Ultralytics YOLOv5 v6.0 现已发布！

我们最新的更新于2021年10月12日发布，这是自2021年4月以来的第一个重大版本。v6.0版本带来了重大改进，降低了训练过程中的内存需求，提高了部署时的精度，并优化了整个Ultralytics YOLOv5模型系列的运行性能。

Ultralytics YOLOv5 v6.0 速度与精度对比图。

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，没有大家的共同努力，我们是无法做到这一点的！此版本合并了来自全球各地 73 位贡献者的 465 个 PR，大家齐心协力不断突破 AI 的边界。如果你想了解更多信息或亲自参与贡献，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 ⭐ 新功能：通过我们的全新集成，直接在任意 Roboflow 数据集上训练 YOLOv5 模型！此集成在你的 Roboflow 数据集与 YOLOv5 训练之间提供了无缝连接。(#4975 由 @Jacobsolawetz 贡献)
• YOLOv5n “Nano”模型 ⭐ 新功能：全新的更小型 YOLOv5n（190 万参数）模型，尺寸小于 YOLOv5s（750 万参数），可导出为 2.1 MB 的 INT8 大小，是超轻量级移动端解决方案的理想选择。(#5027 由 @glenn-jocher 贡献)
• TensorFlow 和 Keras：TensorFlow、Keras、TFLite、TF.js 模型导出功能现已完全集成到 YOLOv5 中，可实现从训练到部署的无缝过渡。(#1127 由 @zldrobit 贡献)
• OpenCV DNN：YOLOv5 ONNX 模型现已同时兼容 OpenCV DNN 与 ONNX Runtime，为用户提供更多部署目标选项。(#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。

结语#

在发布 YOLOv5 一年多之后，我们先进的目标检测技术正在成为全球备受欢迎的视觉 AI 的路上稳步前进。在数百名协作者的帮助和数千名用户的反馈下，我们正在打造高效且易用的工具，而全新的 v6.0 版本正是这段旅程中的下一个激动人心的里程碑。快前往我们的开源 GitHub 仓库，立即开始使用 YOLOv5 吧！YOLOv5 GitHub Repository