Открой для себя идеи с сайта YOLO VISION 2022, рассказав об искусственном интеллекте в различных отраслях и последних достижениях в области машинного обучения от экспертов Ultralytics .
27 сентября 2022 года состоялся наш первый в истории YOLO VISION. От внедрения искусственного интеллекта в автомобильную промышленность до анализа производства фруктов в реальном времени - мы слушали вдохновляющие выступления пользователей YOLOv5 по всем направлениям.
Что-то, что сделало это мероприятие особенным, заключалось в широком разнообразии опыта докладчиков. Вместе с представителями 18 компаний-участников докладчики рассказали о каждом аспекте процесса ML. Среди них такие компании-партнеры, как. Comet, Deci(США) ClearML, Paperspace, и Roboflow, а также другие представители open-source пространства, такие как китайские гиганты Baidu, Meituan и OpenMMLabs.
Интересуешься историей создания YOLOv5 и методологией, используемой для исследований?
Погрузись в детали целостного подхода, используемого для выбора лучших архитектур, вместе с Гленом Джочером, нашим основателем и генеральным директором Ultralytics, и Аюшем Чаурасией, нашим ML-инженером.
Отличные архитектуры моделей, такие как YOLOv5 , имеют решающее значение для получения полезных результатов в машинном обучении. Но модели хороши лишь настолько, насколько хороши их наборы данных. Джозеф Нельсон, генеральный директор и соучредитель нашего партнера Roboflow, показал, как качество наборов данных влияет на производственные результаты. В основу этих выводов легли более 10 000 заданий по обучению зрению и сообщество Roboflow Universe с открытым исходным кодом, состоящее из 90 000+ наборов данных.
В своей сессии Джозеф также показал ключевые различия между исследованиями и производством, которые позволяют разработчикам взламывать свои наборы данных, чтобы быстрее получать значимые результаты.
Узнай о качестве наборов данных и его влиянии на доведение твоей CV-модели до производственной ценности!
Каждая часть традиционного программного обеспечения сегодня проходит всестороннее тестирование различных типов перед развертыванием, что значительно снижает риск производственных сбоев.
Как мы можем адаптировать эти идеи к статистически-ориентированному миру ML?
Айшвария Шринивасан, Data Scientist в Google и Open Source Developer Advocate в Deepchecks, рассказывает о простом волнении, которое стоит за созданием решений, способных решать реальные задачи. В Google она создает решения на основе машинного обучения для решения задач клиентов, используя основные продукты Google , включая TensorFlow, DataFlow и AI Platform.
Айшвария присоединилась к нам на YOLO VISION, чтобы обсудить лучшие практики и практические советы по всестороннему тестированию и анализу твоей модели. Посмотри ее выступление, чтобы узнать разницу между тестированием ПО и тестированием ML.
Мы провели новаторскую панель, на которой собрали вместе других членов семейства архитектуры YOLO , а также другие лучшие архитектуры ИИ видения с открытым исходным кодом в этом пространстве.
Здесь YOLOv6 от Meituan, MMDetection от OpenMMLab CN и PaddlePaddle от Baidu, Inc. присоединились к нам в качестве Ultralytics' YOLOv5 , чтобы обсудить проекты с открытым исходным кодом, обеспечивающие будущее зрительного ИИ.
Впервые в истории эти ведущие хранилища ИИ видения разделили сцену. Если ты пропустил эту панель, посмотри видео, в котором Бо Чжан, Гленн Джочер, Гуаньчжун Ванг, Вэньвэй Чжан и Исинь Ши обсудили свой выбор фреймворков, дизайн, эволюцию структуры репозитория и многое другое!
Как говорит наш генеральный директор Гленн Джочер: "Мы все должны учиться на инструментах и опыте друг друга".
Системы управления визуальными данными испытывают недостаток во всех аспектах: хранение, качество, поиск, аналитика и визуализация. Как следствие, компании и исследователи теряют надежность продукции, рабочее время, тратят впустую хранилища, вычисления и, самое главное, возможность раскрыть весь потенциал своих данных.
В этой беседе доктор Дэнни Биксон научил нас решать эту проблему с помощью своего популярного бесплатного инструмента для GitHub - Fastdup.
FastDup - это инструмент для получения информации из большой коллекции изображений. Он может находить аномалии, дубликаты и близкие к дубликатам изображения, кластеры сходства, а также изучать нормальное поведение и временные взаимодействия между изображениями. Его можно использовать для интеллектуальной подвыборки более качественного набора данных, удаления выбросов и обнаружения новизны новой информации, которую нужно отправить для маркировки.
Эксперт в области аналитики больших данных и крупномасштабного машинного обучения, Дэнни Биксон имеет более чем 15-летний опыт работы в индустрии высоких технологий. Ты можешь знать его по Turi, платформе машинного обучения, которая создает продукты для аналитики больших данных для своих пользователей. В 2016 году Turi была приобретена компанией Apple, где доктор Дэнни Биксон несколько лет работал старшим менеджером по науке о данных.
И наконец, мы с удовольствием официально объявили о запуске нашего Ultralytics HUB!
Ultralytics HUB это наше бескодовое решение для обучения и развертывания моделей искусственного интеллекта в три простых шага! Воплоти свои модели в жизнь, выбрав данные, на которых они будут обучаться.
Наши эксперты и создатели инструментов, Кален Майкл и Серхио Санчес, провели нас по Ultralytics HUB и рассказали обо всех особенностях и функциональных возможностях Узнай больше о Ultralytics HUB и начни создавать свои модели бесплатно!
Найди все записанные сессии на нашем YouTube-канале!
Мы в восторге от посещаемости YOLO VISION и рады, что создали мероприятие, на котором эксперты со всего мира могут познакомиться с искусственным интеллектом зрения, следи за нами в социальных сетях. Увидимся в следующем году на YOLO VISION 2023!
Начни свое путешествие с будущим машинного обучения
