Các model Ultralytics YOLOv5
Xây dựng hệ thống phát hiện đối tượng thời gian thực tin cậy với các model YOLOv5u hiện tại và workflow giúp việc huấn luyện và triển khai các bộ phát hiện tùy chỉnh trở nên thực tế và dễ dàng.
Các model phát hiện YOLOv5u
Gói Ultralytics hiện tại cung cấp các model phát hiện YOLOv5u không sử dụng anchor đã được cập nhật với năm kích thước từ nano đến extra-large. Chúng giữ nguyên workflow YOLOv5 đã được kiểm chứng trong khi cải thiện sự cân bằng giữa độ chính xác và tốc độ, đồng thời hỗ trợ huấn luyện, xác thực, xuất và triển khai thông qua cùng một API như mọi model Ultralytics YOLO khác.
pip install ultralyticsfrom ultralytics import YOLO
# Load a YOLOv5u model
model = YOLO("yolov5nu.pt")
# Run inference
results = model("image.jpg")| Model | Kích thước (px) | mAP 50-95 | CPU ONNX (ms) | A100 TensorRT (ms) | Params (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| 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 |
Các benchmark phát hiện YOLOv5u 640-pixel từ tài liệu của Ultralytics; các biến thể P6 1280-pixel lớn hơn cũng khả dụng.
Được tin dùng bởi các tổ chức hàng đầu thế giới
Tác động từ các model của chúng tôi
Hợp lý hóa quy trình giữa các ngành công nghiệp với các model AI thị giác tiên tiến của chúng tôi. Tốc độ, độ chính xác và tính dễ sử dụng được hỗ trợ bởi Ultralytics.
Từ YOLOv5 đến Ultralytics YOLO mới nhất
Xem cách workflow YOLOv5 thực tiễn đã phát triển thành một hệ sinh thái model thống nhất cho việc huấn luyện và triển khai.
Gán nhãn nhanh hơn tới 10 lần với tính năng gán nhãn thông minh
Nền tảng Ultralytics cung cấp công cụ gán nhãn hình ảnh giúp bạn xây dựng tập dữ liệu chất lượng cao nhanh hơn. Từ tính năng gán nhãn thông minh đến chỉnh sửa thủ công chính xác, các tính năng này được thiết kế để giảm thời gian gán nhãn hình ảnh mà không làm giảm chất lượng.
- Gán nhãn thông minh dựa trên SAM: Mask và bounding box chỉ với một cú nhấp chuột.
- Hỗ trợ đầy đủ các tác vụ AI: Phát hiện đối tượng, phân đoạn thực thể, phân đoạn ngữ nghĩa, phân loại, pose, OBB.
- Hỗ trợ định dạng phổ quát: Sự lựa chọn của bạn về YOLO, COCO và nhiều hơn nữa.
- Đánh giá nhóm và quản lý phiên bản: Cộng tác minh bạch trong từng bước thực hiện.
Huấn luyện trên các GPU tốt nhất với chi phí thấp hơn
26 GPU NVIDIA với giá từ $0.24/giờ — từ Ampere đến Blackwell. Không phụ phí, không yêu cầu tối thiểu, không cam kết.
Khám phá các giải pháp ngành
Xem cách các nhóm áp dụng thị giác máy tính của Ultralytics trong các môi trường sản xuất.
AI trong nông nghiệp
AI trong ô tô
AI trong y tế
AI trong logistics
AI trong sản xuất
AI trong bán lẻ
AI trong robot
AI trong nông nghiệp
AI trong ô tô
AI trong y tế
AI trong logistics
AI trong sản xuất
AI trong bán lẻ
AI trong robot
AI trong nông nghiệp
AI trong ô tô
AI trong y tế
AI trong logistics
AI trong sản xuất
AI trong bán lẻ
AI trong robot
Các câu hỏi thường gặp
Ultralytics YOLOv5 ra mắt năm 2020 với workflow PyTorch dễ tiếp cận, giúp việc phát hiện đối tượng thời gian thực tùy chỉnh trở nên thực tế. Gói Ultralytics Python hiện tại hỗ trợ các model phát hiện YOLOv5u không sử dụng anchor; trọng số của repository YOLOv5 gốc sử dụng kiến trúc khác và không tương thích với thư viện hiện tại. Xem tài liệu YOLOv5 để biết chi tiết.
Các model YOLOv5u được hỗ trợ bởi thư viện Ultralytics và dự án Platform hiện tại được xây dựng cho phát hiện đối tượng. Repository YOLOv5 lịch sử cũng đã phát hành các biến thể phân loại và phân đoạn riêng biệt, nhưng các kiến trúc và trọng số gốc đó không thể thay thế cho các model YOLOv5u hiện tại.
Hãy bắt đầu với bộ phát hiện YOLOv5u nano hoặc small khi độ trễ và kích thước model là ưu tiên hàng đầu. Medium cân bằng giữa tốc độ và độ chính xác cho nhiều khối lượng công việc, trong khi large và extra-large ưu tiên độ chính xác khi có nhiều tài nguyên tính toán hơn. So sánh các benchmark model hiện tại trong tài liệu YOLOv5, sau đó kiểm chứng các ứng viên trên dữ liệu của riêng bạn.
Sử dụng train mode của thư viện Ultralytics với một checkpoint phát hiện YOLOv5u hiện tại, hoặc mở dự án YOLOv5 chính thức trên Ultralytics Platform để bắt đầu từ một trong các model phát hiện của nó. Sau khi huấn luyện, sử dụng export mode để chuẩn bị bộ phát hiện cho việc triển khai.
Có. YOLOv5 vẫn được hỗ trợ cho các dự án và triển khai hiện có. Ultralytics YOLO26 là model ổn định mới nhất và là điểm khởi đầu được khuyến nghị cho các dự án mới, trong khi YOLOv5 vẫn hữu ích khi tính tương thích với một pipeline YOLOv5 đã thiết lập là quan trọng.
Xây dựng với Ultralytics YOLOv5
Huấn luyện, kiểm chứng, xuất và triển khai các model phát hiện YOLOv5u hiện tại với Ultralytics Platform.