Controllo verde
Link copiato negli appunti

Ultralytics YOLOv5 Concorrenza all'esportazione

Partecipa a Ultralytics'YOLOv5 Export Competition entro il 31 agosto 2021, per avere la possibilità di vincere 10.000 dollari in premi suddivisi in 5 categorie!

Siamo entusiasti di annunciare il primo concorso per l'esportazione di Ultralytics YOLOv5 con 10.000,00 dollari di premi in denaro! Il nostro obiettivo è quello di aiutare tutti a formare facilmente i migliori modelli di Vision AI del mondo e di aiutare tutti a distribuire i loro modelli con la stessa facilità ovunque vogliano utilizzarli.

Data

Il concorso si svolgerà dal 17 maggio 2021 al 31 agosto 2021.

Scadenza

Il termine ultimo per la presentazione dei lavori è fissato alle ore 24:00 UTC del 31 agosto 2021. Dopo questa data, il concorso sarà chiuso e non sarà più possibile ricevere il premio in denaro.

10000 dollari in premi

Il miglior elaborato in ciascuna delle 5 categorie si aggiudicherà l'intero montepremi di $2000,00 (2000,00 USD) dal sito Ultralytics per quella categoria.

5 Categorie

In base al feedback della comunità, abbiamo creato 5 categorie che rappresentano gli scenari di implementazione più diffusi nel mondo reale per i modelli YOLOv5 , tra cui Jetson Nano, Raspberry Pi, Google Edge TPU, desktop CPU e dispositivi edge Android .

Invii

Per partecipare, crea un repository Github pubblico per il tuo progetto, assegna al tuo lavoro una licenza open source e pubblica il tuo progetto direttamente in uno dei 5 thread ufficiali del Concorso EXPORT per consentire alla comunità di votare. Nota: questi thread sono riservati alle candidature ufficiali. Domande o commenti di carattere generale possono essere posti direttamente in questo thread o in una nuova discussione. Link alle candidature:

1. Nvidia Jetson Nano

2. Google Bordo TPU

3. Raspberry Pi

4. Intel/AMD CPU

5. Android

La valutazione si svolgerà dal 1 settembre 2021 al 16 settembre 2021. I vincitori saranno annunciati alla fine di settembre 2021 e i premi saranno erogati subito dopo.

Categorie della competizione

Nvidia Jetson Nano

Hardware di valutazione: Kit di sviluppo Jetson Nano

Premio: 2.000 dollari

Google Bordo TPU

Hardware di valutazione: Coral Dev Board Mini

Premio: 2.000 dollari

Raspberry Pi

Hardware di valutazione: Raspberry Pi 4 Model B

Premio: 2.000 dollari

Intel/AMD CPU

Hardware di valutazione: AWS EC2 t3.medium

Premio: 2.000 dollari

Android

Valutazione hardware: Xiaomi Mi 11

Premio: 2.000 dollari

*I fondi saranno convertiti nella valuta locale del partecipante utilizzando il tasso di cambio corrente alla data del trasferimento. I premi in denaro saranno trasferiti tramite Wise, vedi l'elenco dei paesi idonei per il trasferimento dei premi in denaro.

Punteggio

Il 50% dei punteggi delle candidature sarà deciso da Ultralytics, mentre il 50% sarà deciso dal feedback della comunità, sommando 👍 o 👎 per ogni candidatura. Il punteggio di Ultralytics sarà determinato da:

1. Qualità dell'esportazione (20%)

L'esportazione più semplice avrà il minor numero di passaggi, richiederà il minor numero di argomenti/parametri, utilizzerà il minor numero di pacchetti importati e sarà eseguibile con il minor numero di codice.

2. Qualità della documentazione (20%)

Le sottomissioni devono essere ben documentate utilizzando un file di sottomissione markdown . Ogni passaggio deve essere spiegato, compresi i requisiti di configurazione, le impostazioni/argomenti, i passaggi di esportazione e la configurazione dell'ambiente di distribuzione, se applicabile.

3. Qualità dell'invio (20%)

Ogni aspetto dell'esportazione e della distribuzione, a partire da un modello ufficiale yolov5s.pt, deve essere incluso. Per gli ambienti che richiedono requisiti speciali, come Jetson Nano, tutti i pacchetti e/o le immagini Docker devono essere forniti e documentati. Per le distribuzioni su Android , è necessario includere anche un'applicazione di riferimento su Android . Una richiesta deve includere il 100% di ciò che è necessario per esportare e utilizzare completamente un modello YOLOv5 .

4. Velocità e precisione del modello distribuito (40%)

I modelli implementati dovrebbero restituire risultati di inferenza quasi identici a quelli dei modelli ufficiali di YOLOv5 PyTorch (cioè l'inferenza con python detect.py --weights yolov5s.pt). L'accuratezza delle soluzioni implementate sarà analizzata su un set di prova di immagini Ultralytics non disponibili al pubblico. Anche la velocità è molto importante, e le soluzioni di distribuzione più veloci sono fortemente favorite. Per Android, le esportazioni verso GPU, NNAPI e i delegati Hexagon riceveranno il punteggio più alto.

Logo di FacebookLogo di TwitterLogo di LinkedInSimbolo di copia-link

Leggi tutto in questa categoria

Costruiamo insieme il futuro
di AI!

Inizia il tuo viaggio nel futuro dell'apprendimento automatico