YOLOv5 クイックスタート 🚀
Ultralytics YOLOv5 で、リアルタイム object detection のダイナミックな世界への旅を始めましょう！このガイドは、YOLOv5 を習得しようとしている AI 愛好家やプロフェッショナル向けの包括的な入門資料として作成されています。初期設定から高度な training techniques まで、すべて網羅しています。このガイドを読み終える頃には、最先端の deep learning 手法を用いて、自信を持って YOLOv5 をプロジェクトに導入する知識が身についているはずです。エンジンに火を入れ、YOLOv5 で飛び立ちましょう！
インストール
YOLOv5 repository をクローンし、環境を構築して打ち上げの準備をしましょう。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 が準備できているか確認してください。これらの基礎ツールは、YOLOv5 を効果的に実行するために不可欠です。
git clone https://github.com/ultralytics/yolov5 # clone repository
cd yolov5
pip install -r requirements.txt # install dependenciesPyTorch Hub による推論
Experience the simplicity of YOLOv5 PyTorch Hub inference, where models are seamlessly downloaded from the latest YOLOv5 release. This method leverages the power of PyTorch for easy model loading and execution, making it straightforward to get predictions.
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
Harness detect.py for versatile inference on various sources. It automatically fetches models from the latest YOLOv5 release and saves results with ease. This script is ideal for command-line usage and integrating YOLOv5 into larger systems, supporting inputs like images, videos, directories, webcams, and even live streams.
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学習
Replicate the YOLOv5 COCO dataset benchmarks by following the training instructions below. The necessary models and datasets (like coco128.yaml or the full coco.yaml) are pulled directly from the latest YOLOv5 release. Training YOLOv5n/s/m/l/x on a V100 GPU should typically take 1/2/4/6/8 days respectively (note that Multi-GPU training setups work faster). Maximize performance by using the highest possible --batch-size or use --batch-size -1 for the YOLOv5 AutoBatch feature, which automatically finds the optimal batch size. The following batch sizes are ideal for V100-16GB GPUs. Refer to our configuration guide for details on model configuration files (*.yaml).
# 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
最後に、YOLOv5 は物体検出のための最先端ツールであるだけでなく、視覚的理解を通じて私たちが世界と関わる方法を変革する machine learning の力の証明でもあります。このガイドを進め、YOLOv5 をプロジェクトに適用し始めるにあたって、あなたが技術革命の最前線に立ち、computer vision において素晴らしい成果を達成できる存在であることを忘れないでください。さらなる知見や仲間の先駆者からの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拠点である GitHub repository へぜひお越しください。コードなしでデータセット管理やモデル学習ができる Ultralytics Platform などのリソースをさらに探索するか、現実世界での応用やインスピレーションについては Solutions ページをご覧ください。探求と革新を続け、YOLOv5 の驚異を楽しんでください。ハッピー・ディテクティング！ 🌠🔍