YOLOv5: новейшая модель обнаружения объектов

Это введение в YOLOv5, модель машинного обучения, которую можно использовать с ailia SDK. Вы можете легко использовать эту модель для создания AI-приложений с помощью ailia SDK, а также многих других готовых ailia MODELS.

Обзор

YOLOv5 - это последняя модель обнаружения объектов, разработанная ultralytics, той же компанией, которая разработала версию YOLOv3 для Pytorch, и была выпущена в июне 2020 года.

ultralytics / yolov5
Этот репозиторий представляет собой исследование с открытым исходным кодом Ultralytics в отношении будущих методов обнаружения объектов и включает… github.com

YOLOv5 варианты

YOLOv5 доступен в четырех моделях, а именно s, m, l и x, каждая из которых предлагает различную точность обнаружения и производительность, как показано ниже.

MAP (точность) YOLOv5 s составляет 55,6 с 17 Гфлопс (вычислительная мощность).

Для сравнения YOLOv3-416 имеет MAP 55,3 для 65,86 Гфлопс.

YOLOv5 s достигает той же точности, что и YOLOv3-416, с примерно 1/4 вычислительной сложности.

Вывод из YOLOv5

Когда задано входное изображение 640x640, модель выводит следующие 3 тензора.

(1, 3, 80, 80, 85) # привязка 0
(1, 3, 40, 40, 85) # привязка 1
(1, 3, 20, 20, 85) # привязка 2

Разбивка вывода: [cx, cy, w, h, conf, pred_cls (80)].

Использование YOLOv5 с Pytorch

Используйте следующую команду для запуска YOLOv5, модель будет загружена автоматически.

python detect.py --source in.mp4

Экспорт YOLOv5 в ONNX

Вы можете экспортировать YOLOv5 в ONNX с помощью следующих команд.

python3 models/export.py --weights yolov5s.pt --img 640 --batch 1
python3 models/export.py --weights yolov5m.pt --img 640 --batch 1
python3 models/export.py --weights yolov5l.pt --img 640 --batch 1

Вы также можете использовать необязательный аргумент --img-size для индивидуального указания разрешения распознавания в порядке высоты и ширины.

python3 models/export.py — weights yolov5m.pt --img-size 640 1280 — batch 1

Сравнение точности и производительности с YOLOv3

Скорость вывода измерялась на MacBook Pro 13 с Intel Core i5 2.3GH (conf_thres = 0,25, nms_thres = 0,45).

Из результатов ниже мы видим, что использование модели YOLOv5 s дает те же результаты, что и полная модель YOLOv3, с примерно на 75% меньшим количеством операций.

YOLOv3 крошечный (640x640) (48 мс)