YOLOv5 在 v6.1 中变得更强大了！
探索 Ultralytics 推出的 YOLOv5 v6.1，获取视觉 AI 的尖端增强功能，包含对 TensorRT、TensorFlow Edge TPU 的支持等。
作为计算机视觉和机器学习领域的先驱，Ultralytics 很高兴宣布我们在旗舰 YOLO (You Only Look Once) 技术上的最新进展。随着 YOLOv5 v6.1 版本的发布，我们对架构进行了微调，以增强其简洁性、速度和强度，确保我们的技术始终处于创新的前沿。我们之前的发布（2021 年 10 月）为这些进步奠定了基础，现在我们很自豪地推出这些重新定义 YOLO 可用性和性能的关键更新。
Link to this section重要更新#
为了继续在 Vision AI 领域不懈追求卓越，以下是你将在 YOLOv5 v6.1 中发现的突破性增强功能：
- TensorRT 支持：改进了使用 python export.py --include saved_model pb tflite tfjs 进行 TensorFlow、Keras、TFLite 和 TF.js 模型导出的集成 (#5699，由 @imyhxy 提供)。这是一个重要的里程碑，因为 NVIDIA 的 TensorRT 是一个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、高吞吐量的支持。
- TensorFlow Edge TPU 支持 ⭐ 新增：推出了全新的更小巧的 YOLOv5n (1.9M 参数) 模型，其复杂度低于 YOLOv5s (7.5M 参数)，但在导出为仅 2.1 MB 的 INT8 大小时表现出色。这对于超轻量级移动解决方案尤其理想，将强大的机器学习带到了技术的边缘 (#3630，由 @zldrobit 提供)。
- OpenVINO 支持：YOLOv5 ONNX 模型现已兼容。借助 OpenVINO，模型现在可以充分利用 Intel CPU 和集成 GPU 的强大功能，适用于各种应用场景 (#6057，由 @glenn-jocher 提供)。
- 导出基准测试：我们引入了一个新的基准测试工具，通过 python utils/benchmarks.py --weights yolov5s.pt 来评估所有 YOLOv5 导出格式的 mAP (Mean Average Precision) 和速度。目前该工具在 CPU 上运行，我们计划在未来的更新中增加 GPU 基准测试 (#6613，由 @glenn-jocher 提供)。
- 超参数：我们的超参数进行了一个微小但关键的调整——在 hyp-scratch-large.yaml 中，学习率因子 (lrf) 已从 0.2 降低到 0.1 (#6525，由 @glenn-jocher 提供)。
- 训练：默认的学习率 (LR) 调度程序已更新为 one-cycle 线性，取代了之前基于余弦退火的 one-cycle，以获得更好的训练结果 (#6729，由 @glenn-jocher 提供)。
为了展示我们对不同格式的全方位支持，YOLOv5 现在正式支持 11 种格式。这不仅支持导出，还支持通过 detect.py 和 PyTorch Hub 进行推理，以及通过验证来评估 mAP 和速度：
- ✅ PyTorch
- ✅ TorchScript
- ✅ ONNX
- ✅ OpenVINO
- ✅ TensorRT
- ✅ CoreML
- ✅ TensorFlow SavedModel
- ✅ TensorFlow GraphDef
- ✅ TensorFlow Lite
- ✅ TensorFlow Edge TPU
- ✅ TensorFlow.js
Link to this section共同为大众打造 AI#
在 Ultralytics，驱动我们的不仅仅是领导地位，更是参与并回馈社区的热情。YOLOv5 系列在我们的旅程中发挥了重要作用，陪伴我们走过了胜利与挑战。这次更新是一项集体成就，代表了 来自 48 位新贡献者的 271 个 PR 的辛勤工作。我们坚定不移地致力于实现 AI 平民化，使其对每个人都易于访问和操作。
Link to this section加入 Vision AI 革命#
我们一直在寻找人才加入我们的行列，并欢迎各界参与我们的开源项目。如果你有兴趣成为最具突破性的 AI 团队的一员，请浏览我们的 职业页面 或考虑 为 YOLOv5 做出贡献。
Link to this section从 AI 爱好者到 2022 年最受欢迎的目标检测#
今年，我们的 Ultralytics/YOLOv5 存储库在 GitHub 星标总数上超越了 Joseph Redmon 的 pjreddie/darknet YOLOv3，取得了里程碑式的进展，目前已超过 2.24 万星标。这证明了社区的信任和热情，也激励我们不断突破 Vision AI 的界限。我们深感荣幸能够传承 You Only Look Once 的愿景。
请访问我们的 YOLOv5 GitHub 存储库 获取关于新版本的详细信息，并加入充满活力的 YOLO 目标检测爱好者社区。
Link to this section体验零代码 YOLO 的魔力#
还有更多内容！如果你是计算机视觉领域的新手，或者更喜欢零代码体验，Ultralytics HUB 是你的入口。了解如何只需点击几下即可利用 YOLO 和计算机视觉技术。欲了解更多信息，请访问 Ultralytics HUB - 通往 AI 的门户，开启你的计算机视觉之旅。
