前言#

我这里就不对YOLO做太多介绍了，主要是讲一下YOLOv5和之前几代的区别。

YOLOv1~v3 是由原作者 Joseph Redmon¹ 提出的，v4 则是由 Alexey Bochoknovskiy 在完善之前的模型后提出的，在论文出来后得到了原作者的肯定²。

YOLOv5相比前几代的不同，这个版本是由 Ultralytics³ 公司发布的，或许是涉及到公司利益，所以v5并没有论文，但也使得模型发布初期受到了很多非议。

如果想知道性能高低，这里推荐看看这篇文章: Responding to the Controversy about YOLOv5

目前而言，在同等的精度下，v5 相比 v4 的权重文件更小，并且 v5 所采用的 pytorch 框架比 darknet 更容易上手。

我的配置：Ubuntu 20.04 + Python 3.8

准备#

直接从 github 上获取源码。

Github: https://github.com/ultralytics/yoloV5

或者直接 clone 下来：

1
git clone https://github.com/ultralytics/yolov5

关于官方的模型我推荐 YOLOv5s，下载完成后把模型放在根目录里就行。

下载完成后，进入根目录并配置环境：

1
cd yolov5-master
2
pip install -r requirements.txt

等待安装完成。

摄像头检测#

检测前先确定 yolov5s.pt 模型文件在根目录里。

如果是带摄像头的笔记本，可以尝试从摄像头获取视频流进行实时识别：

1
python detect.py --source 0

• source 0 : webcam，默认摄像头。

吐槽：果然还是我卤蛋头的识别率更高么！！！

图像检测#

图像检测可以使用官方给的测试图片：

1
python detect.py --source ./data/images/bus.jpg

报错#