YOLOv5 クイックスタート 🚀#
Ultralytics YOLOv5と共に、リアルタイムなobject detectionのダイナミックな領域へ旅立ちましょう！このガイドは、YOLOv5の習得を目指すAI愛好家やプロフェッショナルのための包括的な出発点となるように作成されています。初期セットアップから高度なtraining techniquesまで、私たちがサポートします。このガイドを読み終える頃には、最先端のdeep learning手法を使用して、YOLOv5を自分のプロジェクトに自信を持って実装するための知識が身についているでしょう。エンジンに点火し、YOLOv5へと飛び立ちましょう！
インストール#
YOLOv5 repositoryをクローンして環境を構築し、打ち上げの準備をします。これにより、必要なrequirementsがすべてインストールされます。Python>=3.8.0とPyTorch>=1.8の準備ができていることを確認してください。これらの基礎的なツールは、YOLOv5を効果的に実行するために極めて重要です。
git clone https://github.com/ultralytics/yolov5 # clone repository
cd yolov5
pip install -r requirements.txt # install dependenciesPyTorch Hub による推論#
最新の YOLOv5 release から models がシームレスにダウンロードされる、YOLOv5 PyTorch Hub 推論のシンプルさを体験してください。このメソッドは PyTorch のパワーを活用して簡単なモデルの読み込みと実行を実現し、予測をわかりやすく行えるようにします。
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. Explore these in the Predict mode documentation.detect.py による推論#
さまざまなソースでの柔軟な inference に detect.py を活用してください。最新の YOLOv5 release から自動的に models を取得し、簡単に結果を保存します。このスクリプトは、コマンドラインでの使用や YOLOv5 をより大規模なシステムに統合するのに最適で、画像、動画、ディレクトリ、Webcam、さらには live streams などの入力をサポートします。
python detect.py --weights yolov5s.pt --source 0 # webcam
python detect.py --weights yolov5s.pt --source image.jpg # image
python detect.py --weights yolov5s.pt --source video.mp4 # video
python detect.py --weights yolov5s.pt --source screen # screenshot
python detect.py --weights yolov5s.pt --source path/ # directory
python detect.py --weights yolov5s.pt --source list.txt # list of images
python detect.py --weights yolov5s.pt --source list.streams # list of streams
python detect.py --weights yolov5s.pt --source 'path/*.jpg' # glob pattern
python detect.py --weights yolov5s.pt --source 'https://youtu.be/LNwODJXcvt4' # YouTube video
python detect.py --weights yolov5s.pt --source 'rtsp://example.com/media.mp4' # RTSP, RTMP, HTTP streamトレーニング#
以下の training instructions に従って、YOLOv5 COCO dataset のベンチマークを再現してください。必要な models と datasets（coco128.yaml やフルサイズの coco.yaml など）は、最新の YOLOv5 release から直接プルされます。V100 GPU での YOLOv5n/s/m/l/x のトレーニングには通常それぞれ 1/2/4/6/8 日かかります（Multi-GPU training セットアップを使用するとより高速に動作することに注意してください）。可能な限り最大の --batch-size を使用するか、最適な batch size を自動的に検出する YOLOv5 AutoBatch 機能に --batch-size -1 を使用して、パフォーマンスを最大化してください。V100-16GB GPU には、次のバッチサイズが最適です。モデル設定ファイル（*.yaml）の詳細については、configuration guide を参照してください。
# Train YOLOv5n on COCO128 for 3 epochs
python train.py --data coco128.yaml --epochs 3 --weights yolov5n.pt --batch-size 128
# Train YOLOv5s on COCO for 300 epochs
python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5s.yaml --batch-size 64
# Train YOLOv5m on COCO for 300 epochs
python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5m.yaml --batch-size 40
# Train YOLOv5l on COCO for 300 epochs
python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5l.yaml --batch-size 24
# Train YOLOv5x on COCO for 300 epochs
python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5x.yaml --batch-size 16
結論として、YOLOv5は物体検出のための最先端ツールであるだけでなく、ビジュアル理解を通じて世界との関わり方を変革するmachine learningの力の証でもあります。このガイドを進め、YOLOv5をご自身のプロジェクトに応用し始めるにあたり、あなたは技術革新の最前線に立ち、computer visionにおいて驚異的な偉業を達成できる能力を持っていることを忘れないでください。他のビジョナリーからのさらなる洞察やサポートが必要な場合は、開発者や研究者の活気あるコミュニティの本拠地であるGitHub repositoryへご招待します。コードなしでのデータセット管理やモデルトレーニングのためのUltralytics Platformのような追加のリソースを探索するか、現実世界のアプリケーションやインスピレーションについてはSolutionsページをご確認ください。探求を続け、革新を続け、YOLOv5の驚異をお楽しみください。楽しい検出を！ 🌠🔍