YOLOv5 퀵스타트 🚀

Ultralytics YOLOv5와 함께 실시간 객체 탐지의 역동적인 세계로의 여정을 시작해 보십시오! 이 가이드는 YOLOv5를 마스터하려는 AI 애호가 및 전문가를 위한 종합적인 시작점 역할을 하도록 제작되었습니다. 초기 설정부터 고급 학습 기법까지 모두 다룹니다. 이 가이드를 마칠 때쯤이면 최신 딥러닝 기법을 사용하여 자신 있게 프로젝트에 YOLOv5를 구현할 수 있는 지식을 얻게 될 것입니다. 엔진을 점화하고 YOLOv5의 세계로 날아오를 준비를 하십시오!

설치

YOLOv5 리포지토리를 클론하고 환경을 구성하여 시작할 준비를 하십시오. 이렇게 하면 모든 필수 요구 사항이 설치됩니다. 이륙을 위해 Python>=3.8.0 및 PyTorch>=1.8이 준비되었는지 확인하십시오. 이러한 기초 도구는 YOLOv5를 효과적으로 실행하는 데 매우 중요합니다.

git clone https://github.com/ultralytics/yolov5 # clone repository
cd yolov5
pip install -r requirements.txt # install dependencies

PyTorch Hub를 사용한 추론

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.py를 사용한 추론

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

학습

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

결론적으로 YOLOv5는 최첨단 객체 탐지 도구일 뿐만 아니라, 시각적 이해를 통해 우리가 세상을 상호 작용하는 방식을 변화시키는 머신러닝의 힘을 증명하는 결과물입니다. 이 가이드를 진행하며 프로젝트에 YOLOv5를 적용하기 시작할 때, 귀하가 컴퓨터 비전 분야에서 놀라운 성과를 달성할 수 있는 기술 혁명의 최전선에 있다는 점을 기억하십시오. 더 많은 통찰력이나 동료 선구자들의 지원이 필요하시다면 개발자와 연구자들의 활발한 커뮤니티가 있는 저희 GitHub 리포지토리에 초대합니다. 데이터셋 관리 및 코드 없는 모델 학습을 위한 Ultralytics Platform과 같은 추가 리소스를 살펴보거나, 실제 사례와 영감을 얻으려면 솔루션 페이지를 확인하십시오. 계속 탐구하고 혁신하며 YOLOv5의 경이로움을 즐기십시오. 즐거운 탐지 되시길 바랍니다! 🌠🔍

Contributors

GLglenn-jocher¹¹ RIRizwanMunawar¹ BUBurhan-Q¹

Created 2023년 11월 12일Updated 3개월 전

YOLOv5 퀵스타트 🚀

설치

PyTorch Hub를 사용한 추론

detect.py를 사용한 추론

학습

댓글