Ultralytics YOLOv5 v6.0 现已发布！

我们的最新更新于 2021 年 10 月 12 日发布，是自 2021 年 4 月以来的首个重大版本。v6.0 版本带来了显著改进，降低了训练期间的内存需求，提高了部署期间的准确率，并优化了整个 Ultralytics YOLOv5 模型系列的运行时性能。

Ultralytics YOLOv5 v6.0 速度与准确率对比图。

对于 ML 工程师和数据科学家而言，这意味着 YOLOv5 现在提供了更强大的视觉 AI 解决方案，而且训练和部署也比以往更加简单。我们根据 Ultralytics R&D 工作的实证结果，对模型主干网络进行了多项更新。

这些修改包括新增模块以及对现有模块的改进，结合起来能够生成更快、更小且更准确的模型。

不过，我们无法独自完成这一切！此版本汇集了来自世界各地 73 位贡献者的 465 个 PR，大家共同协作，推动 AI 的边界不断拓展。如果你想进一步了解或亲自参与贡献，请参阅我们的开源贡献指南。

此版本带来了数百项虽小但积少成多、能够产生实际影响的改动，数量太多，无法一一详述，但其中一些主要亮点包括：

• Roboflow 集成 ⭐ 新功能：借助我们的全新集成，你可以直接使用任意 Roboflow 数据集训练 YOLOv5 模型！该集成让你的 Roboflow 数据集与 YOLOv5 训练流程之间实现无缝连接。（由 @Jacobsolawetz 提交 #4975）
• YOLOv5n “Nano”模型 ⭐ 新功能：全新的 YOLOv5n（1.9M 参数）模型比 YOLOv5s（7.5M 参数）更小，导出后 INT8 大小仅为 2.1 MB，非常适合超轻量级移动解决方案。（由 @glenn-jocher 提交 #5027）
• TensorFlow 和 Keras：TensorFlow、Keras、TFLite、TF.js 模型导出功能现已完全集成到 YOLOv5 中，可在训练到部署之间实现无缝衔接。（由 @zldrobit 提交 #1127）
• OpenCV DNN：YOLOv5 ONNX 模型现已同时兼容 OpenCV DNN 和 ONNX Runtime，为用户提供更多部署目标选项。（由 @jebastin-nadar 提交 #4833）
• 模型架构：更新后的主干网络更小、更快且更准确，并且训练期间所需的 GPU 内存更少。

最终总结#

在发布 YOLOv5 一年多后，我们的业界领先目标检测技术正逐步成为全球最受欢迎的视觉 AI。借助数百位协作者的帮助以及数千名用户的反馈，我们正在打造既高效又易于使用的工具，而全新的 v6.0 版本正是这一历程中令人振奋的下一步。立即前往我们的开源 GitHub 代码仓库，开始使用 YOLOv5 吧！YOLOv5 GitHub 代码仓库