分享｜YOLOv5发布第六个版本，支持一键适配OpenVINO/OpenCV DNN部署

新特性

首次发布支持移动端的最小化模型YOLOv5n，只有1.9MB，全称为YOLOv5 Nano。支持模型导出为tensorflow跟keras格式，这是什么鬼，就这招彻底打废原来的tensorflow跟keras版本模仿者！OpenCV DNN支持，原来导出ONNX要支持OpenCV DNN比较麻烦，需要开发者自己一通猛改，现在容易多了，支持OpenCV DNN与ONNXRUNTIME。总结一下主要有三点：

更小型化的模型YOLOv5n，移动端治愈

支持导出tensorflow/keras格式模型文件

导出onnx支持opencv dnn，再也不用开发者自己修改了！

还有更惊喜的，模型更加轻量化、精度更高、速度更快（都是跟之前的自己比）


模型与源码下载，一键直达：

https://github.com/ultralytics/yolov5/releases/tag/v6.0
测试演示

测试演示

下载源码之后，一张自带测试图象，

python detect.py --weights yolov5n.pt --source data/images/zidane.jpg --img 640

感觉还很好！

视频测试：

导出为ONNX格式并测试

1.python export.py --weights yolov5n.pt --img 640 --batch 1
2.export failure: Unsupported ONNX opset version: 13

导出失败了，原因是pytorch中onnx opset版本太高了，不支持！还好有个命令行参数可以指定导出版本

python detect.py --weights yolov5n.onnx --dnn --source D:/images/city-walk.png --img 640

测试视频文件：

python detect.py --weights yolov5s.onnx --dnn --source D:/images/video/SungEun.avi

运行结果：