Ultralytics YOLO27: 加入候补名单。
获取 YOLO 许可
活动

YOLO VISION 2022:视觉 AI 的新前沿

回顾 YOLO Vision 2022——Ultralytics 首届视觉 AI 活动,内容涵盖 YOLOv5、数据集质量、机器学习模型测试、开源视觉 AI 和 fastdup。

Nuvola LadiNuvola Ladi4 分钟阅读
回顾 YOLO Vision 2022——Ultralytics 首届视觉 AI 活动,内容涵盖 YOLOv5、数据集质量、机器学习模型测试、开源视觉 AI 和 fastdup。

我们的首届 YOLO VISION 于 2022 年 9 月 27 日举行。从 AI 在汽车行业的应用入门,到水果产量的实时分析,我们聆听了来自各行各业的 YOLOv5 用户带来的精彩分享。

这次活动的特别之处之一,是演讲者拥有丰富多样的背景。来自 18 家参与公司的代表齐聚一堂,演讲者从 ML 流程的各个方面分享了见解。其中包括我们的合作公司 Comet、Deci、ClearML、Paperspace 和 Roboflow,以及开源领域的其他公司和组织,如百度、美团和 OpenMMLab。

使用 Ultralytics YOLOv5 重新定义最先进水平#

想了解 Ultralytics YOLOv5 的诞生故事以及所采用的 R&D 方法吗?

和 Ultralytics 的创始人兼 CEO Glenn Jocher 以及我们的 ML 工程师 Ayush Chaurasia 一起,深入了解他们采用整体方法选择最佳架构的详情。

像 Ultralytics YOLOv5 这样出色的模型架构,对于在机器学习中获得有用的结果至关重要。但模型的表现取决于数据集的质量。我们的合作伙伴 Roboflow 的 CEO 兼联合创始人 Joseph Nelson 展示了数据集质量对生产结果的影响。这些见解基于超过 10,000 个视觉训练任务,以及 Roboflow Universe 开源社区中超过 90,000 个数据集。

在他的分享中,Joseph 还展示了研究与生产之间的关键差异,以及开发者如何调整数据集,更快地获得有意义的结果。

了解数据集质量,以及它如何影响你的 CV 模型达到生产级应用水平!

部署前验证 ML 模型和数据的最佳实践#

如今,传统软件在部署前都会经过多种全面测试,从而大幅降低生产环境发生故障的风险。

我们如何将这些理念应用于以统计学为导向的 ML 领域?

Aishwarya Srinivasan 是 Google 的数据科学家,也是 Deepchecks 的开源开发者倡导者。她分享了构建解决真实世界挑战的方案所带来的兴奋感。在 Google,她针对客户用例构建机器学习解决方案,并利用 TensorFlow、DataFlow 和 AI Platform 等 Google 核心产品。

Aishwarya 在 YOLO VISION 上与我们分享了全面测试和分析模型的最佳实践与实用技巧。观看她的演讲,了解软件测试与 ML 测试之间的区别。

推动计算机视觉 AI 未来发展的开源项目#

我们举办了一场讨论会,邀请 YOLO 架构家族的其他成员以及该领域其他顶尖的开源视觉 AI 架构参与。

美团的 YOLOv6、OpenMMLab CN 的 MMDetection 和百度公司的 PaddlePaddle 与 Ultralytics YOLOv5 一起,探讨了推动视觉 AI 未来发展的开源项目。

这是这些顶尖视觉 AI 代码库首次同台亮相。如果你错过了这场讨论会,可以观看这段视频,Bo Zhang、Glenn Jocher、Guanzhong Wang、Wenwei Zhang 和 Yixin Shi 在视频中讨论了他们选择框架和设计的原因、代码库结构的演变等内容!

正如我们的 CEO Glenn Jocher 所说:“我们都从彼此使用的工具和经验中学到了东西。”

视觉数据正在爆发式增长#

视觉数据管理系统在存储、质量、搜索、分析和可视化等方面都存在不足。因此,企业和研究人员正在损失产品可靠性、工作时间、存储空间和计算资源,更重要的是,他们也失去了充分挖掘数据潜力的能力。

在这场演讲中,Danny Bickson 博士介绍了如何使用他广受欢迎的免费 GitHub 工具 Fastdup 解决这一问题。

FastDup 是一款用于从大型图像集合中获取洞见的工具。它可以查找异常、重复和近似重复图像、相似性聚类,还能学习图像的正常行为和时间上的相互关系。你可以用它对高质量数据集进行智能子采样、移除离群数据,并检测需要标注的新信息。

Danny Bickson 是大数据分析和大规模机器学习领域的专家,在高科技行业拥有超过 15 年的经验。你可能听说过 Turi,这是一个为用户打造大数据分析产品的机器学习平台。2016 年,Turi 被 Apple 收购,Danny Bickson 博士随后在 Apple 担任高级数据科学经理数年。

通往视觉 AI 的入口#

最后,我们很高兴正式宣布推出我们的 Ultralytics Platform!

Ultralytics Platform 是我们的无代码解决方案,只需三个简单步骤即可训练和部署 AI 模型!选择模型要学习的数据,让你的模型发挥作用。

我们的专家、工具创作者 Kalen Michael 和 Sergio Sánchez 带领我们了解了 Ultralytics Platform,并介绍了所有功能。进一步了解 Ultralytics Platform,并免费开始创建模型!

在我们的 YouTube 频道上观看所有录制的演讲!

YOLO VISION 的参与人数让我们倍感振奋,也很高兴能举办这场活动,让世界各地的专家齐聚一堂,了解视觉 AI。关注我们的社交媒体,及时了解最新动态。明年 YOLO VISION 2023 再见!

作者

Nuvola Ladi
Nuvola Ladi

数字内容经理 · Ultralytics

Nuvola Ladi 是 Ultralytics 的数字内容经理,负责创作涵盖视觉 AI 和 Ultralytics YOLO 的内容,并代表公司参加 PyTorch Conference 2025 等行业活动。她常驻西班牙,拥有 IE University 的视觉与数字媒体硕士学位。加入 Ultralytics 之前,她曾在 XVA Gallery & Hotel 和 Rolex 等机构任职。

评论

提出问题、分享你的结果,或帮助其他人。

探索解决方案

体育领域的计算机视觉

体育领域的计算机视觉

了解 Ultralytics YOLO 如何通过球员和球追踪、表现分析、教练洞察及运动员康复,推动体育视觉技术的发展。
了解详情
航空影像计算机视觉

航空影像计算机视觉

使用 Ultralytics YOLO 将无人机和航空影像转化为农业、水产养殖、保护工作和地理空间分析的实时洞察。
了解详情
航空航天中的计算机视觉

航空航天中的计算机视觉

使用 Ultralytics YOLO 将计算机视觉应用于航空航天领域,包括飞机检查、跑道 FOD 检测、机场地面作业和复合材料缺陷检测。
了解详情
安防领域的计算机视觉

安防领域的计算机视觉

使用 Ultralytics YOLO 模型守护每个场所。视觉 AI 可用于周界监控、威胁检测、车牌识别和工作场所安全。
了解详情
机器人领域的计算机视觉

机器人领域的计算机视觉

使用 Ultralytics YOLO 模型提升智能机器的能力。机器人领域的视觉 AI 可用于自主导航、感知、目标跟踪和实时控制。
了解详情
物流中的计算机视觉

物流中的计算机视觉

借助 Ultralytics YOLO 模型优化物流流程。视觉 AI 可用于包裹检查、分拣、车辆跟踪和仓库安全实时监控。
了解详情
零售中的计算机视觉

零售中的计算机视觉

借助 Ultralytics YOLO 模型重新构想零售。视觉 AI 可用于库存跟踪、货架监控、排队管理和更深入的客户洞察。
了解详情
医疗领域的计算机视觉

医疗领域的计算机视觉

借助 Ultralytics YOLO 模型构建医疗解决方案。医疗领域的视觉 AI 可加快医学影像处理、优化诊断并监测患者。
了解详情
制造业中的计算机视觉

制造业中的计算机视觉

利用 Ultralytics YOLO 模型优化制造流程。视觉 AI 可用于质量控制、缺陷检测、个人防护装备合规检查和装配线自动化。
了解详情
汽车领域的计算机视觉

汽车领域的计算机视觉

利用 Ultralytics YOLO 模型在汽车领域应用计算机视觉。视觉 AI 可提升道路安全、驾驶辅助和车辆自动化水平,让道路更智能。
了解详情
农业中的计算机视觉

农业中的计算机视觉

借助 Ultralytics YOLO 模型,将视觉 AI 引入智慧农业。为作物监测、牲畜追踪和精准农业提供支持,从而提高产量并实现更智能的生产。
了解详情

让我们携手构建 AI 的未来!

开启你的旅程,迎接机器学习的未来