X
Ultralytics YOLOv8.2 发布Ultralytics YOLOv8.2 发布手机Ultralytics YOLOv8.2 释放箭头
绿色检查
链接复制到剪贴板

YOLOv5 在 v6.1 中变得更加强大!

通过Ultralytics 浏览YOLOv5 v6.1,了解视觉人工智能的尖端增强功能,包括TensorRT 、TensorFlow EdgeTPU 支持等。

YOLOv5 v6.1 版本发布

作为计算机视觉和机器学习领域的先驱,Ultralytics 很高兴地宣布我们的旗舰产品YOLO (You Only Look Once)技术的最新进展。随着YOLOv5 v6.1 版本的发布,我们对架构进行了微调,以提高简洁性、速度和强度,确保我们的技术始终处于创新前沿。我们于 2021 年 10 月发布的上一个版本为这些进步奠定了基础,现在我们自豪地推出这些重要更新,重新定义了YOLO 的可用性和性能。

重要更新

YOLOv5 v6.1 将继续不懈追求视觉人工智能的卓越性,为您提供这些突破性的增强功能:

  • TensorRT 支持:使用python export.py --include saved_model pb tflite tfjs(#5699by @imyhxy),改进了对TensorFlow 、Keras、TFLite 和TF.js 模型导出的集成。这是一个重要的里程碑,因为NVIDIA 的TensorRT 是一个高性能深度学习推理优化器和运行时,可为深度学习应用提供低延迟、高吞吐量。
  • TensorFlow 边缘TPU 支持 ⭐ 新功能:推出新的较小 YOLOv5n(1.9M 参数)模型,其复杂性低于 YOLOv5s(7.5M 参数),但却能以仅 2.1 MB INT8 的大小导出。这对于超轻型移动解决方案来说尤为理想,可将强大的机器学习功能带到技术的最前沿(#3630,作者 @zldrobit)。
  • OpenVINO 支持:YOLOv5 ONNX 模型现在可以通过OpenVINO ,利用Intel CPU 和集成 GPU 的全部功能,实现各种应用(#6057by @glenn-jocher)。
  • 导出基准:我们引入了一个新的基准测试工具,通过python utils/benchmarks.py --weights yolov5s.pt,评估所有YOLOv5 导出格式的 mAP(平均精度)和速度。目前在 CPU 上运行,我们计划在未来的更新中将其扩展到包括GPU 基准(#6613,作者 @glenn-jocher)。
  • 超参数:我们对超参数做了一个微小但至关重要的调整--在 hyp-scratch-large.yaml 中,学习率因子 (lrf) 已从 0.2 降至 0.1(#6525,作者 @glenn-jocher)。
  • 训练:默认学习率 (LR) 调度器已更新为单周期线性,取代了之前的余弦单周期,从而改善了训练效果(#6729,作者:@glenn-jocher)。
YOLOv5 v6.1 功能

YOLOv5 现在正式支持 11 种格式,不仅支持导出,还支持使用 detect.py 和PyTorch Hub 进行推理,以及验证 mAP 配置文件和速度:

  • ✅PyTorch
  • ✅TorchScript
  • ✅ONNX
  • ✅OpenVINO
  • ✅TensorRT
  • ✅CoreML
  • ✅TensorFlow SavedModel
  • ✅TensorFlow GraphDef
  • ✅TensorFlow Lite
  • ✅TensorFlow 边缘TPU
  • ✅TensorFlow.js

为每个人的人工智能共同努力

在Ultralytics ,我们的动力不仅来自于领导的愿望,还来自于参与和贡献社会的热情。YOLOv5 大家庭在我们的征程中发挥了重要作用,在我们经历胜利和挑战时给予了大力支持。这次更新是一次集体的胜利,代表了来自 48 位新贡献者的 271 位公关人员的辛勤工作。我们将恪守人工智能民主化的使命,让每个人都能使用和操作人工智能。

加入 Vision AI 革命

我们一直在寻找人才加入我们的行列,并邀请他们参与我们的开源项目。如果您有兴趣成为最具开创性的人工智能团队的一员,请浏览我们的招聘页面或考虑为 YOLOv5 投稿

从人工智能爱好者到 2022 年最受欢迎的物体检测

今年,我们的Ultralytics/ YOLOv5 仓库取得了一个重要的里程碑,在 GitHub 星级总数上超过了约瑟夫-雷德蒙(Joseph Redmon)的 pjreddie/darknet YOLOv3,目前拥有超过 22.4k 个星级。这充分证明了社区的信任和热情,也激励着我们不断推动视觉人工智能的发展。我们深感荣幸,能将 "You Only Look Once"的传统发扬光大。

请访问我们的YOLOv5 GitHub 仓库,了解有关新版本的全面详情,并加入YOLO 物体检测爱好者的活跃社区。

体验YOLO 的魔力,无需密码

但还有更多!如果您是计算机视觉的新手,或者只是喜欢无代码体验,Ultralytics HUB 就是您的入口。只需轻松点击几下,即可了解如何利用YOLO 和计算机视觉技术。了解更多信息,请访问Ultralytics HUB - 您通往人工智能的大门,开始您的计算机视觉之旅。

Facebook 徽标Twitter 徽标LinkedIn 徽标复制链接符号

在此类别中阅读更多内容

让我们共同打造人工智能的未来

开始您的未来机器学习之旅