Vai al contenuto

Guida completa a Ultralytics YOLOv5

Ultralytics YOLOv5 banner v7.0

YOLOv5 CI YOLOv5 Citazione Docker tira
Esegui su gradiente Apri in Colab Apri in Kaggle

Benvenuti su Ultralytics' YOLOv5🚀 Documentazione! YOLOv5, la quinta iterazione del rivoluzionario modello di rilevamento degli oggetti "You Only Look Once", è stato progettato per fornire risultati ad alta velocità e precisione in tempo reale.

Costruito su PyTorch, questo potente framework per l'apprendimento profondo ha ottenuto un'immensa popolarità per la sua versatilità, facilità d'uso e alte prestazioni. La nostra documentazione ti guida attraverso il processo di installazione, spiega le sfumature architettoniche del modello, mostra vari casi d'uso e fornisce una serie di tutorial dettagliati. Queste risorse ti aiuteranno a sfruttare tutto il potenziale di YOLOv5 per i tuoi progetti di computer vision. Iniziamo!

Esplora e impara

Ecco una raccolta di tutorial completi che ti guideranno attraverso diversi aspetti di YOLOv5.

Ambienti supportati

Ultralytics offre una serie di ambienti pronti all'uso, ciascuno preinstallato con le dipendenze essenziali come CUDA, CUDNN, Python, e PyTorchper dare il via ai tuoi progetti.

Stato del progetto

YOLOv5 CI

Questo badge indica che tutti i test di YOLOv5 GitHub Actions Continuous Integration (CI) sono stati superati con successo. Questi test CI verificano rigorosamente la funzionalità e le prestazioni di YOLOv5 in vari aspetti chiave: formazione, validazione, inferenza, esportazione e benchmark. Assicurano un funzionamento coerente e affidabile su macOS, Windows e Ubuntu, con test condotti ogni 24 ore e su ogni nuovo commit.


Ultralytics GitHub spazio Ultralytics LinkedIn spazio Ultralytics Twitter spazio Ultralytics YouTube spazio Ultralytics TikTok spazio Ultralytics Instagram spazio Ultralytics Discordia

Connettiti e contribuisci

Il tuo viaggio con YOLOv5 non deve essere solitario. Unisciti alla nostra vivace comunità su GitHub, entra in contatto con i professionisti su LinkedIn, condividi i tuoi risultati su Twitter e trova risorse educative su YouTube. Seguici su TikTok e Instagram per altri contenuti coinvolgenti.

Sei interessato a contribuire? Accettiamo contributi di ogni tipo: dai miglioramenti del codice alle segnalazioni di bug, fino agli aggiornamenti della documentazione. Per maggiori informazioni, consulta le nostre linee guida per i contributi.

Non vediamo l'ora di vedere i modi innovativi in cui utilizzerai YOLOv5. Tuffati, sperimenta e rivoluziona i tuoi progetti di computer vision! 🚀



Created 2023-11-12, Updated 2024-06-02
Authors: glenn-jocher (8), Burhan-Q (1), sergiuwaxmann (1)

Commenti