Modelos Ultralytics YOLOv5
Crea detección de objetos fiable en tiempo real con los modelos actuales YOLOv5u y el flujo de trabajo que hizo que entrenar e implementar detectores personalizados fuera práctico y accesible.
Modelos de detección YOLOv5u
El paquete actual de Ultralytics incluye modelos de detección YOLOv5u actualizados y sin anclajes, en cinco tamaños, desde nano hasta extragrande. Mantienen el consolidado flujo de trabajo de YOLOv5 y mejoran el equilibrio entre precisión y velocidad; además, se entrenan, validan, exportan e implementan mediante la misma API que todos los modelos YOLO de Ultralytics.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLOv5u model
model = YOLO("yolov5nu.pt")
# Run inference
results = model("image.jpg")| Modelo | Tamaño (px) | mAP 50-95 | CPU ONNX (ms) | A100 TensorRT (ms) | Parámetros (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| 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 |
Resultados de referencia de detección de YOLOv5u a 640 píxeles, según la documentación de Ultralytics; también hay disponibles variantes P6 de mayor tamaño, a 1280 píxeles.
La confianza de las organizaciones líderes del mundo
El impacto de nuestros modelos
Agiliza los procesos en distintos sectores con nuestros modelos de IA de visión de vanguardia. Velocidad, precisión y facilidad de uso gracias a Ultralytics.
De YOLOv5 al Ultralytics YOLO más reciente
Descubre cómo el práctico flujo de trabajo de YOLOv5 evolucionó hasta convertirse en un ecosistema unificado de modelos para entrenamiento e implementación.
Etiqueta hasta 10 veces más rápido con anotaciones inteligentes
Ultralytics Platform te ofrece una herramienta de anotación de imágenes para crear conjuntos de datos de alta calidad más rápido. Desde las anotaciones inteligentes hasta la edición manual precisa, estas funciones están diseñadas para reducir el tiempo de etiquetado de imágenes sin sacrificar la calidad.
- Anotación inteligente con SAM:Máscaras y cuadros delimitadores con un solo clic.
- Cobertura completa de tareas de IA:Detección, segmentación de instancias, segmentación semántica, clasificación, estimación de pose y OBB.
- Compatibilidad con formatos universales:Elige YOLO, COCO y muchos más.
- Revisión y control de versiones en equipo:Colaboración clara en cada paso.
Entrena con las mejores GPU por menos
26 GPU NVIDIA desde 0,24 $/h: de Ampere a Blackwell. Sin sobrecostes, mínimos ni compromisos.
Implementa en cualquier lugar
Exporta a 22 formatos e implementa en entornos edge, la nube y dispositivos móviles.
Descubre soluciones para distintos sectores
Descubre cómo los equipos aplican la visión artificial de Ultralytics en entornos de producción.
Agricultura
Automoción
Sanidad
Logística
Fabricación
Comercio minorista
Robótica
Preguntas frecuentes
Ultralytics YOLOv5 se lanzó en 2020 con un flujo de trabajo accesible basado en PyTorch que contribuyó a hacer práctica la detección de objetos personalizada en tiempo real. El paquete actual de Ultralytics para Python es compatible con los modelos de detección YOLOv5u actualizados y sin anclajes; los pesos del repositorio original de YOLOv5 utilizan una arquitectura distinta y no son compatibles con la biblioteca actual. Consulta la documentación de YOLOv5 para obtener más información.
Los modelos YOLOv5u compatibles con la biblioteca actual de Ultralytics y los proyectos de Platform están diseñados para la detección de objetos. El repositorio histórico de YOLOv5 también publicó variantes independientes de clasificación y segmentación, pero esas arquitecturas y pesos originales no son intercambiables con los modelos YOLOv5u actuales.
Empieza con el detector YOLOv5u nano o pequeño cuando la latencia y el tamaño del modelo sean prioritarios. El tamaño mediano ofrece un equilibrio entre velocidad y precisión para muchas cargas de trabajo, mientras que los tamaños grande y extragrande priorizan la precisión cuando dispones de más capacidad de cálculo. Compara los resultados de referencia de los modelos actuales en la documentación de YOLOv5 y, después, valida los modelos candidatos con tus propios datos.
Usa el modo de entrenamiento de la biblioteca de Ultralytics con un punto de control de detección YOLOv5u actual, o abre el proyecto oficial de YOLOv5 en Ultralytics Platform para empezar con uno de sus modelos de detección. Después del entrenamiento, usa el modo de exportación para preparar el detector para su implementación.
Sí. YOLOv5 sigue siendo compatible con los proyectos e implementaciones existentes. Ultralytics YOLO26 es el modelo estable más reciente y el punto de partida recomendado para nuevos proyectos, mientras que YOLOv5 sigue siendo útil cuando es importante mantener la compatibilidad con una canalización de YOLOv5 ya establecida.
Crea con Ultralytics YOLOv5
Entrena, valida, exporta e implementa modelos de detección YOLOv5u actuales con Ultralytics Platform.