深度学习_目标检测_“YOLOv5”详解（持续更新）

YOLOv5可以方便的进行工程化部署：

$YOLOv5（PyTorch） -> ONNX -> CoreML -> ios$YOLOv5（PyTorch）−>ONNX−>CoreML−>ios

YOLOv5家族：

1. YOLOv5x（最大的模型）
2. YOLOv5l
3. YOLOv5m
4. YOLOv5s（最小的模型）

YOLOv5的优势：

1. 使用PyTorch进行编写。
2. 可以轻松编译成ONNX和CoreML。
3. 速度极快，每秒140FPS。
4. 精度超高，可以达到0.895mAP。
5. 体积很小：27M。
6. 集成了YOLOv3-spp和YOLOv4部分特性。