Khám phá thông tin chi tiết từ YOLO VISION 2022 với các cuộc nói chuyện về AI trong các ngành công nghiệp khác nhau và mới nhất về học máy từ Ultralytics Chuyên gia.
Lần đầu tiên của chúng tôi YOLO VISION diễn ra vào ngày 27/9/2022. Từ sự gia nhập của AI trong ngành công nghiệp ô tô đến phân tích thời gian thực về sản xuất trái cây, chúng tôi đã lắng nghe các cuộc nói chuyện đầy cảm hứng từ YOLOv5 người dùng trên bảng.
Một điều làm cho sự kiện này trở nên đặc biệt là sự đa dạng về nền tảng của các diễn giả. Tham gia cùng đại diện từ 18 công ty tham gia, các diễn giả đã cung cấp những hiểu biết sâu sắc từ mọi khía cạnh của quy trình ML. Trong số đó, có các công ty đối tác của chúng tôi như Comet, Quyết định, ClearML, Paperspacevà Roboflow, cũng như những người khác trong không gian mã nguồn mở như những gã khổng lồ Trung Quốc Baidu, Meituan và OpenMMLabs.
Tự hỏi về câu chuyện đằng sau việc tạo ra YOLOv5 và phương pháp được sử dụng cho R &D?
Đi sâu vào chi tiết của cách tiếp cận toàn diện được sử dụng để chọn kiến trúc tốt nhất với Glenn Jocher, Người sáng lập & Giám đốc điều hành của chúng tôi tại Ultralyticsvà Ayush Chaurasia, Kỹ sư ML của chúng tôi.
Các kiến trúc mô hình tuyệt vời như YOLOv5 là rất quan trọng để có được kết quả hữu ích trong học máy. Nhưng các mô hình chỉ tốt như bộ dữ liệu của chúng. Joseph Nelson, Giám đốc điều hành & Đồng sáng lập tại Đối tác của chúng tôi Roboflow, cho thấy tác động của chất lượng tập dữ liệu đến kết quả sản xuất. Những hiểu biết sâu sắc được thông báo bởi hơn 10.000 công việc đào tạo tầm nhìn và Roboflow Cộng đồng mã nguồn mở của Universe gồm 90.000+ bộ dữ liệu.
Trong phiên họp của mình, Joseph cũng giới thiệu những khác biệt chính trong nghiên cứu và sản xuất cho phép các nhà phát triển hack bộ dữ liệu của họ để có được kết quả có ý nghĩa nhanh hơn.
Tìm hiểu về chất lượng tập dữ liệu và tác động của nó đối với việc đưa mô hình CV của bạn đến giá trị sản xuất!
Mỗi phần mềm truyền thống ngày nay đều trải qua các bài kiểm tra toàn diện thuộc nhiều loại khác nhau trước khi triển khai, giảm đáng kể nguy cơ lỗi sản xuất.
Làm thế nào chúng ta có thể điều chỉnh những ý tưởng này với thế giới định hướng thống kê của ML?
Aishwarya Srinivasan, Nhà khoa học dữ liệu tại Google & Người ủng hộ nhà phát triển nguồn mở tại Deepchecks, nói về sự phấn khích đơn thuần đằng sau việc xây dựng các giải pháp có thể giải quyết các thách thức trong thế giới thực. Tại Google, cô xây dựng các giải pháp học máy cho các trường hợp sử dụng của khách hàng, tận dụng cốt lõi Google Các sản phẩm bao gồm TensorFlow, DataFlow và Nền tảng AI.
Aishwarya tham gia cùng chúng tôi tại YOLO TẦM NHÌN để thảo luận về các phương pháp hay nhất và các mẹo thiết thực để thử nghiệm và phân tích rộng rãi mô hình của bạn. Hãy xem bài nói chuyện của cô ấy để tìm hiểu sự khác biệt giữa Kiểm thử phần mềm và Kiểm thử ML.
Chúng tôi đã tổ chức một hội thảo đột phá, nơi chúng tôi tập hợp các thành viên khác của YOLO kiến trúc gia đình cùng nhau cũng như các kiến trúc AI tầm nhìn nguồn mở hàng đầu khác trong không gian.
Ở đây, YOLOv6 của Meituan, MMDetection của OpenMMLab CN và Baidu, Inc. PaddlePaddle Tham gia với chúng tôi với tư cách là Ultralytics' YOLOv5 để thảo luận về các dự án nguồn mở cho phép tương lai của tầm nhìn AI.
Đây là lần đầu tiên, các kho lưu trữ AI tầm nhìn hàng đầu này chia sẻ sân khấu. Nếu bạn bỏ lỡ bảng điều khiển này, hãy xem video này, nơi Bo Zhang, Glenn Jocher, Guanzhong Wang, Wenwei Zhang và Yixin Shi đã thảo luận về sự lựa chọn của họ về khung, thiết kế, sự phát triển của cấu trúc kho lưu trữ và hơn thế nữa!
Như Giám đốc điều hành Glenn Jocher của chúng tôi nói, "Tất cả chúng ta phải học hỏi từ các công cụ và kinh nghiệm của nhau."
Hệ thống quản lý dữ liệu trực quan thiếu tất cả các khía cạnh: lưu trữ, chất lượng, tìm kiếm, phân tích và trực quan hóa. Kết quả là, các công ty và nhà nghiên cứu đang mất độ tin cậy của sản phẩm, giờ làm việc, lãng phí lưu trữ, máy tính và quan trọng nhất là khả năng mở khóa toàn bộ tiềm năng dữ liệu của họ.
Trong bài nói chuyện này, Tiến sĩ Danny Bickson đã dạy chúng tôi cách giải quyết vấn đề này bằng công cụ GitHub miễn phí phổ biến của ông, Fastdup.
FastDup là một công cụ để có được thông tin chi tiết từ một bộ sưu tập hình ảnh lớn. Nó có thể tìm thấy sự bất thường, hình ảnh trùng lặp và gần trùng lặp, các cụm tương tự và tìm hiểu hành vi bình thường và tương tác tạm thời giữa các hình ảnh. Nó có thể được sử dụng để lấy mẫu phụ thông minh của tập dữ liệu chất lượng cao hơn, loại bỏ ngoại lệ và phát hiện tính mới của thông tin mới sẽ được gửi để gắn thẻ.
Là một chuyên gia về phân tích dữ liệu lớn và học máy quy mô lớn, Danny Bickson có hơn 15 năm kinh nghiệm trong ngành công nghệ cao. Bạn có thể biết anh ấy từ Turi, một nền tảng học máy tạo ra các sản phẩm phân tích dữ liệu lớn cho người dùng. Năm 2016, Turi được Apple mua lại, nơi Tiến sĩ Danny Bickson làm Giám đốc Khoa học Dữ liệu Cấp cao trong vài năm.
Và cuối cùng, chúng tôi rất vui mừng được chính thức thông báo về sự ra mắt của Ultralytics HUB!
Ultralytics HUB là giải pháp không mã của chúng tôi để đào tạo và triển khai các mô hình AI trong ba bước đơn giản! Làm cho mô hình của bạn trở nên sống động bằng cách chọn dữ liệu nào để mô hình học hỏi.
Các chuyên gia của chúng tôi và những người tạo ra các công cụ, Kalen Michael và Sergio Sánchez, đã hướng dẫn chúng tôi Ultralytics HUB và giải thích tất cả các tính năng và chức năng Tìm hiểu thêm về Ultralytics HUB và bắt đầu tạo mô hình của bạn miễn phí!
Tìm tất cả các phiên đã ghi trên kênh YouTube của chúng tôi!
Chúng tôi rất vui mừng với số lượng cử tri đi bỏ phiếu cho YOLO TẦM NHÌN và vui mừng tạo ra một sự kiện nơi các chuyên gia từ khắp nơi trên thế giới có thể tham gia để tìm hiểu về tầm nhìn AI, cập nhật với chúng tôi bằng cách theo dõi chúng tôi trên phương tiện truyền thông xã hội. Hẹn gặp lại các bạn vào năm tới tại YOLO TẦM NHÌN 2023!
Bắt đầu hành trình của bạn với tương lai của machine learning
