YOLOv5??是 COCO 对象检测架构和模型系列的数据集中预训练，代表未来的视觉 AI 超晶开源研究将经验教训与数千小时研发的最佳实践相结合。
安装
所有要求都需要=3.6.0.txt">Python>=3.6.0.txt安装，包括=1.7：">PyTorch>=1.7：
$ git clone https://github.com/ultralytics/yolov5 $ cd yolov5 $ pip install -r requirements.txt
推理
推断与YOROV5和皮托奇中心。模型自动从最新下载YOLOv5版本。
import torch # Model model = torch.hub.load('ultralytics/yolov5', 'yolov5s') # or yolov5m, yolov5l, yolov5x, custom # Images img = 'https://ultralytics.com/images/zidane.jpg' # or file, Path, PIL, OpenCV, numpy, list # Inference results = model(img) # Results results.print() # or .show(), .save(), .crop(), .pandas(), etc.
推断 detect.py
训练
教程
- 建议列车自定义数据
- 提示最佳培训结果
- 新的重量和偏差记录
- 数据库集、标签和主动学习 Roboflow??新
- 多 GPU 培训
- 新的皮托尔奇中心
- 火炬脚本， ONNX， 核心ml 出口??
- 增加测试时间 （TTA）
- 模型包围
- 模型修剪/稀疏
- 超参数进化
- 冷冻层的转移学习新
- 紧张部署
环境
使用我们验证的环境需要几秒钟。点击下面的每个图标了解详细信息。
正在上传…重新上传取消…重新上传取消…重新上传取消…重新上传取消
| 重量和偏差 | 机器人流 -?新 |
|---|---|
| 自动跟踪和可视化你的一切 YOLOv5 云中的重量和偏差 | 自定义数据集自动导出 YOLOv5，以便与Roboflow一起训练 |
为什么约洛夫？ 5
YOLOV5-P5 640 图(单击扩展)
图注(单击扩展)
预训检查点
| 型 | 大小 （像素） | 地图瓦尔 0.5：0.95 | 地图测试 0.5：0.95 | 地图瓦尔 0.5 | 速度 V100 （ms） | 参数 （M） | 失败 640 （B） | |
|---|---|---|---|---|---|---|---|---|
| 约洛夫 5s | 640 | 36.7 | 36.7 | 55.4 | 7.3 | 17.0 | ||
| 约洛夫5m | 640 | 44.5 | 44.5 | 63.1 | 2.7 | 21.4 | 51.3 | |
| 约洛夫5l | 640 | 48.2 | 48.2 | 66.9 | 3.8 | 47.0 | 115.4 | |
| 约洛夫5x | 640 | 6.1 | 87.7 | 218.8 | ||||
| 约洛夫5s6 | 1280 | 43.3 | 43.3 | 61.9 | 12.7 | 17.4 | ||
| 约洛夫5m6 | 1280 | 50.5 | 50.5 | 68.7 | 8.4 | 35.9 | 52.4 | |
| 约洛夫5l6 | 1280 | 53.4 | 53.4 | 71.1 | 12.3 | 77.2 | 117.7 | |
| 约洛夫5x6 | 1280 | 22.4 | 141.8 | 222.9 | ||||
| 约洛夫5x6塔 | 1280 | 70.8 | - | - |
表注（单击以扩展）
贡献
我们喜欢您的意见！我们希望使对YOLOv5的贡献尽可能简单和透明。请参阅我们的贡献指南开始，并填写YOLOv5调查，以提供您与YOLOv5的经验的想法和反馈。谢谢！
联系
有关运行YOLOv5的问题，请访问GitHub问题。对于业务或专业支持请求，请访问YOLOv5 🚀 and Vision AI ⭐