Entdecke Einblicke von YOLO VISION 2022 mit Vorträgen über KI in verschiedenen Branchen und den neuesten Stand des maschinellen Lernens von Ultralytics Experten.
Am 27. September 2022 fand unsere allererste YOLO VISION statt. Vom Einzug der KI in die Automobilindustrie bis hin zur Echtzeitanalyse der Obstproduktion hörten wir uns inspirierende Vorträge von YOLOv5 Nutzern aus allen Bereichen an.
Was diese Veranstaltung so besonders machte, war die große Vielfalt an Hintergründen der Redner/innen. Zusammen mit Vertretern von 18 teilnehmenden Unternehmen gaben die Redner Einblicke in jeden Aspekt des ML-Prozesses. Unter ihnen sind unsere Partnerunternehmen wie Comet, Deci, ClearML, Paperspace, und Roboflowsowie andere Unternehmen aus dem Open-Source-Bereich wie die chinesischen Giganten Baidu, Meituan und OpenMMLabs.
Du fragst dich, wie YOLOv5 entstanden ist und welche Methoden in der Forschung und Entwicklung angewandt werden?
Erfahre von Glenn Jocher, unserem Gründer und CEO hier bei Ultralytics, und Ayush Chaurasia, unserem ML-Ingenieur, mehr über den ganzheitlichen Ansatz, mit dem wir die besten Architekturen auswählen.
Gute Modellarchitekturen wie YOLOv5 sind entscheidend, um beim maschinellen Lernen brauchbare Ergebnisse zu erzielen. Aber Modelle sind nur so gut wie ihre Datensätze. Joseph Nelson, CEO und Mitbegründer unseres Partners Roboflow, zeigte, wie sich die Qualität der Daten auf die Produktionsergebnisse auswirkt. Die Erkenntnisse beruhen auf über 10.000 Vision-Trainingsaufträgen und der Open-Source-Community von Roboflow Universe mit über 90.000 Datensätzen.
In seinem Vortrag stellte Joseph auch die wichtigsten Unterschiede zwischen Forschung und Produktion vor, die es Entwicklern ermöglichen, ihre Datensätze zu hacken, um schneller aussagekräftige Ergebnisse zu erhalten.
Erfahre mehr über die Qualität von Datensätzen und ihre Auswirkungen auf den Produktionswert deines Lebenslaufmodells!
Jede herkömmliche Software durchläuft heute umfassende Tests verschiedener Art, bevor sie eingesetzt wird, was das Risiko von Produktionsfehlern deutlich verringert.
Wie können wir diese Ideen an die statistisch orientierte Welt von ML anpassen?
Aishwarya Srinivasan, Data Scientist bei Google und Open Source Developer Advocate bei Deepchecks, spricht über die Begeisterung, die hinter der Entwicklung von Lösungen steckt, die reale Herausforderungen lösen können. Bei Google entwickelt sie maschinelle Lernlösungen für Kundenanwendungen und nutzt dabei die Kernprodukte von Google wie TensorFlow, DataFlow und AI Platform.
Aishwarya kam zu uns auf die YOLO VISION, um über Best Practices und praktische Tipps für ausführliche Tests und Analysen deines Modells zu sprechen. Schau dir ihren Vortrag an, um den Unterschied zwischen dem Testen von Software und dem Testen von ML zu erfahren.
Wir haben eine bahnbrechende Podiumsdiskussion veranstaltet, bei der wir andere Mitglieder der YOLO Architekturfamilie sowie andere führende Open-Source-Vision-KI-Architekturen in diesem Bereich zusammengebracht haben.
Hier diskutierten YOLOv6 von Meituan, MMDetection von OpenMMLab CN und PaddlePaddle von Baidu, Inc. mit Ultralytics' YOLOv5 über Open-Source-Projekte, die die Zukunft der KI ermöglichen.
Es war das erste Mal überhaupt, dass diese Top-Vision-KI-Repositories gemeinsam auf der Bühne standen. Wenn du die Podiumsdiskussion verpasst hast, schau dir dieses Video an, in dem Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang und Yixin Shi über die Wahl ihrer Frameworks, das Design, die Entwicklung der Repository-Struktur und vieles mehr diskutieren!
Wie unser Geschäftsführer Glenn Jocher sagt: "Wir haben alle von den Werkzeugen und Erfahrungen der anderen gelernt."
Visuelle Datenmanagementsysteme sind in allen Bereichen mangelhaft: Speicherung, Qualität, Suche, Analyse und Visualisierung. Infolgedessen verlieren Unternehmen und Forschende an Produktzuverlässigkeit, Arbeitszeit, Speicher- und Rechenaufwand und vor allem an der Fähigkeit, das volle Potenzial ihrer Daten zu erschließen.
In diesem Vortrag zeigte uns Dr. Danny Bickson, wie wir dieses Problem mit seinem beliebten kostenlosen GitHub-Tool Fastdup lösen können.
FastDup ist ein Tool, mit dem du Erkenntnisse aus einer großen Bildersammlung gewinnen kannst. Es findet Anomalien, doppelte und fast doppelte Bilder, Ähnlichkeitscluster und lernt das normale Verhalten und die zeitlichen Wechselwirkungen zwischen Bildern. Es kann für ein intelligentes Subsampling eines qualitativ hochwertigeren Datensatzes, die Entfernung von Ausreißern und die Erkennung neuer Informationen, die zum Tagging gesendet werden sollen, verwendet werden.
Danny Bickson ist Experte für Big-Data-Analysen und maschinelles Lernen in großem Maßstab und verfügt über mehr als 15 Jahre Erfahrung in der High-Tech-Branche. Du kennst ihn vielleicht von Turi, einer Plattform für maschinelles Lernen, die Big-Data-Analyseprodukte für ihre Nutzer erstellt. Im Jahr 2016 wurde Turi von Apple übernommen, wo Dr. Danny Bickson mehrere Jahre lang als Senior Data Science Manager arbeitete.
Und schließlich war es uns eine Freude, den Start unserer Ultralytics HUB!
Ultralytics HUB ist unsere No-Code-Lösung, mit der du KI-Modelle in drei einfachen Schritten trainieren und einsetzen kannst! Erwecke deine Modelle zum Leben, indem du die Daten auswählst, aus denen sie lernen sollen.
Unsere Experten und Erfinder des Tools, Kalen Michael und Sergio Sánchez, haben uns auf einen Rundgang durch Ultralytics HUB mitgenommen und uns alle Funktionen erklärt. Erfahre mehr über Ultralytics HUB und beginne, deine Modelle kostenlos zu erstellen!
Alle aufgezeichneten Sitzungen findest du auf unserem YouTube-Kanal!
Wir sind begeistert von der Beteiligung an der YOLO VISION und freuen uns, dass wir eine Veranstaltung ins Leben rufen konnten, bei der Experten aus der ganzen Welt zusammenkommen, um mehr über KI zu erfahren. Bleib auf dem Laufenden, indem du uns auf den sozialen Medien folgst. Wir sehen uns nächstes Jahr auf YOLO VISION 2023!
Beginne deine Reise in die Zukunft des maschinellen Lernens
