建站
咨詢
售后
建站咨詢
新聞中心
來了，來了，YOLOv5來了！
永春網(wǎng)站制作公司哪家好，找創(chuàng)新互聯(lián)！從網(wǎng)頁(yè)設(shè)計(jì)、網(wǎng)站建設(shè)、微信開發(fā)、APP開發(fā)、響應(yīng)式網(wǎng)站建設(shè)等網(wǎng)站項(xiàng)目制作，到程序開發(fā)，運(yùn)營(yíng)維護(hù)。創(chuàng)新互聯(lián)成立與2013年到現(xiàn)在10年的時(shí)間，我們擁有了豐富的建站經(jīng)驗(yàn)和運(yùn)維經(jīng)驗(yàn)，來保證我們的工作的順利進(jìn)行。專注于網(wǎng)站建設(shè)就選創(chuàng)新互聯(lián)。
Ultralytics正式更新了YOLOv5，已經(jīng)登頂GitHub飆升榜首席。
它運(yùn)行推理的速度極快，權(quán)重可以導(dǎo)出到移動(dòng)端，并且在COCO上達(dá)到了最水平。
YOLOv5項(xiàng)目由Ultralytics創(chuàng)建并維護(hù)。這是一家Ultralytics總部位于美國(guó)的粒子物理和人工智能初創(chuàng)公司，為政府、學(xué)術(shù)和商業(yè)客戶提供支持。在粒子物理學(xué)、數(shù)據(jù)科學(xué)和人工智能領(lǐng)域率先提出了多項(xiàng)美國(guó)情報(bào)界（IC）和國(guó)防部（DoD）的倡議，并與多所大學(xué)、國(guó)家實(shí)驗(yàn)室和私營(yíng)公司合作開展了多項(xiàng)工作。
你肯定也注意到了iOS這個(gè)關(guān)鍵詞。他們確實(shí)做了一個(gè)iOS app，還特意做了一張海報(bào)，簡(jiǎn)直讓人印象深刻，大家來感受一下：
要不是左下角的「App Store認(rèn)證標(biāo)志」，我還以為是某手機(jī)的廣告呢。畢竟現(xiàn)在的手機(jī)都長(zhǎng)得像iPhone，電腦都長(zhǎng)得像Mac。
YOLO模型的演變
實(shí)時(shí)目標(biāo)檢測(cè)的改進(jìn)速度很快。改進(jìn)的速度更是迅速。結(jié)果也是驚人的。
3月18日，谷歌開源了EfficientDet的實(shí)現(xiàn)，這是一個(gè)具有不同大小的快速訓(xùn)練模型，其中一個(gè)模型提供實(shí)時(shí)輸出。
4月23日，Alexey Bochoviskiy等人開源了YOLOv4。
6月9日，Glenn Jocher開源了YOLOv5的PyTorch實(shí)現(xiàn)。
YOLO(You Only Look Once)是PJ Reddie最初以2016年的一篇文章創(chuàng)造的一個(gè)模型家族。YOLO一出生便技驚四座。人們簡(jiǎn)直不敢相信小小體積的YOLO竟然能表現(xiàn)出如此超高的性能！簡(jiǎn)直就是實(shí)時(shí)條件和設(shè)備上部署環(huán)境的理想候選人。
PJ Reddie的研究團(tuán)隊(duì)負(fù)責(zé)隨后推出了YOLOv2和YOLOv3，這兩個(gè)模型在性能和速度上都做出了持續(xù)改進(jìn)。2020年2月，PJ Reddie指出他將停止計(jì)算機(jī)視覺的研究。
2020年4月，Alexey Bochkovskiy、Chien-Yao Wang和Hong-Yuan Mark Liao推出了YOLOv4，展示了令人印象深刻的成果。
值得注意的是，YOLOv4的許多改進(jìn)來自于改進(jìn)的數(shù)據(jù)增強(qiáng)和模型架構(gòu)。我們已經(jīng)寫了關(guān)于YOLOv4的分析，以及如何在自定義對(duì)象上訓(xùn)練YOLOv4模型）。
YOLOv5：實(shí)時(shí)目標(biāo)檢測(cè)的新時(shí)代領(lǐng)航者
相比其他版本，Glenn Jocher發(fā)布的YOLOv5有許多不同之處和改進(jìn)。Glenn是YOLOv4中一個(gè)非常關(guān)鍵的技術(shù)「mosaic augmentation」的創(chuàng)建者。
YOLOv5并不是一個(gè)單獨(dú)的模型，而是一個(gè)模型家族，包括了YOLOv5s(最小)、YOLOv5m、YOLOv5l、YOLOv5x(最大)。
那么，YOLO5憑什么能夠成為目標(biāo)檢測(cè)新的領(lǐng)航者呢？RoboFlow介紹了4點(diǎn)優(yōu)勢(shì)。
首先，這是YOLO家族中，第一個(gè)先用PyTorch的原生版本，而非PJ Reddie的Darknet編寫的模型。Darknet是一個(gè)非常靈活的研究框架，但它并沒有考慮到生產(chǎn)環(huán)境的構(gòu)建，而且用戶社區(qū)也較小。這導(dǎo)致Darknet需要在配置上花費(fèi)不少功夫，而且生產(chǎn)準(zhǔn)備不足。
由于YOLOv5是在PyTorch中實(shí)現(xiàn)的，它受益于成熟的PyTorch生態(tài)系統(tǒng)：支持更簡(jiǎn)單，部署更容易。此外，作為一個(gè)更廣為人知的研究框架，YOLOv5 的迭代對(duì)更廣泛的研究社區(qū)來說可能更容易。這也使得部署到移動(dòng)設(shè)備上更加簡(jiǎn)單，因?yàn)樵撃Ｐ涂梢暂p松編譯成ONNX和CoreML。
其次，YOLOv5的速度快得驚人。在YOLOv5 Colab notebook上，運(yùn)行Tesla P100，我們看到每張圖像的推理時(shí)間僅需0.007秒，這意味著每秒140幀（FPS）！相比之下，YOLOv4在被轉(zhuǎn)換到相同的Ultralytics PyTorch庫(kù)后的速度是50FPS。YOLOv5的速度是YOLOv4的2倍還多！
第三，YOLOv5精度超高。在Roboflow對(duì)血細(xì)胞計(jì)數(shù)和檢測(cè)（BCCD）數(shù)據(jù)集的測(cè)試中，只訓(xùn)練了100個(gè)epochs就達(dá)到了大約0.895的平均精度（mAP）。誠(chéng)然EfficientDet和YOLOv4的性能相當(dāng)，但在準(zhǔn)確率沒有任何損失的情況下，看到如此全面的性能提升是非常罕見的。
第四，YOLOv5的體積很小。具體來說，YOLOv5的權(quán)重文件是27兆字節(jié)。YOLOv4（采用Darknet架構(gòu)）的權(quán)重文件是244兆。YOLOv5比YOLOv4小了近90%！這意味著YOLOv5可以更容易地部署q到嵌入式設(shè)備上，所以Ultralytics也在招iOS開發(fā)。
項(xiàng)目地址：
https://github.com/ultralytics/yolov5
新聞標(biāo)題：YOLOv5來了！基于PyTorch，體積比YOLOv4小巧90%，速度卻超2倍
標(biāo)題網(wǎng)址：http://www.dlmjj.cn/article/cocjsoc.html
