ultralytics/yolov5

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

解決的問題

YOLOv5 為常見的電腦視覺任務提供了一個快速、準確且易於使用的框架。它解決了在各種硬體環境中部署即時目標檢測、圖像分割和圖像分類的需求。

工作原理

YOLOv5 基於 PyTorch 框架構建，使用一系列模型尺寸（從 nano 到 extra-large）來平衡速度和準確度。它允許使用者透過 PyTorch Hub、用於各種輸入源（網路攝影機、影片、URL）的專用 detect.py 腳本，以及用於在自定義數據集上進行訓練的 train.py 腳本來執行推論。該系統支援將模型匯出為 ONNX、TensorRT、TFLite 和 CoreML 等多種格式，以實現優化部署。

適用對象

專為需要易於存取且易於實現的生產級視覺模型的開發人員和 AI 研究人員設計，範圍涵蓋從在高端 NVIDIA GPU 上部署的使用者到使用 NVIDIA Jetson 等邊緣裝置的使用者。

亮點

  • 多任務支援：能夠進行目標檢測、實例分割和圖像分類。
  • 高性能：提供一系列模型規模 (n, s, m, l, x) 以適應不同的硬體限制。
  • 靈活的推論：支援廣泛的輸入源，包括 RTSP 串流、YouTube URL 和本地檔案。
  • 廣泛的部署選項：包括用於模型剪枝、稀疏化以及匯出到各種產業標準格式的工具。