YOLOv5 在 v6.1 中变得更加强大！

作为计算机视觉和机器学习领域的先驱，Ultralytics 很高兴地宣布我们的旗舰产品 YOLO（只看一次）技术的最新进展。随着 YOLOv5 v6.1 版本的发布，我们对架构进行了微调，以提高简洁性、速度和强度，确保我们的技术始终处于创新前沿。我们于 2021 年 10 月发布的上一个版本为这些进步奠定了基础，现在我们自豪地推出这些重要更新，重新定义了 YOLO 的可用性和性能。

重要更新

YOLOv5 v6.1 将继续不懈追求视觉人工智能的卓越性，为您带来突破性的增强功能：

• 支持 TensorRT：使用 python export.py --include saved_model pb tflite tfjs(#5699by @imyhxy)，改进了对 TensorFlow、Keras、TFLite 和 TF.js 模型导出的集成。这是一个重要的里程碑，因为英伟达™（NVIDIA®）的 TensorRT 是一款高性能深度学习推理优化器和运行时，可为深度学习应用提供低延迟、高吞吐量。
  ‍
• TensorFlow Edge TPU 支持 ⭐ 新功能：推出新的较小 YOLOv5n（1.9M 参数）模型，其复杂性低于 YOLOv5s（7.5M 参数），但其导出 INT8 大小仅为 2.1 MB 的能力却让人眼前一亮。这对于超轻型移动解决方案来说尤为理想，可将强大的机器学习功能带到技术的最前沿（#3630，作者：@zldrobit）。
  ‍
• 支持 OpenVINO：有了 OpenVINO，模型现在可以充分利用英特尔 CPU 和集成 GPU 的强大功能，实现各种应用(#6057by @glenn-jocher)。
  ‍
• 导出基准：我们引入了一个新的基准测试工具，使用 python utils/benchmarks.py --weights yolov5s.pt 评估所有 YOLOv5 导出格式的 mAP（平均精度）和速度。目前在 CPU 上运行，我们计划在未来的更新中将其扩展到 GPU 基准（#6613，作者 @glenn-jocher）。
  ‍
• 超参数：我们对超参数做了一个微小但至关重要的调整--在 hyp-scratch-large.yaml 中，学习率因子 (lrf) 已从 0.2 降至 0.1（#6525，作者 @glenn-jocher）。
  ‍
• 训练：默认学习率 (LR) 调度器已更新为单周期线性，取代了之前的余弦单周期，从而改善了训练效果（#6729，作者：@glenn-jocher）。

现在，YOLOv5 正式支持 11 种格式，不仅支持导出，还支持使用 detect.py 和 PyTorch Hub 进行推理，以及对 mAP 和速度进行验证：

• ✅ PyTorch
• ✅ TorchScript
• ✅ ONNX
• ✅ OpenVINO
• ✅ TensorRT
• ✅ CoreML
• ✅ 张量流保存模型
• ✅ TensorFlow GraphDef
• ✅ TensorFlow Lite
• ✅ TensorFlow Edge TPU
• ✅ TensorFlow.js

为每个人的人工智能共同努力

在 Ultralytics，我们的动力不仅来自于领导的渴望，更来自于参与和贡献社会的热情。YOLOv5 这个大家庭在我们的旅程中发挥了重要作用，在我们经历胜利和挑战时给予了我们大力支持。这次更新是一次集体的胜利，代表了来自 48 位新贡献者的 271 位公关人员的辛勤工作。我们致力于实现人工智能民主化的使命，让每个人都能使用和操作人工智能。

加入 Vision AI 革命

我们一直在寻找人才加入我们的行列，并邀请他们就我们的开源项目开展合作。如果您有兴趣成为最具开创性的人工智能团队的一员，请浏览我们的招聘页面或考虑为 YOLOv5 做出贡献。

从人工智能爱好者到 2022 年最受欢迎的物体检测

今年，我们的Ultralytics/YOLOv5软件仓库在 GitHub 上的星级总数超过了约瑟夫-雷德蒙（Joseph Redmon）的pjreddie/darknet YOLOv3，达到了一个重要的里程碑，目前拥有超过 22.4k 个星级。这充分证明了社区的信任和热情，也激励着我们不断推动视觉人工智能的发展。我们深感荣幸，能将 "You Only Look Once"的传统发扬光大。

访问我们的YOLOv5 GitHub 代码库，了解有关新版本的全面详细信息，并加入 YOLO 对象检测爱好者的活跃社区。

无需密码，体验 YOLO 的魔力

还有更多！如果您是计算机视觉的新手，或者只是喜欢无代码体验，Ultralytics HUB 就是您的入口。只需轻松点击几下，就能了解如何利用 YOLO 和计算机视觉技术。了解更多信息，请访问Ultralytics HUB - 您通往人工智能的大门，开始您的计算机视觉之旅。