ultralytics/yolov5

Ultralytics YOLOv5 in PyTorch for object detection, instance segmentation, classification, training, and export.

What is YOLOv5?

YOLOv5は、Ultralyticsが提供するPyTorchベースのオープンソースのコンピュータビジョンモデルです。高速、正確な物体検出、インスタンスセグメンテーション、および画像分類を提供します。リポジトリには、モデルコード、学習済みチェックポイント、学習スクリプト、および推論、エクスポート、デプロイのためのユーティリティが含まれています。

Key Capabilities

Inference は、簡単なPython API (torch.hub.load) または、すぐに使える detect.py スクリプトを介して行えます。
Training は、カスタムデータまたはCOCOデータセットを使用して、単一のコマンド (python train.py) で行えます。
Model sizes は、tiny (yolov5n) から large (yolov5x) まで、速度と精度のトレードオフを実現するために提供されています。
Export は、ONNX, TensorRT, CoreML, TFLite など、エッジデバイスへの展開用にエクスポート可能です。
Integrations は、W&B, Comet, Roboflow, OpenVINO, ClearML, DeepSparse, および Ultralytics Platform との連携が可能です。実験の追跡やプロダクションパイプラインのためのものです。
Additional tasks は、(新しい ultralytics パッケージを介して) ポーズ推定や回転境界ボックス検出 (oriented-bbox detection) が可能です。

Quick Start

# Clone and install
git clone https://github.com/ultralytics/yolov5 && cd yolov5
pip install -r requirements.txt   # Python ≥3.8, PyTorch ≥1.8

# Run inference (any image source)
python detect.py --weights yolov5s.pt --source img.jpg

# Train on COCO (example)
python train.py --data coco.yaml --epochs 300 --weights '' \
    --cfg yolov5s.yaml --batch-size 64

または、PyTorch‑Hubのショートカットを使用します：

import torch
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')
results = model('https://ultralytics.com/images/zidane.jpg')
results.show()

Pre‑trained Models & Performance

Model	mAP@0.5‑0.95	Params (M)	V100 b1 latency (ms)
yolov5n	28.0	1.9	6.3
yolov5s	37.4	7.2	6.4
yolov5m	45.4	21.2	8.2
yolov5l	49.0	46.5	10.1
yolov5x	50.7	86.7	12.1

この表 (READMEより) は、サイズ、精度、および速度のトレードオフを示しています。

Documentation & Resources

完全なドキュメント：https://docs.ultralytics.com/yolov5
チュートリアル：カスタムデータの学習、マルチGPU学習、モデルのエクスポート、TTA、アンサンブル、プルーニング、ハイパーパラメータ進化、など。
コミュニティ：Discord, Forums, Reddit, および Docker イメージ (ultralytics/yolov5)。
商用利用のためのエンタープライズライセンスが利用可能です。

Who Might Use It?

修正が容易なベースライン検出器を必要とする研究者。
リアルタイムビジョンアプリケーション (例：監視、ロボット、ドローン) を構築する開発者。
エッジデバイスへの展開用パイプラインを備えた、すぐに展開可能なモデルを求めるチーム。

上記の情報はリポジトリの README から直接引用されており、追加の機能については推論していません。