YOLO VISION 2022: Vision AI'da Yeni Sınır
Ultralytics uzmanlarının çeşitli sektörlerde AI ve makine öğrenmesindeki en yeni gelişmeler hakkındaki konuşmalarıyla YOLO VISION 2022'den içgörüler keşfet.
İlk YOLO VISION etkinliğimiz 27 Eylül 2022'de gerçekleşti. Yapay zekânın otomotiv sektörüne girişinden meyve üretiminin gerçek zamanlı analizine kadar, farklı alanlardan YOLOv5 kullanıcılarının ilham verici konuşmalarını dinledik.
Bu etkinliği özel kılan unsurlardan biri, konuşmacıların geçmişlerinin çok çeşitli olmasıydı. 18 katılımcı şirketin temsilcilerinin de aralarında bulunduğu konuşmacılar, ML sürecinin her alanından içgörüler sundu. Bunlar arasında Comet, Deci, ClearML, Paperspace ve Roboflow gibi iş ortağı şirketlerimizin yanı sıra Baidu, Meituan ve OpenMMLabs gibi açık kaynak alanındaki Çinli devler de vardı.
Ultralytics YOLOv5 ile En İleri Teknolojiyi Yeniden Tanımlamak#
Ultralytics YOLOv5'in yaratılışının ardındaki hikâyeyi ve kullanılan R&D metodolojisini merak ediyor musun?
Ultralytics'teki Kurucumuz ve CEO'muz Glenn Jocher ile ML Mühendisimiz Ayush Chaurasia tarafından en iyi mimarileri seçmek için kullanılan bütünsel yaklaşımın ayrıntılarına dal.
Ultralytics YOLOv5 gibi harika model mimarileri, makine öğreniminde faydalı sonuçlar elde etmek için kritik öneme sahiptir. Ancak modeller yalnızca veri kümeleri kadar iyidir. İş ortağımız Roboflow'un CEO'su ve kurucu ortağı Joseph Nelson, veri kümesi kalitesinin üretim sonuçları üzerindeki etkisini gösterdi. Bu içgörüler, 10.000'den fazla görsel eğitim işi ve 90.000'den fazla veri kümesinden oluşan Roboflow Universe açık kaynak topluluğundan elde edilmiştir.
Joseph, oturumunda geliştiricilerin anlamlı sonuçlara daha hızlı ulaşmak için veri kümelerini değiştirmelerini sağlayan araştırma ve üretim arasındaki temel farkları da sergiledi.
Veri kümesi kalitesi ve bunun CV modelini üretim değerine ulaştırma üzerindeki etkisi hakkında bilgi edin!
Dağıtımdan Önce ML Modelini ve Verilerini Doğrulamak İçin En İyi Uygulamalar#
Günümüzde geleneksel yazılımların her bir parçası, dağıtımdan önce çeşitli türlerde kapsamlı testlerden geçer ve bu da üretim hataları riskini önemli ölçüde azaltır.
Bu fikirleri istatistik odaklı ML dünyasına nasıl uyarlayabiliriz?
Google'da Veri Bilimcisi ve Deepchecks'te Açık Kaynak Geliştirici Savunucusu olan Aishwarya Srinivasan, gerçek dünyadaki zorlukları çözebilen çözümler geliştirmenin ardındaki heyecanı anlatıyor. Google'da, TensorFlow, DataFlow ve AI Platform dâhil olmak üzere temel Google ürünlerinden yararlanarak müşterilerin kullanım senaryolarına yönelik makine öğrenimi çözümleri geliştiriyor.
Aishwarya, modelini kapsamlı bir şekilde test etmek ve analiz etmek için en iyi uygulamaları ve pratik ipuçlarını ele almak üzere YOLO VISION'a katıldı. Testing Software ile Testing ML arasındaki farkı öğrenmek için konuşmasına göz at.
Bilgisayarlı Görüntü Yapay Zekâsının Geleceğini Mümkün Kılan Açık Kaynak Projeleri#
YOLO mimarisi ailesinin diğer üyelerini ve bu alandaki önde gelen diğer açık kaynak görsel yapay zekâ mimarilerini bir araya getirdiğimiz çığır açıcı bir panel düzenledik.
Meituan'ın YOLOv6'sı, OpenMMLab CN'nin MMDetection'ı ve Baidu, Inc.'in PaddlePaddle'ı, görsel yapay zekânın geleceğini mümkün kılan açık kaynak projelerini tartışmak üzere Ultralytics'in YOLOv5'i olarak bize katıldı.
Bu, önde gelen görsel yapay zekâ depolarının ilk kez aynı sahneyi paylaşmasıydı. Bu paneli kaçırdıysan Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang ve Yixin Shi'nin çerçeve ve tasarım seçimlerini, depo yapısının evrimini ve daha fazlasını tartıştığı bu videoyu izle!
CEO'muz Glenn Jocher'ın dediği gibi: “Hepimiz birbirimizin araçlarından ve deneyimlerinden öğrenme fırsatı bulduk.”
Görsel Veriler Çığ Gibi Büyüyor#
Görsel veri yönetim sistemleri depolama, kalite, arama, analiz ve görselleştirme gibi tüm alanlarda yetersiz kalıyor. Bunun sonucunda şirketler ve araştırmacılar ürün güvenilirliğini, çalışma saatlerini, depolama alanını ve işlem kaynaklarını kaybediyor; en önemlisi de verilerinin tüm potansiyelini ortaya çıkarma becerilerini yitiriyor.
Dr. Danny Bickson bu konuşmada, bu sorunu popüler ve ücretsiz GitHub aracı Fastdup ile nasıl çözebileceğimizi öğretti.
FastDup, büyük bir görüntü koleksiyonundan içgörüler elde etmeye yarayan bir araçtır. Anormallikleri, yinelenen ve neredeyse yinelenen görüntüleri, benzerlik kümelerini bulabilir; görüntüler arasındaki normal davranışı ve zamansal etkileşimleri öğrenebilir. Daha yüksek kaliteli bir veri kümesinden akıllı alt örnekleme yapmak, aykırı değerleri kaldırmak ve etiketleme için gönderilecek yeni bilgileri tespit etmek amacıyla kullanılabilir.
Büyük veri analitiği ve büyük ölçekli makine öğrenimi konusunda uzman olan Danny Bickson, yüksek teknoloji sektöründe 15 yılı aşkın deneyime sahiptir. Kullanıcıları için büyük veri analitiği ürünleri oluşturan bir makine öğrenimi platformu olan Turi ile tanıyor olabilirsin. Turi, 2016'da Apple tarafından satın alındı ve Dr. Danny Bickson burada birkaç yıl Kıdemli Veri Bilimi Müdürü olarak çalıştı.
Görsel Yapay Zekâya Açılan Kapın#
Son olarak, Ultralytics Platform ürünümüzün lansmanını resmen duyurmaktan büyük mutluluk duyduk!
Ultralytics Platform, AI modellerini üç kolay adımda eğitip dağıtmanı sağlayan kodsuz çözümümüzdür! Modelinin hangi verilerden öğrenmesini istediğini seçerek onu hayata geçir.
Uzmanlarımız ve bu araçların yaratıcıları Kalen Michael ile Sergio Sánchez, bize Ultralytics Platform'da kapsamlı bir tur attırdı ve tüm özellikleriyle işlevlerini açıkladı. Ultralytics Platform hakkında daha fazla bilgi edin ve modellerini ücretsiz oluşturmaya başla!
Kayıtlı tüm oturumları YouTube kanalımızda bulabilirsin!
YOLO VISION'a gösterilen ilgiden büyük heyecan duyuyor ve dünyanın dört bir yanından uzmanların görsel yapay zekâ hakkında bilgi edinmek için katılabileceği bir etkinlik düzenlemekten mutluluk duyuyoruz; bizi sosyal medyada takip ederek gelişmelerden haberdar ol. Gelecek yıl YOLO VISION 2023'te görüşmek üzere!
