総合ガイドUltralytics YOLOv5
Ultralytics' へようこそ YOLOv5🚀 Documentation! YOLOv5, the fifth iteration of the revolutionary "You Only Look Once" object detection model, is designed to deliver high-speed, high-accuracy results in real-time.
Built on PyTorch, this powerful deep learning framework has garnered immense popularity for its versatility, ease of use, and high performance. Our documentation guides you through the installation process, explains the architectural nuances of the model, showcases various use-cases, and provides a series of detailed tutorials. These resources will help you harness the full potential of YOLOv5 for your computer vision projects. Let's get started!
探索と学習
ここでは、YOLOv5 のさまざまな側面をガイドする包括的なチュートリアルのコンパイルです。
- カスタムデータをトレーニングする 🚀 RECOMMENDED: カスタムデータセットでYOLOv5 モデルをトレーニングする方法を学ぶ。
- 最高のトレーニング結果を得るためのヒント☘️:モデルトレーニングプロセスを最適化するための実践的なヒントをご覧ください。
- マルチGPU トレーニング:複数のGPUを活用してトレーニングを促進する方法を理解する。
- PyTorch ハブ🌟 NEW:PyTorch ハブを介して事前にトレーニングされたモデルをロードすることを学ぶ。
- TFLite,ONNX,CoreML,TensorRT Export🚀:モデルを様々なフォーマットにエクスポートする方法を理解します。
- テストタイム・オーグメンテーション(TTA):TTAを使用してモデルの予測精度を向上させる方法を探ります。
- モデルのアンサンブルパフォーマンスを向上させるために複数のモデルを組み合わせる戦略を学びます。
- モデルの枝刈り/スパースプルーニングとスパース性の概念を理解し、より効率的なモデルを作成する方法を理解します。
- Hyperparameter Evolution: Discover the process of automated hyperparameter tuning for better model performance.
- Transfer Learning with Frozen Layers: Learn how to implement transfer learning by freezing layers in YOLOv5.
- アーキテクチャー・サマリー🌟YOLOv5 モデルの構造的な詳細を掘り下げる。
- Roboflow for Datasets: Understand how to utilize Roboflow for dataset management, labeling, and active learning.
- ClearML ロギング🌟ClearML を統合してモデルトレーニング中に効率的にロギングする方法を学びます。
- YOLOv5 withNeural Magic Neural Magic の Deepsparse を使って、YOLOv5 モデルを刈り込み、量子化する方法を発見する。
- Comet ロギング🌟 NEW:Comet を活用してモデルトレーニングのロギングを改善する方法を探ります。
対応環境
Ultralytics をはじめとする必要不可欠な依存関係がプリインストールされた、さまざまなすぐに使える環境を提供する。 CUDAやCUDNN、 Pythonそして PyTorchなどがプリインストールされています。
- 無料GPU ノート:
- Google クラウド GCPクイックスタートガイド
- アマゾン AWSクイックスタートガイド
- Azure:AzureMLクイックスタートガイド
- ドッカー: Dockerクイックスタートガイド
プロジェクト状況
このバッジは、YOLOv5 GitHub ActionsContinuous Integration (CI) テストがすべて正常にパスしていることを示します。これらのCIテストは、トレーニング、検証、推論、エクスポート、ベンチマークといったさまざまな重要な側面にわたって、YOLOv5 の機能とパフォーマンスを厳密にチェックします。これらのテストは、macOS、Windows、Ubuntu上で、24時間ごとおよび新しいコミットごとに実施され、一貫した信頼性の高い動作を保証します。
つながり、貢献する
YOLOv5 でのあなたの旅は、孤独なものである必要はありません。GitHubの活気あるコミュニティに参加し、LinkedInでプロフェッショナルとつながり、Twitterで結果を共有し、YouTubeで教育リソースを見つけましょう。TikTokと BiliBiliで私たちをフォローして、より魅力的なコンテンツをお楽しみください。
貢献することに興味がありますか?コードの改善やバグ報告からドキュメントの更新まで、あらゆる形での貢献を歓迎します。詳しくはコントリビュート・ガイドラインをご覧ください。
私たちは、皆さんがYOLOv5 をどのように使うか、その革新的な方法を楽しみにしています。飛び込んで、実験して、あなたのコンピュータビジョンプロジェクトに革命を起こしましょう!🚀
よくあるご質問
Ultralytics YOLOv5 の主な特徴は?
Ultralytics YOLOv5 is renowned for its high-speed and high-accuracy object detection capabilities. Built on PyTorch, it is versatile and user-friendly, making it suitable for various computer vision projects. Key features include real-time inference, support for multiple training tricks like Test-Time Augmentation (TTA) and Model Ensembling, and compatibility with export formats such as TFLite, ONNX, CoreML, and TensorRT. To delve deeper into how Ultralytics YOLOv5 can elevate your project, explore our TFLite, ONNX, CoreML, TensorRT Export guide.
自分のデータセットでカスタムモデル(YOLOv5 )をトレーニングするには?
あなたのデータセットでカスタム・モデル(YOLOv5 )をトレーニングするには、いくつかの重要なステップがある。まず、ラベルで注釈を付けたデータセットを必要な形式で準備する。次に、YOLOv5 の学習パラメータを設定し、 の train.py
スクリプトを使用します。このプロセスの詳細なチュートリアルについては、私たちの カスタムデータ・ガイド.特定のユースケースに最適な結果が得られるよう、ステップ・バイ・ステップで説明します。
なぜRCNNのような他の物体検出モデルではなく、Ultralytics YOLOv5 。
Ultralytics YOLOv5 YOLOv5 は、画像全体を一度に処理するため、複数回のパスが必要な RCNN の領域ベースのアプローチと比較して大幅に高速です。さらに、 の様々なエクスポートフォーマットとのシームレスな統合と豊富なドキュメントにより、初心者にもプロフェッショナルにも最適な選択肢となっています。アーキテクチャの利点については、YOLOv5アーキテクチャの概要をご覧ください。
トレーニング中にYOLOv5 モデルのパフォーマンスを最適化するには?
Optimizing YOLOv5 model performance involves tuning various hyperparameters and incorporating techniques like data augmentation and transfer learning. Ultralytics provides comprehensive resources on hyperparameter evolution and pruning/sparsity to improve model efficiency. You can discover practical tips in our Tips for Best Training Results guide, which offers actionable insights for achieving optimal performance during training.
YOLOv5 、どのような環境でアプリケーションを実行できますか?
Ultralytics YOLOv5 は、Gradient、Google Colab、Kaggle上の無料のGPU ノートブックや、Google Cloud、Amazon AWS、Azureなどの主要なクラウドプラットフォームなど、さまざまな環境をサポートしています。セットアップに便利なDockerイメージも用意されています。これらの環境のセットアップに関する詳細なガイドについては、各プラットフォームのステップバイステップの手順を含む、サポートされている環境のセクションをご覧ください。