Модели Ultralytics YOLOv5
Создавай надёжные системы обнаружения объектов в реальном времени с актуальными моделями YOLOv5u и используй рабочий процесс, который сделал обучение и развёртывание собственных детекторов практичным и доступным.
Модели обнаружения объектов YOLOv5u
В текущий пакет Ultralytics входят обновлённые безанкерные модели обнаружения объектов YOLOv5u пяти размеров — от nano до extra-large. Они сохраняют проверенный рабочий процесс YOLOv5, улучшая баланс точности и скорости. Обучать, валидировать, экспортировать и развёртывать их можно через тот же API, что и любую модель Ultralytics YOLO.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLOv5u model
model = YOLO("yolov5nu.pt")
# Run inference
results = model("image.jpg")| Модель | Размер (пикс.) | mAP 50–95 | CPU ONNX (мс) | A100 TensorRT (мс) | Параметры (млн) | FLOPs (млрд) |
|---|---|---|---|---|---|---|
| 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 |
Результаты тестирования YOLOv5u для обнаружения объектов при размере изображения 640 пикселей по документации Ultralytics; также доступны варианты P6 с размером изображения 1280 пикселей.
Нам доверяют ведущие организации мира
Влияние наших моделей
Оптимизируй процессы в разных отраслях с помощью наших передовых моделей компьютерного зрения на базе ИИ. Скорость, точность и простота использования — всё это обеспечивают технологии Ultralytics.
От YOLOv5 к новейшей версии Ultralytics YOLO
Узнай, как практичный рабочий процесс YOLOv5 превратился в единую экосистему моделей для обучения и развёртывания.
Размечай данные до 10 раз быстрее с помощью интеллектуальной аннотации
Ultralytics Platform предоставляет инструмент аннотации изображений, который помогает быстрее создавать качественные наборы данных. От интеллектуальной аннотации до точного ручного редактирования — эти функции сокращают время разметки изображений без потери качества.
- Интеллектуальная аннотация на базе SAM:Маски и ограничивающие рамки одним щелчком.
- Полный охват задач ИИ:Обнаружение объектов, сегментация экземпляров, семантическая сегментация, классификация, оценка позы, OBB.
- Поддержка универсальных форматов:Выбирай YOLO, COCO и другие форматы.
- Командная проверка и управление версиями:Понятное взаимодействие на каждом этапе.
Обучай на лучших GPU дешевле
26 GPU NVIDIA от $0,24 в час — от Ampere до Blackwell. Без наценок, минимальных заказов и обязательств.
Развёртывай где угодно
Экспортируй в 22 формата и развёртывай на периферийных устройствах, в облаке и на мобильных устройствах.
Решения для разных отраслей
Узнай, как команды применяют компьютерное зрение Ultralytics в производственной среде.
Сельское хозяйство
Автомобилестроение
Здравоохранение
Логистика
Производство
Розничная торговля
Робототехника
Часто задаваемые вопросы
Ultralytics YOLOv5 вышла в 2020 году с доступным рабочим процессом PyTorch, который помог сделать практичным создание собственных систем обнаружения объектов в реальном времени. Текущий пакет Ultralytics для Python поддерживает обновлённые безанкерные модели обнаружения объектов YOLOv5u; веса из оригинального репозитория YOLOv5 используют другую архитектуру и несовместимы с текущей библиотекой. Подробности смотри в документации YOLOv5.
Модели YOLOv5u, поддерживаемые текущей библиотекой Ultralytics и проектом Platform, предназначены для обнаружения объектов. В историческом репозитории YOLOv5 также выпускались отдельные варианты для классификации и сегментации, но их исходные архитектуры и веса несовместимы с актуальными моделями YOLOv5u.
Начни с детектора YOLOv5u размера nano или small, если важнее всего задержка и размер модели. Medium обеспечивает баланс скорости и точности для многих задач, а large и extra-large отдают приоритет точности, когда доступно больше вычислительных ресурсов. Сравни актуальные результаты тестирования моделей в документации YOLOv5, а затем проверь подходящие варианты на собственных данных.
Используй режим обучения библиотеки Ultralytics с актуальной контрольной точкой модели YOLOv5u для обнаружения объектов или открой официальный проект YOLOv5 на Ultralytics Platform, чтобы начать с одной из моделей обнаружения объектов. После обучения используй режим экспорта, чтобы подготовить детектор к развёртыванию.
Да. YOLOv5 по-прежнему поддерживается в существующих проектах и развёртываниях. Ultralytics YOLO26 — последняя стабильная модель и рекомендуемый вариант для новых проектов, а YOLOv5 остаётся полезной, когда важна совместимость с уже существующим конвейером YOLOv5.
Создавай решения на базе Ultralytics YOLOv5
Обучай, валидируй, экспортируй и развёртывай актуальные модели YOLOv5u для обнаружения объектов с помощью Ultralytics Platform.