YOLO VISION 2022: Bước đột phá mới của Vision AI

YOLO VISION đầu tiên của chúng tôi đã diễn ra vào ngày 27 tháng 9 năm 2022. Từ sự gia nhập của AI trong 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 người dùng YOLOv5 trên toàn thế giới.

Điều khiến sự kiện này trở nên đặc biệt là sự đa dạng về nền tảng của các diễn giả. Cùng với đại diện từ 18 công ty tham gia, các diễn giả đã đưa ra những hiểu biết 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 những công ty khác trong không gian mã nguồn mở như những gã khổng lồ Trung Quốc Baidu, Meituan và OpenMMLabs.

Định nghĩa lại công nghệ tiên tiến nhất với YOLOv5

Bạn có muốn biết câu chuyện đằng sau sự ra đời của YOLOv5 và phương pháp luận được sử dụng cho R&D không?

Tìm hiểu chi tiết về phương pháp tiếp cận toàn diện được sử dụng để chọn ra các kiến trúc tốt nhất với Glenn Jocher, Người sáng lập & CEO của chúng tôi tại Ultralytics, và Ayush Chaurasia, Kỹ sư ML của chúng tôi.

Các kiến trúc mô hình tuyệt vời như YOLOv5 là rất quan trọng để có được kết quả hữu ích trong machine learning. Nhưng các mô hình chỉ tốt khi dữ liệu của chúng tốt. Joseph Nelson, CEO & Đồng sáng lập tại đối tác Roboflow của chúng tôi, đã chỉ ra tác động của chất lượng bộ dữ liệu đối với kết quả sản xuất. Những thông tin chi tiết này được cung cấp bởi hơn 10.000 công việc huấn luyện thị giác và cộng đồng mã nguồn mở gồm hơn 90.000 bộ dữ liệu của Roboflow Universe.

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 mã nguồn mở tại Deepchecks, nói về sự phấn khích đơn thuần đằng sau việc xây dựng các giải pháp có thể giải quyết các thách thức trong thế giới thực. Tại Google, cô xây dựng các giải pháp máy học cho các trường hợp sử dụng của khách hàng, tận dụng các sản phẩm cốt lõi của Google bao gồm TensorFlow, DataFlow và AI Platform.

Aishwarya đã tham gia cùng chúng tôi tại YOLO VISION để thảo luận về các phương pháp hay nhất và các mẹo thiết thực để kiểm tra và phân tích mô hình của bạn một cách rộng rãi. Hãy xem buổi nói chuyện của cô ấy để tìm hiểu sự khác biệt giữa Phần mềm Kiểm tra và ML Kiểm tra.

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 gia đình kiến trúc YOLO cũng như các kiến trúc AI thị giác mã nguồn mở hàng đầu khác trong lĩnh vực này.

Tại đây, YOLOv6 của Meituan, MMDetection của OpenMMLab CN và PaddlePaddle của Baidu, Inc. đã cùng với YOLOv5 của Ultralytics để thảo luận về các dự án mã nguồn mở cho phép tương lai của thị giác AI.

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 công bố ra mắt Ultralytics HUB!

Ultralytics HUB là giải pháp no-code của chúng tôi để huấn luyện và triển khai các mô hình AI trong ba bước dễ dàng! Mang các mô hình của bạn vào cuộc sống bằng cách chọn dữ liệu để chúng học hỏi.

Các chuyên gia và nhà sáng tạo công cụ của chúng tôi, Kalen Michael và Sergio Sánchez, đã đưa chúng tôi 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 của bạn miễn phí!

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

Chúng tôi rất vui mừng với số lượng người tham dự YOLO VISION và rất vui khi 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, luôn cập nhật thông tin cho chúng tôi bằng cách theo dõi chúng tôi trên mạng xã hội. Hẹn gặp lại các bạn vào năm tới tại YOLO VISION 2023!

‍