Découvre les perspectives de YOLO VISION 2022 avec des conférences sur l'IA dans divers secteurs d'activité et les dernières nouveautés en matière d'apprentissage automatique par les experts de Ultralytics .
Notre toute première YOLO VISION a eu lieu le 27 septembre 2022. De l'entrée de l'IA dans l'industrie automobile à l'analyse en temps réel de la production de fruits, nous avons écouté les exposés inspirants d'utilisateurs de YOLOv5 tous domaines confondus.
Ce qui a fait la particularité de cet événement, c'est la grande variété d'horizons des intervenants. Se joignant aux représentants des 18 entreprises participantes, les conférenciers ont donné un aperçu de tous les aspects du processus de ML. Parmi eux, on trouve nos entreprises partenaires telles que CometDeci, ClearML, PaperspaceDeci, Deci, Deci, Deci, Deci, Deci, Deci, Deci et Roboflow, ainsi que d'autres dans l'espace open-source comme les géants chinois Baidu, Meituan, et OpenMMLabs.
Tu te demandes quelle est l'histoire de la création de YOLOv5 et quelle est la méthodologie utilisée pour la recherche et le développement ?
Plonge dans les détails de l'approche holistique utilisée pour choisir les meilleures architectures avec Glenn Jocher, notre fondateur et PDG ici à Ultralytics, et Ayush Chaurasia, notre ingénieur ML.
Les grandes architectures de modèles comme YOLOv5 sont essentielles pour obtenir des résultats utiles dans l'apprentissage automatique. Mais les modèles ne valent que ce que valent leurs ensembles de données. Joseph Nelson, PDG et cofondateur de notre partenaire Roboflow, a montré l'impact de la qualité des ensembles de données sur les résultats de la production. Les idées sont éclairées par plus de 10 000 emplois de formation à la vision et par la communauté open-source de Roboflow Universe, qui compte plus de 90 000 ensembles de données.
Dans sa session, Joseph a également présenté les différences clés entre la recherche et la production qui permettent aux développeurs de pirater leurs ensembles de données pour obtenir des résultats significatifs plus rapidement.
Apprends à connaître la qualité des ensembles de données et son impact sur la mise en production de ton modèle de CV !
Chaque logiciel traditionnel passe aujourd'hui par des tests complets de différents types avant d'être déployé, ce qui réduit considérablement le risque de défauts de production.
Comment pouvons-nous adapter ces idées au monde statistique de la ML ?
Aishwarya Srinivasan, Data Scientist à Google & Open Source Developer Advocate à Deepchecks, parle de la simple excitation derrière la construction de solutions capables de résoudre des défis du monde réel. Chez Google, elle construit des solutions d'apprentissage automatique pour les cas d'utilisation des clients, en s'appuyant sur les produits de base de Google , notamment TensorFlow, DataFlow et AI Platform.
Aishwarya nous a rejoints sur YOLO VISION pour discuter des meilleures pratiques et des conseils pratiques pour tester et analyser ton modèle de manière approfondie. Jette un coup d'œil à son intervention pour apprendre la différence entre les tests de logiciels et les tests de ML.
Nous avons organisé une table ronde innovante au cours de laquelle nous avons réuni les autres membres de la famille de l'architecture YOLO ainsi que d'autres architectures d'IA visionnaires open-source de premier plan dans ce domaine.
Ici, YOLOv6 de Meituan, MMDetection d'OpenMMLab CN et PaddlePaddle de Baidu, Inc. nous ont rejoints en tant que Ultralytics'YOLOv5 pour discuter des projets open-source permettant l'avenir de l'IA visionnaire.
C'est la première fois que ces référentiels d'IA visionnaires partagent la scène. Si tu as manqué ce panel, regarde cette vidéo où Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang et Yixin Shi discutent de leurs choix de cadres, de leurs conceptions, de l'évolution de la structure des référentiels, et plus encore !
Comme le dit notre PDG Glenn Jocher, "nous avons tous pu apprendre des outils et des expériences des uns et des autres."
Les systèmes de gestion des données visuelles présentent des lacunes à tous les niveaux : stockage, qualité, recherche, analyse et visualisation. En conséquence, les entreprises, et les chercheurs perdent la fiabilité de leurs produits, des heures de travail, du stockage gaspillé, de l'informatique, et surtout, la possibilité de libérer tout le potentiel de leurs données.
Dans cet exposé, le Dr Danny Bickson nous a appris à résoudre ce problème avec son outil GitHub gratuit et populaire, Fastdup.
FastDup est un outil qui permet de tirer des enseignements d'une grande collection d'images. Il peut trouver des anomalies, des images en double ou presque, des groupes de similitude, et apprendre le comportement normal et les interactions temporelles entre les images. Il peut être utilisé pour le sous-échantillonnage intelligent d'un ensemble de données de meilleure qualité, l'élimination des valeurs aberrantes et la détection de nouvelles informations à envoyer pour le marquage.
Expert en analyse des big data et en apprentissage automatique à grande échelle, Danny Bickson a plus de 15 ans d'expérience dans l'industrie de la haute technologie. Tu le connais peut-être de Turi, une plateforme d'apprentissage automatique qui crée des produits d'analyse de big data pour ses utilisateurs. En 2016, Turi a été rachetée par Apple, où le Dr Danny Bickson a travaillé en tant que responsable principal de la science des données pendant plusieurs années.
Enfin, nous avons eu le plaisir d'annoncer officiellement le lancement de notre programme Ultralytics HUB!
Ultralytics HUB est notre solution sans code pour former et déployer des modèles d'IA en trois étapes faciles ! Donne vie à tes modèles en choisissant les données à partir desquelles ils doivent apprendre.
Nos experts, et créateurs des outils, Kalen Michael et Sergio Sánchez, nous ont fait découvrir Ultralytics HUB et nous ont expliqué toutes les caractéristiques et fonctionnalités. En savoir plus sur Ultralytics HUB et commencer à créer tes modèles gratuitement!
Retrouve toutes les sessions enregistrées sur notre chaîne YouTube!
Nous sommes ravis de la participation à YOLO VISION et heureux de créer un événement où les experts du monde entier peuvent se rejoindre pour en apprendre plus sur l'IA de la vision, restez à jour avec nous en nous suivant sur les médias sociaux. Rendez-vous l'année prochaine à YOLO VISION 2023!
Commence ton voyage avec le futur de l'apprentissage automatique.
