Skip to content

YOLOv5 快速入门 🚀

踏上YOLOv5引领的实时目标检测动态领域之旅！本指南旨在为AI爱好者和专业人士提供一个全面的起点，帮助他们掌握YOLOv5。从初始设置到高级训练技术，我们都为您准备好了。通过本指南，您将掌握将YOLOv5自信地应用于项目中的知识。让我们点燃引擎，飞向YOLOv5的世界！

安装

通过克隆仓库和建立环境来准备启动。这确保了所有必要的要求都已安装。请确保您已准备好Python>=3.8.0和PyTorch>=1.8。

git clone https://github.com/ultralytics/yolov5  # 克隆仓库
cd yolov5
pip install -r requirements.txt  # 安装依赖

使用PyTorch Hub进行推理

体验YOLOv5 PyTorch Hub推理的简便性，模型从最新的YOLOv5 发布中无缝下载。

import torch

# 模型加载
model = torch.hub.load("ultralytics/yolov5", "yolov5s")  # 可以是'yolov5n' - 'yolov5x6'，或'custom'

# 对图像进行推理
img = "https://ultralytics.com/images/zidane.jpg"  # 可以是文件、路径、PIL、OpenCV、numpy或图像列表

# 运行推理
results = model(img)

# 显示结果
results.print()  # 其他选项：.show()、.save()、.crop()、.pandas()等

使用detect.py进行推理

利用detect.py在各种来源上进行多功能的推理。它自动从最新的YOLOv5 发布中获取模型，并轻松保存结果。

python detect.py --weights yolov5s.pt --source 0                               # 网络摄像头
                                               image.jpg                       # 图像
                                               video.mp4                       # 视频
                                               screen                          # 屏幕截图
                                               path/                           # 目录
                                               list.txt                        # 图像列表
                                               list.streams                    # 流列表
                                               'path/*.jpg'                    # glob
                                               'https://youtu.be/LNwODJXcvt4'  # YouTube
                                               'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP流

训练

按照以下说明复制YOLOv5 COCO基准测试。所需的模型和数据集直接从最新的YOLOv5 发布中获取。在V100 GPU上训练YOLOv5n/s/m/l/x通常分别需要1/2/4/6/8天（注意多GPU设置工作更快）。通过使用尽可能高的--batch-size或使用--batch-size -1来启用YOLOv5 AutoBatch功能，最大化性能。以下批量大小适用于V100-16GB GPU。

python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5n.yaml  --batch-size 128
                                                                 yolov5s                    64
                                                                 yolov5m                    40
                                                                 yolov5l                    24
                                                                 yolov5x                    16

YOLO训练曲线 综上所述，YOLOv5不仅是物体检测领域的尖端工具，更是机器学习力量在通过视觉理解改变我们与世界互动方式的见证。随着你逐步完成本指南并开始将YOLOv5应用于你的项目，请记住，你正站在一场技术革命的前沿，有能力实现非凡的成就。若你需要进一步的见解或来自其他先驱者的支持，欢迎访问我们的GitHub仓库，那里有一个充满活力的开发者与研究者社区。继续探索，不断创新，并享受YOLOv5带来的奇迹。祝检测愉快！🌠🔍


📅 Created 11 months ago ✏️ Updated 20 days ago
glenn-jocher RizwanMunawar Burhan-Q UltralyticsAssistant

Comments