1.YOLOv5体积小,YOLOv5 s的权重文件为27MB。YOLOv4(Darknet架构)的权重文件为244MB。YOLOv5比YOLOv4小近90%。这意味着YOLOv5可以更轻松地部署到嵌入式设备。
2.YOLOv5速度比前代更快,在运行Tesla P100的YOLOv5 Colab笔记本中,每个图像的推理时间快至0.007秒,意味着每秒140帧(FPS)!
3.YOLOv5 Ultralytics python pytorch python3.7+ pytorch1.5+
4.
5.环境配置:见下
https://blog.csdn.net/Dontla/article/details/106780033
https://blog.csdn.net/yumin1058882119/article/details/107107167/?utm_medium=distribute.pc_relevant.none-task-blog-baidujs-3
使用教程https://blog.csdn.net/yapifeitu/article/details/106932503?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase
https://blog.csdn.net/weixin_43871135/article/details/106803636?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-2.nonecase(好)
6.标注工具:作者推荐了两款创建标注的工具,Labelbox or CVAT,不过我自己用的是这款labelImg 使用教程 图像标定工具https://blog.csdn.net/Dontla/article/details/102662815
7.笔记本上的环境配置:
安装anaconda(python3.7);
https://blog.csdn.net/yunqiushuiman/article/details/107529062
创建yolov5的环境:
conda create -n yolov5 python==3.7
进 入 环 境 :
source activate yolov5
再安装所需库:
pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
(使用清华镜像源)会提示超时。
后尝试
pip install -U -r requirements.txt
安装完成。(KX)
8. 运行测试通过。笔记本的CPU速度5s模型也不算很慢,大概4.5FPS.
- 向TX2移植。(待完善)