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: