yolov5

用 PyTorch 快速训练和部署目标检测模型，开箱即用。

开源 🏷️完全免费 🔧 仅开源项目，无在线服务，需自行部署计算机视觉 🍴 复刻 17439 🐛 待处理 24 👀 关注 378

访问官网 ↗ GitHub ↗

GitHub 星标 ★ 58255

维护状态活跃

是否开源开源

定价模式 🏷️完全免费开源项目，AGPL-3.0许可，可免费使用和部署，无付费版本。

项目预览

项目数据

分类计算机视觉

开发团队ultralytics

官网地址https://docs.ultralytics.com/yolov5

GitHubhttps://github.com/ultralytics/yolov5

定价模式🏷️完全免费

价格说明开源项目，AGPL-3.0许可，可免费使用和部署，无付费版本。

访问状态🔧 仅开源项目，无在线服务，需自行部署

是否开源是

开源协议AGPL-3.0

主要语言Python

技术栈/模型computer-vision,coreml,deep-learning,image-classification,inference,instance-segmentation,model-export,model-training,object-detection,onnx,pytorch,tensorrt,tflite,ultralytics,yolo,yolov5

GitHub 星标★ 58255

上线时间2020-05-18 00:00:00

代码更新2026-11-07

仓库体积17.6 MB

本站数据更新2026-11-09

维护状态活跃

收录时间2026-08-10

浏览次数6

项目介绍

YOLOv5 是 Ultralytics 团队开发的基于 PyTorch 的目标检测框架，是目前计算机视觉领域最流行的开源项目之一。它解决了实时目标检测、实例分割、图像分类等核心视觉任务，提供从数据准备、模型训练、推理到模型导出的一站式解决方案。YOLOv5 的核心能力包括：支持多种模型尺寸（n/s/m/l/x）以平衡速度与精度，提供简洁的 Python API 和命令行工具，内置丰富的数据增强和训练技巧，可导出为 ONNX、TensorRT、CoreML 等多种格式，便于部署到移动端或边缘设备。项目代码结构清晰，文档完善，社区活跃，适合学术研究、工业落地和教学实践。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

数据来源：GitHub API 逐日快照 · 收录于 2026-08-10 · 当前星标 ★ 58255

技术标签

computer-vision coreml deep-learning image-classification inference

使用教程

难度：入门约 10 分钟部署方式：本地安装 7 步

环境要求

已安装 Python 并配置好 pip，可执行 python / pip 命令
网络可访问 GitHub 与 PyPI，以便克隆仓库、下载依赖和模型权重
进行训练时建议使用 NVIDIA 显卡，README 以单卡 V100 作为训练参考

安装与启动步骤

1克隆项目仓库

把 YOLOv5 源码下载到本地，后续命令都在仓库根目录下执行。
```
git clone https://github.com/ultralytics/yolov5
cd yolov5
```
2安装项目依赖

在仓库根目录安装 requirements.txt 中列出的依赖（含 PyTorch），建议先建虚拟环境。
```
pip install -r requirements.txt
```
3单张图片推理

用默认的 yolov5s.pt 权重做检测，模型会自动从最新 release 下载，可先换成自己的图片路径。
```
python detect.py --weights yolov5s.pt --source data/images/bus.jpg
```
4摄像头与视频推理

--source 传 0 表示调用本机摄像头，也可直接传本地视频文件名。
```
python detect.py --weights yolov5s.pt --source 0
python detect.py --weights yolov5s.pt --source vid.mp4
```

5批量与网络流推理

--source 支持目录、glob、txt 列表、YouTube 链接以及 RTSP/RTMP/HTTP 流地址。

python detect.py --weights yolov5s.pt --source path/to/images/
python detect.py --weights yolov5s.pt --source 'path/to/*.jpg'
python detect.py --weights yolov5s.pt --source 'rtsp://example.com/media.mp4'

6分割与分类推理

仓库同时提供实例分割与图像分类脚本，需使用对应的 -seg / -cls 权重。

python segment/predict.py --weights yolov5m-seg.pt --source data/images/bus.jpg
python classify/predict.py --weights yolov5s-cls.pt --source data/images/bus.jpg

7安装ultralytics包

README 也提供新版 Ultralytics YOLO 包，如只想调用接口可单独安装，二选一即可。
```
pip install ultralytics
```

关键配置

配置项	必填	说明	示例
`--weights`	是	指定模型权重文件，不存在时自动下载	`yolov5s.pt`
`--source`	是	输入来源：图片、视频、目录、URL 或摄像头编号	`data/images/bus.jpg`
`--batch-size`	否	训练批大小，填 -1 启用自动批处理	`-1`