YOLOv5系列全新升级——yolov5-v7.0实时实例分割全面集成

自从YOLOv5诞生依赖社区就很活动官方的更新频度也很高检测系列一路迭代升级集成融合了各种新颖的技术和tricks目前最新已经更新到了v6.1版本在我之前的博客里面也有详细教程讲解感兴趣的话可以自行移步文章如下

《基于自建数据集【海底生物检测】使用YOLOv5-v6.1/2版本构建目标检测模型超详细教程》

而v6.2版本则是将图像识别的功能也整合了进来在我之前的博客里面也有详细讲过。感兴趣的话可以前去看下文章如下

《基于YOLOv5-v6.2全新版本模型构建自己的图像识别模型超详细教程》

本次更新的v7.0则是全面的大版本升级最主要的功能就是全面集成支持了实例分割虽说之前网上也有一些教程基于yolov5实现了实例分割但是这个毕竟是官方更新的很多技术方法和tricks都是非常值得借鉴学习的据说已经能够实现在CPU端实时实例分割了难怪在官方的声明里面会专门说到“yolov5的实例分割是最快最准的”

 今天趁着午休的时间先来整体学习一下v7.0之后有时间再详细研究。

yolov5官方项目在这里首页截图如下所示

 可以看到官方此次更新主要的内容就是全面支持实例分割功能了。

同时官方也贴心的给出来了五种模型的预训练模型如下

 实例分割的基础使用方法也给出来了如下

【训练】

# Single-GPU
python segment/train.py --data coco128-seg.yaml --weights yolov5s-seg.pt --img 640

# Multi-GPU DDP
python -m torch.distributed.run --nproc_per_node 4 --master_port 1 segment/train.py --data coco128-seg.yaml --weights yolov5s-seg.pt --img 640 --device 0,1,2,3

【评估】

bash data/scripts/get_coco.sh --val --segments  # download COCO val segments split (780MB, 5000 images)
python segment/val.py --weights yolov5s-seg.pt --data coco.yaml --img 640  # validate

【推理】

python segment/predict.py --weights yolov5m-seg.pt --data data/images/bus.jpg

【转化】

python export.py --weights yolov5s-seg.pt --include onnx engine --img 640 --device 0

想要使用v7.0的话可以按照下图下载

 我选择点击tags如下

 点击进入如下

 我下载了官方的模型简单本地推理了一下如下

 看着效果还是很不错的我用的是最轻量级的模型yolov5n-seg.pt所以速度还是很快的。

这里先简单给出来五个系列模型的结构图后面有时间再详细学习。

yolov5n-seg

 yolov5s-seg

yolov5m-seg

yolov5l-seg

 yolov5x-seg

记录一下。