분류 워크플로 간소화 Ultralytics YOLOv5 v6.2

YOLOv5 는 물체 인식의 최첨단 기술을 새로운 차원으로 끌어올리고 있습니다! 새로운 분류 모델, 훈련 재현성, Apple 메탈 성능 셰이더(MPS) 지원부터 ClearML 및 Deci와의 통합까지, 새로운 YOLOv5 v6.2 릴리스를 소개합니다.

중요 YOLOv5 업데이트

저희는 2022년 2월의 최신 릴리스 이후 여러분이 가장 좋아하는 YOLO Vision AI 아키텍처를 개선하기 위해 노력해 왔습니다. 다음은 최신 YOLOv5 v6.2의 가장 중요한 업데이트 내용입니다:

• 분류 모델: YOLOv5-cls ImageNet에서 사전 학습된 분류 모델을 처음으로 사용할 수 있습니다.
• ClearML 로깅: 오픈 소스 실험 트래커와 통합 ClearML. pip 설치( clearml )로 설치하면 통합이 활성화되고 사용자는 ClearML 에서 모든 훈련 실행을 추적할 수 있습니다. 이를 통해 사용자는 실행을 추적 및 비교하고 원격으로 실행을 예약할 수도 있습니다.
• GPU 벤치마크 내보내기: GPU 벤치마크의 경우 --device 0, CPU 벤치마크의 경우 --device CPU 을 사용하여 모든 YOLOv5 내보내기 형식의 벤치마크(맵 및 속도)를 python utils/benchmarks.py --weights yolov5s.pt로 벤치마크합니다.
• 훈련 재현성: 단일- torch>=1.12.0을 사용한GPU YOLOv5 훈련은 이제 완전히 재현 가능하며, 새로운 --seed 인수를 사용할 수 있습니다(기본 시드=0).
• 애플 메탈 퍼포먼스 셰이더 (MPS) 지원: MPS --device가 있는 애플 M1/M2 디바이스 지원 mps (전체 기능은 pytorch/ pytorch#77764에서 torch 업데이트 대기 중).

새로운 분류 모델

이번 릴리스의 주요 목표는 기존 오브젝트 탐지 모델과 마찬가지로 간단한 YOLOv5 분류 워크플로를 도입하는 것입니다. 새로운 v6.2 YOLOv5-cls 모델은 시작에 불과하며, 향후 기존 탐지 모델과 함께 지속적으로 개선해 나갈 것입니다. 이러한 노력에 여러분의 많은 참여를 부탁드립니다!

이번 릴리스에는 2022년 2월 마지막 릴리스 이후 41명의 기여자가 제공한 401개의 PR이 통합되었습니다. 분류 훈련, 검증, 예측 및 내보내기(11개 형식 모두)가 추가되었으며, ImageNet에서 사전 훈련된 YOLOv5m-cls, ResNet(18, 34, 50, 101) 및 EfficientNet(b0-b3) 모델도 제공됩니다.

4xA100 인스턴스를 사용하여 ImageNet에서 YOLOv5-cls 분류 모델을 90회에 걸쳐 학습시켰으며, 비교를 위해 동일한 기본 학습 설정과 함께 ResNet 및 EfficientNet 모델을 학습시켰습니다. CPU 속도 테스트를 위해 모든 모델을 ONNX FP32로, GPU 속도 테스트를 위해 TensorRT FP16으로 내보냈습니다. 재현성을 높이기 위해 모든 속도 테스트는 Google Colab Pro에서 실행했습니다.  

다음 단계 Ultralytics?

다음 릴리스인 v6.3은 2022년 9월에 출시될 예정이며, 공식 인스턴스 세분화 지원은 YOLOv5 에서 확인할 수 있으며, 올해 말에는 분류, 탐지, 세분화의 세 가지 작업 모두에 걸쳐 아키텍처를 업데이트하는 v7.0 주요 릴리스가 출시될 예정입니다.

이번 릴리스에 대한 최신 정보를 확인하고 자세히 알아보려면 YOLOv5 오픈 소스 GitHub 리포지토리를 방문하세요.