Simplifying Classification Workflows With Ultralytics YOLOv5 v6.2

YOLOv5は、物体検出の最先端技術を新たな高みへと押し上げます！新しい分類モデル、トレーニングの再現性、Apple Metal Performance Shader (MPS) のサポートから、ClearML と Deci との統合まで、新しいYOLOv5 v6.2 リリースをご紹介します。

YOLOv5 重要なアップデート

私たちは2022年2月の最新リリース以来、皆様のお気に入りのYOLO Vision AIアーキテクチャの改善に取り組んできました。これらは最新のYOLOv5 v6.2における最も重要なアップデートです：

• 分類モデル: YOLOv5-cls ImageNetで事前学習された分類モデルが初めて利用可能になりました。
• ClearML ロギング：オープンソースの実験トラッカーとの統合 ClearML.pip installclearml でインストールすると、統合が有効になり、ClearML ですべてのトレーニング実行を追跡できるようになります。これにより、ユーザーは走行を追跡して比較したり、リモートでスケジュールを立てることもできるようになる。
• GPU エクスポートベンチマーク： python utils/benchmarks.py --weights yolov5s.pt --device 0 でGPU ベンチマークを、--deviceCPU でCPU ベンチマークを、YOLOv5 のエクスポートフォーマットすべてでベンチマーク（mAP とスピード）。
• トレーニングの再現性： torch>=1.12.0でのシングルGPU YOLOv5 トレーニングが完全に再現可能になり、新しい--seed引数が使用できるようになりました（デフォルトはseed=0）。
• Apple Metal Performance Shader (MPS) のサポート: MPS --devicemps で Apple M1/M2 デバイスをサポート (完全な機能はpytorch/ pytorch#77764 の torch アップデート待ち)。

新しい分類モデル

このリリースの主な目標は、既存の物体検出モデルのように、シンプルなYOLOv5 分類ワークフローを導入することです。新しいv6.2YOLOv5-clsモデルは、ほんの手始めに過ぎません。私たちは、既存の検出モデルとともに、今後もこれらの改良を続けていきます。私たちは、この取り組みへのあなたの貢献を歓迎します！

このリリースには、前回のリリース（2022年2月）以来、41人のコントリビューターによる401件のPRが含まれています。また、ImageNetで事前にトレーニングされたYOLOv5m-cls、ResNet (18, 34, 50, 101)、EfficientNet (b0-b3)モデルを提供します。

4xA100インスタンスを使用して、ImageNet上のYOLOv5-cls分類モデルを90エポック訓練し、同じデフォルト訓練設定でResNetとEfficientNetモデルを並行して訓練して比較した。すべてのモデルをCPU スピードテスト用にONNX FP32、GPU スピードテスト用にTensorRT FP16にエクスポートした。再現性を容易にするため、すべてのスピードテストをGoogle Colab Proで実行した。  

Ultralytics 次はどうなる？

次のリリースであるv6.3は2022年9月に予定されており、インスタンス・セグメンテーションの公式サポートをYOLOv5 、今年後半にリリースされるv7.0では、分類、検出、セグメンテーションの3つのタスクすべてにわたってアーキテクチャが更新される。

YOLOv5 オープンソースのGitHubリポジトリで最新情報を入手し、このリリースの詳細をご覧ください。