Ultralytics YOLOv5#

개요#

YOLOv5u는 객체 탐지 방법론의 발전을 나타냅니다. Ultralytics가 개발한 YOLOv5 모델의 기반 아키텍처에서 출발한 YOLOv5u는 YOLOv8 모델에 처음 도입된 기능인 앵커 프리 및 objectness 프리 분할 헤드를 통합합니다. 이 변경을 통해 모델 아키텍처가 개선되어 객체 탐지 작업에서 정확도와 속도 간의 균형이 향상됩니다. 경험적 결과와 파생된 기능을 바탕으로 YOLOv5u는 연구와 실제 애플리케이션 모두에서 강력한 솔루션을 찾는 사용자에게 효율적인 대안을 제공합니다.

주요 기능#

• 앵커 프리 분할 Ultralytics 헤드: 기존 객체 탐지 모델은 객체 위치를 예측하기 위해 사전 정의된 앵커 박스에 의존합니다. 그러나 YOLOv5u는 이 접근 방식을 현대화합니다. 앵커 프리 분할 Ultralytics 헤드를 채택하여 더 유연하고 적응력 높은 탐지 메커니즘을 구현하고, 그 결과 다양한 시나리오에서 성능을 향상합니다.

• 최적화된 정확도와 속도의 균형: 속도와 정확도는 흔히 서로 반대 방향으로 작용합니다. 그러나 YOLOv5u는 이러한 균형에 도전합니다. 정확도를 저하시키지 않으면서 실시간 탐지를 보장하는 조정된 균형을 제공합니다. 이 기능은 자율주행 차량, 로보틱스, 실시간 비디오 분석처럼 신속한 응답이 필요한 애플리케이션에 특히 중요합니다.

• 다양한 사전 학습 모델: 작업마다 서로 다른 도구가 필요하다는 점을 고려하여 YOLOv5u는 다양한 사전 학습 모델을 제공합니다. Inference, Validation 또는 Training에 집중하든, 각 목적에 맞게 조정된 모델을 사용할 수 있습니다. 이러한 다양성 덕분에 모든 문제에 동일한 솔루션을 적용하는 대신, 고유한 과제에 맞게 특별히 미세 조정된 모델을 사용할 수 있습니다.

지원되는 태스크 및 모드#

다양한 사전 학습 가중치를 제공하는 YOLOv5u 모델은 객체 탐지 작업에서 뛰어난 성능을 발휘합니다. 포괄적인 모드 범위를 지원하므로 개발부터 배포까지 다양한 애플리케이션에 적합합니다.

이 표에서는 YOLOv5u 모델 변형을 자세히 개괄하고, 객체 탐지 작업에 대한 적용 가능성과 Inference, Validation, Training, Export와 같은 다양한 운영 모드 지원을 강조합니다. 이러한 포괄적인 지원을 통해 사용자는 광범위한 객체 탐지 시나리오에서 YOLOv5u 모델의 기능을 최대한 활용할 수 있습니다.

성능 지표#

사용 예시#

이 예제에서는 간단한 YOLOv5 학습 및 추론 예제를 제공합니다. 이러한 모드와 기타 모드에 대한 전체 문서는 Predict, Train, Val 및 Export 문서 페이지를 참조하십시오.

from ultralytics import YOLO

# Load a COCO-pretrained YOLOv5nu model
model = YOLO("yolov5nu.pt")

# Display model information (optional)
model.info()

# Train the model on the COCO8 example dataset for 100 epochs
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)

# Run inference with the YOLOv5nu model on the 'bus.jpg' image
results = model("path/to/bus.jpg")

인용 및 감사의 글#

연구에서 YOLOv5 또는 YOLOv5u를 사용하는 경우 다음과 같이 Ultralytics YOLOv5 리포지토리를 인용하십시오.

@software{yolov5,
  title = {Ultralytics YOLOv5},
  author = {Glenn Jocher},
  year = {2020},
  version = {7.0},
  license = {AGPL-3.0},
  url = {https://github.com/ultralytics/yolov5},
  doi = {10.5281/zenodo.3908559},
  orcid = {0000-0001-5950-6979}
}

YOLOv5 모델은 AGPL-3.0 및 엔터프라이즈 라이선스에 따라 제공된다는 점에 유의하십시오.

FAQ#