğer üyelerini ve alandaki diğer en iyi açık kaynaklı vizyon yapay zeka mimarilerini bir araya getirdiğimiz çığır açan bir panele ev sahipliği yaptık.

Burada, Meituan'ın YOLOv6'sı, OpenMMLab CN'nin MMDetection'ı ve Baidu, Inc.'in PaddlePaddle'ı, Ultralytics'in YOLOv5'i olarak vizyonel yapay zekanın geleceğini sağlayan açık kaynak projelerini tartışmak üzere bize katıldı.

Bu, bu en iyi vizyon yapay zeka depolarının ilk kez sahneyi paylaştığı zamandı. Bu paneli kaçırdıysanız, Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang ve Yixin Shi'nin çerçeve, tasarım, depo yapısının evrimi ve daha fazlası hakkındaki seçimlerini tartıştığı bu videoyu izleyin!

CEO'muz Glenn Jocher'in dediği gibi, "Hepimiz birbirimizin araçlarından ve deneyimlerinden öğrenmeliyiz."

Görsel Veri Patlıyor

Görsel veri yönetim sistemleri tüm yönlerden yetersiz: depolama, kalite, arama, analiz ve görselleştirme. Sonuç olarak, şirketler ve araştırmacılar ürün güvenilirliğini, çalışma saatlerini, boşa harcanan depolamayı, işlemeyi ve en önemlisi, verilerinin tüm potansiyelini ortaya çıkarma yeteneğini kaybediyor.

Bu konuşmada, Dr. Danny Bickson popüler ücretsiz GitHub aracı Fastdup ile bu sorunun nasıl çözüleceğini öğretti.

FastDup, büyük bir görüntü koleksiyonundan içgörüler elde etmek için bir araçtır. Anormallikleri, yinelenen ve neredeyse yinelenen görüntüleri, benzerlik kümelerini bulabilir ve görüntüler arasındaki normal davranışı ve zamansal etkileşimleri öğrenebilir. Daha yüksek kaliteli bir veri kümesinin akıllıca alt örneklemesi, aykırı değerlerin kaldırılması ve etiketlenmek üzere gönderilecek yeni bilgilerin yenilik tespiti için kullanılabilir.

Büyük veri analitiği ve geniş ölçekli makine öğrenimi konusunda uzman olan Danny Bickson, yüksek teknoloji endüstrisinde 15 yıldan fazla deneyime sahiptir. Onu, kullanıcıları için büyük veri analitiği ürünleri oluşturan bir makine öğrenimi platformu olan Turi’den tanıyor olabilirsiniz. Turi, 2016 yılında Apple tarafından satın alındı ve Dr. Danny Bickson burada birkaç yıl Kıdemli Veri Bilimi Yöneticisi olarak çalıştı.

Vizyon Yapay Zekasına Açılan Kapınız

Ve son olarak, Ultralytics HUB'ımızın lansmanını resmen duyurmaktan memnuniyet duyduk!

Ultralytics HUB, yapay zeka modellerini üç kolay adımda eğitmek ve dağıtmak için sunduğumuz kodsuz çözümdür! Hangi verilerden öğrenmesi gerektiğini seçerek modellerinizi hayata geçirin.

Araçların uzmanları ve yaratıcıları Kalen Michael ve Sergio Sánchez, Ultralytics HUB'ın tanıtımını yaptı ve tüm özellikleri ve işlevleri açıkladı. Ultralytics HUB hakkında daha fazla bilgi edinin ve modellerinizi ücretsiz olarak oluşturmaya başlayın!

Kaydedilen tüm oturumları YouTube kanalımızda bulun!

YOLO VISION'a katılımınızdan dolayı çok heyecanlıyız ve dünyanın dört bir yanından uzmanların vizyon yapay zekası hakkında bilgi edinmek için katılabileceği, sosyal medyada bizi takip ederek güncel kalabileceği bir etkinlik oluşturmaktan mutluluk duyuyoruz. Gelecek yıl YOLO VISION 2023'te görüşmek üzere!

‍