コンテンツへスキップ

総合ガイドUltralytics YOLOv5

Ultralytics YOLOv5 V7.0バナー

YOLOv5 CI YOLOv5 引用 ドッカー・プル
グラデーション走行 オープン・イン・コラボ Kaggleで開く

Ultralytics' へようこそ YOLOv5🚀 ドキュメンテーション!YOLOv5革命的な "You Only Look Once"(一度しか見ない)物体検出モデルの5番目の反復は、リアルタイムで高速、高精度の結果を提供するように設計されています。

PyTorch 上に構築されたこの強力なディープラーニングフレームワークは、その多用途性、使いやすさ、高性能で絶大な人気を集めています。当社のドキュメントは、インストールプロセスのガイド、モデルのアーキテクチャのニュアンスの説明、さまざまな使用例の紹介、および一連の詳細なチュートリアルを提供します。これらのリソースは、あなたのコンピュータビジョンプロジェクトのためにYOLOv5 の可能性を最大限に活用するのに役立ちます。さっそく始めましょう!

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。

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。

プロジェクト状況

YOLOv5 CI

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。


Ultralytics ギットハブ スペース Ultralytics LinkedIn スペース Ultralytics ツイッター スペース Ultralytics ユーチューブ スペース Ultralytics ティックトック スペース Ultralytics ビリビリ スペース Ultralytics ディスコード

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 は、高速かつ高精度な物体検出能力で有名です。PyTorch 上に構築されており、汎用性が高くユーザーフレンドリーであるため、様々なコンピュータビジョンプロジェクトに適しています。主な特徴として、リアルタイム推論、TTA(Test-Time Augmentation)やモデルアンサンブル(Model Ensembling)などの複数のトレーニングトリックのサポート、TFLite、ONNX 、CoreML 、TensorRT などのエクスポートフォーマットとの互換性があります。Ultralytics YOLOv5 がどのようにプロジェクトを向上させるかについては、TFLite、ONNX 、 CoreML 、 TensorRT エクスポートガイドをご覧ください。

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?

YOLOv5 モデルのパフォーマンスを最適化するには、様々なハイパーパラメータをチューニングし、データ増強や転移学習のようなテクニックを取り入れる必要があります。Ultralytics は、モデルの効率を改善するためのハイパーパラメータの進化とプルーニング/スパースに関する包括的なリソースを提供します。トレーニング中に最適なパフォーマンスを達成するための実用的な洞察を提供するTips for Best Training Resultsガイドで、実用的なヒントを見つけることができます。

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。



作成日:2023-11-12 更新日:2024-07-05
作成者:glenn-jocher(11),lakshanthad(1),Burhan-Q(1),sergiuwaxmann(1)

コメント