Entdecke die Gewinner des Ultralytics YOLOv5 Exportwettbewerbs, bei dem die besten KI-Modelle für verschiedene Geräte vorgestellt werden.
Mit dem Ziel, jedem zu helfen, die besten Vision-KI-Modelle einfach zu trainieren und einzusetzen, haben wir unseren ersten Ultralytics YOLOv5 Exportwettbewerb organisiert. Wir schätzen den Kontakt zu den Mitgliedern unserer Open-Source-Community und sind immer wieder beeindruckt von den zahlreichen Anwendungen, die die Nutzer/innen erstellen.
Der Wettbewerb lief vom 17. Mai 2021 bis zum 31. September 2021 24:00 UTC. Nach diesem Datum wurde der Wettbewerb geschlossen und weitere Einsendungen waren nicht mehr preisgeldberechtigt.
Die Bewertung fand vom 1. September 2021 bis zum 31. September 2021 statt. Unser Team hat jede Einreichung gründlich geprüft.
Der beste Beitrag in der jeweiligen Kategorie hat das volle Preisgeld von $2000,00 (2000,00 USD) von Ultralytics für diese Kategorie erhalten.
Mit Hilfe unserer großartigen Community haben wir 5 Kategorien erstellt, die die beliebtesten Einsatzszenarien für YOLOv5 Modelle darstellen, darunter Jetson Nano, Raspberry Pi, Google Edge TPU, Desktop CPU und Android Edge-Geräte.
Unsere Teilnehmer haben ein öffentliches Github-Repository für ihre Einreichung erstellt, ihrer Arbeit eine Open-Source-Lizenz zugewiesen und ihre Einreichung direkt in einem der 5 offiziellen Threads zum EXPORT-Wettbewerb veröffentlicht, damit die Community abstimmen kann. Beachte, dass diese Threads nur für offizielle Einreichungen gedacht waren. Allgemeine Fragen oder Kommentare wurden direkt in diesem Thread oder in einer neuen Diskussion gestellt. Links zu den Einreichungen:
Nach reiflicher Überlegung haben wir uns für die Gewinner in jeder der fünf Kategorien entschieden, die die beliebtesten Einsatzszenarien für die Modelle von YOLOv5 repräsentieren. Alle Teilnehmerinnen und Teilnehmer wurden persönlich kontaktiert und die Preise anschließend an unsere Gewinnerinnen und Gewinner ausgezahlt. Heute freuen wir uns, endlich die besten Lösungen mit dir zu teilen!
Preis: $2000
Preis: $2000
Preis: $2000
Preis: $2000
Kein Gewinner *
Preis: $2000
Kein Gewinner *
*Die Einsendungen in dieser Kategorie erfüllten nicht die Mindestanforderungen in jedem der Bewertungskriterien. Daher wurde dieses Mal kein Gewinner für die Kategorie ausgewählt, aber die Teilnehmer/innen haben in Zukunft mehr Chancen, sich erneut zu bewerben.
Herzlichen Glückwunsch an die Gewinner! Sieh dir unbedingt ihre Repositories an.
"Die Bibliothek YOLOv5 ist großartig - sie wird fast täglich aktualisiert, die Modelle funktionieren gut und die Benutzerfreundlichkeit wird ständig verbessert. In meiner Forschung geht es oft um den Einsatz von ML auf eingebetteten Geräten, und da ich bereits mit der EdgeTPU gearbeitet habe, schien mir das eine tolle Herausforderung zu sein."
Josh Veitch-Michaelis
Wir möchten auch allen, die an unserem Exportwettbewerb teilgenommen haben, ein großes Lob aussprechen! Wir können uns glücklich schätzen, zahlreiche wertvolle Mitglieder in unserer Open-Source-Gemeinschaft zu haben. Es sind die Beiträge von euch allen, die unsere Gemeinschaft großartig machen.
Bleib erstaunlich und kreiere weiter! 🚀
Die Einsendungen des Exportwettbewerbs wurden nach mehreren Kriterien bewertet: Einfachheit und Reproduzierbarkeit der Exportmethoden, Qualität der Dokumentation, Qualität des Exports sowie Geschwindigkeit und Genauigkeit der exportierten Modelle. Die Einsendungen wurden dann sowohl vom Team hier auf Ultralytics als auch von der Community bewertet.
Der einfachste Export hat die wenigsten Schritte, erfordert die wenigsten Argumente/Parameter, verwendet die wenigsten importierten Pakete und ist mit der geringsten Menge an Code ausführbar.
Die Einreichungen sollten mit einer markdown Einreichungsdatei gut dokumentiert werden. Jeder Schritt sollte erklärt werden, einschließlich der Einrichtung/Voraussetzungen, der Einstellungen/Argumente, der Exportschritte und der Einrichtung der Einsatzumgebung, falls zutreffend.
Jeder Aspekt des Exports und der Bereitstellung, ausgehend von einem offiziellen yolov5s.pt-Modell, sollte enthalten sein. Für Umgebungen, die besondere Anforderungen stellen, wie z. B. Jetson Nano, müssen alle Pakete und/oder Docker-Images bereitgestellt und dokumentiert werden. Für den Einsatz von Android sollte auch eine Android Referenz-App mitgeliefert werden. Eine Einsendung muss 100 % dessen enthalten, was für den vollständigen Export und die Nutzung eines YOLOv5 Modells erforderlich ist.
Die eingesetzten Modelle sollten nahezu identische Ergebnisse liefern wie die offiziellen YOLOv5 PyTorch Modelle (d.h. Inferenz mit python detect.py --weights yolov5s.pt). Die Genauigkeit der eingesetzten Lösungen wird anhand einer Testgruppe von Ultralytics Bildern analysiert, die der Öffentlichkeit nicht zur Verfügung stehen. Auch die Geschwindigkeit ist sehr wichtig, wobei die schnellsten Lösungen bevorzugt werden. Für Android, Exporte an GPUNNAPI und Hexagon-Delegierte erhalten hier die höchste Punktzahl.
Beginne deine Reise in die Zukunft des maschinellen Lernens
