YOLOv4沒交棒，但YOLOv5來了！

前言

4月24日，YOLOv4來了！

5月30日，"YOLOv5"來了！

這里的 “YOLOv5” 是帶有引號的，因為 Amusi 認為網上剛出來的這個版本并稱不上YOLOv5。這也是為什么標題為：大神沒交棒，但YOLOv5來了！

YOLO原項目darknet（官方）截止2020年5月31日，并沒有更新添加這個"YOLOv5"的鏈接。最新的一次update還是上個月YOLOv4重磅出爐的那次，官方正式添加了YOLOv4項目鏈接。

關于YOLOv4，Amusi 認為那是真正的YOLOv4，也是YOLO系列的真正接班人。關于YOLOv4詳細內容，可見：大神接棒，YOLOv4來了！

大神沒交棒，YOLOv5來了！

先申明，Amusi 沒有刻意針對"YOLOv5"這個項目團隊，也沒有否認該項目的意義和貢獻。而是針對YOLOv5這個名字，個人覺得很不ok，很不ok。

項目鏈接：https://github.com/ultralytics/yolov5

先簡單介紹一下"YOLOv5"的來歷。

"YOLOv5"的項目團隊是Ultralytics LLC 公司，很多人應該沒有聽過這家公司。但提到他們公司的一個項目，很多人應該就知道了，因為不少同學用過。那就是基于PyTorch復現的YOLOv3，按目前github上star數來看，應該是基于PyTorch復現YOLOv3中的排名第一。Amusi 之前還分享過此項目，詳見：YOLOv3最全復現代碼合集（含PyTorch/TensorFlow和Keras等）

https://github.com/ultralytics/yolov3

他們復現的YOLOv3版而且還有APP版本

YOLOv3 in PyTorch > ONNX > CoreML > iOS

其實這個公司團隊在YOLOv3上花的功夫蠻多的，不僅有APP版，還對YOLOv3進行了改進，官方介紹的性能效果可以說相當炸裂！另外項目維護的也很牛逼，star數已達4.7 k，commits 都快逼近2500次！

Ultralytics Professional Support

Ultralytics is a U.S.-based particle physics and AI startup with over 6 years of expertise supporting government, academic and business clients. We offer a wide range of vision AI services, spanning from simple expert advice up to delivery of fully customized, end-to-end production
solutions, including:

Cloud-based AI surveillance systems operating on hundreds of HD video streams in realtime.
Edge AI integrated into custom iOS and Android apps for
realtime 30 FPS video inference.
Custom data training, hyperparameter evolution, and model exportation to any destination.

For business inquiries and professional support requests
please visit us at https://www.ultralytics.com.

可見Ultralytics LLC 公司在YOLO社區上的貢獻還是有一定影響力的，這也是為什么他們剛推出"YOLOv5"，就得到不少人的關注。

據官方稱：“YOLOv5” 實際上還處于開發的階段，預計2020年第2季度/第3季度將全部開發完成。目前放出來的版本，是集成了YOLOv3-SPP和YOLOv4部分特性。

關于項目的更新說明，詳見此圖

那么"YOLOv5"的性能有多強呢，Ultralytics LLC給出的數據如下：

這里說一下，YOLOv5-x的性能已經達到：47.2 AP / 63 FPS，但項目說是在 image size = 736的情況下測得，所以從目前數據，是無法判斷"YOLOv5"和 YOLOv4的性能究竟哪個更好（有意思的是，官方也沒有給出）。下次Amusi 會實測一下這個版本的"YOLOv5" 和 YOLOv4性能，做一個比較。

Inference

Inference
can be run on most common media formats. Model checkpoints are downloaded automatically if available. Results are saved to ./inference/output.

$ python detect.py --source file.jpg # image file.mp4 # video ./dir # directory 0 # webcam rtsp://170.93.143.139/rtplive/470011e600ef003a004ee33696235daa # rtsp stream http://112.50.243.8/PLTV/88888888/224/3221225900/1.m3u8 # http stream

To run inference on examples in the ./inference/images folder:

$ python detect.py --source ./inference/images/ --weights yolov5s.pt --conf 0.4Namespace(agnostic_nms=False, augment=False, classes=None, conf_thres=0.4, device=’’, fourcc=‘mp4v’, half=False, img_size=640, iou_thres=0.5, output=‘inference/output’, save_txt=False, source=’./inference/images/’, view_img=False, weights=‘yolov5s.pt’)Using CUDA device0 _CudaDeviceProperties(name=‘Tesla P100-PCIE-16GB’, total_memory=16280MB)Downloading https://drive.google.com/uc?export=download&id=1R5T6rIyy3lLwgFXNms8whc-387H0tMQO as yolov5s.pt… Done (2.6s)image 1/2 inference/images/bus.jpg: 640x512 3 persons, 1 buss, Done. (0.009s)image 2/2 inference/images/zidane.jpg: 384x640 2 persons, 2 ties, Done. (0.009s)Results saved to /content/yolov5/inference/output

Ultralytics LLC目前已經給出"YOLOv5"的代碼、模型、訓練/測試腳本

python train.py --data coco.yaml --cfg yolov5s.yaml
–weights ‘’ --batch-size 16

但Ultralytics LLC并沒有給出"YOLOv5"的算法介紹（論文、博客其實都沒有看到），感興趣的同學只能通過代碼查看"YOLOv5"的特性。只能說現在版本的"YOLOv5"集成了YOLOv3-SPP和YOLOv4的部分特性等。

侃侃

雖然現在沒有給出算法介紹，但僅從給出的性能數據看起來"YOLOv5"還是不錯的。不過 Amusi 認為起名"YOLOv5"實屬不應該。

1. 起碼要和YOLO之父Joe Redmon通知一聲，經過他同意（官方項目沒有更新，Amusi猜測起碼沒有得到認可）

2. 任何人都有起名的權利，但YOLO系列太知名了，Ultralytics LLC本身也作為YOLO社區的貢獻者，應該很清楚這一點。項目很強，但YOLOv5 Amusi 不認可該項目命名為"YOLOv5"這個名字，但對開源的精神點贊，希望項目繼續更新，造福更多的YOLO玩家。

總結

以上是生活随笔為你收集整理的YOLOv4没交棒，但YOLOv5来了！的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。