yolov5学习笔记-技术文章-醋醋百科网

git hub
:https://github.com/ultralytics/yolov5
1. YOLOv5简介

YOLOv5是YOLO系列目标检测算法的第五代版本，由Ultralytics公司基于PyTorch框架开发。
YOLO（You Only Look Once）系列算法以其实时性和高精度而在目标检测领域被广泛认可，YOLOv5则在前代基础上进一步优化了速度、精度和易用性，使其能够更好地应对各种视觉任务。
YOLOv5提供了多种不同大小的模型（如YOLOv5n、YOLOv5s、YOLOv5m、YOLOv5l和YOLOv5x），用户可以根据需求和计算资源选择合适的模型。这些模型在COCO数据集上都取得了很好的表现，如YOLOv5s的mAP可达到37.4，同时推理速度也很快，在V100 GPU上的单张图像推理时间仅为6.4毫秒。
除了目标检测，YOLOv5还扩展到了图像分割和图像分类等任务。它提供了分割模型（如YOLOv5s-seg、YOLOv5m-seg等）和分类模型（如YOLOv5s-cls、YOLOv5m-cls等），这些模型在COCO和ImageNet数据集上也表现出色
适用场景：

（1）安防监控

在安防监控中，YOLOv5可以用于实时检测视频中的目标，如行人、车辆和可疑物体等。通过在边缘设备或服务器上部署YOLOv5，可以实现对监控视频的实时分析和预警。

（2）智能交通

YOLOv5可用于交通场景中的目标检测，如车辆检测、行人检测和交通标志识别等。这有助于实现智能交通系统中的自动驾驶、交通流量监控和交通违法行为检测等功能。

（3）工业检测

在工业生产中，YOLOv5可以用于产品的质量检测和瑕疵识别。通过在生产线旁边安装摄像头并接入YOLOv5模型，可以实时检测产品中的瑕疵，提高生产效率和产品质量。

（4）无人机应用

无人机可以在复杂的环境中飞行，YOLOv5可以用于无人机的视觉导航和目标跟踪。例如，在农业领域，无人机可以携带YOLOv5模型进行农作物监测和病虫害检测。

2.安装 yolov5

# 克隆 YOLOv5 仓库
git clone https://github.com/ultralytics/yolov5.git
cd yolov5

3.简单的推理，识别图片中物体：
提供一个图片，使用 yolo 模型识别图片中的对象


import torch
model = torch.hub.load("ultralytics/yolov5", "yolov5s")
results = model('test.jpeg')
results.print() 
#内容形式如下：
#image 1/1: 540x712 12 persons, 3 ties
#Speed: 1142.4ms pre-process, 46.6ms inference, 5.2ms NMS per image at shape (1, 3, 512, 640)

醋醋百科网

Good Luck To You!

yolov5学习笔记