Comments 10
Вы уже запускали эту модель продакшене? Есть ли разница в качестве сравнивая со старыми вариантами YOLO?
Позвольте полюбопытствовать, почему yolov5? Под "v5" нет никакого смысла, кроме маркетинга. Почему не "v4", который настоящий?
В тексте я указал, что отличие v5 только в реализации на pytorch. В названии использую v5 по названию авторского репозитория.
Несколько полезных ссылок:
Pytorch-YOLOv4 (Python):
Darknet (C/C++) cfg/weights - https://github.com/AlexeyAB/darknet#pre-trained-models
Pytorch-YOLOR (Python): https://github.com/WongKinYiu/yolor
nVidia Transfer Learning Toolkit (training and detection) for YOLOv4: https://docs.nvidia.com/metropolis/TLT/tlt-user-guide/text/object_detection/yolo_v4.html
OpenCV-dnn for yolov4.cfg/weights and yolov4-tiny.cfg/weights (Python): https://colab.research.google.com/gist/AlexeyAB/90d2203cda30e85030374cb91192ef81/opencv-python-cuda.ipynb
Сравнение на Microsoft COCO dataset:
Сравнение на Waymo open dataset 2D (беспилотные авто): https://waymo.com/open/challenges/2021/real-time-2d-prediction/#
А при чем тут Colab?
В смысле, зачем делать на нем акцент в КДПВ и введении, если далее по тексту нет ни ссылок, ни туториалов конкретно касательно колаба, ни вообще чего бы то ни было релевантного?
Честно говоря, человеку, который "не разбирается в зоопарке cv" -- ничего не понятно. Понятия bounding box, One-Stage detector и пр. даются как общеизвестные без каких-то пояснений и ссылок.
Детекция объектов с помощью YOLOv5