ultralytics/yolov5

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

解決する課題

YOLOv5は、一般的なコンピュータビジョンタスクに対して、高速、正確、かつ使いやすいフレームワークを提供します。さまざまなハードウェア環境にデプロイ可能な、リアルタイムの物体検出、画像セグメンテーション、および画像分類のニーズに応えます。

仕組み

PyTorchフレームワーク上に構築されたYOLOv5は、一連のモデルサイズ（nanoからextra-largeまで）を使用して、速度と精度のバランスをとっています。ユーザーは、PyTorch Hub、さまざまな入力ソース（ウェブカメラ、ビデオ、URL）に対応した専用の detect.py スクリプト、およびカスタムデータセットでトレーニングするための train.py スクリプトを介して推論を実行できます。システムは、最適化されたデプロイのために、ONNX、TensorRT、TFLite、CoreMLなどの複数の形式へのモデルのエクスポートをサポートしています。

対象者

ハイエンドのNVIDIA GPUにデプロイする開発者から、NVIDIA Jetsonのようなエッジデバイスを使用する開発者まで、アクセスしやすく実装が簡単な、プロダクションレベルのビジョンモデルを必要とする開発者やAI研究者向けに設計されています。

ハイライト

  • マルチタスクサポート: 物体検出、インスタンスセグメンテーション、画像分類が可能。
  • 高いパフォーマンス: さまざまなハードウェアの制約に合わせて、幅広いモデルスケール（n, s, m, l, x）を提供。
  • 柔軟な推論: RTSPストリーム、YouTube URL、ローカルファイルを含む幅広い入力ソースをサポート。
  • 広範なデプロイオプション: モデルのプルーニング、スパース性、およびさまざまな業界標準形式へのエクスポートのためのツールを含む。