YOLOv5來了！YOLOv4發(fā)布不到50天，它帶著推理速度140幀/秒來了

賈浩楠 2020-06-12 14:24:16 來源：量子位

賈浩楠 發(fā)自 凹非寺
量子位 報(bào)道 | 公眾號(hào) QbitAI

YOLOv4還沒有退熱，YOLOv5已經(jīng)發(fā)布！

6月9日，Ultralytics公司開源了YOLOv5，離上一次YOLOv4發(fā)布不到50天。而且這一次的YOLOv5是完全基于PyTorch實(shí)現(xiàn)的！

在我們還對(duì)YOLOv4的各種騷操作、豐富的實(shí)驗(yàn)對(duì)比驚嘆不已時(shí)，YOLOv5又帶來了更強(qiáng)實(shí)時(shí)目標(biāo)檢測技術(shù)。

按照官方給出的數(shù)目，現(xiàn)版本的YOLOv5每個(gè)圖像的推理時(shí)間最快0.007秒，即每秒140幀（FPS），但YOLOv5的權(quán)重文件大小只有YOLOv4的1/9。

接下來一起了解一下最新的YOLOv5吧。

更快更小巧的YOLOv5

老規(guī)矩，先來介紹一下安裝過程。

安裝YOLOv5通過下方代碼實(shí)現(xiàn)：

$ pip install -U -r requirements.txt

要求Python3.7以上版本，PyTorch1.5以上。

YOLOv5的4組不同權(quán)重在COCO2017數(shù)據(jù)集上的結(jié)果如下：

所有模型均采用默認(rèn)配置與超參數(shù)訓(xùn)練了300epoch，且未添加自動(dòng)擴(kuò)增技術(shù)。

可以看到，它超過了大部分的目標(biāo)檢測器，同時(shí)具有超快的速度。

APtest指的是COCO-test-dev2017上的結(jié)果，其他AP表示val2017的精度。所有指標(biāo)均為單模型、單尺度、為進(jìn)行任何集成與TTA。可以通過如下命令進(jìn)行重現(xiàn)上述指標(biāo)：

python test.py —img-size 736 —conf_thres 0.001

延遲是在V100 GPU上對(duì)5000個(gè)COCO-val2017中的數(shù)據(jù)進(jìn)行測試的結(jié)果，包含數(shù)據(jù)預(yù)處理、模型推理、后處理以及NMS。平均NMS的時(shí)間為1.6ms/image。

上述指標(biāo)可以通過如下命令復(fù)現(xiàn)：

python test.py —img-size 640 —conf_thres 0.1 —batch-size 16

YOLOv5在單一V-100 GPU的情況下，COCO 2017數(shù)據(jù)集上的訓(xùn)練時(shí)間分別為：

可以通過以下代碼開始訓(xùn)練：

$ python train.py —data coco.yaml —cfg YOLOv5s.yaml —weights ‘’ —batch-size 16

△不同權(quán)重YOLOv5的對(duì)比

YOLOv5在中國國內(nèi)街景監(jiān)控上的實(shí)測，包含了YOLOv5 s/m/l/x四種不同權(quán)重：

△測試視頻來自B站@才疏學(xué)淺的小白

用戶的測試實(shí)例并沒有給出與前代YOLOv4的對(duì)比，但官方給出了數(shù)據(jù)說明。

YOLOv5速度比前代更快，在運(yùn)行Tesla P100的YOLOv5 Colab筆記本中，每個(gè)圖像的推理時(shí)間快至0.007秒，意味著每秒140幀（FPS）！相比之下，YOLOv4在轉(zhuǎn)換為相同的Ultralytics PyTorch后達(dá)到了50幀 。

同時(shí)，在研究者對(duì)血細(xì)胞計(jì)數(shù)和檢測(BCCD)數(shù)據(jù)集的測試中，經(jīng)過100個(gè)epoch的訓(xùn)練，獲得了大約0.895的平均精度(mAP)，與EfficientDet和YOLOv4相當(dāng)。

YOLOv5體積小，YOLOv5 s的權(quán)重文件為27MB。YOLOv4（Darknet架構(gòu)）的權(quán)重文件為244MB。YOLOv5比YOLOv4小近90％。這意味著YOLOv5可以更輕松地部署到嵌入式設(shè)備。

此外，因?yàn)閅OLOv5是在PyTorch中實(shí)現(xiàn)的，所以它受益于已建立的PyTorch生態(tài)系統(tǒng)；YOLOv5還可以輕松地編譯為ONNX和CoreML，因此這也使得部署到移動(dòng)設(shè)備的過程更加簡單。

大神沒交棒，但YOLOv5還是來了

嚴(yán)格來講，這次Ultralytics放出的YOLOv5，是YOLOv4的一個(gè)實(shí)現(xiàn)版本（性能有改進(jìn)），只不過是完全用Pyotorch實(shí)現(xiàn)了。并且支持轉(zhuǎn)ONNX以及CoreML等，方便用戶在移動(dòng)端部署。

所以也有網(wǎng)友叫它YOLOv4.5。

截止發(fā)稿，原YOLO項(xiàng)目官方（Darknet）也沒有添加YOLOv5鏈接，所以，這個(gè)「YOLOv5」的名號(hào)，是Ultralytics團(tuán)隊(duì)自封的。

Ultralytics公司可能大家不熟悉，但提到他們公司的一個(gè)項(xiàng)目，很多人應(yīng)該就知道了：基于PyTorch復(fù)現(xiàn)的YOLOv3。按目前github上star數(shù)來看，應(yīng)該是最受歡迎的YOLOv3的PyTorch實(shí)現(xiàn)版本。

值得一提的是，Ultralytics公司的Glenn Jocher是mosaic數(shù)據(jù)增強(qiáng)方法的創(chuàng)建者，這種方法是改進(jìn)后的YOLOv4中的重要技術(shù)。

Glenn Jocher就是這次YOLOv5項(xiàng)目的主要開發(fā)者。

盡管官方還沒認(rèn)可項(xiàng)目命名為”YOLOv5”這個(gè)名字，但它對(duì)上一版本性能的改善和提升十分顯著，網(wǎng)友也對(duì)其開源的精神紛紛點(diǎn)贊，希望項(xiàng)目繼續(xù)更新，造福更多的YOLO用戶。

傳送門

https://github.com/ultralytics/YOLOv5