YOLOv4没交棒，但YOLOv5来了！

YOLOv4没交棒，但YOLOv5来了！

前言

4月24日，YOLOv4来了！

5月30日，"YOLOv5"来了！

这里的 "YOLOv5" 是带有引号的，因为 Amusi 认为网上刚出来的这个版本并称不上YOLOv5。这也是为什么标题为：大神没交棒，但YOLOv5来了！

YOLO原项目darknet（官方）截止2020年5月31日，并没有更新添加这个"YOLOv5"的链接。最新的一次update还是上个月YOLOv4重磅出炉的那次，官方正式添加了YOLOv4项目链接。

关于YOLOv4，Amusi 认为那是真正的YOLOv4，也是YOLO系列的真正接班人。关于YOLOv4详细内容，可见：大神接棒，YOLOv4来了！

大神没交棒，YOLOv5来了！

先申明，Amusi 没有刻意针对"YOLOv5"这个项目团队，也没有否认该项目的意义和贡献。而是针对YOLOv5这个名字，个人觉得很不ok，很不ok。

项目链接：https://github.com/ultralytics/yolov5

先简单介绍一下"YOLOv5"的来历。

"YOLOv5"的项目团队是Ultralytics LLC 公司，很多人应该没有听过这家公司。但提到他们公司的一个项目，很多人应该就知道了，因为不少同学用过。那就是基于PyTorch复现的YOLOv3，按目前github上star数来看，应该是基于PyTorch复现YOLOv3中的排名第一。Amusi 之前还分享过此项目，详见：YOLOv3最全复现代码合集（含PyTorch/TensorFlow和Keras等）

https://github.com/ultralytics/yolov3

他们复现的YOLOv3版而且还有APP版本

YOLOv3 in PyTorch > ONNX > CoreML > iOS

其实这个公司团队在YOLOv3上花的功夫蛮多的，不仅有APP版，还对YOLOv3进行了改进，官方介绍的性能效果可以说相当炸裂！另外项目维护的也很牛逼，star数已达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.

可见Ultralytics LLC 公司在YOLO社区上的贡献还是有一定影响力的，这也是为什么他们刚推出"YOLOv5"，就得到不少人的关注。

据官方称："YOLOv5" 实际上还处于开发的阶段，预计2020年第2季度/第3季度将全部开发完成。目前放出来的版本，是集成了YOLOv3-SPP和YOLOv4部分特性。

关于项目的更新说明，详见此图

那么"YOLOv5"的性能有多强呢，Ultralytics
LLC给出的数据如下：

这里说一下，YOLOv5-x的性能已经达到：47.2 AP / 63 FPS，但项目说是在 image size = 736的情况下测得，所以从目前数据，是无法判断"YOLOv5"和 YOLOv4的性能究竟哪个更好（有意思的是，官方也没有给出）。下次Amusi 会实测一下这个版本的"YOLOv5" 和 YOLOv4性能，做一个比较。

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 0.4

Namespace(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目前已经给出"YOLOv5"的代码、模型、训练/测试脚本

python train.py --data coco.yaml --cfg yolov5s.yaml --weights '' --batch-size 16

但Ultralytics LLC并没有给出"YOLOv5"的算法介绍（论文、博客其实都没有看到），感兴趣的同学只能通过代码查看"YOLOv5"的特性。只能说现在版本的"YOLOv5"集成了YOLOv3-SPP和YOLOv4的部分特性等。

侃侃

虽然现在没有给出算法介绍，但仅从给出的性能数据看起来"YOLOv5"还是不错的。不过 Amusi 认为起名"YOLOv5"实属不应该。

1. 起码要和YOLO之父Joe Redmon通知一声，经过他同意（官方项目没有更新，Amusi猜测起码没有得到认可）

2. 任何人都有起名的权利，但YOLO系列太知名了，Ultralytics LLC本身也作为YOLO社区的贡献者，应该很清楚这一点。项目很强，但YOLOv5

Amusi 不认可该项目命名为"YOLOv5"这个名字，但对开源的精神点赞，希望项目继续更新，造福更多的YOLO玩家。