YOLOv5 v6.0 在此！

我们的最新更新于 2021 年 10 月 12 日发布，是自 2021 年 4 月以来的首个重要版本。v6.0 版带来了重大改进，降低了训练过程中的内存需求，提高了部署过程中的准确性，并优化了整个YOLOv5 模型的运行时性能。

‍

‍

对于 ML 工程师和数据科学家来说，YOLOv5 现在可以提供更强大的视觉 AI 解决方案，而且比以往任何时候都更易于训练和部署。根据Ultralytics 研发工作的经验结果，对模型骨架进行了多次更新。

修改包括新的模块和对现有模块的改进，这些模块的组合可产生更快、更小和更精确的模型。

不过，单靠我们自己是做不到的！这个版本包含了来自世界各地 73 位贡献者的 465 个 PR，大家通力合作，共同推动人工智能的发展。如果您想了解更多信息或参与贡献，请参阅我们的开源贡献指南。

该版本带来了数百项小改动，这些改动累积起来会带来真正的不同，具体改动太多，无法一一详述，但其中有几个主要亮点：

• Roboflow 集成⭐ 新功能：利用我们的新集成，直接在任何Roboflow 数据集上训练YOLOv5 模型！该集成提供了Roboflow 数据集与YOLOv5 训练之间的无缝连接。(#4975by@Jacobsolawetz)
• YOLOv5n 'Nano' 型号⭐ 新：YOLOv5s(7.5M params)以下的新小型 YOLOv5n (1.9M params) 型号，导出到 2.1 MB INT8 大小，是超轻型移动解决方案的理想选择。(#5027by@glenn-jocher)
• TensorFlow 和 Keras：TensorFlow现在，Keras、TFLite、TF.js 模型导出已完全集成到YOLOv5 中，实现从训练到部署的无缝转换。(#1127by@zldrobit)
• OpenCV DNN：YOLOv5 ONNX 模型现在与 OpenCV DNN 和ONNX Runtime 兼容，为用户提供更多部署目的地选择。(#4833by@jebastin-nadar)
• 模型结构：更新后的骨架略小，速度更快，精度更高，在训练过程中需要的GPU 内存更少。

最终想法

在发布YOLOv5 一年多之后，我们最先进的物体检测技术正在成为世界上最受喜爱的视觉人工智能。在数百名合作者的帮助和数千名用户的反馈下，我们正在创建既有效又易用的工具，而我们新发布的 v6.0 版本则是这一历程中令人兴奋的下一步。

，请访问我们的开源 GitHub 存储库，立即开始使用YOLOv5 https://github.com/ultralytics/。yolov5

‍