ultralytics/yolov5

What is YOLOv5?

YOLOv5는 Ultralytics에서 개발한 PyTorch 기반의 오픈 소스 컴퓨터 비전 모델입니다. 빠른, 정확한 객체 탐지, 인스턴스 세그멘테이션, 그리고 이미지 분류를 제공합니다. 이 저장소에는 모델 코드, 사전 학습된 체크포인트, 학습 스크립트, 그리고 추론, 내보내기 및 배포를 위한 유틸리티가 포함되어 있습니다.

Key Capabilities

• Inference는 간단한 Python API (torch.hub.load) 또는 준비된 detect.py 스크립트를 통해 수행됩니다.
• Training은 사용자 정의 데이터 또는 COCO 데이터셋을 사용하여 단일 명령어로 (python train.py) 수행됩니다.
• Model sizes는 속도와 정확도의 트레이드오프를 위해 tiny (yolov5n)부터 large (yolov5x)까지 다양한 모델 크기를 제공합니다.
• Export는 엣지 배포를를 위해 ONNX, TensorRT, CoreML, TFLite 등으로 내보낼 수 있습니다.
• Integrations는 실험 추적 및 프로덕션 파이프라인을 위해 W&B, Comet, Roboflow, OpenVINO, ClearML, DeepSparse, 그리고 Ultralytics Platform과 통합됩니다.
• Additional tasks는 (새로운 ultralytics 패키지를 통해) 포즈 추정 및 회전된 bounding box 탐지 작업을 수행합니다.

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

또는 PyTorch‑Hub 단축키를 사용합니다:

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

이 표 (README에서 가져옴)는 크기, 정확도, 그리고 속도 사이의 트레이드오프를 보여줍니다.

Documentation & Resources

• 전체 문서: https://docs.ultralytics.com/yolov5
• 튜토리얼: 사용자 정의 데이터 학습, 멀티-GPU 학습, 모델 내보내기, TTA, 앙상블, 프루닝, 하이퍼파라미터 진화 등.
• 커뮤니티: Discord, Forums, Reddit, 그리고 Docker 이미지 (ultralytics/yolov5).
• 상업적 이용을 위한 엔터프라이즈 라이선스가 제공됩니다.

Who Might Use It?

• 수정이 용이한 베이스라인 탐지기가 필요한 연구자.
• 실시간 비전 애플리케이션 (예: 감시, 로보틱스, 드론)을 구축하는 개발자.
• 엣지 디바이스용 내보내기 파이프라인을 갖춘 즉시 배포 가능한 모델을 원하는 팀.

---

위의 모든 정보는 저장소의 README에서 직접 가져온 것이며; 추가적인 기능은 추론되지 않았습니다.