نماذج Ultralytics YOLOv5
أنشئ حلولًا موثوقة للكشف عن الكائنات في الوقت الفعلي باستخدام نماذج YOLOv5u الحالية وسير العمل الذي جعل تدريب الكواشف المخصصة ونشرها عمليًا ومتاحًا للجميع.
نماذج الكشف YOLOv5u
تتضمن حزمة Ultralytics الحالية نماذج كشف YOLOv5u محدّثة وخالية من المراسي، بخمسة أحجام من النانوي إلى فائق الكبر. وتحافظ هذه النماذج على سير عمل YOLOv5 المُثبت مع تحسين التوازن بين الدقة والسرعة، كما يمكن تدريبها والتحقق من صحتها وتصديرها ونشرها عبر API نفسها التي يستخدمها كل نموذج Ultralytics YOLO.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLOv5u model
model = YOLO("yolov5nu.pt")
# Run inference
results = model("image.jpg")| النموذج | الحجم (بكسل) | mAP 50-95 | CPU ONNX (مللي ثانية) | A100 TensorRT (مللي ثانية) | المعاملات (مليون) | FLOPs (مليار) |
|---|---|---|---|---|---|---|
| yolov5nu | 640 | 34.3 | 73.6 | 1.06 | 2.6 | 7.7 |
| yolov5su | 640 | 43.0 | 120.7 | 1.27 | 9.1 | 24.0 |
| yolov5mu | 640 | 49.0 | 233.9 | 1.86 | 25.1 | 64.2 |
| yolov5lu | 640 | 52.2 | 408.4 | 2.50 | 53.2 | 135.0 |
| yolov5xu | 640 | 53.2 | 763.2 | 3.81 | 97.2 | 246.4 |
معايير أداء الكشف لنماذج YOLOv5u بدقة 640 بكسل من وثائق Ultralytics؛ وتتوفر أيضًا إصدارات P6 الأكبر بدقة 1280 بكسل.
تحظى بثقة المؤسسات الرائدة عالميًا
أثر نماذجنا
بسّط العمليات في مختلف القطاعات باستخدام نماذج الذكاء الاصطناعي للرؤية المتطورة لدينا. سرعة ودقة وسهولة استخدام مدعومة من Ultralytics.
من YOLOv5 إلى أحدث إصدارات Ultralytics YOLO
تعرّف على كيفية تطور سير عمل YOLOv5 العملي ليصبح منظومة موحّدة لتدريب النماذج ونشرها.
أنجز وسم البيانات بسرعة تفوق 10 مرات باستخدام التعليقات التوضيحية الذكية
توفر لك منصة Ultralytics أداة لتعليق الصور التوضيحي لبناء مجموعات بيانات عالية الجودة بسرعة أكبر. صُممت هذه الميزات، بدءًا من التعليقات التوضيحية الذكية ووصولًا إلى التحرير اليدوي الدقيق، لتقليل الوقت اللازم لوسم الصور من دون التضحية بالجودة.
- تعليقات توضيحية ذكية مدعومة بـ SAM:أقنعة ومربعات إحاطة بنقرة واحدة.
- تغطية كاملة لمهام الذكاء الاصطناعي:الكشف، وتقسيم الكائنات إلى وحدات، والتقسيم الدلالي، والتصنيف، وتقدير الوضعية، وOBB.
- دعم شامل للتنسيقات:اختر YOLO أو COCO أو غيرهما.
- مراجعة الفريق وإدارة الإصدارات:تعاون واضح في كل خطوة.
درّب باستخدام أفضل وحدات GPU بتكلفة أقل
26 وحدة GPU من NVIDIA بأسعار تبدأ من 0.24 دولار/ساعة — من Ampere إلى Blackwell. بلا هوامش ربح إضافية، أو حد أدنى، أو التزام.
استكشف حلول القطاعات
تعرّف على كيفية تطبيق الفرق لرؤية الحاسوب من Ultralytics في بيئات الإنتاج.
الزراعة
السيارات
الرعاية الصحية
الخدمات اللوجستية
التصنيع
البيع بالتجزئة
الروبوتات
الأسئلة المتكررة
أُطلق Ultralytics YOLOv5 في عام 2020 مع سير عمل PyTorch سهل الاستخدام، مما ساعد على جعل الكشف المخصص عن الكائنات في الوقت الفعلي أمرًا عمليًا. تدعم حزمة Ultralytics Python الحالية نماذج الكشف YOLOv5u المحدّثة والخالية من المراسي؛ أما أوزان مستودع YOLOv5 الأصلي فتستخدم بنية مختلفة، ولا تتوافق مع المكتبة الحالية. راجع وثائق YOLOv5 للاطلاع على التفاصيل.
صُممت نماذج YOLOv5u التي تدعمها مكتبة Ultralytics الحالية ومشروع المنصة لمهمة الكشف عن الكائنات. كما أطلق مستودع YOLOv5 التاريخي إصدارات منفصلة للتصنيف والتقسيم، لكن هذه البنى والأوزان الأصلية غير قابلة للتبادل مع نماذج YOLOv5u الحالية.
ابدأ بكاشف YOLOv5u النانوي أو الصغير عندما تكون سرعة الاستجابة وحجم النموذج أهم الأولويات. يحقق الحجم المتوسط توازنًا بين السرعة والدقة للعديد من أعباء العمل، بينما يعطي الحجمان الكبير وفائق الكبر الأولوية للدقة عند توفر قدرة حوسبة أكبر. قارن معايير أداء النماذج الحالية في وثائق YOLOv5، ثم قيّم الخيارات على بياناتك الخاصة.
استخدم وضع التدريب في مكتبة Ultralytics مع نقطة تحقق حالية للكشف باستخدام YOLOv5u، أو افتح مشروع YOLOv5 الرسمي على منصة Ultralytics للبدء بأحد نماذج الكشف فيه. بعد التدريب، استخدم وضع التصدير لتجهيز الكاشف للنشر.
نعم. لا يزال YOLOv5 مدعومًا للمشاريع وعمليات النشر الحالية. يُعد Ultralytics YOLO26 أحدث نموذج مستقر ونقطة البداية الموصى بها للمشاريع الجديدة، بينما يظل YOLOv5 مفيدًا عندما تكون التوافقية مع مسار عمل YOLOv5 معتمد أمرًا مهمًا.
أنشئ باستخدام Ultralytics YOLOv5
درّب نماذج الكشف YOLOv5u الحالية وتحقق من صحتها وصدّرها وانشرها باستخدام منصة Ultralytics.