GitHub上开源的YOLOv5

代码地址：https://github.com/ultralytics/YOLOv5

该存储库代表Ultralytics对未来的对象检测方法的开源研究，并结合了我们在以前的YOLO存储库https://github.com/ultralytics/yolov3上在自定义客户端数据集上训练成千上万种模型而获得的经验教训和最佳实践。所有代码和模型都在积极开发中，如有更改或删除，恕不另行通知。使用风险自负。

** GPU延迟使用批量大小为32的V100 GPU测量超过5000张COCO val2017图像的每幅图像的端到端延迟，包括图像预处理，PyTorch FP32推理，后处理和NMS。

2020年6月9日：CSP更新了所有YOLOv5模型。新模型更快，更小，更准确。感谢@WongKinYiu在CSP中的出色工作。
2020年5月27日：公开发布回购协议。YOLOv5模型是所有已知YOLO实现中的SOTA，YOLOv5系列将在2020年Q2 / Q3进行架构研究和开发以提高性能。更新可能包括CSP瓶颈，YOLOv4功能以及PANet或BiFPN头。
2020年4月1日：开始开发100％PyTorch，可缩放的基于YOLOv3
/ 4的未来模型，该模型具有各种复合比例的尺寸。模型将由新的用户友好*.yaml文件定义。新的训练方法将更容易开始，更快地完成，并且对于训练更多种类的自定义数据集将更加强大。
预训练的检查站

** AP 测试表示COCO test-dev2017服务器结果，表中所有其他AP结果表示val2017准确性。

**所有AP编号均适用于单模型单标度，无集成或测试时间增加。通过python test.py --img 736 --conf 0.001

** 再现延迟GPU使用带有一个V100GPU 的GCP n1-standard-16实例，测量平均超过5000张COCO val2017图像的每个图像的端到端延迟，包括图像预处理，批处理大小为32的PyTorch FP32推理，后处理和NMS。该图表中包括的平均NMS时间为1-2ms / img。由python
test.py --img 640 --conf 0.1

** 复制**所有检查点均使用默认设置和超参数训练到300个纪元（无自动增强）。

要求

requirements.txt安装了所有依赖项（包括）的Python 3.7或更高版本torch>= 1.5。
要安装运行：
$ python detect.py --source file.jpg # image
file.mp4 # video
./dir # directory
0 # webcam
rtsp://170.93.143.139/rtplive/470011e600ef003a004ee33696235daa # rtsp stream
http://112.50.243.8/PLTV/88888888/224/3221225900/1.m3u8 # http stream

要对./inference/images文件夹中的示例进行推断，请执行以下操作：
$ python detect.py --source ./inference/images/ --weights yolov5s.pt --conf 0.4

Namespace(agnostic_nms=False, augment=False, classes=None, conf_thres=0.4, device=’’, fourcc=‘mp4v’, half=False, img_size=640, iou_thres=0.5, output=‘inference/output’, save_txt=False, source=’./inference/images/’, view_img=False, weights=‘yolov5s.pt’)
Using CUDA device0 _CudaDeviceProperties(name=‘Tesla P100-PCIE-16GB’, total_memory=16280MB)

Downloading https://drive.google.com/uc?export=download&id=1R5T6rIyy3lLwgFXNms8whc-387H0tMQO as yolov5s.pt… Done (2.6s)

image 1/2 inference/images/bus.jpg: 640x512 3 persons, 1 buss, Done. (0.009s)
image 2/2 inference/images/zidane.jpg: 384x640 2 persons, 2 ties, Done. (0.009s)
Results saved to /content/yolov5/inference/output

在下面运行命令。在单台V100上，yolov5s
/ m / l / x的训练时间为2/4/6/8天（多GPU的速度要快）。
$ python train.py --data coco.yaml --cfg yolov5s.yaml --weights ‘’ --batch-size 16
重现环境

要访问最新的工作环境（已预安装所有依赖项，包括CUDA
/ CUDNN，Python和PyTorch）。

GitHub上开源的YOLOv5相关推荐

B 站硬件大佬在 GitHub 上开源了一款神器
转自量子位野生钢铁侠稚晖君在 GitHub 上开源了一个硬核项目. 上次自制纯手工打造 AI 小电视,播放量就超过 300 万,还登上了 b 站首页. 可能有些朋友对他还有点陌生. 他毕业于电子科大 ...
超级计算机阿波罗11,阿波罗11号制导计算机中指令模块和登月模块原始代码已在 GitHub 上开源...
维基百科上"阿波罗11号"词条下对阿波罗 11 号的介绍如下: 阿波罗11号(英语:Apollo 11)是美国国家航空航天局的阿波罗计划中的第五次载人任务,是人类第一次登月任务,歷 ...
github上开源项目_在GitHub上组织开源项目的工作流程的3个技巧
github上开源项目管理开源项目是一项艰巨的工作,挑战随着项目的发展而增长. 最终,一个项目可能需要满足不同的需求并跨越多个存储库. 这些问题不是技术问题,但对于解决扩展技术项目很重要. 诸如敏 ...
B 站硬件大佬又在 GitHub 上开源了一款神器...
公众号关注 "GitHubDaily" 设为 "星标",每天带你逛 GitHub! 转自量子位这次,野生钢铁侠稚晖君带着他的硬核项目又来了. 上次自制纯手工打 ...
【githubshare】国外工程师 Neil 在 GitHub 上开源了任天堂 64 模拟器
国外工程师 Neil 在 GitHub 上开源了任天堂 64 模拟器(N64):N64Wasm. 你只需将提前下载好的 ROM,拖拽至 Neil 开发的 Web 应用上,即可在页面上玩 N64 游戏. ...
Github上开源电商系统mall 的学习
Github上开源电商系统mall 的学习前言本来是打算按目录下的结构来学习的,突然发现这样下来整体学习下来对自己而言思路不清晰,所以就想的怎样可以更清晰一些,方便地去了解,熟悉整个业务,整体项目 ...
李笑来在 GitHub 上开源了一本电子书
今天凌晨的时候,我在躺床上刷微博,突然看到李笑来发了一条微博,说在 GitHub 上开源了一本电子书,这本书的名字叫<自学是门手艺>. 截至目前微博已累积 132 个转发, GitHub ...
【githubdailyshare】微软最近在 GitHub 上开源了一个 AI 音乐项目，基于深度学习，可自动完成音乐创作
微软最近在 GitHub 上开源了一个 AI 音乐项目:Muzic,基于深度学习,可自动完成音乐创作. 创作过程主要分为两步,一是音乐理解(符号分类.声音识别),二是音乐合成(歌曲歌词创作.音乐旋律生 ...
Github上开源仿京东商城项目-安装部署（二）
Github上开源仿京东商城项目-安装部署(二) 2.用IntelliJ IDEA 2020打开项目,选择SuperMarket目录, 将会自动安装相关项目的依赖包,这个时间大约1个半小时. 3.安装 ...

GitHub上开源的YOLOv5

GitHub上开源的YOLOv5相关推荐

最新文章

热门文章