YOLO VISION 2022: Biên giới mới của Vision AI

Sự kiện 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 cho 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 mọi lĩnh vực.

Một điều làm cho sự kiện này trở nên đặc biệt là sự đa dạng về lý lịch 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 các công ty khác trong không gian nguồn mở như những gã khổng lồ Trung Quốc Baidu, Meituan và OpenMMLabs.

Định nghĩa lại công nghệ tiên tiến với YOLOv5

Bạn có tò mò về câu chuyện đằng sau việc tạo ra YOLOv5 và phương pháp được sử dụng cho hoạt động R&D không?

Cùng tìm hiểu 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 kiêm Tổng giám đốc điều hành của chúng tôi tại 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. Nhưng các mô hình chỉ tốt bằng bộ dữ liệu của chúng. Joseph Nelson, Tổng giám đốc điều hành & Đồng sáng lập tại đối tác Roboflow của chúng tôi , đã chỉ ra tác động của chất lượng bộ dữ liệu đến kết quả sản xuất. Những hiểu biết sâu sắc được cung cấp thông tin từ hơn 10.000 công việc đào tạo thị giác và cộng đồng nguồn mở của Roboflow Universe gồm hơn 90.000 bộ dữ liệu.

Trong phiên thảo luận, Joseph cũng chỉ ra những điểm khác biệt chính trong nghiên cứu so với sản xuất, cho phép các nhà phát triển khai thác 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 vào sản xuất!

Các phương pháp hay nhất để xác thực mô hình ML và dữ liệu của bạn trước khi triển khai

Mọi phần mềm truyền thống ngày nay đều phải trải qua nhiều loại thử nghiệm toàn diện trước khi triển khai, giúp giảm đáng kể nguy cơ xảy ra lỗi trong quá trình sản xuất.

Làm thế nào chúng ta có thể áp dụng những ý tưởng này vào thế giới ML theo định hướng thống kê?

Aishwarya Srinivasan , Nhà khoa học dữ liệu tại Google & Người ủng hộ nhà phát triển 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 học máy 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 mẹo thực tế để thử nghiệm 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 ML.

Các dự án nguồn mở cho phép tương lai của thị giác máy tính AI

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

Tại đây, YOLOv6 của Meituan, MMDetection của OpenMMLab CN và PaddlePaddle của Baidu, Inc. đã tham gia cùng chúng tôi với tư cách là YOLOv5 của Ultralytics 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 hàng đầu này chia sẻ sân khấu. Nếu bạn bỏ lỡ hội thảo này, hãy xem video này, trong đó Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang và Yixin Shi thảo luận về lựa chọn khuôn khổ, thiết kế, sự phát triển của cấu trúc kho lưu trữ và nhiều nội dung khác!

Như CEO Glenn Jocher của chúng tôi đã nói: “Tất cả chúng ta đều phải học hỏi từ công cụ và kinh nghiệm của nhau”.

Dữ liệu trực quan đang bùng nổ

Hệ thống quản lý dữ liệu trực quan còn thiếu sót ở mọi khía cạnh: lưu trữ, chất lượng, tìm kiếm, phân tích và trực quan hóa. Hậu quả là các công ty và nhà nghiên cứu đang mất đi độ tin cậy của sản phẩm, giờ làm việc, lãng phí lưu trữ, tính toán và quan trọng nhất là khả năng khai thác toàn bộ tiềm năng của dữ liệu.

Trong bài nói chuyện này, Tiến sĩ Danny Bickson đã hướng dẫn 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 ra các điểm bất thường, hình ảnh trùng lặp và gần trùng lặp, các cụm tương đồng và tìm hiểu hành vi bình thường và tương tác thời gian giữa các hình ảnh. Nó có thể được sử dụng để lấy mẫu con thông minh của một tập dữ liệu chất lượng cao hơn, loại bỏ ngoại lệ và phát hiện thông tin mới lạ để gửi đi gắn thẻ.

Là một chuyên gia về phân tích dữ liệu lớn và học máy quy mô lớn, Danny Bickson có hơn 15 năm kinh nghiệm trong ngành công nghệ cao. Bạn có thể biết đến anh ấy từ Turi , một nền tảng học máy tạo ra các sản phẩm phân tích dữ liệu lớn cho người dùng. Năm 2016, Turi đã được Apple mua lại, nơi Tiến sĩ Danny Bickson làm Trưởng phòng Khoa học Dữ liệu trong nhiều năm.

Cánh cửa dẫn đến AI tầm nhìn 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 theo ba bước dễ dàng! Làm cho các mô hình của bạn trở nên sống động bằng cách chọn dữ liệu để học.

Các chuyên gia và là người sáng tạo ra các công cụ này, Kalen Michael và Sergio Sánchez, đã hướng dẫn chúng ta cách sử dụng 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 ghi lại trên kênh YouTube của chúng tôi!

Chúng tôi rất vui mừng với sự tham gia của YOLO VISION và vui mừng 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, hãy cập nhật thông tin với chúng tôi bằng cách theo dõi chúng tôi trên mạng xã hội . Hẹn gặp lại các bạn vào năm sau tại YOLO VISION 2023 !

‍