网络网络 | 输入尺寸 | 图片数/GPU | 学习率策略 | 模型推理耗时(ms) | mAPval 0.5:0.95 |
mAPval 0.5 |
Params(M) | FLOPs(G) | 下载链接 | 配置文件 |
---|---|---|---|---|---|---|---|---|---|---|
YOLOv5u-n | 640 | 16 | 300e | 1.61 | 34.5 | 49.7 | 2.65 | 7.79 | 下载链接 | 配置文件 |
YOLOv5u-s | 640 | 16 | 300e | 2.66 | 43.0 | 59.7 | 9.15 | 24.12 | 下载链接 | 配置文件 |
YOLOv5u-m | 640 | 16 | 300e | 5.50 | 49.0 | 65.7 | 25.11 | 64.42 | 下载链接 | 配置文件 |
YOLOv5u-l | 640 | 16 | 300e | 8.73 | 52.2 | 69.0 | 53.23 | 135.34 | 下载链接 | 配置文件 |
YOLOv5u-x | 640 | 16 | 300e | 15.49 | 53.1 | 69.9 | 97.28 | 246.89 | 下载链接 | 配置文件 |
网络网络 | 输入尺寸 | 图片数/GPU | 学习率策略 | 模型推理耗时(ms) | mAPval 0.5:0.95 |
mAPval 0.5 |
Params(M) | FLOPs(G) | 下载链接 | 配置文件 |
---|---|---|---|---|---|---|---|---|---|---|
YOLOv5u_p6-n | 1280 | 16 | 300e | - | 42.2 | 58.6 | 4.33 | 15.79 | 下载链接 | 配置文件 |
YOLOv5u_p6-s | 1280 | 16 | 300e | - | 48.6 | 65.8 | 15.31 | 49.02 | 下载链接 | 配置文件 |
YOLOv5u_p6-m | 1280 | 16 | 300e | - | 53.3 | 70.3 | 41.22 | 131.06 | 下载链接 | 配置文件 |
YOLOv5u_p6-l | 1280 | 8 | 300e | - | 55.4 | 72.2 | 86.10 | 275.38 | 下载链接 | 配置文件 |
YOLOv5u_p6-x | 1280 | 8 | 300e | - | 56.4 | 73.1 | 155.54 | 502.38 | 下载链接 | 配置文件 |
注意:
- YOLOv5u 模型表示YOLOv5使用YOLOv8的head和loss,是Anchor Free的检测方案;
- YOLOv5u 模型训练使用COCO train2017作为训练集,Box AP为在COCO val2017上的
mAP(IoU=0.5:0.95)
结果; - 使用教程可参照YOLOv5;