ultralytics/yolov5

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

解决的问题

YOLOv5 为常见的计算机视觉任务提供了一个快速、准确且易于使用的框架。它解决了在各种硬件环境中部署实时目标检测、图像分割和图像分类的需求。

工作原理

YOLOv5 基于 PyTorch 框架构建，使用一系列模型尺寸（从 nano 到 extra-large）来平衡速度和精度。它允许用户通过 PyTorch Hub、用于各种输入源（网络摄像头、视频、URL）的专用 detect.py 脚本以及用于在自定义数据集上进行训练的 train.py 脚本执行推理。该系统支持将模型导出为 ONNX、TensorRT、TFLite 和 CoreML 等多种格式，以实现优化部署。

适用对象

专为需要易于访问且易于实现的生产级视觉模型的开发人员和 AI 研究人员设计，范围涵盖从在高端 NVIDIA GPU 上部署的用户到使用 NVIDIA Jetson 等边缘设备的用户。

亮点

  • 多任务支持：能够进行目标检测、实例分割和图像分类。
  • 高性能：提供一系列模型规模 (n, s, m, l, x) 以适应不同的硬件限制。
  • 灵活的推理：支持广泛的输入源，包括 RTSP 流、YouTube URL 和本地文件。
  • 广泛的部署选项：包括用于模型剪枝、稀疏化以及导出到各种行业标准格式的工具。