Modèles Ultralytics YOLOv5
Crée une détection d’objets fiable en temps réel avec les modèles YOLOv5u actuels et le flux de travail qui a rendu l’entraînement et le déploiement de détecteurs personnalisés pratiques et accessibles.
Modèles de détection YOLOv5u
Le package Ultralytics actuel comprend des modèles de détection YOLOv5u sans ancres mis à jour, disponibles en cinq tailles, de nano à extra-large. Ils conservent le flux de travail éprouvé de YOLOv5 tout en améliorant l’équilibre entre précision et vitesse ; ils s’entraînent, se valident, s’exportent et se déploient via la même API que tous les modèles Ultralytics YOLO.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLOv5u model
model = YOLO("yolov5nu.pt")
# Run inference
results = model("image.jpg")| Modèle | Taille (px) | mAP 50-95 | CPU ONNX (ms) | A100 TensorRT (ms) | Paramètres (M) | FLOPs (G) |
|---|---|---|---|---|---|---|
| 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 détection YOLOv5u en 640 pixels issus de la documentation Ultralytics ; des variantes P6 plus grandes, en 1280 pixels, sont également disponibles.
Adopté par les plus grandes organisations du monde
L’impact de nos modèles
Rationalise les processus dans tous les secteurs grâce à nos modèles de vision par IA de pointe. Ultralytics met la vitesse, la précision et la facilité d’utilisation à ta portée.
De YOLOv5 au dernier modèle Ultralytics YOLO
Découvre comment le flux de travail pratique de YOLOv5 a évolué pour former un écosystème unifié de modèles dédiés à l’entraînement et au déploiement.
Étiquette jusqu’à 10 fois plus vite grâce à l’annotation intelligente
Ultralytics Platform te fournit un outil d’annotation d’images pour créer plus rapidement des jeux de données de haute qualité. De l’annotation intelligente à la retouche manuelle précise, ces fonctionnalités sont conçues pour réduire le temps d’annotation des images sans sacrifier la qualité.
- Annotation intelligente optimisée par SAM :Masques et boîtes englobantes en un clic.
- Prise en charge complète des tâches d’IA :Détection, segmentation d’instances, segmentation sémantique, classification, estimation de pose, OBB.
- Prise en charge universelle des formats :Choisis YOLO, COCO ou un autre format.
- Révision et gestion des versions en équipe :Une collaboration fluide à chaque étape.
Entraîne tes modèles sur les meilleurs GPU à moindre coût
26 GPU NVIDIA à partir de 0,24 $/h — de l’architecture Ampere à Blackwell. Aucun supplément, aucun minimum, aucun engagement.
Déploie partout
Exporte vers 22 formats et déploie sur des appareils en périphérie, dans le cloud et sur mobile.
Découvrir les solutions sectorielles
Découvre comment les équipes utilisent la vision par ordinateur d’Ultralytics dans des environnements de production.
Agriculture
Automobile
Santé
Logistique
Industrie manufacturière
Commerce de détail
Robotique
Foire aux questions
Ultralytics YOLOv5 a été lancé en 2020 avec un flux de travail PyTorch accessible qui a contribué à rendre pratique la détection d’objets personnalisée en temps réel. Le package Python Ultralytics actuel prend en charge les modèles de détection YOLOv5u sans ancres mis à jour ; les poids du dépôt YOLOv5 d’origine utilisent une architecture différente et ne sont pas compatibles avec la bibliothèque actuelle. Consulte la documentation YOLOv5 pour en savoir plus.
Les modèles YOLOv5u pris en charge par la bibliothèque et le projet Platform actuels d’Ultralytics sont conçus pour la détection d’objets. Le dépôt YOLOv5 historique a également publié des variantes distinctes pour la classification et la segmentation, mais ces architectures et poids d’origine ne sont pas interchangeables avec les modèles YOLOv5u actuels.
Commence avec un détecteur YOLOv5u nano ou small si la latence et la taille du modèle sont tes principales contraintes. Le modèle medium offre un bon équilibre entre vitesse et précision pour de nombreuses charges de travail, tandis que les modèles large et extra-large privilégient la précision lorsqu’une capacité de calcul supérieure est disponible. Compare les benchmarks des modèles actuels dans la documentation YOLOv5, puis évalue les modèles candidats sur tes propres données.
Utilise le mode train de la bibliothèque Ultralytics avec un point de contrôle de détection YOLOv5u actuel, ou ouvre le projet YOLOv5 officiel sur Ultralytics Platform pour démarrer avec 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 existant est importante.
Développe avec Ultralytics YOLOv5
Entraîne, valide, exporte et déploie les modèles de détection YOLOv5u actuels avec Ultralytics Platform.