Упрощение рабочих процессов классификации с помощью YOLOv5 v6.2

YOLOv5 поднимает уровень техники в области обнаружения объектов на новые высоты! От новых моделей классификации, воспроизводимости обучения и поддержки Apple Metal Performance Shader (MPS) до интеграции с ClearML и Deci - мы представляем тебе новый релиз YOLOv5 v6.2.

Важные обновления YOLOv5

Мы работаем над улучшением твоей любимой архитектуры YOLO Vision AI с момента нашего последнего релиза в феврале 2022 года. Вот самые важные обновления в последней версии YOLOv5 v6.2:

• Модели классификации: YOLOv5-cls Модели классификации ImageNet, прошедшие предварительную подготовку, теперь впервые доступны.
• ClearML Логирование: Интеграция с трекером экспериментов с открытым исходным кодом ClearML. Установка с помощью pip install clearml включит интеграцию и позволит пользователям отслеживать каждый тренировочный забег в ClearML. Это, в свою очередь, позволит пользователям отслеживать и сравнивать прогоны и даже планировать их удаленно.
• GPU Экспортные бенчмарки: Проведи бенчмарки (mAP и скорость) всех экспортных форматов YOLOv5 с помощью python utils/benchmarks.py --weights yolov5s.pt --device 0 для бенчмарков GPU или --device CPU для бенчмарков CPU .
• Воспроизводимость тренировок: ОдиночныеGPU YOLOv5 тренировки с torch>=1.12.0 теперь полностью воспроизводимы, и теперь можно использовать новый аргумент --seed (по умолчанию seed=0).
• Поддержка Apple Metal Performance Shader (MPS ): MPS поддержка устройств Apple M1/M2 с помощью --device mps (полная функциональность ожидает torch обновления в pytorch/ pytorch#77764).

Новые модели классификации

Наша главная цель в этом выпуске - внедрить простые рабочие процессы классификации YOLOv5 , как и наши существующие модели обнаружения объектов. Новые модели v6.2 YOLOv5-cls - это только начало, мы будем продолжать совершенствовать их вместе с нашими существующими моделями обнаружения. Мы будем рады твоему вкладу в эту работу!

Этот выпуск включает 401 PR от 41 автора с момента нашего последнего выпуска в феврале 2022 года. Он добавляет обучение классификации, проверку, предсказание и экспорт (во все 11 форматов), а также предоставляет предварительно обученные модели ImageNet YOLOv5m-cls, ResNet (18, 34, 50, 101) и EfficientNet (b0-b3).

Мы обучили модели классификации YOLOv5-cls на ImageNet в течение 90 эпох, используя экземпляр 4xA100, а также обучили модели ResNet и EfficientNet с теми же настройками обучения по умолчанию для сравнения. Мы экспортировали все модели в ONNX FP32 для тестов скорости CPU и в TensorRT FP16 для тестов скорости GPU . Все тесты на скорость мы проводили на Google Colab Pro для удобства воспроизведения.  

Что будет дальше с Ultralytics?

Наш следующий релиз, v6.3, запланирован на сентябрь 2022 года и принесет официальную поддержку сегментации экземпляров на YOLOv5, а в конце этого года выйдет крупный релиз v7.0, в котором будут обновлены архитектуры для всех трех задач - классификации, обнаружения и сегментации.

Посети наш репозиторий YOLOv5 с открытым исходным кодом на GitHub, чтобы быть в курсе событий и узнать больше об этом релизе.