ultralytics/yolov5

项目概览

该项目在目标检测领域以速度、精度和易用性著称，已在生产环境中经过验证，并支持单 GPU 和多 GPU 分布式训练及多格式部署导出。

项目类型

模型运行 · 图像视觉 · 视频技术

应用场景

数据分析

部署方式

查看项目说明

License

AGPL-3.0

适合谁

• 需要在生产环境中使用经过验证的 PyTorch 目标检测模型的开发者和 AI 工程师。

核心能力

• 通过 PyTorch Hub 或 detect.py 在图像、视频、流媒体和摄像头等多种来源上运行目标检测推理。
• 使用预训练的 YOLOv5-seg 模型执行实例分割预测。
• 支持图像分类任务。
• 在自定义数据集或 COCO 数据集上训练 YOLOv5 模型，支持单 GPU 和多 GPU 分布式训练。
• 将训练后的模型导出为 ONNX、TensorRT、CoreML 和 TFLite 等多种部署格式。

限制与风险

• 该项目采用 AGPL-3.0 许可证，若要集成到商业产品和服务中，需要获取 Enterprise License。

如何开始

• 克隆仓库后进入目录，执行 pip install -r requirements.txt 安装依赖（需 PyTorch>=1.8），随后运行 python detect.py --weights yolov5s.pt --source data/images/ 即可完成首次推理。

核验依据

• README: Ultralytics YOLOv5 🚀 is a fast, accurate, and easy-to-use computer vision model developed by [Ultralytics](https://www.ultralytics.com/). Based on the [PyTorch](https://pytorch.or…
• 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](https://docs.ultralytics.com/tasks/detect), [instance segment…
• README: Use YOLOv5 via [PyTorch Hub](https://docs.ultralytics.com/yolov5/tutorials/pytorch_hub_model_loading) for inference. [Models](https://github.com/ultralytics/yolov5/tree/master/mod…
• README: results.print() # Print results to console results.show() # Display results in a window results.save() # Save results to runs/detect/exp

内容核验时间：