Salta para o conteúdo

YOLOv5 Início rápido 🚀

Embarca na tua viagem ao reino dinâmico da deteção de objectos em tempo real com YOLOv5! Este guia foi concebido para servir de ponto de partida abrangente para entusiastas e profissionais de IA que pretendam dominar o YOLOv5. Desde a configuração inicial até às técnicas de treino avançadas, temos tudo o que precisas. No final deste guia, terás os conhecimentos necessários para implementar YOLOv5 nos teus projectos com confiança. Vamos ligar os motores e voar para YOLOv5!

Instala

Prepara o lançamento clonando o repositório e estabelecendo o ambiente. Isto garante que todos os requisitos necessários estão instalados. Verifica se tens Python>=3.8.0 e PyTorch>=1.8 prontos para descolar.

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

Inferência com PyTorch Hub

Experimenta a simplicidade da YOLOv5 PyTorch Hub inferência, onde os modelos são descarregados sem problemas a partir daversão mais recentedo YOLOv5 .

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.

Inferência com detect.py

Arreios detect.py para uma inferência versátil em várias fontes. Vai buscar automaticamente modelos do último YOLOv5 liberta e guarda os resultados com facilidade.

python detect.py --weights yolov5s.pt --source 0                               # webcam
                                               img.jpg                         # image
                                               vid.mp4                         # video
                                               screen                          # screenshot
                                               path/                           # directory
                                               list.txt                        # list of images
                                               list.streams                    # list of streams
                                               'path/*.jpg'                    # glob
                                               'https://youtu.be/LNwODJXcvt4'  # YouTube
                                               'rtsp://example.com/media.mp4'  # RTSP, RTMP, HTTP stream

Formação

Replica o YOLOv5 COCO utiliza as instruções abaixo. O necessário modelos e conjuntos de dados são retirados diretamente da última YOLOv5 liberta. O treino do YOLOv5n/s/m/l/x numa GPU V100 deve demorar tipicamente 1/2/4/6/8 dias, respetivamente (nota que Multi-GPU Trabalha mais rapidamente). Maximiza o desempenho utilizando a maior potência possível --batch-size ou utiliza --batch-size -1 para o YOLOv5 AutoBatch caraterística. Os seguintes tamanhos de lote são ideais para as GPUs V100-16GB.

python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5n.yaml  --batch-size 128
                                                                 yolov5s                    64
                                                                 yolov5m                    40
                                                                 yolov5l                    24
                                                                 yolov5x                    16

YOLO curvas de formação

Para concluir, o YOLOv5 não é apenas uma ferramenta de última geração para deteção de objectos, mas também um testemunho do poder da aprendizagem automática na transformação da forma como interagimos com o mundo através da compreensão visual. À medida que avanças neste guia e começas a aplicar o YOLOv5 aos teus projectos, lembra-te que estás na vanguarda de uma revolução tecnológica, capaz de alcançar feitos notáveis. Se precisares de mais informações ou do apoio de outros visionários, estás convidado para o nosso repositório GitHub, que alberga uma comunidade próspera de programadores e investigadores. Continua a explorar, continua a inovar e desfruta das maravilhas de YOLOv5. Feliz deteção! 🌠🔍



Criado em 2023-11-12, Atualizado em 2023-12-03
Autores: glenn-jocher (2)

Comentários