Ultralytics YOLO
Ultralytics YOLOv5 v6.0 现已发布！
了解 YOLOv5 v6.0 的重大更新：更高精度、更低内存占用和更快的 AI 模型性能。立即加入我们的全球贡献者行列！
Nuvola Ladi2 分钟阅读
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 版本带来了显著改进，可降低训练期间的内存需求、提高部署时的准确率，并优化整个 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。
对机器学习工程师和数据科学家来说，这意味着 YOLOv5 现在能提供更强大的 Vision AI 解决方案，而且训练和部署也比以往更加轻松。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。
这些改动包括新增模块和改进现有模块，组合起来能够打造更快、更小且准确率更高的模型。
不过，这项工作并非我们独自完成！此版本汇集了来自世界各地的 73 位贡献者提交的 465 个 PR，大家携手合作，共同推动 AI 的边界。请参阅我们的开源贡献指南，了解更多信息或亲自参与贡献。
此版本包含数百项细微改动，累积起来带来了实实在在的提升，细节太多，无法一一介绍。以下是其中几项主要亮点：
- Roboflow 集成 ⭐ 新功能：通过我们的全新集成，直接使用任意 Roboflow 数据集训练 YOLOv5 模型！这项集成可直接连接 Roboflow 数据集和 YOLOv5 训练流程。（#4975，作者：@Jacobsolawetz）
- YOLOv5n “Nano”模型 ⭐ 新功能：推出更小的 YOLOv5n 模型（190 万参数），尺寸低于 YOLOv5s（750 万参数），导出为 INT8 后仅 2.1 MB，非常适合超轻量级移动端解决方案。(#5027，作者 @glenn-jocher)
- TensorFlow 和 Keras：TensorFlow、Keras、TFLite 和 TF.js 模型导出功能现已全面集成到 YOLOv5 中，让从训练到部署的流程更加顺畅。（#1127，作者：@zldrobit）
- OpenCV DNN：YOLOv5 ONNX 模型现在同时兼容 OpenCV DNN 和 ONNX Runtime，为用户提供更多部署目标选项。(#4833，作者 @jebastin-nadar)
- 模型架构：更新后的主干网络略小、更快且准确率更高，并且训练期间需要的 GPU 内存更少。
最后的话#
YOLOv5 发布一年多后，我们的先进目标检测技术正逐渐成为全球最受欢迎的视觉 AI。数百位合作者的支持和数千名用户的反馈，帮助我们打造出既有效又易用的工具；全新的 v6.0 版本则是这段旅程中令人振奋的下一步。立即前往我们的开源 GitHub 代码库，开始使用 YOLOv5！YOLOv5 GitHub 代码库
作者
评论
提出问题、分享你的结果，或帮助其他人。
