Simplificación de los flujos de trabajo de clasificación con YOLOv5 v6.2

YOLOv5 ¡está llevando el estado del arte de la detección de objetos a nuevas cotas! Desde nuevos modelos de clasificación, reproducibilidad del entrenamiento y compatibilidad con Apple Metal Performance Shader (MPS), hasta integraciones con ClearML y Deci, te presentamos la nueva versión YOLOv5 v6.2.

Actualizaciones importantes de YOLOv5

Hemos estado trabajando para mejorar tu arquitectura de IA favorita de YOLO Vision desde nuestra última versión de febrero de 2022. Estas son las actualizaciones más importantes de la última versión YOLOv5 v6.2:

• Modelos de clasificación: YOLOv5-cls Ya están disponibles por primera vez los modelos de clasificación preentrenados en ImageNet.
• ClearML registro: Integración con el rastreador de experimentos de código abierto ClearML. La instalación con pip install clearml habilitará la integración y permitirá a los usuarios realizar un seguimiento de cada ejecución de entrenamiento en ClearML. Esto, a su vez, permite a los usuarios seguir y comparar las ejecuciones e incluso programarlas a distancia.
• GPU Exportar puntos de referencia: Realiza puntos de referencia (mAP y velocidad) en todos los formatos de exportación de YOLOv5 con python utils/benchmarks.py --weights yolov5s.pt --device 0 para los puntos de referencia de GPU o --device CPU para los de CPU .
• Reproducibilidad del entrenamiento: El entrenamiento individual deGPU YOLOv5 con torch>=1.12.0 es ahora totalmente reproducible, y se puede utilizar un nuevo argumento --seed (semilla por defecto=0).
• Compatibilidad con Apple Metal Performance Shader (MPS ): MPS compatibilidad con dispositivos Apple M1/M2 con --device mps (la funcionalidad completa está pendiente de actualizaciones torch en pytorch/ pytorch#77764).

Nuevos modelos de clasificación

Nuestro principal objetivo con esta versión es introducir sencillos flujos de trabajo de clasificación YOLOv5 , al igual que nuestros actuales modelos de detección de objetos. Los nuevos modelos v6.2 YOLOv5-cls son sólo el principio, seguiremos mejorándolos en el futuro junto con nuestros modelos de detección existentes. Nos encantaría que contribuyeras a este esfuerzo.

Esta versión incorpora 401 PR de 41 colaboradores desde nuestra última versión de febrero de 2022. Añade entrenamiento, validación, predicción y exportación de la Clasificación (a los 11 formatos), y también proporciona modelos YOLOv5m-cls, ResNet (18, 34, 50, 101) y EfficientNet (b0-b3) preentrenados para ImageNet.

Entrenamos modelos de clasificación YOLOv5-cls en ImageNet durante 90 epochs utilizando una instancia 4xA100, y entrenamos modelos ResNet y EfficientNet junto con la misma configuración de entrenamiento predeterminada para comparar. Exportamos todos los modelos a ONNX FP32 para las pruebas de velocidad de CPU y a TensorRT FP16 para las pruebas de velocidad de GPU . Ejecutamos todas las pruebas de velocidad en Google Colab Pro para facilitar la reproducibilidad.  

¿Qué es lo próximo de Ultralytics?

Nuestra próxima versión, la v6.3, está prevista para septiembre de 2022 y llevará la segmentación oficial de instancias a YOLOv5, con una importante versión v7.0 a finales de este año que actualizará las arquitecturas de las 3 tareas: clasificación, detección y segmentación.

Visita nuestro repositorio GitHub de código abierto YOLOv5 para estar al día y obtener más información sobre esta versión.