Узнай о победителях конкурса Ultralytics YOLOv5 Export Competition, демонстрирующего лучшее в развертывании AI-моделей на различных устройствах.
С целью помочь всем желающим легко обучать и внедрять лучшие модели Vision AI, мы организовали наш первый конкурсUltralytics YOLOv5 Export Competition. Мы ценим общение с членами нашего сообщества open-source и всегда впечатлены многочисленными приложениями, которые создают пользователи.
Конкурс проходил с 17 мая 2021 года по 31 сентября 2021 года 24:00 UTC. После этой даты конкурс был закрыт, и дальнейшие работы не могли претендовать на призовые места.
Оценка проходила с 1 сентября 2021 года по 31 сентября 2021 года. Наша команда тщательно изучила каждую заявку.
Лучшая работа в каждой из категорий претендует на полный призовой фонд в размере $2000.00 (2000.00 USD) от Ultralytics для этой категории.
С помощью нашего удивительного сообщества мы ранее создали 5 категорий, которые представляют наиболее популярные сценарии развертывания моделей YOLOv5 в реальном мире, включая устройства Jetson Nano, Raspberry Pi, Google Edge TPU, Desktop CPU и Android Edge.
Наши участники создали публичный репозиторий Github для своей работы, присвоили ей лицензию с открытым исходным ко дом и разместили свою работу непосредственно в одной из 5 официальных тем EXPORT Competition, чтобы сообщество могло проголосовать. Обрати внимание, что эти темы предназначены только для официальных заявок. Общие вопросы и комментарии задавались непосредственно в этой теме или в новом обсуждении. Ссылки на конкурсные работы:
После долгих размышлений мы определили победителей в каждой из пяти категорий, которые представляют собой наиболее популярные сценарии внедрения моделей YOLOv5 в реальном мире. Со всеми участниками мы связались лично, после чего призы были распределены между нашими победителями. Сегодня мы рады наконец-то поделиться с тобой лучшими решениями!
Приз: 2000 долларов
Приз: 2000 долларов
Приз: 2000 долларов
Приз: 2000 долларов
Победителя нет*.
Приз: 2000 долларов
Победителя нет*.
*Представленные работы в этой категории не соответствовали минимальному набору требований по каждому из критериев оценки. Поэтому в этот раз победитель в этой категории не был выбран, однако в будущем у участников будет больше шансов посоревноваться снова.
Поздравляем победителей! Обязательно загляни в их репозитории.
"Библиотека YOLOv5 великолепна - она обновляется почти ежедневно, модели работают хорошо, а пользовательский опыт постоянно улучшается. Многие мои исследования связаны с развертыванием ML на встраиваемых устройствах, и я уже работал с EdgeTPU раньше, так что это показалось мне интересным вызовом".
Джош Вейтч-Майклис
Мы также хотим передать большой крик всем, кто участвовал в нашем конкурсе экспорта! Нам повезло, что в нашем сообществе open-source есть множество ценных членов. Именно благодаря вкладу каждого из вас наше сообщество становится великим.
Оставайся потрясающим и продолжай творить! 🚀
Работы, представленные на конкурс "Экспорт", оценивались по нескольким критериям: простота и воспроизводимость методов экспорта, качество документации, качество экспорта, скорость и точность экспортированных моделей. Эти работы оценивались как командой Ultralytics , так и по отзывам сообщества.
Самый простой экспорт будет состоять из наименьшего количества шагов, требовать наименьшего количества аргументов/параметров, использовать наименьшее количество импортируемых пакетов и выполняться с наименьшим количеством кода.
Представления должны быть хорошо задокументированы с помощью файла представления markdown . Каждый шаг должен быть объяснен, включая установку/требования, любые настройки/аргументы, шаги по экспорту и настройку развернутого окружения, если это применимо.
Каждый аспект экспорта и развертывания, начиная с официальной модели yolov5s.pt, должен быть включен. Для сред, к которым предъявляются особые требования, например Jetson Nano, все пакеты и/или образы Docker должны быть предоставлены и задокументированы. Для развертывания Android также должно быть включено эталонное приложение Android . Заявка должна включать 100% того, что требуется для полного экспорта и использования модели YOLOv5 .
Развернутые модели должны выдавать результаты выводов, близкие к официальным YOLOv5 PyTorch (то есть выводы с помощью python detect.py --weights yolov5s.pt). Точность развернутых решений будет проанализирована на тестовом наборе Ultralytics изображений, недоступных широкой публике. Скорость также очень важна, причем предпочтение будет отдаваться самым быстрым решениям. Для Android, экспорта в GPU, NNAPI и делегаты Hexagon получат здесь наивысшие баллы.
Начни свое путешествие с будущим машинного обучения
