点击上方“码农的后花园”，选择“星标” 公众号
精选文章，第一时间送达
YOLO の父であるジョセフ・レドモン氏が2020 年 2 月にコンピューター ビジョン研究からの撤退を発表したとき、多くの人はターゲット検出の成果物である YOLO シリーズは終わりを迎えるだろうと考えました。
予期せぬことに、2020 年 4 月に、 YOLO プロジェクトのメンテナンスに参加していたAlexey Bochkovskiy氏が、 「オブジェクト検出の最適な速度と精度」という論文とコードを Github でオープンソースにしました。YOLOv4が正式リリースされました！
私たちが予想していなかった事は、それです！！！2020年6月、あと2ヶ月ですね！Ultralytics LLCの創設者兼 CEO である Glenn Jocherは、YOLOv5 のオープンソース実装を GitHub でリリースし、YOLOv5 の登場を記念しました。！
Ultralytics LLC は、 2014 年にワシントンに本社を置く、人工知能、マシン ビジョン、素粒子物理学のアプリケーションを専門とする新興企業で、現在従業員数はわずか 5 ～ 10 人です。
しかし、YOLOv5 の命名リリースは大きな論争を引き起こしました。YOLOv5 が Github でオープンソースとしてリリースされた後、誰かが YOLOv5 という名前を付けるべきではないと Issues で直接叱責しました。
YOLO の父である Jeseph Redmon の Github 公式 Web サイトでは、YOLOv4 と Scaled_YOLOv4 のスケール版のみが認識されており、その中に YOLOv5 は含まれていないため、YOLOv5 は正式には認められていません。
また、YOLOv4 の創設者である Alexey 氏も、YOLOv5 のモデルは YOLOv4 よりも小さくて高速であるため、問題点で YOLOv5 に反論しました。モデル サイズの点で、YOLOv5 は以下を比較します。 Ultralytics バージョンの小規模な YOLOv5 (27 MB) は、Microsoft COCO で 26 ～ 36% の AP という非常に低い精度を示します。 vs. 大規模な YOLOv4 は、Microsoft COCO で 41 ～ 43% の AP という非常に高い精度を持ちます (245MB) 。
速度の点で、YOLOv5 は、非常に小さく精度がはるかに低い Ultralytics-YOLOv5 の速度と、非常に正確で大きい YOLOv4 の速度を比較します。それだけでなく、YOLOv5 は、使用するバージョン、設定するバッチの数、使用するトレーニングとテストのスキームの種類などを提供しません。
YOLOv5 の命名に関してこれほど大きな論争が巻き起こった理由は、 Ultralytics が YOLOv5 コードをオープンソース化する際に査読済みの YOLOv5 論文を公開しなかったためです。YOLOv4 がオープンソースだったとき、論文は公開されて査読され、テクノロジーはアップグレードされ、効果は良好で、コンピューター ビジョン コミュニティに受け入れられ、認められました。
つまり、YOLOv4 のクリエイティブチームが v4 の隅々までわかりやすく解説しており、動画や記事もあり、YOLO の原作者である父親も認めています。YOLOv5 の Ultralytics 社チームは、たとえそれがオープンソース プロジェクトであっても、自社にとって利益となるものであっても、オリジナルの作品については一切言及していません。
これらの論争に一定期間直面した後、ultralytics 社のチームも、 Roboflow ブログ (https://blog.roboflow.com/yolov5-is-here/)で前向きな対応と改善を行いました。
また、ここでの論争に対応したブログでは、環境構成、データ構築、トレーニング、推論、評価、モデルサイズの観点からYOLOv5とYOLOv4が体系的に比較されており、詳細はコミュニティで閲覧できる。
Roboflow ブログから、YOLOv5 はモデルの作成に Darknet の代わりに PyTorch を使用する YOLO ファミリの最初のローカル バージョンであることがわかります。Darknet バージョンの YOLO 構成はより複雑で、運用環境には適していません。
Pytorch ベースの YOLOv5 は、確立された PyTorch エコシステムの恩恵を受け、よりシンプルなサポート、より簡単な展開、より少ないモデル パラメーターを備え、ユーザーがモバイル端末や組み込みデバイスに展開するのに便利な ONNX および CoreML への変換をサポートしています。 YOLOv5 の論文は、企業の利益により出版されない場合があります。
YOLOv5 の Github 公式 Web サイトと、YOLOv5 によってリリースされた 4 つのバージョンを見てみましょう。
COCO データセットの比較では、YOLOv5s の推論速度は 140FPS に達する場合がありますが、他のバージョンの推論速度は、2018 年に Google が開始した EfficientDet よりも速く、精度が低くなります。
バックグラウンドでキーワード「projectactualcombat」に応答すると、YOLOv5 のソースコードを入手でき、対応するトレーニングとテストのチュートリアルを後で提供できます。
YOLOv5 Github アドレス: https://github.com/ultralytics/yolov5
ブログアドレス：https://blog.roboflow.com/yolov5-is-here/
過去の素晴らしいシェア:
Yolov1 + Yolov2 + Yolov3 の開発履歴、論文、コードの最も完全なリソース共有コレクション! ！！
YOLOV4 および Scaled YOLOv4 の開発履歴、論文、各バージョンのコード リソース共有をまとめたものです。！！
さて、YOLOv5 の今回の共有は終わりました。悪くないと思ったら、いいね、視聴、ブックマークしてください〜
さらにプレミアムコンテンツ? あなたが見てくれるのを待っています