ultralytics/yolov5

What is YOLOv5?

YOLOv5 是由 Ultralytics 開發、基於 PyTorch 的開源電腦視覺模型。它提供快速、準確的物件偵測、實例分割和影像分類。該儲存庫包含模型程式碼、預訓練權重、訓練腳本以及用於推論、匯出和部署的工具。

Key Capabilities

• Inference 透過簡單的 Python API (torch.hub.load) 或現成的 detect.py 腳本進行。
• Training 使用單一指令 (python train.py) 在自定義數據或 COCO 數據集上進行訓練。
• Model sizes 提供從極小 (yolov5n) 到大型 (yolov5x) 的各種模型大小，以權衡速度與準確度。
• Export 可匯出至 ONNX, TensorRT, CoreML, TFLite 等格式，用於邊緣端部署。
• Integrations 與 W&B, Comet, Roboflow, OpenVINO, ClearML, DeepSparse 以及 Ultralytics Platform 整合，用於實驗追蹤和生產線流程。
• Additional tasks (透過較新的 ultralytics 套件) 包括姿態估計和旋轉邊框偵測。

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

或使用 PyTorch‑Hub 捷徑：

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

該表格（取自 README）顯示了模型大小、準確度與速度之間的權衡。

Documentation & Resources

• 完整文件：https://docs.ultralytics.com/yolov5
• 教學：自定義數據訓練、多 GPU 訓練、模型匯出、TTA、集成、剪枝、超參數演化等。
• 社群：Discord, Forums, Reddit, 以及 Docker 映像檔 (ultralytics/yolov5)。
• 提供商業用途的企業級授權。

Who Might Use It?

• 需要易於修改的基準偵測器研究人員。
• 開發實時視覺應用程式（例如：監控、機器人、無人機）的開發者。
• 希望擁有具備邊緣端設備匯出流程的即時部署模型團隊。

---

以上所有資訊皆直接取自儲存庫的 README；未進行額外功能推論。