Modelli Ultralytics YOLOv5

Ultralytics YOLOv5 è stato lanciato nel 2020 con un workflow PyTorch accessibile che ha contribuito a rendere pratica l'object detection personalizzata in tempo reale. L'attuale Ultralytics Python package supporta i modelli di rilevamento aggiornati YOLOv5u senza anchor; i pesi del repository YOLOv5 originale utilizzano un'architettura diversa e non sono compatibili con la libreria attuale. Consulta la documentazione di YOLOv5 per i dettagli.

I modelli YOLOv5u supportati dall'attuale libreria Ultralytics e dal progetto Platform sono creati per l'object detection. Lo storico repository YOLOv5 ha rilasciato anche varianti separate di classificazione e segmentazione, ma quelle architetture e quei pesi originali non sono intercambiabili con gli attuali modelli YOLOv5u.

Inizia con il rilevatore YOLOv5u nano o small quando la latenza e la dimensione del modello sono la priorità. Medium bilancia velocità e precisione per molti carichi di lavoro, mentre large e extra-large danno priorità alla precisione quando è disponibile maggiore potenza di calcolo. Confronta i benchmark dei modelli attuali nella documentazione di YOLOv5, quindi valida i candidati sui tuoi dati.

Usa la modalità di addestramento della libreria Ultralytics con un checkpoint di rilevamento YOLOv5u attuale, oppure apri il progetto ufficiale YOLOv5 su Ultralytics Platform per iniziare da uno dei suoi modelli di rilevamento. Dopo l'addestramento, usa la modalità di export per preparare il rilevatore al deployment.

Sì. YOLOv5 rimane supportato per i progetti e i deployment esistenti. Ultralytics YOLO26 è l'ultimo modello stabile e il punto di partenza consigliato per i nuovi progetti, mentre YOLOv5 rimane utile quando la compatibilità con una pipeline YOLOv5 consolidata è importante.