YOLOv5 通用目标检测框架

YOLOv5 是由 Ultralytics 开发的实时目标检测框架，本仓库基于 YOLOv5 v7.0 版本，支持在自定义数据集上训练目标检测模型。框架支持多种模型规格（n/s/m/l/x），提供从数据预处理到模型部署的完整流程。

痛点与目的

• 问题：目标检测任务需要高性能的检测框架，但从零搭建检测模型工程量大
• 方案：基于 YOLOv5 v7.0 框架，支持一键式训练、验证、推理和导出
• 效果：在 COCO 数据集上达到 SOTA 级别的检测精度和速度平衡

检测效果

核心功能

• 多规格模型：YOLOv5n/s/m/l/x 五种规格，速度与精度灵活选择
• 训练与评估：支持自定义数据集训练，输出 mAP、PR 曲线、混淆矩阵
• 多格式推理：支持图片、视频、摄像头实时检测
• 模型导出：支持导出为 ONNX、TensorRT、CoreML 等多种部署格式
• 数据增强：Mosaic、MixUp、HSV 变换等丰富的数据增强策略

使用方法

安装依赖

pip install -r requirements.txt

推理检测

python detect.py --weights yolov5s.pt --source data/images

训练模型

python train.py --data coco128.yaml --weights yolov5s.pt --epochs 100

验证评估

python val.py --data coco128.yaml --weights runs/train/exp/weights/best.pt

技术栈

组件	技术
框架	PyTorch
检测算法	YOLOv5 v7.0
数据增强	Mosaic, MixUp
损失函数	CIoU Loss
推理加速	ONNX, TensorRT

许可证

GPLv3 许可证