yolov5

O Ultralytics YOLOv5 é um framework de visão computacional de código aberto amplamente utilizado, construído sobre o PyTorch. Ele fornece modelos pré-treinados e treináveis para tarefas de detecção de objetos, segmentação de instâncias e classificação de imagens. As principais capacidades incluem: - Inferência via PyTorch Hub ou script detect.py, suportando imagens, vídeos, webcams, streams RTSP e capturas de tela - Treinamento em conjuntos de dados personalizados com suporte a configurações de GPU única e múltipla - Exportação de modelos para ONNX, TensorRT, CoreML, TFLite e outros formatos de implantação - Checkpoints pré-treinados disponíveis nos tamanhos nano (n), pequeno (s), médio (m), grande (l) e extragrande (x) - Tutoriais adicionais cobrindo aprendizado por transferência, augmentação em tempo de teste, poda de modelos, evolução de hiperparâmetros e implantação de hardware (incluindo NVIDIA Jetson) - Integrações com plataformas de rastreamento de experimentos, como ClearML, Weights & Biases e Comet O projeto requer Python 3.8+ e PyTorch 1.8+. Modelos e conjuntos de dados são baixados automaticamente de releases. O treinamento no conjunto de dados COCO é demonstrado com comandos de exemplo, e as tabelas de benchmark relatam pontuações de mAP e velocidade de inferência em todas as variantes de modelos.