量子位YOLOv5来了！YOLOv4发布不到50天，推理速度140帧/秒！

2020-06-13

贾浩楠发自凹非寺
量子位报道 | 公众号 QbitAI
YOLOv4还没有退热， YOLOv5已经发布！
6月9日， Ultralytics公司开源了YOLOv5 ，离上一次YOLOv4发布不到50天。而且这一次的YOLOv5是完全基于PyTorch实现的！

本文插图
在我们还对YOLOv4的各种骚操作、丰富的实验对比惊叹不已时， YOLOv5又带来了更强实时目标检测技术。
按照官方给出的数目，现版本的YOLOv5每个图像的推理时间最快0.007秒，即每秒140帧（FPS），但YOLOv5的权重文件大小只有YOLOv4的1/9 。
接下来一起了解一下最新的YOLOv5吧。
更快更小巧的YOLOv5
老规矩，先来介绍一下安装过程。
安装YOLOv5通过下方代码实现：
$ pip install -U -r requirements.txt
要求Python3.7以上版本， PyTorch1.5以上。
YOLOv5的4组不同权重在COCO2017数据集上的结果如下：

本文插图
所有模型均采用默认配置与超参数训练了300epoch ，且未添加自动扩增技术。
可以看到，它超过了大部分的目标检测器，同时具有超快的速度。
APtest指的是COCO-test-dev2017上的结果，其他AP表示val2017的精度。所有指标均为单模型、单尺度、为进行任何集成与TTA 。可以通过如下命令进行重现上述指标：
python test.py —img-size 736 —conf_thres 0.001
延迟是在V100 GPU上对5000个COCO-val2017中的数据进行测试的结果，包含数据预处理、模型推理、后处理以及NMS 。平均NMS的时间为1.6ms/image 。

本文插图
上述指标可以通过如下命令复现：
python test.py —img-size 640 —conf_thres 0.1 —batch-size 16
YOLOv5在单一V-100 GPU的情况下， COCO 2017数据集上的训练时间分别为：
可以通过以下代码开始训练：
$ python train.py —data coco.yaml —cfg YOLOv5s.yaml —weights ‘’ —batch-size 16

本文插图
△不同权重YOLOv5的对比
YOLOv5在中国国内街景监控上的实测，包含了YOLOv5 s/m/l/x四种不同权重：

本文插图
△测试视频来自B站@才疏学浅的小白
用户的测试实例并没有给出与前代YOLOv4的对比，但官方给出了数据说明。
YOLOv5速度比前代更快，在运行Tesla P100的YOLOv5 Colab笔记本中，每个图像的推理时间快至0.007秒，意味着每秒140帧（FPS）！相比之下， YOLOv4在转换为相同的Ultralytics PyTorch后达到了50帧。
同时，在研究者对血细胞计数和检测(BCCD)数据集的测试中，经过100个epoch的训练，获得了大约0.895的平均精度(mAP) ，与EfficientDet和YOLOv4相当。

本文插图
YOLOv5体积小， YOLOv5 s的权重文件为27MB 。 YOLOv4（Darknet架构）的权重文件为244MB 。 YOLOv5比YOLOv4小近90％。这意味着YOLOv5可以更轻松地部署到嵌入式设备。
此外，因为YOLOv5是在PyTorch中实现的，所以它受益于已建立的PyTorch生态系统；YOLOv5还可以轻松地编译为ONNX和CoreML ，因此这也使得部署到移动设备的过程更加简单。

推荐阅读

上一篇：『伊朗』印媒：解放军大量装甲车正在转移，印防长加油打气：已不是1962年

下一篇：每月9元升级5G套餐运营商的福利还是营销套路？