• 发文
  • 评论
  • 微博
  • 空间
  • 微信

yolov5发布v6.0版本-利来app官方下载

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。

声明:本文为ofweek维科号作者发布,不代表ofweek维科号立场。如有侵权或其他问题,请及时联系利来国际下载举报。
2
评论
评论

相关阅读

暂无数据

计算机视觉与机器学习

人工智能、计算机视觉、机器视觉、...

热门文章排行榜
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

举报文章问题

×
  • 营销广告
  • 重复、旧闻
  • 格式问题
  • 低俗
  • 标题夸张
  • 与事实不符
  • 疑似抄袭
  • 我有话要说
确定 取消

举报评论问题

×
  • 淫秽色情
  • 营销广告
  • 恶意攻击谩骂
  • 我要吐槽
确定 取消

用户登录×