YOLO TẦM NHÌN 2022: Biên giới mới của AI tầm nhìn

YOLO VISION đầu tiên của chúng tôi diễn ra vào ngày 27 tháng 9 năm 2022. Từ việc ứng dụng AI vào ngành công nghiệp ô tô đến phân tích thời gian thực về sản xuất trái cây, chúng tôi đã lắng nghe những bài nói chuyện đầy cảm hứng từ YOLOv5 người dùng trên toàn thế giới.

Điểm đặc biệt của sự kiện này chính là sự đa dạng về xuất thân của các diễn giả . Cùng với đại diện từ 18 công ty tham dự, các diễn giả đã mang đến những góc nhìn sâu sắc từ mọi khía cạnh của quy trình ML. Trong số đó, có các công ty đối tác của chúng tôi như Comet , Deci , ClearML , Paperspace và Roboflow , cũng như các công ty khác trong lĩnh vực nguồn mở như những gã khổng lồ Trung Quốc như Baidu, Meituan và OpenMMLabs.

Định nghĩa lại công nghệ tiên tiến với YOLOv5

Tự hỏi về câu chuyện đằng sau sự sáng tạo của YOLOv5 và phương pháp được sử dụng cho R&D?

Khám phá chi tiết về phương pháp tiếp cận toàn diện được sử dụng để lựa chọn kiến trúc tốt nhất với Glenn Jocher , Nhà sáng lập & Giám đốc điều hành của chúng tôi tại đây Ultralytics và Ayush Chaurasia , Kỹ sư ML của chúng tôi.

Kiến trúc mô hình tuyệt vời như YOLOv5 rất quan trọng để có được kết quả hữu ích trong học máy. Tuy nhiên, các mô hình chỉ tốt bằng bộ dữ liệu của chúng. Joseph Nelson, Giám đốc điều hành & Đồng sáng lập tại Roboflow , đối tác của chúng tôi , đã chỉ ra tác động của chất lượng bộ dữ liệu đến kết quả sản xuất. Những hiểu biết này được đúc kết từ hơn 10.000 công việc đào tạo thị giác và Roboflow Cộng đồng nguồn mở của Universe với hơn 90.000 tập dữ liệu.

Trong phiên của mình, Joseph cũng trình bày những khác biệt chính trong nghiên cứu so với sản xuất cho phép các nhà phát triển hack bộ dữ liệu của họ để có được kết quả có ý nghĩa nhanh hơn.

Tìm hiểu về chất lượng tập dữ liệu và tác động của nó đến việc đưa mô hình CV của bạn đạt đến giá trị sản xuất!

Các phương pháp hay nhất để xác thực Mô hình & Dữ liệu ML của bạn trước khi triển khai

Mọi phần mềm truyền thống ngày nay đều trải qua các thử nghiệm toàn diện thuộc nhiều loại khác nhau trước khi triển khai, giúp giảm đáng kể rủi ro xảy ra lỗi sản xuất.

Làm thế nào chúng ta có thể điều chỉnh những ý tưởng này vào thế giới định hướng thống kê của ML?

Aishwarya Srinivasan , Nhà khoa học dữ liệu tại Google & Người ủng hộ nhà phát triển nguồn mở tại Deepchecks, nói về sự phấn khích đằng sau việc xây dựng các giải pháp có khả năng giải quyết các thách thức trong thế giới thực. Tại Google , cô ấy xây dựng các giải pháp học máy cho các trường hợp sử dụng của khách hàng, tận dụng cốt lõi Google sản phẩm bao gồm TensorFlow , DataFlow và Nền tảng AI.

Aishwarya đã tham gia cùng chúng tôi tại YOLO VISION sẽ thảo luận về các phương pháp hay nhất và mẹo thực tế để kiểm tra và phân tích mô hình của bạn một cách toàn diện. Hãy xem bài nói chuyện của cô ấy để tìm hiểu sự khác biệt giữa Kiểm thử Phần mềm và Kiểm thử Máy học (ML).

Các dự án mã nguồn mở tạo điều kiện cho tương lai của AI thị giác máy tính

Chúng tôi đã tổ chức một hội thảo đột phá, nơi chúng tôi tập hợp các thành viên khác của YOLO kiến trúc gia đình cũng như các kiến trúc AI tầm nhìn nguồn mở hàng đầu khác trong không gian.

Đây là Meituan YOLOv6 , MMDetection của OpenMMLab CN và Baidu, Inc. PaddlePaddle đã tham gia cùng chúng tôi với tư cách là Ultralytics ' YOLOv5 để thảo luận về các dự án nguồn mở cho phép AI thị giác phát triển trong tương lai.

Đây là lần đầu tiên, các kho lưu trữ AI thị giác hàng đầu này chia sẻ sân khấu. Nếu bạn bỏ lỡ hội thảo này, hãy xem video này, nơi Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang và Yixin Shi đã thảo luận về lựa chọn khung, thiết kế, sự phát triển của cấu trúc kho lưu trữ và hơn thế nữa!

Như Giám đốc điều hành của chúng tôi, Glenn Jocher, nói, “Tất cả chúng ta đều phải học hỏi từ các công cụ và kinh nghiệm của nhau.”

Dữ liệu trực quan đang bùng nổ

Các hệ thống quản lý dữ liệu trực quan đang thiếu trong tất cả các khía cạnh: lưu trữ, chất lượng, tìm kiếm, phân tích và trực quan hóa. Do đó, các công ty và nhà nghiên cứu đang mất độ tin cậy của sản phẩm, giờ làm việc, lãng phí dung lượng lưu trữ, điện toán và quan trọng nhất là khả năng khai thác toàn bộ tiềm năng của dữ liệu của họ.

Trong buổi nói chuyện này, Tiến sĩ Danny Bickson đã dạy chúng ta cách giải quyết vấn đề này bằng công cụ GitHub miễn phí phổ biến của ông, Fastdup.

FastDup là một công cụ để thu thập thông tin chi tiết từ một bộ sưu tập hình ảnh lớn. Nó có thể tìm thấy các điểm bất thường, hình ảnh trùng lặp và gần trùng lặp, các cụm tương đồng, đồng thời tìm hiểu hành vi bình thường và các tương tác tạm thời giữa các hình ảnh. Nó có thể được sử dụng để lấy mẫu thông minh một tập dữ liệu chất lượng cao hơn, loại bỏ ngoại lệ và phát hiện tính mới của thông tin mới được gửi để gắn thẻ.

Danny Bickson là một chuyên gia về phân tích dữ liệu lớn và máy học quy mô lớn, với hơn 15 năm kinh nghiệm trong ngành công nghệ cao. Bạn có thể biết đến ông từ Turi, một nền tảng máy học tạo ra các sản phẩm phân tích dữ liệu lớn cho người dùng. Năm 2016, Turi được Apple mua lại, nơi Tiến sĩ Danny Bickson làm việc với tư cách là Giám đốc Khoa học Dữ liệu Cấp cao trong vài năm.

Cánh Cửa Dẫn Đến Thị Giác AI Của Bạn

Và cuối cùng, chúng tôi rất vui mừng được chính thức thông báo về việc ra mắt Ultralytics HUB !

Ultralytics HUB là giải pháp không cần mã của chúng tôi để đào tạo và triển khai các mô hình AI chỉ trong ba bước đơn giản! Hãy thổi hồn vào mô hình của bạn bằng cách chọn dữ liệu để nó học hỏi.

Các chuyên gia của chúng tôi và là người tạo ra các công cụ, Kalen Michael và Sergio Sánchez, đã đưa chúng tôi đi tham quan Ultralytics HUB và giải thích tất cả các tính năng và chức năng Tìm hiểu thêm về Ultralytics HUB và bắt đầu tạo mô hình miễn phí !

Tìm tất cả các phiên đã ghi trên kênh YouTube của chúng tôi!

Chúng tôi rất vui mừng với sự tham gia của YOLO VISION rất vui mừng được tạo ra một sự kiện nơi các chuyên gia từ khắp nơi trên thế giới có thể tham gia để tìm hiểu về AI thị giác. Hãy theo dõi chúng tôi trên mạng xã hội để cập nhật thông tin. Hẹn gặp lại bạn vào năm sau tại YOLO VISION 2023 !

‍