Modèles Ultralytics YOLOv5

Ultralytics YOLOv5 a été lancé en 2020 avec un workflow PyTorch accessible qui a aidé à rendre la détection d'objets personnalisée en temps réel pratique. Le package Ultralytics Python actuel prend en charge les modèles de détection YOLOv5u mis à jour, sans ancres ; les poids du dépôt original de YOLOv5 utilisent une architecture différente et ne sont pas compatibles avec la bibliothèque actuelle. Consulte la documentation de YOLOv5 pour plus de détails.

Les modèles YOLOv5u pris en charge par la bibliothèque Ultralytics actuelle et le projet Platform sont conçus pour la détection d'objets. Le dépôt historique YOLOv5 publiait également des variantes distinctes de classification et de segmentation, mais ces architectures et poids originaux ne sont pas interchangeables avec les modèles YOLOv5u actuels.

Commence par le détecteur nano ou small YOLOv5u lorsque la latence et la taille du modèle sont primordiales. Le modèle medium équilibre vitesse et précision pour de nombreuses charges de travail, tandis que les modèles large et extra-large privilégient la précision lorsque plus de puissance de calcul est disponible. Compare les benchmarks actuels des modèles dans la documentation de YOLOv5, puis valide les candidats sur tes propres données.

Utilise le mode train de la bibliothèque Ultralytics avec un point de contrôle (checkpoint) de détection YOLOv5u actuel, ou ouvre le projet officiel YOLOv5 sur Ultralytics Platform pour commencer à partir de l'un de ses modèles de détection. Après l'entraînement, utilise le mode export pour préparer le détecteur au déploiement.

Oui. YOLOv5 reste pris en charge pour les projets et déploiements existants. Ultralytics YOLO26 est le dernier modèle stable et le point de départ recommandé pour les nouveaux projets, tandis que YOLOv5 reste utile lorsque la compatibilité avec un pipeline YOLOv5 établi est importante.