深圳Yolo 视觉
深圳
立即加入

YOLOv5 在 v6.1 中变得更加强大!

Ultralytics 团队

3 分钟阅读

2022年2月22日

探索Ultralytics 的YOLOv5 .1,了解视觉人工智能的尖端增强功能,包括TensorRT、TensorFlow EdgeTPU 支持等。

YOLOv5 v6.1 发布

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 .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 .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 pbTFLite 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 EdgeTPU 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Intel CPU 和集成 GPUONNX 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-largeyaml 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 one-cycle linear,替换了之前的 one-cycle with cosine,以改进训练结果(#6729 by @glenn-jocher)。
YOLOv5 .1 的功能

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
  • ✅TensorFlow SavedModel
  • ✅TensorFlow GraphDef
  • ✅TensorFlow Lite
  • ✅TensorFlow EdgeTPU
  • ✅TensorFlow.js

人人共享的 AI

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发展历程中发挥了重要作用,在我们经历胜利和挑战的过程中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 AI 爱好者到 2022 年最受欢迎的目标检测

今年,我们的YOLOv5代码库在 GitHub 上的星级总数超过了约瑟夫-雷德蒙(Joseph Redmon)的pjreddie/darknet YOLOv3,目前已超过 22.4k 星级,实现了一个重要的里程碑。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 存储库,了解有关新版本的全面详情,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。

让我们一起构建人工智能的未来!

开启您的机器学习未来之旅

免费开始