Ultralytics YOLOv5 v6.0 正式发布！

我们的最新更新于 2021 年 10 月 12 日发布，是自 2021 年 4 月以来的首个重要版本。v6.0 版带来了重大改进，降低了训练过程中的内存需求，提高了部署过程中的准确性，并优化了YOLOv5 全系列模型的运行时性能。

​

​

对于 ML 工程师和数据科学家来说，YOLOv5 现在可以提供更强大的视觉 AI 解决方案，而且比以往任何时候都更易于训练和部署。根据Ultralytics 研发工作的经验结果，对模型骨架进行了多次更新。

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： 使用我们的新集成，直接在任何Roboflow 数据集上训练YOLOv5 模型！该集成提供了Roboflow 数据集与YOLOv5 训练之间的无缝连接。(#4975by@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，实现从训练到部署的无缝过渡。(#1127by@zldrobit)
  ‍
• OpenCV DNN：YOLOv5 ONNX 模型现在与OpenCV DNN 和ONNX Runtime 兼容，为用户提供更多部署目的地选择。(#4833by@jebastin-nadar)
  ‍
• 模型架构：更新后的骨架略小，速度更快，精度更高，在训练过程中需要的GPU 内存更少。

最终想法

在发布YOLOv5 一年多之后，我们最先进的物体检测技术正在成为世界上最受喜爱的视觉人工智能。在数百名合作者的帮助和数千名用户的反馈下，我们正在创建既有效又易用的工具，而我们新发布的 v6.0 版本是这一征程中令人兴奋的下一步。

请访问我们的开源 GitHub 存储库，立即开始使用YOLOv5 ！yolov5