YOLOv5 Bắt đầu 🚀 nhanh
Bắt đầu cuộc hành trình của bạn vào lĩnh vực năng động của phát hiện đối tượng thời gian thực với YOLOv5 ! Hướng dẫn này được thiết kế để phục vụ như một điểm khởi đầu toàn diện cho những người đam mê AI và các chuyên gia muốn thành thạo YOLOv5 . Từ thiết lập ban đầu đến các kỹ thuật đào tạo nâng cao, chúng tôi đã hỗ trợ bạn. Đến cuối hướng dẫn này, bạn sẽ có kiến thức để triển khai YOLOv5 vào các dự án của bạn một cách tự tin. Hãy cùng đốt cháy động cơ và bay cao YOLOv5 !
Cài đặt
Chuẩn bị khởi chạy bằng cách nhân bản kho lưu trữ và thiết lập môi trường. Điều này đảm bảo rằng tất cả các yêu cầu cần thiết được cài đặt. Kiểm tra xem bạn có Python>=3.8.0 và PyTorch>=1,8 sẵn sàng cất cánh.
git clone https://github.com/ultralytics/yolov5 # clone repository
cd yolov5
pip install -r requirements.txt # install dependencies
Suy luận với PyTorch Hub
Trải nghiệm sự đơn giản của YOLOv5 PyTorch Suy luận trung tâm , trong đó các mô hình được tải xuống liền mạch từ phiên bản mới nhất YOLOv5 phát hành.
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.
Suy luận với detect.py
Khai thác detect.py để suy luận linh hoạt trên nhiều nguồn khác nhau. Nó tự động tìm nạp Mô hình từ mới nhất YOLOv5 phát hành và lưu kết quả một cách dễ dàng.
python detect.py --weights yolov5s.pt --source 0 # webcam
image.jpg # image
video.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
Đào tạo
Nhân rộng YOLOv5 COCO điểm chuẩn với các hướng dẫn dưới đây. Sự cần thiết Mô hình và Datasets được kéo trực tiếp từ mới nhất YOLOv5 phát hành. Đào tạo YOLOv5n / s / m / l / x trên V100 GPU thường mất 1/2/4/6/8 ngày tương ứng (lưu ý rằng Đa-GPU Thiết lập hoạt động nhanh hơn). Tối đa hóa hiệu suất bằng cách sử dụng cao nhất có thể --batch-size hoặc sử dụng --batch-size -1 Đối với YOLOv5 Tự động hàng loạt tính năng. Sau đây kích thước lô hàng lý tưởng cho GPU 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
Để kết luận, YOLOv5 không chỉ là công cụ tiên tiến để phát hiện đối tượng mà còn là minh chứng cho sức mạnh của máy học trong việc chuyển đổi cách chúng ta tương tác với thế giới thông qua sự hiểu biết trực quan. Khi bạn tiến hành hướng dẫn này và bắt đầu áp dụng YOLOv5 đối với các dự án của bạn, hãy nhớ rằng bạn đang ở tuyến đầu của một cuộc cách mạng công nghệ, có khả năng đạt được những kỳ tích đáng chú ý. Nếu bạn cần thêm thông tin chi tiết hoặc hỗ trợ từ những người có tầm nhìn xa, bạn được mời đến kho lưu trữ GitHub của chúng tôi, nơi có cộng đồng các nhà phát triển và nhà nghiên cứu đang phát triển mạnh mẽ. Hãy tiếp tục khám phá, tiếp tục đổi mới và tận hưởng những điều kỳ diệu của YOLOv5 . Chúc bạn phát hiện vui vẻ! 🌠🔍
