快速入门
导航
快速入门#
从安装了 PyTorch>=1.7 的 Python>=3.8 环境开始（本教程使用的是 Python3.9+，PyTorch 1.10+）。安装 YOLOv5 依赖项：
git clone https://github.com/ultralytics/yolov5
cd yolov5
pip install -qr requirements.txt
或者直接使用在线文档 requirements.txt 安装：
pip install -r https://raw.githubusercontent.com/ultralytics/yolov5/master/requirements.txt
打包环境#
为了快速和无忧无虑的安装，YOLOv5 已经打包了所有的依赖性，适用于以下环境
包括 CUDA/CUDNN、Python 和 PyTorch
谷歌 Colab 和 Kaggle 笔记本的免费 GPU：
谷歌云 深度学习虚拟机。查看 GCP 快速入门指南
Amazon 深度学习AMI。查看 AWS 快速入门指南
Docker 镜像。查看 Docker 快速入门指南
推理——检测对象#
从你的克隆库中提取#
要开始使用 最新的 YOLO 模型 进行目标检测，从你的版本库根目录中运行这个命令。结果被保存到 './runs/detect'。
$ python detect.py --source OPTION
用你的选择取代 OPTION，以检测从：
Webcam：
(OPTION = 0)用于从你连接的网络摄像头检测实时物体。Image：
(OPTION = filename.jpg)创建一个带有物体检测 overlay 的图像副本Video：
(OPTION = filename.mp4)创建一个带有物体检测 overlay 的视频副本Directory：
(OPTION = directory_name/)创建一个带有物体检测 overlay 的所有文件的副本Global File Type
(OPTION = directory_name/*.jpg)创建一个带有物体检测 overlay 的所有文件的副本RTSP stream：
(OPTION = rtsp://170.93.143.139/rtplive/470011e600ef003a004ee33696235daa)对于来自流的实时物体检测（live object detection）RTMP stream：
(OPTION = rtmp://192.168.1.105/live/test)用于从流中检测实时物体HTTP stream：
(OPTION = http://112.50.243.8/PLTV/88888888/224/3221225900/1.m3u8)对于流中的实时物体检测
目前支持的文件格式如下：
图片： bmp, jpg, jpeg, png, tif, tiff, dng, webp, mpo
视频 mov, avi, mp4, mpg, mpeg, m4v, wmv, mkv