Библиотека для PyTorch с методами CAM, которые визуализируют области изображения, влияющие на предсказания модели компьютерного зрения.
13 тыс.1,7 тыс.PythonMITОбновлён 2 месяца назад
ultralytics/yolov5
Ultralytics YOLOv5 — библиотека компьютерного зрения на базе PyTorch для детекции объектов, сегментации экземпляров и классификации изображений, с обучением и экспортом моделей.
- Звёзды
- 58,185
- Форки
- 17,457
- Открытые issues
- 25
- Последний коммит
- позавчера
Что это?
YOLOv5 — библиотека моделей компьютерного зрения на базе PyTorch от Ultralytics. Она поддерживает детекцию объектов, сегментацию экземпляров и классификацию изображений. В комплект входят скрипты для обучения на пользовательских датасетах, проверки точности, инференса на изображениях, видео, с веб-камер и потоков, а также экспорта обученных весов.
В репозитории доступны предварительно обученные чекпойнты от nano до extra-large, обученные на COCO и ImageNet. Их можно загрузить через PyTorch Hub или скрипт командной строки detect.py. Обучение поддерживает распределённый параллельный режим DDP на нескольких GPU, а инструменты экспорта преобразуют модели в форматы ONNX, TensorRT, CoreML и TFLite.
В проекте также описаны руководства по transfer learning, эволюции гиперпараметров, pruning моделей, аугментации во время тестирования и интеграциям для логирования, например с ClearML, Comet и Weights & Biases. В репозитории отмечено, что активно поддерживаемый преемник проекта — pip-пакет ultralytics, который поддерживает более новые модели YOLO и дополнительные задачи, включая оценку позы и детекцию ориентированных ограничивающих рамок.
Ключевые возможности
- 01Детекция объектов, сегментация экземпляров и классификация изображений в одной кодовой базе.
- 02Предварительно обученные чекпойнты от nano до extra-large, доступные через PyTorch Hub или detect.py.
- 03Инференс на изображениях, видео, с веб-камер, при захвате экрана, в потоках RTSP и по URL YouTube.
- 04Обучение с DDP на нескольких GPU и автоматическим подбором размера батча с помощью AutoBatch.
- 05Экспорт в форматы ONNX, TensorRT, CoreML и TFLite.
Сценарии использования
- Обучение детектора на пользовательском размеченном датасете.
- Запуск детекции объектов в реальном времени с веб-камеры или из видеофайла.
- Развёртывание обученной модели на периферийных устройствах с помощью TensorRT или TFLite.
- Эксперименты с сегментацией или классификацией на основе предварительно обученных чекпойнтов.
Быстрый старт
- 1
Клонируйте репозиторий
git clone https://github.com/ultralytics/yolov5 - 2
Перейдите в склонированный каталог
cd yolov5 - 3
Установите необходимые пакеты
pip install -r requirements.txt - 4
Запустите инференс на локальном изображении
python detect.py --weights yolov5s.pt --source img.jpg
Что важно знать
- Проект распространяется по лицензии AGPL-3.0 с копилефт-условиями, которые могут требовать публикации исходного кода производных сетевых сервисов.
- Для использования в компании без обязательств по AGPL требуется отдельная лицензия от Ultralytics.
- В README для новых архитектур рекомендуется активно поддерживаемый пакет ultralytics.
Темы
Частые вопросы
- Что такое yolov5?
- Ultralytics YOLOv5 — библиотека компьютерного зрения на базе PyTorch для детекции объектов, сегментации экземпляров и классификации изображений, с обучением и экспортом моделей. YOLOv5 — библиотека моделей компьютерного зрения на базе PyTorch от Ultralytics. Она поддерживает детекцию объектов, сегментацию экземпляров и классификацию изображений. В комплект входят скрипты для обучения на пользовательских датасетах, проверки точности, инференса на изображениях, видео, с веб-камер и потоков, а также экспорта обученных весов.
- yolov5 можно использовать бесплатно? Какая у него лицензия?
- yolov5 распространяется с открытым исходным кодом под лицензией AGPL-3.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
- yolov5 всё ещё поддерживается?
- Активно поддерживается. Последний коммит в yolov5 — 18 окт. 2026 г..
- Для чего можно использовать yolov5?
- Обучение детектора на пользовательском размеченном датасете. Запуск детекции объектов в реальном времени с веб-камеры или из видеофайла. Развёртывание обученной модели на периферийных устройствах с помощью TensorRT или TFLite. Эксперименты с сегментацией или классификацией на основе предварительно обученных чекпойнтов.
- Как установить yolov5?
- Клонируйте репозиторий: git clone https://github.com/ultralytics/yolov5 Перейдите в склонированный каталог: cd yolov5 Установите необходимые пакеты: pip install -r requirements.txt Запустите инференс на локальном изображении: python detect.py --weights yolov5s.pt --source img.jpg
- Где скачать yolov5?
- Исходный код и инструкции по установке — на GitHub: https://github.com/ultralytics/yolov5
Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.
Похожие проекты
Кроссплатформенное desktop-приложение для разметки текста, изображений, видео, облаков точек и мультимодальных данных с помощью ИИ, со встроенными моделями и экспортом в разные форматы.
ИИ и машинное обучение#image-annotation#computer-vision#deep-learning#object-detection#instance-segmentation
10,7 тыс.1,2 тыс.PythonGPL-3.0Обновлён позавчера
Официальная реализация BiRefNet на PyTorch — модели для высокоточного разделения объектов и фона на изображениях, часто используемой для удаления фона.
4,3 тыс.344PythonMITОбновлён 3 дня назад
Коллекция из 419 предварительно обученных AI-моделей для компьютерного зрения, обработки речи, NLP и LLM, запускаемых через общий Python CLI с помощью ailia SDK.
2,4 тыс.367PythonOtherОбновлён вчера
Библиотека для оптимизации глубокого обучения, упрощающая и ускоряющая распределённое обучение и инференс больших моделей.
43,2 тыс.5 тыс.PythonApache-2.0Обновлён вчера
Инструмент на Python для восстановления лиц вслепую: улучшает размытые, низкокачественные и повреждённые лица на фото и видео с помощью трансформера с поиском по кодовой книге.
18,2 тыс.3,7 тыс.PythonOtherОбновлён 11 месяцев назад