Modelos Ultralytics YOLOv5

O Ultralytics YOLOv5 foi lançado em 2020 com um fluxo de trabalho PyTorch acessível que ajudou a tornar a detecção de objetos em tempo real personalizada prática. O atual Ultralytics Python package oferece suporte aos modelos de detecção YOLOv5u atualizados sem âncoras; os pesos do repositório YOLOv5 original usam uma arquitetura diferente e não são compatíveis com a biblioteca atual. Consulte a YOLOv5 documentation para obter detalhes.

Os modelos YOLOv5u suportados pela biblioteca atual do Ultralytics e pelo projeto Platform são criados para object detection. O repositório histórico do YOLOv5 também lançou variantes separadas de classificação e segmentação, mas essas arquiteturas e pesos originais não são intercambiáveis com os modelos YOLOv5u atuais.

Comece com o detector YOLOv5u nano ou small quando a latência e o tamanho do modelo forem o que mais importa. O médio equilibra velocidade e precisão para muitas cargas de trabalho, enquanto o large e o extra-large priorizam a precisão quando mais poder computacional está disponível. Compare os benchmarks dos modelos atuais na YOLOv5 docs e, em seguida, valide os candidatos com seus próprios dados.

Use o train mode da biblioteca Ultralytics com um checkpoint de detecção YOLOv5u atual ou abra o YOLOv5 project on Ultralytics Platform oficial para começar com um de seus modelos de detecção. Após o treinamento, use o export mode para preparar o detector para implantação.

Sim. O YOLOv5 continua sendo suportado para projetos e implantações existentes. O Ultralytics YOLO26 é o modelo estável mais recente e o ponto de partida recomendado para novos projetos, enquanto o YOLOv5 continua sendo útil quando a compatibilidade com um pipeline YOLOv5 estabelecido é importante.