YOLOv5 輸出コンペ受賞者

誰もが簡単に最高のVision AIモデルをトレーニングし、展開できるようにすることを目標に、私たちは初めてのUltralytics YOLOv5 Export Competitionを開催しました。私たちは、オープンソースコミュニティのメンバーとの触れ合いを大切にしており、ユーザーが作成する数多くのアプリケーションにいつも感動しています。

締め切り

コンペティションは2021年5月17日から2021年9月31日24:00（UTC）まで開催された。この日を過ぎるとコンペティションは締め切られ、それ以降の応募は賞金の対象外となる。

評価

評価は2021年9月1日から9月31日まで行われた。我々のチームは、それぞれの提出書類を徹底的に調査した。

賞金10000ドル

各カテゴリーの最優秀作品は、Ultralytics 、賞金2000ドル（2000米ドル）を獲得した。

5カテゴリー

私たちの素晴らしいコミュニティの協力を得て、YOLOv5 モデルの最も一般的な実世界展開シナリオを表す 5 つのカテゴリーを作成しました。 には、Jetson Nano、Raspberry Pi、Google EdgeTPU 、DesktopCPU 、Android Edge デバイスが含まれます。

投稿

私たちの参加者は、応募作品のために公開Githubリポジトリを作成し、作品にオープンソースライセンスを 割り当て、コミュニティが投票できるように、5つの公式EXPORTコンペティション応募スレッドの1つに応募作品を直接投稿しました。これらのスレッドは、公式な投稿のためのものであることに注意してください。一般的な質問やコメントは、このスレッドまたは新しいディスカッションで直接質問してください。応募作品へのリンク

1.Nvidia ジェットソン・ナノ

2.Google エッジTPU

3.ラズベリーパイ

4.Intel/AMDCPU

5.Android

コンペティション入賞者

検討の結果、YOLOv5 モデルの最も一般的な実戦配備シナリオを表す5つのカテゴリーごとに受賞者を決定した。参加者全員に個人的に連絡を取り、その後、受賞者に賞品を発送しました。今日、私たちは最終的にベスト・ソリューションを皆さんと共有できることを嬉しく思います！

Nvidia ジェットソン・ナノ

賞金：2000ドル

アレクサンドル・ママエフ

Google エッジTPU

賞金：2000ドル

ジョシュ・ヴェイッチ＝ミカエリス

Android

賞金：2000ドル

新田康弘

ラズベリーパイ

賞金：2000ドル

優勝なし

Intel/AMDCPU

賞金：2000ドル

優勝なし

*本カテゴリーの応募作品は、各評価基準における最低条件を満たしていなかった。そのため、今回はこのカテゴリーでの受賞者は選出されなかったが、今後、参加者が再びコンテストに参加するチャンスは増えるだろう。

受賞者の皆さん、おめでとうございます！彼らのリポジトリをぜひチェックしてください。

「YOLOv5 ライブラリは素晴らしいです。ほぼ毎日更新され、モデルはうまく機能し、ユーザーエクスペリエンスは常に改善されています。私の研究の多くは、MLを組込み機器に導入することであり、以前EdgeTPUで作業したことがあったので、これは楽しい挑戦のように思えた。"

ジョシュ・ヴェイッチ＝ミカエリス

また、私たちの輸出コンペティションに参加された皆さんに大きなエールを送りたいと思います！私たちは、オープンソースコミュニティに数多くの貴重なメンバーを持つ幸運に恵まれています。皆さんの貢献が私たちのコミュニティを素晴らしいものにしているのです。

これからも素晴らしい存在であり続け、創り続けてください！🚀

採点

エクスポート・コンペティションの応募作品は、エクスポート方法のシンプルさと再現性、ドキュメンテーションの質、エクスポートの質、エクスポートされたモデルのスピードと正確さなど、いくつかの基準を前提に審査されました。これらの提出物は、Ultralytics のチームとコミュニティからのフィードバックの両方によって採点されました。

輸出の質（20）

最も単純なエクスポートは、最小のステップ数で、最小の数の引数/パラメータを必要とし、最小の数のインポートパッケージを使用し、最小のコード量で実行可能である。

ドキュメンテーションの質 (20%)

提出物は、markdown 提出ファイル を用いて、十分に文書化されるべきである。各ステップは、セットアップ/要件、設定/引数、エクスポートステップ、デプロイ環境のセットアップ（該当する場合）を含めて説明されるべきである。

提出物の質（20）

公式のyolov5s.ptモデルから始まるエクスポートとデプロイのあらゆる側面を含める必要があります。Jetson Nanoのような特別な要件が必要な環境では、すべてのパッケージおよび/またはDockerイメージを提供し、文書化する必要があります。Android デプロイメントについては、Android 参照アプリも含める必要があります。提出書類には、YOLOv5 モデルを完全にエクスポートして使用するために必要なものを 100%含める必要があります。

展開モデルのスピードと精度（40）

配置されたモデルは、公式のYOLOv5 PyTorch モデルとほぼ同じ推論結果を返すべきである（すなわち、python detect.py --weights yolov5s.ptによる推論）。配備されたソリューションの精度は、一般公開されていないUltralytics 画像のホールドアウトテストセットで分析される。スピードも非常に重要であり、最も速いデプロイメント・ソリューションが重用される。Android については GPUへのエクスポート、NNAPIおよびHexagonの代表が最高得点を獲得する。