Перейти к содержимому

YOLOv5 Быстрый старт 🚀.

Начни свое путешествие в динамичное царство обнаружения объектов в реальном времени с YOLOv5! Это руководство призвано стать всеобъемлющей отправной точкой для энтузиастов искусственного интеллекта и профессионалов, стремящихся освоить YOLOv5. От начальной настройки до продвинутых техник обучения - у нас есть все, что тебе нужно. К концу этого руководства у тебя будет достаточно знаний, чтобы уверенно внедрять YOLOv5 в свои проекты. Давай зажжем двигатели и взлетим в YOLOv5!

Установи

Подготовься к запуску, клонировав репозиторий и создав окружение. Это гарантирует, что все необходимые требования установлены. Проверь, что у тебя Python>=3.8.0 и PyTorch>=1.8 готовы к взлету.

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

Умозаключение с PyTorch Hub

Ощути простоту YOLOv5 PyTorch Hub вычислений, когда модели беспрепятственно загружаются из последнегорелиза 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.

Выводы с помощью detect.py

Жгут detect.py для универсальных выводов по различным источникам. Он автоматически подбирает модели из последних YOLOv5 освободи и с легкостью сохраняй результаты.

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

Тренировка

Повторите YOLOv5 COCO бенчмарки с помощью инструкций ниже. Необходимые модели и Наборы данных Они взяты прямо из последней версии YOLOv5 освободи. Обучение YOLOv5n/s/m/l/x на GPU V100 обычно занимает 1/2/4/6/8 дней соответственно (учти, что Multi-GPU установки работают быстрее). Максимизируй производительность, используя максимально возможный --batch-size или использовать --batch-size -1 для YOLOv5 AutoBatch Особенность. Для графических процессоров V100-16GB идеально подходят следующие размеры партий.

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

YOLO тренировочные кривые

В заключение хочу сказать, что YOLOv5 - это не только современный инструмент для обнаружения объектов, но и свидетельство силы машинного обучения в преобразовании того, как мы взаимодействуем с миром посредством визуального понимания. По мере того как ты будешь изучать это руководство и начнешь применять YOLOv5 в своих проектах, помни, что ты находишься на переднем крае технологической революции, способной совершать удивительные подвиги. Если тебе понадобятся дополнительные знания или поддержка коллег-визионеров, приглашаем тебя на наш репозиторий GitHub, где обитает процветающее сообщество разработчиков и исследователей. Продолжай исследовать, внедряй инновации и наслаждайся чудесами YOLOv5. Счастливого детектирования! 🌠🔍



Создано 2023-11-12, Обновлено 2023-12-03
Авторы: glenn-jocher (2)

Комментарии