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.
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)
YOLOv4 крошечный (640x640) (59 мс)
YOLOv5 s (640x640) (98 мс)
YOLOv3 (640x640) (477 мс)
YOLOv4 (640x640) (653 мс)
YOLOv5 м (640x640) (229 мс)
YOLOv5 л (640x640) (438 мс)
Использование YOLOv5 с ailia SDK
Вы можете использовать YOLOv5 с ailia SDK с помощью следующей команды.
python3
yolov5.py -i input.jpg
похожие темы
Axe Inc. разработал ailia SDK, который обеспечивает кроссплатформенный быстрый вывод на основе графического процессора.
Axe Inc. предоставляет широкий спектр услуг от консультирования и создания моделей до разработки приложений и SDK на основе искусственного интеллекта. По любым вопросам обращайтесь к нам.