YOLO VISION 2022: Biên giới mới của AI thị giác

YOLO VISION đầu tiên của chúng tôi đã diễn ra vào ngày 27 tháng 9 năm 2022. Từ sự gia nhập của AI vào ngành công nghiệp ô tô đến việc phân tích sản lượng trái cây theo thời gian thực, chúng tôi đã lắng nghe những bài nói chuyện đầy cảm hứng từ người dùng YOLOv5 trên nhiều lĩnh vực.

Điều khiến sự kiện này trở nên đặc biệt là sự đa dạng về xuất thân của các diễn giả. Với đại diện từ 18 công ty tham gia, các diễn giả đã chia sẻ những hiểu biết từ mọi khía cạnh của quy trình ML. Trong số đó có các công ty đối tác như Comet, Deci, ClearML, Paperspace và Roboflow, cùng nhiều tên tuổi khác trong lĩnh vực nguồn mở như các gã khổng lồ Trung Quốc Baidu, Meituan và OpenMMLabs.

Định nghĩa lại State-Of-The-Art với Ultralytics YOLOv5#

Bạn có thắc mắc về câu chuyện đằng sau quá trình tạo ra Ultralytics YOLOv5 và phương pháp được sử dụng cho R&D không?

Tìm hiểu sâu về phương pháp tiếp cận toàn diện được sử dụng để lựa chọn các kiến trúc tốt nhất cùng Glenn Jocher, Nhà sáng lập & CEO của Ultralytics, và Ayush Chaurasia, ML Engineer của chúng tôi.

Các kiến trúc model tuyệt vời như Ultralytics YOLOv5 đóng vai trò then chốt trong việc tạo ra kết quả hữu ích trong machine learning. Nhưng chất lượng của model chỉ tốt tương đương với dataset của chúng. Joseph Nelson, CEO & Đồng sáng lập tại đối tác Roboflow của chúng tôi, đã cho thấy chất lượng dataset ảnh hưởng như thế nào đến kết quả trong môi trường production. Những hiểu biết này được đúc kết từ hơn 10.000 tác vụ training vision và cộng đồng nguồn mở Roboflow Universe với hơn 90.000 dataset.

Trong phiên trình bày của mình, Joseph cũng chỉ ra những khác biệt quan trọng giữa nghiên cứu và production, giúp developer tinh chỉnh dataset để nhanh chóng đạt được kết quả có ý nghĩa.

Tìm hiểu về chất lượng dataset và tác động của nó trong việc đưa model CV của bạn đạt giá trị production!

Best Practices để Xác thực Model ML & Dữ liệu trước khi Deployment#

Mọi phần mềm truyền thống hiện nay đều trải qua các bài kiểm thử toàn diện thuộc nhiều loại khác nhau trước khi deployment, qua đó giảm đáng kể rủi ro xảy ra lỗi trong production.

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

Aishwarya Srinivasan, Data Scientist tại Google & Open Source Developer Advocate tại Deepchecks, nói về niềm hào hứng đặc biệt khi xây dựng các giải pháp có khả năng giải quyết những thách thức trong thế giới thực. Tại Google, cô xây dựng các giải pháp machine learning cho những use case của khách hàng, tận dụng các sản phẩm cốt lõi của Google, bao gồm TensorFlow, DataFlow và AI Platform.

Aishwarya đã tham gia YOLO VISION để thảo luận về các best practice và mẹo thực tiễn nhằm kiểm thử và phân tích model của bạn một cách chuyên sâu. Hãy xem bài nói chuyện của cô để tìm hiểu sự khác biệt giữa Testing Software và Testing ML.

Các Dự án Nguồn mở Mở đường cho Tương lai của AI Thị giác Máy tính#

Chúng tôi đã tổ chức một phiên thảo luận đột phá, quy tụ các thành viên khác của họ kiến trúc YOLO cùng những kiến trúc AI thị giác 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 YOLOv5 của Ultralytics để thảo luận về các dự án nguồn mở đang mở đường cho tương lai của AI thị giác.

Đây là lần đầu tiên các repository AI thị giác hàng đầu này cùng xuất hiện trên một sân khấu. Nếu bạn đã bỏ lỡ phiên thảo luận này, hãy xem video trong đó Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang và Yixin Shi thảo luận về lựa chọn framework, thiết kế, sự phát triển của cấu trúc repository và nhiều nội dung khác!

Như CEO Glenn Jocher của chúng tôi đã nói, “Tất cả chúng ta đều có cơ hội học hỏi từ các công cụ và kinh nghiệm của nhau.”

Dữ liệu hình ảnh đang bùng nổ#

Các hệ thống quản lý dữ liệu hình ảnh còn thiếu sót ở mọi khía cạnh: lưu trữ, chất lượng, tìm kiếm, analytics và trực quan hóa. Hệ quả là các công ty và nhà nghiên cứu đang đánh mất độ tin cậy của sản phẩm, thời gian làm việc, dung lượng lưu trữ bị lãng phí, năng lực tính toán và quan trọng nhất là khả năng khai thác toàn bộ tiềm năng của dữ liệu.

Trong bài nói chuyện này, Dr. Danny Bickson đã hướng dẫn chúng tôi cách giải quyết vấn đề bằng công cụ GitHub miễn phí nổi tiếng của ông, Fastdup.

FastDup là một công cụ giúp thu được insight từ một bộ sưu tập hình ảnh lớn. Công cụ này có thể tìm ra các hình ảnh bất thường, trùng lặp và gần trùng lặp, các cụm tương đồng, đồng thời học hành vi bình thường và các tương tác theo thời gian giữa những hình ảnh. Công cụ có thể được sử dụng để subsample thông minh nhằm tạo dataset chất lượng cao hơn, loại bỏ outlier và phát hiện thông tin mới cần được gửi đi để gắn nhãn.

Là chuyên gia về big data analytics và machine learning quy mô lớn, Danny Bickson có hơn 15 năm kinh nghiệm trong ngành công nghệ cao. Có thể bạn biết ông qua Turi, một nền tảng machine learning tạo ra các sản phẩm big data analytics cho người dùng. Năm 2016, Turi được Apple mua lại, nơi Dr. Danny Bickson làm việc với vai trò Senior Data Science Manager trong vài năm.

Cánh cửa dẫn vào AI thị giác#

Và cuối cùng, chúng tôi rất vui mừng được chính thức công bố ra mắt Ultralytics Platform!

Ultralytics Platform là giải pháp no-code của chúng tôi để training và deployment các model AI chỉ với ba bước đơn giản! Đưa model của bạn vào thực tế bằng cách lựa chọn dữ liệu mà model sẽ học.

Các chuyên gia của chúng tôi, đồng thời là những người tạo ra các công cụ này, Kalen Michael và Sergio Sánchez, đã hướng dẫn chúng tôi tham quan Ultralytics Platform và giải thích tất cả tính năng cũng như chức năng. Tìm hiểu thêm về Ultralytics Platform và bắt đầu tạo model miễn phí!

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

Chúng tôi vô cùng hào hứng trước sự hưởng ứng dành cho 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 cùng chúng tôi bằng cách theo dõi mạng xã hội. Hẹn gặp lại vào năm sau tại YOLO VISION 2023!