YOLOv5发布v6.0版本
环境
- ubuntu 18.04 64bit
- GTX 1070Ti
- anaconda with python 3.8
- pytorch 1.7
- cuda 10.1
前言
就在昨天(2021年10月13日)， yolov5 发布了 V6.0 版本，这个新版本在 V5.0 的基础上集成了很多的新特性，而且在网络结构上也做了微调，引入了全新的更小( Nano )的模型 P5( YOLOv5n) 和 P6( YOLOv5n6)。 Nano 模型保持了 yolov5s 模型的深度( depth )，宽度( width ) 则是从0.5降到了0.25，经过这个操作后，总参数减少了 75%，从 7.5M 缩小到了 1.9M，这样的话，就非常适合于移动端或者是 CPU 的环境。
在性能指标方面， V6.0 也有所提升，看下图
新特性
下面整理了 V6.0 新增的主要特性
-
整合了
Roboflowroboflow前面我们提过了，它公开了很多非常有用的数据集，在v6.0上可以直接使用他们的数据集，参考 https://github.com/ultralytics/yolov5/issues/4975，非常的方便 -
支持
tensorflow和keras模型的导出使用
python export.py --include saved_model pb tflite tfjs就可以完成tensorFlow、keras、tflite和tf.js模型的导出 -
同时支持
OpenCV DNN和ONNX Runtime导出的
onnx同时支持opencv dnn和onnx runtimepython export --weights yolov5s.pt --include onnx --opset 12 --dynamic在检测的时候也可以使用指定的
onnx，python detect.py --weights yolov5s.onnx --dnn -
模型结构
- 用
Conv(k=6, s=2, p=2)代替Focus层，主要是为了方便模型导出 - 使用
SPPF代替SPP层 - 减少
P3主干层C3 - 将
SPPF放在主干的后面 - 在最后一个
C3主干层中重新引入快捷方式 - 更新超参数
- 用
-
增加了
Flask REST API提供了
web api的支持，远端测试非常方便，常见的开放平台都是这么做的
flask api实践
下载 V6.0 源码
git clone -b v6.0 https://github.com/ultralytics/ yolov5.git
cd yolov5/utils/ flask-rest-api
安装必要依赖并启动服务
pip install flask
# 通过参数port可以指定特定端口，如--port 8080
python restapi.py
脚本启动过程中会去下载 yolov5 的源码和 yolov5s.pt 模型文件，存放在 ~/.cache/torch/hub 下
(base) [email protected]:~/workshop/yolov5/data/images$ ls ~/.cache/torch/hub/ultralytics_yolov5_master/
CONTRIBUTING.md detect.py export.py LICENSE __pycache__ requirements.txt tutorial.ipynb val.py
data Dockerfile hubconf.py models README.md train.py utils yolov5s.pt
这个下载的动作，默认情况下，在每次脚本执行时都会进行。可以通过修改 restapi.py 来使用现有版本
# 将force_reload，由原来的True改为False
model = torch.hub.load("ultralytics/yolov5", "yolov5s", force_reload=False)
服务启动后，我们来到客户端，使用 curl 命令进行测试
curl -X POST -F [email protected] 'http://192.168.1.140:5000/v1/object-detection/yolov5s'
成功后，可以得到接口返回的结果
(base) [email protected]:~/workshop/yolov5/data/images$ curl -X POST -F [email protected] 'http://192.168.1.140:5000/v1/object-detection/yolov5s'
[{"xmin":752.0,"ymin":46.0,"xmax":1148.0,"ymax":716.0,"confidence":0.875,"class":0,"name":"person"},{"xmin":100.0,"ymin":201.5,"xmax":1002.0,"ymax":718.5,"confidence":0.5795898438,"class":0,"name":"person"},{"xmin":438.25,"ymin":422.0,"xmax":509.75,"ymax":720.0,"confidence":0.5219726562,"class":27,"name":"tie"}]
或者
使用 postman 进行测试，使用的是 POST 请求， url 是 http://192.168.1.140
如果要使用 python 进行请求，项目中也给出了示例 example_request.py，使用的是 request 模块
关联阅读
- ubuntu安装cuda
- windows 10安装cuda和cudnn
- yolov5模型训练
- yolov5打包exe
- pip安装yolov5
- streamlit部署yolov5
- 给yolov5加个图像界面
- 在Android上运行yolov5
- 在Android运行yolov5,使用torchscript方式