Ultralytics YOLOv5 v6.0 来了！

我们的最新更新于 2021 年 10 月 12 日发布，是自 2021 年 4 月以来的首次重大版本。v6.0 版本带来了重大改进，降低了训练期间的内存需求，提高了部署期间的准确性，并优化了所有 YOLOv5 模型的运行时性能。

​

​

对于 ML 工程师和数据科学家来说，YOLOv5 现在提供了一个更强大的 Vision AI 解决方案，并且比以往任何时候都更容易训练和部署。基于 Ultralytics 研发工作的经验结果，对模型主干进行了多次更新。

修改包括新的模块和对现有模块的改进，这些模块结合在一起可以产生更快、更小、更准确的模型。

但我们无法独自完成这项工作！此版本包含了来自世界各地 73 位贡献者的 465 个 PR，他们共同协作以突破 AI 的界限。如果您想了解更多信息或自己做出贡献，请参阅我们的开源贡献指南。

此版本带来了数百个小的更改，这些更改累积起来产生了真正的差异，更改太多，无法详细介绍，但以下是一些主要亮点：

• Roboflow 集成 ⭐ 新功能：通过我们的新集成，可以直接在任何 Roboflow 数据集上训练 YOLOv5 模型！此集成在您的 Roboflow 数据集和 YOLOv5 训练之间提供无缝连接。（#4975，作者：@Jacobsolawetz）
  ‍
• YOLOv5n 'Nano' 模型 ⭐ 新功能：YOLOv5n (1.9M 参数) 新增更小模型，低于 YOLOv5s (7.5M 参数)，导出为 2.1 MB INT8 大小，非常适合超轻型移动解决方案。( #5027 by @glenn-jocher)
  ‍
• TensorFlow 和 Keras: TensorFlow、Keras、TFLite、TF.js 模型导出现已完全集成到 YOLOv5 中，可实现从训练到部署的无缝过渡。(由@zldrobit完成的#1127)
  ‍
• OpenCV DNN：YOLOv5 ONNX模型现在与OpenCV DNN和ONNX Runtime兼容，从而为用户提供更多部署目标选项。（#4833，由@jebastin-nadar提供）
  ‍
• 模型架构：更新后的骨干网络略小、更快、更准确，并且在训练期间需要更少的 GPU 内存。

最终想法

在发布 YOLOv5 一年多后，我们最先进的目标检测技术正朝着成为世界上最受欢迎的视觉 AI 的方向发展。在数百名合作者的帮助和数千名用户的反馈下，我们正在创建有效且易于使用的工具，而我们新的 v6.0 版本是这一旅程中下一个激动人心的步骤。

立即访问我们的开源 GitHub 存储库，开始使用 YOLOv5！https://github.com/ultralytics/yolov5