ultralytics/yolov5 是一个基于 PyTorch 的视觉 AI 模型，支持目标检测、实例分割和图像分类任务，可用于快速训练、推理和部署。
项目概览
该项目以速度、精度和易用性为核心定位，提供从自定义数据集训练到多格式导出的完整流程，适合需要快速落地的视觉 AI 场景。
项目类型
模型运行 · 图像视觉 · 视频技术 · 模型开发
部署方式
查看项目说明
License
AGPL-3.0
适合谁
需要快速上手并覆盖训练到部署全流程的开发者和 AI 工程师
希望在自定义数据集上训练并导出为多种格式的视觉 AI 研究者
核心能力
可对图片、视频、摄像头、流媒体和文件目录执行推理以检测目标。
提供针对图像的实例分割功能，包含训练、验证和预测脚本。
支持图像分类任务。
允许在自定义数据集上训练模型，支持单卡和多卡配置。
可将训练后的模型导出至 TFLite、ONNX、CoreML 和 TensorRT 等部署格式。
限制与风险
通过 PyTorch Hub 使用分割模型时，推理支持可能因模型而异。
如何开始
克隆仓库后执行 pip 安装即可完成准备；通过运行基于摄像头或图片的推理来验证环境。
核验依据
GitHub 项目简介: Ultralytics YOLOv5 in PyTorch for object detection, instance segmentation, classification, training, and export.
README: YOLOv5 is a mature, production-proven model that remains an excellent choice for fast and reliable object detection
README: The `detect.py` script runs inference on various sources. It automatically downloads [models](https://github.com/ultralytics/yolov5/tree/master/models) from the latest YOLOv5 [rel…
README: The YOLOv5 [release v7.0](https://github.com/ultralytics/yolov5/releases/v7.0) introduced [instance segmentation](https://docs.ultralytics.com/tasks/segment) models designed for e…