Ultralytics YOLOv5 v6.0 现已发布！

我们的最新更新于 2021 年 10 月 12 日发布，这是自 2021 年 4 月以来的首次重大版本更新。v6.0 版本带来了显著改进，降低了训练期间的内存需求，提高了部署时的准确性，并优化了全系列 YOLOv5 模型在运行时的性能。

YOLOv5 v6.0 速度与准确性对比图。

对于 ML 工程师和数据科学家来说，这意味着 YOLOv5 现在提供了更强大的 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 R&D 工作的实证结果，我们对模型骨干网络进行了多次更新。

修改内容包括新的模块以及对现有模块的改进，它们共同促成了更快、更小且更准确的模型。

不过，这一切并非我们一己之力完成！此版本整合了来自全球 73 位贡献者的 465 个 PR，大家齐心协力突破 AI 的边界。如果你想了解更多或参与贡献，请查看我们的开源 贡献指南。

此版本包含了数百项细微的改进，这些改进汇聚在一起产生了显著的效果。变化太多无法一一详述，以下是其中一些主要的亮点：

• Roboflow 集成 ⭐ 新增：通过我们的新集成，直接在任何 Roboflow 数据集上训练 YOLOv5 模型！此集成在你的 Roboflow 数据集与 YOLOv5 训练任务之间提供了无缝连接。(#4975 由 @Jacobsolawetz 贡献)
• YOLOv5n 'Nano' 模型 ⭐ 新增：全新的小型 YOLOv5n (1.9M 参数) 模型，规模小于 YOLOv5s (7.5M 参数)，导出后 INT8 大小仅为 2.1 MB，非常适合超轻量级移动端解决方案。(#5027 由 @glenn-jocher 贡献)
• TensorFlow 和 Keras：TensorFlow、Keras、TFLite 和 TF.js 模型导出功能现已完全集成到 YOLOv5 中，实现从训练到部署的无缝转换。(#1127 由 @zldrobit 贡献)
• OpenCV DNN：YOLOv5 ONNX 模型现在兼容 OpenCV DNN 和 ONNX Runtime，为用户提供更多的部署目的地选择。(#4833 由 @jebastin-nadar 贡献)
• 模型架构：更新后的骨干网络稍微变小、变快且更准确，并且在训练期间需要更少的 GPU 内存。

Link to this section结语#

在发布 YOLOv5 一年多后，我们最先进的目标检测技术如今正迈向成为全球最受欢迎的视觉 AI 之路。在数百位合作者和数千名用户的反馈帮助下，我们正在打造既高效又易用的工具，而全新的 v6.0 版本正是我们这一征程中令人振奋的下一步。立即前往我们的开源 GitHub 仓库，开始使用 YOLOv5 吧！ YOLOv5 GitHub Repository