深度学习_目标检测_“YOLOv5”详解(持续更新)

YOLOv5可以方便的进行工程化部署:

Y O L O v 5 ( P y T o r c h ) − > O N N X − > C o r e M L − > i o s YOLOv5(PyTorch) -> ONNX -> CoreML -> ios YOLOv5PyTorch>ONNX>CoreML>ios

YOLOv5家族:

  1. YOLOv5x(最大的模型)
  2. YOLOv5l
  3. YOLOv5m
  4. YOLOv5s(最小的模型)

深度学习_目标检测_“YOLOv5”详解(持续更新)_第1张图片

YOLOv5的优势:

  1. 使用PyTorch进行编写。
  2. 可以轻松编译成ONNX和CoreML。
  3. 速度极快,每秒140FPS。
  4. 精度超高,可以达到0.895mAP。
  5. 体积很小:27M。
  6. 集成了YOLOv3-spp和YOLOv4部分特性。

你可能感兴趣的:(#,目标检测,深度学习,机器学习,YOLOv5,目标检测,神经网络)