Descobre os conhecimentos de YOLO VISION 2022 com palestras sobre IA em várias indústrias e as últimas novidades em aprendizagem automática com especialistas de Ultralytics .
O nosso primeiro YOLO VISION teve lugar a 27 de setembro de 2022. Desde a entrada da IA na indústria automóvel até à análise em tempo real da produção de fruta, ouvimos palestras inspiradoras de utilizadores de YOLOv5 de todas as áreas.
Um fator que tornou este evento especial foi a grande variedade de antecedentes dos oradores. Juntamente com representantes de 18 empresas participantes, os oradores forneceram informações sobre todos os aspectos do processo de ML. Entre eles, estão as nossas empresas parceiras, tais como Comet, Deci, ClearML, Paperspace, e Roboflow, bem como outras no espaço de código aberto, como os gigantes chineses Baidu, Meituan e OpenMMLabs.
Queres saber a história por detrás da criação de YOLOv5 e a metodologia utilizada para a I&D?
Mergulha nos detalhes da abordagem holística utilizada para escolher as melhores arquitecturas com Glenn Jocher, o nosso fundador e CEO em Ultralytics, e Ayush Chaurasia, o nosso engenheiro de ML.
Grandes arquitecturas de modelos como YOLOv5 são cruciais para obter resultados úteis na aprendizagem automática. Mas os modelos são tão bons quanto os seus conjuntos de dados. Joseph Nelson, CEO e cofundador do nosso parceiro Roboflow, mostrou o impacto da qualidade do conjunto de dados nos resultados da produção. Os insights são informados por mais de 10.000 trabalhos de treinamento de visão e pela comunidade de código aberto do Roboflow Universe de mais de 90.000 conjuntos de dados.
Na sua sessão, Joseph também apresentou as principais diferenças entre a investigação e a produção, que permitem aos programadores explorar os seus conjuntos de dados para obter resultados significativos mais rapidamente.
Aprende sobre a qualidade do conjunto de dados e o seu impacto na obtenção do valor de produção do teu modelo CV!
Atualmente, cada software tradicional passa por testes exaustivos de vários tipos antes de ser implementado, reduzindo significativamente o risco de falhas na produção.
Como podemos adaptar estas ideias ao mundo estatisticamente orientado do ML?
Aishwarya Srinivasan, cientista de dados da Google & Open Source Developer Advocate da Deepchecks, fala sobre o mero entusiasmo por trás da criação de soluções capazes de resolver desafios do mundo real. Em Google, cria soluções de aprendizagem automática para casos de utilização de clientes, tirando partido dos principais produtos Google , incluindo TensorFlow, DataFlow e AI Platform.
Aishwarya juntou-se a nós em YOLO VISION para discutir as melhores práticas e dicas práticas para testar e analisar extensivamente o teu modelo. Vê a conversa dela para saberes a diferença entre Testar Software e Testar ML.
Organizámos um painel inovador em que reunimos outros membros da família de arquitecturas YOLO , bem como outras arquitecturas de IA de visão de código aberto de topo no espaço.
Aqui, o YOLOv6 da Meituan, o MMDetection do OpenMMLab CN e o PaddlePaddle da Baidu, Inc. juntaram-se a nós como Ultralytics' YOLOv5 para discutir projectos de código aberto que permitem o futuro da IA de visão.
Esta foi a primeira vez que estes repositórios de IA de visão de topo partilharam o palco. Se perdeste este painel, vê este vídeo onde Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang e Yixin Shi discutiram a sua escolha de frameworks, designs, a evolução da estrutura do repositório e muito mais!
Como diz o nosso diretor executivo Glenn Jocher, "todos nós aprendemos com as ferramentas e experiências uns dos outros".
Os sistemas de gestão de dados visuais são deficientes em todos os aspectos: armazenamento, qualidade, pesquisa, análise e visualização. Consequentemente, as empresas e os investigadores estão a perder a fiabilidade dos produtos, horas de trabalho, armazenamento desperdiçado, computação e, mais importante ainda, a capacidade de desbloquear todo o potencial dos seus dados.
Nesta palestra, o Dr. Danny Bickson ensinou-nos a resolver este problema com a sua popular ferramenta gratuita do GitHub, Fastdup.
FastDup é uma ferramenta para obter informações de uma grande coleção de imagens. Consegue encontrar anomalias, imagens duplicadas e quase duplicadas, grupos de semelhança e aprender o comportamento normal e as interacções temporais entre imagens. Pode ser utilizado para subamostragem inteligente de um conjunto de dados de qualidade superior, remoção de anomalias e deteção de novidades de novas informações a enviar para marcação.
Especialista em análise de grandes volumes de dados e aprendizagem automática em grande escala, Danny Bickson tem mais de 15 anos de experiência no sector da alta tecnologia. Talvez o conheças da Turi, uma plataforma de aprendizagem automática que cria produtos de análise de grandes volumes de dados para os seus utilizadores. Em 2016, a Turi foi adquirida pela Apple, onde o Dr. Danny Bickson trabalhou como Gestor Sénior de Ciência de Dados durante vários anos.
E, finalmente, tivemos o prazer de anunciar formalmente o lançamento do nosso Ultralytics HUB!
Ultralytics HUB é a nossa solução sem código para treinar e implementar modelos de IA em três passos simples! Dá vida aos teus modelos, escolhendo os dados com que devem aprender.
Os nossos especialistas e criadores das ferramentas, Kalen Michael e Sergio Sánchez, conduziram-nos numa visita guiada a Ultralytics HUB e explicaram-nos todas as características e funcionalidades. Sabe mais sobre Ultralytics HUB e começa a criar os teus modelos gratuitamente!
Encontra todas as sessões gravadas no nosso canal do YouTube!
Estamos muito satisfeitos com a participação no YOLO VISION e com a criação de um evento em que especialistas de todo o mundo se podem juntar para aprender sobre IA da visão. Mantém-te atualizado seguindo-nos nas redes sociais. Vejo-te no próximo ano em YOLO VISION 2023!
Começa a tua viagem com o futuro da aprendizagem automática
