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

YOLOv5发布了第六个版本，其它我不说，什么是开源精神，不是写个程序扔github就叫开源，而是持续不断改进，精益求精，不断演化版本，增加最有商业价值的功能，YOLOv5做到了。看看最新版本都有哪些新功能让开发者心动....

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：

1. 更小型化的模型YOLOv5n，移动端治愈

2. 支持导出tensorflow/keras格式模型文件

3. 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

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

python export.py --weights yolov5n.pt --img 640 --batch 1export 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 export.py --weights yolov5n.pt --img 640 --batch 1 --opset 12

这样就Ok啦，然后测试一下OpenCV DNN是否可用！测试图象，输入命令行：

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：

果然YOLOv5 ONNX格式支持OpenCV DNN直接部署了，OpenVINO就更不用说了，必须支持！我又相信YOLOv5了~~~~~~