自從YOLOv5誕生依賴，社區(qū)就很活動(dòng)，官方的更新頻度也很高，檢測(cè)系列一路迭代升級(jí)，集成融合了各種新穎的技術(shù)和tricks，目前最新已經(jīng)更新到了v6.1版本，在我之前的博客里面也有詳細(xì)教程講解，感興趣的話可以自行移步，文章如下：
《基于自建數(shù)據(jù)集【海底生物檢測(cè)】使用YOLOv5-v6.1/2版本構(gòu)建目標(biāo)檢測(cè)模型超詳細(xì)教程》
而v6.2版本則是將圖像識(shí)別的功能也整合了進(jìn)來(lái)在我之前的博客里面也有詳細(xì)講過(guò)。感興趣的話可以前去看下，文章如下：
《基于YOLOv5-v6.2全新版本模型構(gòu)建自己的圖像識(shí)別模型超詳細(xì)教程》
本次更新的v7.0則是全面的大版本升級(jí)，最主要的功能就是全面集成支持了實(shí)例分割，雖說(shuō)之前網(wǎng)上也有一些教程基于yolov5實(shí)現(xiàn)了實(shí)例分割，但是這個(gè)畢竟是官方更新的，很多技術(shù)方法和tricks都是非常值得借鑒學(xué)習(xí)的，據(jù)說(shuō)已經(jīng)能夠?qū)崿F(xiàn)在CPU端實(shí)時(shí)實(shí)例分割了，難怪在官方的聲明里面會(huì)專門說(shuō)到：“yolov5的實(shí)例分割是最快最準(zhǔn)的！”
?今天趁著午休的時(shí)間先來(lái)整體學(xué)習(xí)一下v7.0，之后有時(shí)間再詳細(xì)研究。
yolov5官方項(xiàng)目在這里，首頁(yè)截圖如下所示：
?可以看到：官方此次更新主要的內(nèi)容就是全面支持實(shí)例分割功能了。
同時(shí)，官方也貼心的給出來(lái)了五種模型的預(yù)訓(xùn)練模型，如下：
?實(shí)例分割的基礎(chǔ)使用方法也給出來(lái)了，如下：
【訓(xùn)練】
# Single-GPU
python segment/train.py --data coco128-seg.yaml --weights yolov5s-seg.pt --img 640
# Multi-GPU DDP
python -m torch.distributed.run --nproc_per_node 4 --master_port 1 segment/train.py --data coco128-seg.yaml --weights yolov5s-seg.pt --img 640 --device 0,1,2,3【評(píng)估】
bash data/scripts/get_coco.sh --val --segments # download COCO val segments split (780MB, 5000 images)
python segment/val.py --weights yolov5s-seg.pt --data coco.yaml --img 640 # validate【推理】
python segment/predict.py --weights yolov5m-seg.pt --data data/images/bus.jpg【轉(zhuǎn)化】
python export.py --weights yolov5s-seg.pt --include onnx engine --img 640 --device 0想要使用v7.0的話可以按照下圖下載：
?我選擇點(diǎn)擊tags，如下：
?點(diǎn)擊進(jìn)入，如下：
?我下載了官方的模型，簡(jiǎn)單本地推理了一下，如下：
?看著效果還是很不錯(cuò)的，我用的是最輕量級(jí)的模型yolov5n-seg.pt，所以速度還是很快的。
這里先簡(jiǎn)單給出來(lái)五個(gè)系列模型的結(jié)構(gòu)圖，后面有時(shí)間再詳細(xì)學(xué)習(xí)。
yolov5n-seg：
?yolov5s-seg：
yolov5m-seg：
yolov5l-seg：
?yolov5x-seg：
文章來(lái)源：http://www.zghlxwxcb.cn/news/detail-789983.html
記錄一下。文章來(lái)源地址http://www.zghlxwxcb.cn/news/detail-789983.html
到了這里，關(guān)于YOLOv5系列全新升級(jí)——yolov5-v7.0實(shí)時(shí)實(shí)例分割全面集成的文章就介紹完了。如果您還想了解更多內(nèi)容，請(qǐng)?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
