Modelos Ultralytics YOLOv5
Construye una detección de objetos en tiempo real fiable con los modelos actuales YOLOv5u y el flujo de trabajo que hizo que el entrenamiento y el despliegue de detectores personalizados fueran prácticos y accesibles.
Modelos de detección YOLOv5u
El paquete actual de Ultralytics incluye modelos de detección YOLOv5u actualizados sin anclas en cinco tamaños, desde nano hasta extra-large. Mantienen el flujo de trabajo probado de YOLOv5 a la vez que mejoran el equilibrio entre precisión y velocidad, y permiten entrenar, validar, exportar y desplegar a través de la misma API que cualquier modelo de Ultralytics YOLO.
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 |
Benchmarks de detección YOLOv5u de 640 píxeles de la documentación de Ultralytics; también están disponibles variantes P6 más grandes de 1280 píxeles.
Con la confianza de las organizaciones líderes en el mundo
El impacto de nuestros modelos
Optimiza procesos en todos los sectores con nuestros modelos de IA de visión de vanguardia. Velocidad, precisión y facilidad de uso impulsadas por Ultralytics.
De YOLOv5 al último Ultralytics YOLO
Mira cómo el flujo de trabajo práctico de YOLOv5 evolucionó hasta convertirse en un ecosistema de modelos unificado para el entrenamiento y el despliegue.
Etiqueta hasta 10 veces más rápido con la anotación inteligente
Ultralytics Platform te ofrece la herramienta de anotación de imágenes para crear conjuntos de datos de alta calidad con mayor rapidez. Desde la anotación inteligente hasta la edición manual precisa, estas funciones están diseñadas para reducir el tiempo de etiquetado de imágenes sin sacrificar la calidad.
- Anotación inteligente potenciada por SAM: Máscaras y bounding boxes en un solo clic.
- Cobertura completa de tareas de IA: Detección, segmentación de instancias, segmentación semántica, clasificación, pose, OBB.
- Compatibilidad universal de formatos: Tu elección de YOLO, COCO y más.
- Revisión de equipo y control de versiones: Colaboración clara en cada paso.
Entrena en las mejores GPUs por menos
26 NVIDIA GPUs desde 0,24 $/hora — desde Ampere hasta Blackwell. Sin sobreprecios, sin mínimos, sin compromisos.
Implementa en cualquier lugar
Exporta a 20 formatos y despliega en edge, nube y dispositivos móviles.
Explora soluciones para la industria
Mira cómo los equipos aplican la visión por ordenador de Ultralytics en entornos de producción.
Agricultura
Automoción
Sanidad
Logística
Fabricación
Retail
Robótica
Agricultura
Automoción
Sanidad
Logística
Fabricación
Retail
Robótica
Agricultura
Automoción
Sanidad
Logística
Fabricación
Retail
Robótica
Preguntas frecuentes
Ultralytics YOLOv5 se lanzó en 2020 con un flujo de trabajo PyTorch accesible que ayudó a hacer práctica la detección de objetos personalizada en tiempo real. El Ultralytics Python package actual admite los modelos de detección YOLOv5u actualizados sin anclas; los pesos del repositorio original de YOLOv5 utilizan una arquitectura diferente y no son compatibles con la biblioteca actual. Consulta la YOLOv5 documentation para obtener más detalles.
Los modelos YOLOv5u admitidos por la biblioteca actual de Ultralytics y el proyecto Platform están diseñados para la object detection. El repositorio histórico de YOLOv5 también lanzó 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 small cuando la latencia y el tamaño del modelo sean lo más importante. Medium equilibra velocidad y precisión para muchas cargas de trabajo, mientras que large y extra-large priorizan la precisión cuando se dispone de más potencia de computación. Compara los puntos de referencia de los modelos actuales en la YOLOv5 docs y, a continuación, valida los candidatos con tus propios datos.
Usa el train mode de la biblioteca Ultralytics con un punto de control de detección YOLOv5u actual, o abre el YOLOv5 project on Ultralytics Platform oficial para empezar con uno de sus modelos de detección. Tras el entrenamiento, usa el export mode para preparar el detector para el despliegue.
Sí. YOLOv5 sigue siendo compatible para proyectos y despliegues 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 la compatibilidad con un flujo de trabajo establecido de YOLOv5 es importante.
Construye con Ultralytics YOLOv5
Entrena, valida, exporta y despliega modelos de detección YOLOv5u actuales con Ultralytics Platform.