Salta para o conteúdo

Guia completo para Ultralytics YOLOv5

Ultralytics YOLOv5 banner v7.0

YOLOv5 CI YOLOv5 Citação Docker Pulls
Corre em gradiente Abre em Colab Abre no Kaggle

Bem-vindo ao Ultralytics' YOLOv5🚀 Documentação! YOLOv5, a quinta iteração do revolucionário modelo de deteção de objectos "You Only Look Once", foi concebido para fornecer resultados de alta velocidade e elevada precisão em tempo real.

Construída em PyTorch, esta poderosa estrutura de aprendizagem profunda ganhou imensa popularidade pela sua versatilidade, facilidade de utilização e elevado desempenho. A nossa documentação guia-te através do processo de instalação, explica as nuances arquitectónicas do modelo, apresenta vários casos de utilização e fornece uma série de tutoriais detalhados. Estes recursos irão ajudar-te a aproveitar todo o potencial do YOLOv5 para os teus projectos de visão por computador. Vamos começar!

Explora e aprende

Aqui está uma compilação de tutoriais abrangentes que te guiarão através de diferentes aspectos de YOLOv5.

Ambientes suportados

Ultralytics fornece uma gama de ambientes prontos a utilizar, cada um pré-instalado com dependências essenciais como CUDA, CUDNN, Python, e PyTorchpara dar início aos teus projectos.

Estado do projeto

YOLOv5 CI

Este emblema indica que todos os testes de Integração Contínua (CI) do YOLOv5 GitHub Actions foram aprovados com êxito. Esses testes de CI verificam rigorosamente a funcionalidade e o desempenho do YOLOv5 em vários aspectos principais: treinamento, validação, inferência, exportação e benchmarks. Eles garantem uma operação consistente e confiável no macOS, Windows e Ubuntu, com testes realizados a cada 24 horas e a cada novo commit.


Ultralytics GitHub espaço Ultralytics LinkedIn espaço Ultralytics Twitter espaço Ultralytics YouTube espaço Ultralytics TikTok espaço Ultralytics Instagram espaço Ultralytics Discórdia

Liga-te e contribui

A tua viagem com YOLOv5 não tem de ser solitária. Junta-te à nossa vibrante comunidade no GitHub, liga-te a profissionais no LinkedIn, partilha os teus resultados no Twitter e encontra recursos educativos no YouTube. Segue-nos no TikTok e no Instagram para obteres mais conteúdos interessantes.

Estás interessado em contribuir? Aceitamos contribuições de todas as formas; desde melhorias no código e relatórios de erros até actualizações de documentação. Consulta as nossas directrizes de contribuição para obteres mais informações.

Estamos entusiasmados por ver as formas inovadoras como vais utilizar o YOLOv5. Mergulha, experimenta e revoluciona os teus projectos de visão computacional! 🚀



Criado em 2023-11-12, Atualizado em 2024-01-07
Autores: glenn-jocher (5), sergiuwaxmann (1)

Comentários