YOLOv5 在 v6.1 版本中更加强大！

Ultralytics 很高兴地宣布，我们的旗舰 YOLO（只看一次）技术迎来最新进展。随着 YOLOv5 v6.1 发布，我们对架构进行了微调，以提升简洁性、速度和性能。我们上一次发布是在 2021 年 10 月，为这些进展奠定了基础。现在，我们很自豪地推出这些更新，进一步提升 YOLO 的易用性和性能。

重要更新#

以下是 YOLOv5 v6.1 的主要改进：

• 支持 TensorRT：使用 python export.py --include engine 导出、推理和验证 TensorRT。（#5699，作者：@imyhxy。）这是一个重要里程碑，因为 NVIDIA 的 TensorRT 是一款高性能深度学习推理优化器和运行时，可为深度学习应用带来低延迟和高吞吐量。
• 支持 TensorFlow Edge TPU ⭐ 新功能：使用 python export.py --include edgetpu 为 Google Coral 设备导出 Edge TPU。（#3630，作者：@zldrobit。）配合 v6.0 中推出的更小型 YOLOv5n 模型（190 万个参数），该模型导出后的 INT8 文件仅为 2.1 MB，因此特别适合超轻量级移动解决方案。
• 支持 OpenVINO：使用 python export.py --include openvino 导出 OpenVINO 模型。借助 OpenVINO，模型如今可以充分利用 Intel CPU 和集成 GPU 的性能，适用于多种应用场景（#6057，作者：@glenn-jocher）。
• 导出基准测试：我们推出了一款新的基准测试工具，使用 python utils/benchmarks.py --weights yolov5s.pt 评估所有 YOLOv5 导出格式的 mAP（平均精度均值）和速度。目前该工具仅在 CPU 上运行，我们计划在未来的更新中加入 GPU 基准测试（#6613，作者：@glenn-jocher）。
• 超参数：我们对超参数进行了一项细微但重要的调整：在 hyp-scratch-large.yaml 中，学习率因子 (lrf) 从 0.2 降至 0.1（#6525 由 @glenn-jocher 提交）。
• 训练：默认学习率 (LR) 调度器已更新为单周期线性调度，取代之前的单周期余弦调度，以改善训练效果（#6729 由 @glenn-jocher 提交）。

YOLOv5 现已正式支持 11 种格式，不仅支持导出，还支持使用 detect.py 和 PyTorch Hub 进行推理，以及用于评估 mAP 和速度的验证：

• ✅ PyTorch
• ✅ TorchScript
• ✅ ONNX
• ✅ OpenVINO
• ✅ TensorRT
• ✅ CoreML
• ✅ TensorFlow SavedModel
• ✅ TensorFlow GraphDef
• ✅ TensorFlow Lite
• ✅ TensorFlow Edge TPU
• ✅ TensorFlow.js

让 AI 惠及每一个人#

在 Ultralytics，我们不仅希望成为领先者，更怀着热忱参与并为社区做出贡献。YOLOv5 系列在我们的发展历程中发挥了重要作用，伴随我们走过成功与挑战。这次更新是大家共同努力的成果，凝聚了48 位贡献者提交的 271 个 PR。我们将继续践行普及 AI 的使命，让每个人都能使用并部署 AI。

加入视觉 AI 革命#

我们一直在寻找人才加入团队，也欢迎大家参与我们的开源项目。如果你有兴趣加入我们的 AI 团队，请访问招聘页面，或考虑为 YOLOv5 做贡献。

从 AI 爱好者到 2022 年最受欢迎的目标检测项目#

今年，我们的 Ultralytics/YOLOv5 仓库在 GitHub 星标总数上超越了 Joseph Redmon 的 pjreddie/darknet YOLOv3，达成了重要里程碑，目前已拥有超过 22.4k 个星标。这充分证明了社区对我们的信任和热情，也激励我们不断突破视觉 AI 的边界。能够延续 You Only Look Once 的 legacy，我们深感荣幸。

访问我们的 YOLOv5 GitHub 仓库，了解新版本的详细信息，并加入充满活力的 YOLO 目标检测爱好者社区。

无需编写代码，体验 YOLO 的魅力#

还不止这些！如果你刚接触计算机视觉，或者更喜欢无代码体验，Ultralytics HUB 就是你的入口。只需点击几下，即可了解如何使用 YOLO 和计算机视觉技术。访问 Ultralytics HUB - 你的 AI 入门之门，进一步了解并开启你的计算机视觉之旅。