Descubre a los ganadores del concurso de exportación Ultralytics YOLOv5 , que muestra lo mejor en despliegue de modelos de IA en varios dispositivos.
Con el objetivo de ayudar a todo el mundo a entrenar y desplegar fácilmente los mejores modelos de IA de Visión, hemos organizado nuestro primer Concurso de ExportaciónUltralytics YOLOv5 . Valoramos estar en contacto con los miembros de nuestra comunidad de código abierto y siempre nos impresionan las numerosas aplicaciones que crean los usuarios.
El concurso estuvo abierto desde el 17 de mayo de 2021 hasta el 31 de septiembre de 2021 a las 24:00 UTC. Después de esta fecha, el concurso quedaba cerrado y los envíos posteriores no podían optar al premio en metálico.
La evaluación tuvo lugar del 1 de septiembre de 2021 al 31 de septiembre de 2021. Nuestro equipo estudió a fondo cada candidatura.
La mejor presentación en cada categoría ha reclamado la totalidad de los fondos del premio de 2.000 $ (2.000,00 USD) de Ultralytics para esa categoría.
Con la ayuda de nuestra increíble comunidad, hemos creado previamente 5 categorías que representan los escenarios de despliegue más populares en el mundo real para los modelos YOLOv5 , incluidos los dispositivos Jetson Nano, Raspberry Pi, Google Edge TPU, Desktop CPU y Android Edge.
Nuestros participantes han creado un repositorio público en Github para su presentación, han asignado a su trabajo una licencia de código abierto y han publicado su presentación directamente en uno de los 5 hilos oficiales de presentación del Concurso EXPORT para que la comunidad pueda votar. Ten en cuenta que estos hilos eran sólo para presentaciones oficiales. Las preguntas o comentarios generales se han planteado directamente en este hilo, o en un nuevo debate. Enlaces a los envíos:
Tras muchas consideraciones, decidimos los ganadores de cada una de las cinco categorías, que representan los escenarios de implantación más populares en el mundo real para los modelos YOLOv5 . Nos pusimos en contacto personalmente con todos los participantes y, a continuación, se entregaron los premios a nuestros ganadores. Hoy, ¡nos complace compartir por fin las mejores soluciones contigo!
Premio: 2000
Premio: 2000
Premio: 2000
Premio: 2000
No hay ganador *
Premio: 2000
No hay ganador *
*Los envíos de esta categoría no cumplieron el conjunto mínimo de requisitos en cada uno de los criterios de evaluación. Por lo tanto, no se seleccionó ningún ganador para la categoría en esta ocasión, sin embargo, habrá más oportunidades para que los participantes vuelvan a competir en el futuro.
¡Enhorabuena a los ganadores! No dejes de consultar sus repositorios.
"La biblioteca YOLOv5 es genial: se actualiza casi a diario, los modelos funcionan bien y la experiencia del usuario mejora continuamente. Gran parte de mi investigación implica desplegar ML en dispositivos integrados, y ya había trabajado con la EdgeTPU anteriormente, así que esto parecía un reto divertido."
Josh Veitch-Michaelis
También queremos enviar un gran saludo a todos los que participaron en nuestro Concurso de Exportación. Tenemos la suerte de contar con numerosos miembros valiosos de nuestra comunidad de código abierto. Son las contribuciones de todos vosotros las que hacen grande a nuestra comunidad.
¡Sigue siendo increíble y sigue creando! 🚀
Los envíos del concurso Exportación se juzgaron en función de varios criterios: la sencillez y reproducibilidad de sus métodos de exportación, la calidad de su documentación, la calidad de la exportación y la velocidad y precisión de sus modelos exportados. Estas propuestas fueron puntuadas tanto por el equipo de Ultralytics como por los comentarios de la comunidad.
La exportación más sencilla tendrá el menor número de pasos, requerirá el menor número de argumentos/parámetros, utilizará el menor número de paquetes importados y será ejecutable con la menor cantidad de código.
Los envíos deben estar bien documentados utilizando un archivo de envío markdown . Cada paso debe explicarse, incluyendo la configuración/requisitos, cualquier configuración/argumento, pasos de exportación y configuración del entorno de despliegue, si procede.
Deben incluirse todos los aspectos de la exportación y el despliegue, partiendo de un modelo oficial yolov5s.pt. Para entornos que requieran requisitos especiales, como Jetson Nano, deben suministrarse y documentarse todos los paquetes y/o imágenes Docker. Para implementaciones en Android , también debe incluirse una aplicación de referencia Android . Una presentación debe incluir el 100% de lo necesario para exportar y utilizar completamente un modelo YOLOv5 .
Los modelos desplegados deben devolver resultados de inferencia casi idénticos a los de los modelos oficiales YOLOv5 PyTorch (es decir, inferencia con python detect.py --weights yolov5s.pt). La precisión de las soluciones desplegadas se analizará en un conjunto de pruebas de reserva de imágenes Ultralytics que no están disponibles para el público. La velocidad también es muy importante, y se favorecerá a las soluciones de despliegue más rápidas. Para Android, las exportaciones a GPU, los delegados de NNAPI y Hexagon recibirán aquí la máxima puntuación.
Comienza tu viaje con el futuro del aprendizaje automático
