计算机视觉｜机器视觉｜机器学习｜深度学习
不废话，直接开始。环境
ubuntu 18．04 64bitgtx 1070tianaconda with python 3．8pytorch 1．7cuda 10．1
yolov5发布v6．0版本，看看效果怎么样。
前言
就在前天（2021年10月12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
yolov5 v6．0
新特性
下面整理了 v6．0 新增的主要特性
整合了 roboflow
roboflow 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 runtime
python 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
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） xugaoxiang＠1070ti：～／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 image＝＠zidane．jpg ＇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） xugaoxiang＠1070ti：～／workshop／yolov5／data／images＄ curl －x post －f image＝＠zidane．jpg ＇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
yolov5 v6．0
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。
