YOLOv5 Schnellstart 🚀

Begib dich auf die Reise in die dynamische Welt der Echtzeit-Objekterkennung mit YOLOv5! Dieser Leitfaden ist als umfassender Ausgangspunkt für KI-Enthusiasten und Profis gedacht, die YOLOv5 beherrschen wollen. Von der Ersteinrichtung bis hin zu fortgeschrittenen Trainingstechniken - wir haben alles für dich. Am Ende dieses Leitfadens wirst du das Wissen haben, um YOLOv5 sicher in deine Projekte einzubinden. Lass uns die Triebwerke zünden und zu YOLOv5 aufsteigen!

Installiere

Bereite dich auf den Start vor, indem du das Repository klonst und die Umgebung einrichtest. Dadurch wird sichergestellt, dass alle notwendigen Voraussetzungen installiert sind. Prüfe, ob du Python>=3.8.0 und PyTorch>=1.8 bereit zum Start.

git clone https://github.com/ultralytics/yolov5  # clone repository
cd yolov5
pip install -r requirements.txt  # install dependencies

Inferenz mit PyTorch Hub

Erlebe die Einfachheit von YOLOv5 PyTorch Hub Inferenz, wo Modelle nahtlos von der neuesten YOLOv5 Version heruntergeladen werden.

import torch

# Model loading
model = torch.hub.load("ultralytics/yolov5", "yolov5s")  # Can be 'yolov5n' - 'yolov5x6', or 'custom'

# Inference on images
img = "https://ultralytics.com/images/zidane.jpg"  # Can be a file, Path, PIL, OpenCV, numpy, or list of images

# Run inference
results = model(img)

# Display results
results.print()  # Other options: .show(), .save(), .crop(), .pandas(), etc.

Inferenz mit detect.py

Gurtzeug detect.py für vielseitige Schlussfolgerungen aus verschiedenen Quellen. Es holt sich automatisch Modelle von der neuesten YOLOv5 freigeben und speichert Ergebnisse mit Leichtigkeit.

python detect.py --weights yolov5s.pt --source 0                               # webcam
                                               img.jpg                         # image
                                               vid.mp4                         # video
                                               screen                          # screenshot
                                               path/                           # directory
                                               list.txt                        # list of images
                                               list.streams                    # list of streams
                                               'path/*.jpg'                    # glob
                                               'https://youtu.be/LNwODJXcvt4'  # YouTube
                                               'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream

Ausbildung

Replizieren Sie die YOLOv5 COCO Benchmarks mit den unten stehenden Anweisungen. Die notwendigen Modelle und Datensätze werden direkt aus der neuesten YOLOv5 freigeben. Das Training von YOLOv5n/s/m/l/x auf einer V100 GPU sollte in der Regel 1/2/4/6/8 Tage dauern (beachte, dass Multi-GPU Setups arbeiten schneller). Maximiere die Leistung durch Verwendung der höchstmöglichen --batch-size oder verwenden --batch-size -1 für die YOLOv5 AutoBatch Funktion. Die folgenden Losgrößen sind ideal für V100-16GB GPUs.

python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5n.yaml  --batch-size 128
                                                                 yolov5s                    64
                                                                 yolov5m                    40
                                                                 yolov5l                    24
                                                                 yolov5x                    16

Zusammenfassend lässt sich sagen, dass YOLOv5 nicht nur ein hochmodernes Werkzeug zur Objekterkennung ist, sondern auch ein Beweis für die Macht des maschinellen Lernens, das die Art und Weise, wie wir mit der Welt interagieren, durch visuelles Verständnis verändert. Wenn du diesen Leitfaden durcharbeitest und damit beginnst, YOLOv5 auf deine Projekte anzuwenden, denke daran, dass du an der Spitze einer technologischen Revolution stehst, mit der du bemerkenswerte Leistungen vollbringen kannst. Solltest du weitere Einblicke oder Unterstützung von anderen Visionären benötigen, bist du herzlich eingeladen, unser GitHub-Repository zu besuchen, das eine florierende Gemeinschaft von Entwicklern und Forschern beherbergt. Erforsche weiter, bleibe innovativ und genieße die Wunder von YOLOv5. Viel Spaß beim Entdecken! 🌠🔍

Kommentare