YOLOv5发布5.0版本

文章目录

环境

ubuntu 18.04 64bit
GTX 1070Ti
anaconda with python 3.8
pytorch 1.8
cuda 10.1

前言

yolov5 官方在4月12日，发布了正式版5.0，这次的发布主要实现了 YOLOv5-P6 模型以及重新训练了 YOLOv5-P5 模型。相较于 YOLOv5-P5 的3个 output layer 即 P3、P4、P5，YOLOv5-P6 模型的输出层多了一个 P6，主要是为了检测高分辨率下的大目标，因此，模型训练时 img 参数也由 --img 640 更改为 --img 1280。

具体来讲，5.0版本有如下的更新

整合youtube，也就是可以直接测试youtube的在线视频
整合亚马逊的AWS，也就是在AWS平台上方便的使用YOLOv5，可以参考 https://github.com/ultralytics/yolov5/wiki/AWS-Quickstart
整合supervise.ly，supervise.ly是一个可以帮助你解决cv任务的web平台，需要docker支持和本地gpu，建议在linux上操作
优化了W&B，可以参考前文 https://xugaoxiang.com/2021/01/27/yolov5-wandb/

总的来说，5.0的更新并不大

yolov5 release 5.0

本地图片检测

同样的，跑一个测试代码。创建个独立的虚拟环境，python 版本3.8

conda create -n yolov5v5.0 python=3.8
conda activate yolov5v5.0

# 要求pytorch>1.7
pip install torch==1.7.1+cu101 torchvision==0.8.2+cu101 torchaudio==0.7.2 -f https://download.pytorch.org/whl/torch_stable.html

接下来编辑下 requirements.txt，将其中的 torch 和 torchvision 这两项注释掉，也就是在行前加个 # 符号

yolov5 release 5.0

然后执行下面命令，安装其它的依赖包

pip install -r requirements.txt

环境安装好后，直接开始检测吧

(yolov5v5.0) xugaoxiang@1070Ti:~/workshop/yolov5-5.0$ python detect.py
Namespace(agnostic_nms=False, augment=False, classes=None, conf_thres=0.25, device='', exist_ok=False, img_size=640, iou_thres=0.45, name='exp', nosave=False, project='runs/detect', save_conf=False, save_txt=False, source='data/images', update=False, view_img=False, weights='yolov5s.pt')
YOLOv5 ? 2021-4-12 torch 1.7.1+cu101 CUDA:0 (GeForce GTX 1070 Ti, 8116.4375MB)

Downloading https://github.com/ultralytics/yolov5/releases/download/v5.0/yolov5s.pt to yolov5s.pt...
100%|██████████████████████████████████████████████████████████████████████████████████████████████| 14.1M/14.1M [02:36<00:00, 94.3kB/s]

Fusing layers...
Model Summary: 224 layers, 7266973 parameters, 0 gradients, 17.0 GFLOPS
image 1/2 /home/xugaoxiang/workshop/yolov5-5.0/data/images/bus.jpg: 640x480 4 persons, 1 bus, 1 fire hydrant, Done. (0.013s)
image 2/2 /home/xugaoxiang/workshop/yolov5-5.0/data/images/zidane.jpg: 384x640 2 persons, 2 ties, Done. (0.011s)
Results saved to runs/detect/exp2
Done. (0.099s)
(yolov5v5.0) xugaoxiang@1070Ti:~/workshop/yolov5-5.0$

检测过程中，代码会帮我们去下载 yolov5s.pt 模型文件，放在代码的根目录下