欢迎访问我的网站,希望内容对您有用,感兴趣的可以加入我们的社群。

YOLOv5 发布 v6.2 正式版

YOLO 迷途小书童 2年前 (2022-08-19) 3421次浏览 2个评论

环境

  • windows 10 64bit
  • python 3.8.11
  • torch-1.7.1 + cu101

前言

北京时间8月17日晚上,YOLOv5 官方发布了 v6.2 版本,相比 v6.1 ,此次的更新,加入了分类的训练、验证、推理和其它模型格式的导出,分别提供了基于 ImageNet 预训练模型的 YOLOv5m-clsResNet18ResNet34ResNet50ResNet101系列和 EfficientNet (b0b1b2b3) 的模型,分类的工作流与原有的目标检测工作流保持一致,这可以大大减少学习的成本。

更新

这里也将一些重要的更新点罗列一下

  • 分类模型的导出,完美支持 tensorflowkerastflitetf.js,使用 python export.py --include saved_model pb tflite tfjs
  • 整合了 ClearML,它是一个机器学习的套件,官网地址:https://clear.ml/
  • 整合了 deci.ai,它是一个模型优化的工具,使用非常简单有效,官网地址:https://deci.ai/
  • utils/benchmarks.py 脚本支持 GPU输出性能参数
  • torch 版本大于 1.12.0环境下的单卡训练,增加了参数 --seed
  • 苹果笔记本 M1M2MPS(Metal Performance Shader) 支持,--device mps

实践

从链接 https://github.com/ultralytics/yolov5/archive/refs/tags/v6.2.zip 下载源码,然后解压并进入源码目录

https://github.com/ultralytics/yolov5/releases/download/v6.2/yolov5s-cls.pt 下载分类模型,放入源码目录下

(pytorch1.7) PS D:\Github\yolov5-6.2> python classify/predict.py --weights yolov5s-cls.pt --source data/images/bus.jpg
classify\predict: weights=['yolov5s-cls.pt'], source=data/images/bus.jpg, imgsz=224, device=, half=False, dnn=False, project=runs\predict-cls, name=exp, exist_ok=False
YOLOv5  2022-8-17 Python-3.8.11 torch-1.7.1+cu101 CUDA:0 (NVIDIA GeForce GTX 1660, 6144MiB)

Fusing layers...
Model summary: 117 layers, 5447688 parameters, 0 gradients, 11.4 GFLOPs
image 1/1 data/images/bus.jpg: 224x224 minibus 0.44, police van 0.20, amphibious vehicle 0.04, trolleybus 0.04, recreational vehicle 0.03
Speed: 37.6ms pre-process, 3.0ms inference, 7.0ms post-process per image at shape (1, 3, 224, 224)
Saving runs\predict-cls\exp3\bus.jpg
Results saved to runs\predict-cls\exp3

yolov5

分类模型转换成其它格式,这个版本支持批量导出,如

python export.py --weights yolov5s-cls.pt resnet50.pt efficientnet_b0.pt --include onnx engine --img 224

上面就是同时将 yolov5s-cls.ptresnet50.ptefficientnet_b0.pt 转换成 onnxtensorrt 的模型,真的是太方便了

备注

在版本发布说明中,作者 glenn jocher 还提到了,后续的 v6.3 版本中将会加入实例分割的功能,而在年底发布的 v7.0 中,将会更新目标检测、分类和实例分割三大模型的架构,让我们一起期待。完整的版本发布说明请见 https://github.com/ultralytics/yolov5/releases/tag/v6.2

参考资料

喜欢 (0)

您必须 登录 才能发表评论!

(2)个小伙伴在吐槽
  1. 请问为什么我自己训练出的2种分类的yolo模型导出的tflite格式的输出维度却是85?明明yaml里的nc我都改成2了
    liuzh20092022-09-02 13:11