YOLO系列：YOLOv5总结

已于 2024-10-18 14:59:57 修改
阅读量973 收藏 13
点赞数 16
文章标签： YOLO
于 2024-10-18 13:59:24 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2402_86476216/article/details/143051347
版权

介绍

2020年6月25日，Ultralytics发布了YOLOV5 的第一个正式版本，其性能与YOLO V4不相伯仲，同样也是现今最先进的对象检测技术，并在推理速度上是目前最强，yolov5按大小分为四个模型yolov5s、yolov5m、yolov5l、yolov5x。

操作流程图如下：

环境配置

Anaconda＋Pycharm

安装好所需版本的Anaconda之后，按图片进行操作。

打开Anaconda命令提示符

输入以下命令创建一个名为yolov5的环境（可根据情况修改环境名称和python版本）

conda create -n yolov5 python=3.10

创建好之后输入命令查询环境

conda env list
最低0.47元/天 解锁文章
Mmmm874
关注
yolov5
jacke121的专栏
06-12 3869
https://github.com/ultralytics/yolov5
【YOLO系列】YOLOv5超详细解读（源码详解＋入门实践＋改进）
热门推荐
路人贾的博客
03-03 20万+
一文带你详细了解YOLOv5（含YOLO系列论文讲解+源码详解+入门实践+算法改进）
Yolov5
程序猿的视界
01-17 829
先占个坑
YOLOv5
最新发布
Yf18005429102的博客
03-21 1078
由于不同版本的yolov5文件结构有所改变，所以以下的介绍并不是唯一的，但是作用上大差不差。以下是对于文件中个文件的详细解释，如果你想深入了解可以看看，如果你想快速入门也可以跳过文件结构介绍，在后面的实战中我会介绍需要修改的文件和流程。文件结构如下yolov5/├── data/ # 数据集和配置文件├── models/ # 模型定义文件├── classify/ # 完成分类任务从训练到部署的全流程├── utils/ # 工具函数。
【yolo系列：yolov7改进wise-iou】
weixin_47869094的博客
10-07 2292
确定好训练配置后，即可进行性能对比分析，找出哪个版本在实验中取得了明显的提升。
【yolo系列：YOLOV7改进-添加EIOU,SIOU,AlphaIOU,FocalEIOU.】
weixin_47869094的博客
10-07 1467
Focal_EIoU思想的应用：Focal_EIoU思想可以用于其他IoU的变种。你可以通过将Focal参数设置为True，启用Focal_EIoU思想。在测试中，除了Focal_SIoU可能出现loss为inf的情况外，其他IoU变种均正常。不过，由于不同数据集可能产生不同结果，建议根据具体情况进行测试。参数设置：gamma参数： Focal_EIoU中的gamma参数通常为0.5，你可以根据需要自行更改。alpha参数： AlphaIoU中的alpha参数，默认为1。
[yolo系列：yolov7添加可变形卷积Deformable Conv V2]
weixin_47869094的博客
10-08 1226
一般可变形卷积是添加到主干网上，如果想添加到head部分，自行尝试。
yolov5.zip
07-11
用yolov5的四个配置文件，s，l，x，m生成的onnx文件，并且在netron上使用这些文件得到详细的模型配置图，资源包含四个配置文件以及相应的四张图
yolov5.apk
08-13
一个深度学习yolo框架的目标检测app，可以直接在手机上安装，精度还不错，无卡顿，直接安装选择照片检测即可
Yolov5，支持python3.6版本，目前官方版本为3.8。
06-21
Yolov5，支持python3.6版本，目前官方版本为3.8。
YOLOv5主代码python
11-21
YOLOv5 主代码。YOLOv5 的表现要优于谷歌开源的目标检测框架 EfficientDet，尽管 YOLOv5 的开发者没有明确地将其与 YOLOv4 进行比较，但他们却声称 YOLOv5 能在 Tesla P100 上实现 140 FPS 的快速检测；相较而言，YOLOv4 的基准结果是在 50 FPS 速度下得到的.
YOLOV5
qq_36394740的博客
10-06 2460
YOLOv5（You Only Look Once version 5）是一个高效的实时物体检测模型，由 Ultralytics 开发。它是 YOLO 系列中的最新版本之一，相比于之前的版本（如 YOLOv3 和 YOLOv4），YOLOv5 在性能和易用性上有了显著的提升。
【YOLOv5】
bryant_meng
08-27 2042
Yolov5技术总结 文章目录BackboneDetection (YOLO) layer损失函数优化策略数据增强：Yolov5-1.0、2.0、3.0 Backbone 1）Focus 减少计算量加快速度 yolov5中的Focus模块的理解 2）SPP 分别采用 5/9/13 的最大池化，再进行 concat 融合，提高感受野； 3）BottleNeckCSP Cross Stage Partial Networks，减少计算量，提高卷积神经网络学习能力； Detection (YOLO) layer
全面解析YOLO系列：从yolov1到yolov3的演进与理解
5. **分类器**：YOLO系列在分类器的选择上也不断改进，YOLOv3的分类器更为先进，具备更好的特征提取能力。 6. **锚点**：YOLOv3中锚点机制的改进，让模型更灵活地适应不同尺寸的目标。 通过深入了解YOLO系列算法的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值