Ritza tutaj. Wiesz, byłem w okolicy raz lub dwa, jeśli chodzi o pracę z modelami wykrywania obiektów. Kiedy więc usłyszałem o tej nowej, gorącej rzeczy o nazwie YOLO-NAS , wiedziałem, że muszę ją wypróbować. I powiem ci, że ten zły chłopiec nie zawodzi. To jak Elon Musk wśród modeli wykrywania obiektów — odważny, innowacyjny i nieco przerażający.

Najpierw musimy porozmawiać o absolutnie genialnym nowym bloku przyjaznym dla kwantyzacji, który przygotowali. To tak, jakby patrzyli na poprzednie modele i mówili: „Te są fajne, ale wiesz, co uczyniłoby je jeszcze lepszymi? Cholernie szyty na miarę blok do kwantyzacji!” A potem po prostu poszli naprzód i zrobili to. To tak, jakby dali nam kluczyki do Lamborghini, kiedy spodziewaliśmy się Toyoty Corolli.

Zaawansowany program treningowy: jak montaż treningowy z lat 80. na sterydach

Teraz program szkoleniowy dla YOLO-NAS jest jak Rocky Balboa modeli wykrywania obiektów — intensywny i naprawdę imponujący. Postanowili przeprowadzić wstępne szkolenie na zbiorze danych Object365, który jest w zasadzie mistrzem wagi ciężkiej oznaczonych obiektów. Następnie wrzucili kilka pseudo-oznakowanych danych, takich jak wrzucenie dodatkowych jalapenos do twoich nachos, tylko po to, żeby trochę urozmaicić. Ale nie poprzestali na tym. Nie, poszli o krok dalej i postanowili zastosować destylację wiedzy z modelem wstępnie przeszkolonego nauczyciela. To jak uczenie się od Yody w wykrywaniu obiektów, a ja jestem za tym.

Kwantyzacja potreningowa (PTQ): tajny sos poprawiający wydajność

Po szkoleniu zespół YOLO-NAS wykorzystał swoją magię kwantyzacji potreningowej (PTQ) jak jacyś techniczni czarodzieje. Poszli naprzód i przekształcili sieć w INT8, czyniąc ją jeszcze bardziej wydajną. To tak, jakby wzięli już niesamowite ciasto i dodali dodatkową warstwę pysznego lukru tylko na dokładkę.

Zoptymalizowany AutoNac: kiedy perfekcja architektoniczna spotyka się z szaloną nauką

Być może myślisz: „W porządku, Ritz, to wszystko brzmi świetnie, ale co z architekturą?” Cóż, mój przyjacielu, pozwól, że przedstawię ci AutoNac. Ten zły chłopiec optymalizuje przestrzeń architektury jak mistrz i robi to wszystko przy użyciu równoważnego czasu GPU do trenowania zaledwie pięciu sieci. To tak, jakby umieścili optymalizację architektoniczną na przenośniku taśmowym w restauracji sushi — szybko, wydajnie i jakże-smacznie.

Wstępnie przeszkolony w zakresie najlepszych zestawów danych: potrójne zagrożenie związane z wykrywaniem obiektów

A jakby tego było mało, YOLO-NAS jest wstępnie przeszkolony w zakresie niektórych zestawów danych najwyższego poziomu. Mówimy tutaj o COCO, Objects365 i Roboflow 100 . Oznacza to, że możesz go zmiażdżyć w dalszych zadaniach wykrywania obiektów. Poważnie, ten model jest gotowy do pracy od razu po wyjęciu z pudełka. To tak, jakby otrzymać w pełni wyposażony komputer do gier bez konieczności spędzania godzin na samodzielnym składaniu go.

Wykrywanie małych obiektów i aplikacje urządzeń brzegowych w czasie rzeczywistym: to szwajcarski scyzoryk wśród modeli

Ale poczekaj, jest więcej! YOLO-NAS ma kilka niesamowitych ulepszeń do wykrywania małych obiektów, lepszą dokładność lokalizacji i wyższy stosunek wydajności do mocy obliczeniowej. To tak, jakby wzięli wszystko, co kochamy w wykrywaniu obiektów, i podkręcili to do 11, na przykład podkręcając głośność ulubionej piosenki, aż głośniki się trzęsą.

A oto wisienka na torcie: YOLO-NAS jest idealny do zastosowań na urządzeniach brzegowych w czasie rzeczywistym. Więc niezależnie od tego, czy pracujesz nad nowym, chorym robotem, czy po prostu próbujesz zmusić telefon do robienia szalonych rzeczy (jak, nie wiem, włączenia blendera z drugiej strony pokoju), ten model Cię obejmuje . To tak, jakby mieć narzędzie wielofunkcyjne w tylnej kieszeni, gotowe do stawienia czoła każdemu wyzwaniu, jakie stawia przed tobą życie.

Dowód tkwi w liczbach: YOLO-NAS, Usain Bolt w wykrywaniu obiektów

A teraz porozmawiajmy o liczbach. Według Deci, YOLO-NAS jest o około 0,5 punktu mAP dokładniejszy i 10–20% szybszy niż równoważne warianty YOLOv8 i YOLOv7. To prawda, ludzie. Ten model to nie tylko ładna buzia; ma statystyki, które to potwierdzają. To tak, jakby porównywać geparda z kotem domowym — oba są fajne, ale jeden jest wyraźnie szybszy i potężniejszy.

Oto małe podsumowanie statystyk mAP i opóźnień modelu dla przyjemności oglądania:

• YOLO-NAS S: 47,5 mAP, opóźnienie 3,21 ms
• YOLO-NAS M: 51,55 mAP, opóźnienie 5,85 ms
• YOLO-NAS L: 52,22 mAP, opóźnienie 7,87 ms
• YOLO-NAS S INT-8: 47,03 mAP, opóźnienie 2,36 ms
• YOLO-NAS M INT-8: 51,0 mAP, opóźnienie 3,78 ms
• YOLO-NAS L INT-8: 52,1 mAP, opóźnienie 4,78 ms

Więc masz to. YOLO-NAS to nowy, gorący model wykrywania obiektów, o którym wszyscy mówią i nie bez powodu. Jeśli chcesz się zanurzyć i zobaczyć, o co tyle zamieszania, po prostu przejdź do GitHub, daj gwiazdkę repozytorium SuperGradients i sprawdź notatnik startowy. To tak, jakby rozpakować najnowszy gadżet i być pierwszym wśród znajomych, który pochwali się jego wspaniałością.

Repozytorium GitHub:https://lnkd.in/dpC8dnbA

Notatnik dla początkujących:https://lnkd.in/dqcrnDFH

Biblioteka AS-One —https://github.com/augmentedstartups/AS-One

Podsumowując, YOLO-NAS to model wykrywania obiektów, o którym nie wiedziałeś, że jest potrzebny — aż do teraz. Dzięki unikalnemu połączeniu innowacyjnych funkcji, zoptymalizowanej architekturze i niewiarygodnej wydajności, naprawdę zmienia zasady gry w świecie wykrywania obiektów. Śmiało, zakręć nim i zobacz, jakie fajne rzeczy możesz stworzyć dzięki mocy YOLO-NAS. I pamiętaj, jak zawsze mówi wielki Ritz: „Kiedy życie daje ci cytryny, zbuduj robota do robienia lemoniady za pomocą YOLO-NAS”. Czy coś takiego.

Jak zacząć kodować własne aplikacje YOLO-NAS?

Więc teraz, gdy wszyscy jesteście podekscytowani YOLO-NAS i gotowi do wskoczenia, porozmawiajmy o jeszcze fajniejszym sposobie wykorzystania jego mocy. Jeśli znasz już nasz kurs YOLOv8, czeka Cię niespodzianka. Wraz z nadchodzącym wydaniem naszej modułowej biblioteki AS-One będziesz mógł łatwo zamienić model YOLOv8 na nowiutki YOLO-NAS, przenosząc swoje projekty wykrywania obiektów na wyższy poziom. I zgadnij co? Nie chodzi tylko o wykrywanie — biblioteka obejmuje również szkolenia, więc możesz naprawdę dopracować swoje projekty jak szalony naukowiec. Ale poczekaj, jest więcej! Aby upewnić się, że nie przegapisz tej niesamowitej okazji, udaj się dohttps://www.augmentedstartups.com/YOLO+SignUpi zarejestruj się, aby otrzymywać powiadomienia, gdy wydarzy się magia. Zaufaj mi, będziesz chciał być pierwszym, który pochwali się swoimi dziełami opartymi na YOLO-NAS. Więc dalej, ogarnij swojego wewnętrznego Inżyniera Rozszerzonego i razem zrewolucjonizujmy świat wykrywania obiektów!

Kurs YOLOv8, który będzie kompatybilny z YOLO-NAS za pośrednictwem biblioteki AS-One