ultralytics/yolov5

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

해결하는 문제

YOLOv5는 일반적인 컴퓨터 비전 작업을 위해 빠르고 정확하며 사용하기 쉬운 프레임워크를 제공합니다. 다양한 하드웨어 환경에 배포할 수 있는 실시간 객체 탐지, 이미지 세그멘테이션 및 이미지 분류에 대한 요구를 충족합니다.

작동 방식

PyTorch 프레임워크를 기반으로 구축된 YOLOv5는 속도와 정확도의 균형을 맞추기 위해 다양한 모델 크기(nano에서 extra-large까지)를 사용합니다. 사용자는 PyTorch Hub, 다양한 입력 소스(웹캠, 비디오, URL)를 위한 전용 detect.py 스크립트 및 사용자 정의 데이터 세트 학습을 위한 train.py 스크립프를 통해 추론을 수행할 수 있습니다. 시스템은 최적화된 배포를 위해 ONNX, TensorRT, TFLite 및 CoreML과 같은 여러 형식으로 모델을 내보내는 것을 지원합니다.

대상

고성능 NVIDIA GPU에 배포하는 사용자부터 NVIDIA Jetson과 같은 에지 디바이스를 사용하는 사용자까지, 접근하기 쉽고 구현이 간단한 프로덕션용 비전 모델이 필요한 개발자와 AI 연구자를 위해 설계되었습니다.

주요 특징

멀티태스크 지원: 객체 탐지, 인스턴스 세그멘테이션 및 이미지 분류가 가능합니다.
고성능: 다양한 하드웨어 제약 조건에 맞게 다양한 모델 규모(n, s, m, l, x)를 제공합니다.
유연한 추론: RTSP 스트림, YouTube URL 및 로컬 파일을 포함한 다양한 입력 소스를 지원합니다.
광범위한 배포 옵션: 모델 가지치기(pruning), 희소성(sparsity) 및 다양한 산업 표준 형식으로의 내보내기를 위한 도구를 포함합니다.