YOLOv5快速入门

要求

---

您需要 Python >= 3.8 和 PIP 才能遵循本指南。

其余要求列在“./requirements.txt”中

*如果您安装了多个版本的 python，请确保您使用的是正确的版本

安装

---

克隆存储库

$ git clone https://github.com/ultralytics/yolov5.git

进入仓库根目录

$ cd yolov5

从克隆的存储库根目录安装所需的包

$ pip install -r requirements.txt

打包环境

---

为了快速轻松地设置 YOLOv5，已将所有依赖项* 打包用于以下环境

*包括CUDA / CUDNN , Python和PyTorch

• 带有免费 GPU 的Google Colab 和 Kaggle笔记本： 
• 谷歌云深度学习虚拟机。请参阅GCP 快速入门指南
• 亚马逊深度学习 AMI。请参阅AWS 快速入门指南
• 泊坞窗图像。请参阅Docker 快速入门指南 

推理 - 检测对象

---

从您的克隆存储库

要开始使用最新的 YOLO 模型进行对象检测，请从您的存储库根目录运行此命令。结果保存到“./runs/detect”

$ python detect.py --source OPTION

将 OPTION 替换为您的选择，以检测：

• 网络摄像头：（选项 = 0）用于从连接的网络摄像头检测活动对象
• Image : (OPTION = filename.jpg)创建带有对象检测叠加层的图像副本
• Video : (OPTION = filename.mp4)创建带有对象检测叠加层的视频副本
• Directory : (OPTION = directory_name/)使用对象检测覆盖创建所有文件的副本
• 全局文件类型(OPTION = directory_name/*.jpg)创建带有对象检测叠加层的所有文件的副本
• RTSP 流：（选项 = rtsp://170.93.143.139/rtplive/470011e600ef003a004ee33696235daa）用于从流中检测活动对象
• RTMP 流：(OPTION = rtmp://192.168.1.105/live/test)用于从流中检测实时对象
• HTTP 流：（OPTION = http://112.50.243.8/PLTV/88888888/224/3221225900/1.m3u8）用于从流中检测活动对象

目前支持以下文件格式：

• 图片： bmp, jpg, jpeg, png, tif, tiff, dng, webp, mpo
• 视频： mov、avi、mp4、mpg、mpeg、m4v、wmv、mkv

来自 PyTorch 中心

推理可以直接从 PyTorch Hub 运行，无需克隆存储库。必要的文件将下载到您的临时目录中。

这是一个使用最新的 YOLOv5s 模型和存储库示例图像的示例脚本。

import torch

# Model
model = torch.hub.load('ultralytics/yolov5', 'yolov5s')

# Images
dir = 'https://github.com/ultralytics/yolov5/raw/master/data/images/'
imgs = [dir + f for f in ('zidane.jpg', 'bus.jpg')]  # batch of images

# Inference
results = model(imgs)
results.print()  # or .show(), .save()