YOLOv5

Ultralytics’ YOLOv5 (“You Only Look Once”) モデルファミリーは、畳み込みニューラルネットワークを使用したリアルタイムのオブジェクト検出を、苦痛なく実現します。

Weights & Biases は YOLOv5 に直接インテグレーションされており、実験のメトリクス追跡、モデルとデータセットのバージョン管理、リッチなモデル予測の可視化などを提供します。YOLO の実験を実行する前に pip install 一行を実行するだけで始められます。

コア実験の追跡

wandb をインストールするだけで、システムメトリクス、モデルメトリクス、インタラクティブなダッシュボードにログされるメディアといった、ビルトインの W&B ログ機能が有効になります。

pip install wandb
git clone https://github.com/ultralytics/yolov5.git
python yolov5/train.py  # 小さなデータセットで小さなネットワークをトレーニングします

wandb によって標準出力に表示されるリンクをただフォローするだけです。

これらのチャートおよびそれ以上。

インテグレーションのカスタマイズ

YOLO にいくつかの簡単なコマンドライン引数を渡すことで、さらに多くの W&B 機能を活用できます。

  • --save_period に数値を渡すと、W&B は各 save_period エポックの終わりにモデルバージョンを保存します。モデルバージョンにはモデルの重みが含まれ、検証セットで最もパフォーマンスの良いモデルにタグ付けされます。
  • --upload_dataset フラグをオンにすると、データセットがデータバージョン管理のためにアップロードされます。
  • --bbox_interval に数値を渡すと、データ可視化が有効になります。各 bbox_interval エポックの終わりに、モデルの出力が検証セットに対して W&B にアップロードされます。
python yolov5/train.py --epochs 20 --save_period 1
python yolov5/train.py --epochs 20 --save_period 1 \
  --upload_dataset --bbox_interval 1

これがどのように見えるかを示します。

モデルバージョン管理: 最新かつベストなモデルバージョンが識別されます。 データ可視化: 入力画像とモデルの出力および例ごとのメトリクスを比較します。