ultralytics/yolov5

PyTorch ベースの高速・高精度な物体検出モデル YOLOv5 です。

インストール型ツール条件つき · AGPL-3.0モバイルPython難易度
57,630+62今週0
17,482フォーク36Issue
デモ・公式サイトをひらくdocs.ultralytics.com

中辛 の解説

YOLOv5 は PyTorch ベースの物体検出フレームワークで、yolov5n・yolov5s・yolov5m・yolov5l・yolov5x の5段階のモデルサイズを提供します。推論はウェブカメラ・ローカル画像・動画・RTSP ストリーム・YouTube など複数の入力に対応し、detect.py スクリプトで即座に実行可能です。学習は COCO データセットで検証済みで、マルチ GPU 対応、AutoBatch 機能、ONNX・TensorRT・CoreML・TFLite への変換に対応し、NVIDIA Jetson など組み込みデバイスへのデプロイも実現します。難易度は中程度で、チュートリアルが充実しており入門者でも利用可能です。

이런 레포예요

이럴 때 쓰면 좋아요

  • ウェブカメラやセキュリティカメラからのリアルタイム物体検出
  • 自動運転システムにおける歩行者・車両・信号の認識
  • 製造現場での不良品検出や品質管理

핵심 기능

複数モデルサイズ(yolov5n〜yolov5x)による速度・精度のトレードオフ選択ONNX・TensorRT・CoreML・TFLite への直接変換による多環境デプロイPyTorch Hub 統合による簡便な推論インターフェース

대안 대비 차별점

単一段階検出器の高速性と、NVIDIA Jetson や組み込みデバイスへの最適化が標準装備されており、実運用環境への展開がほかの YOLO 実装より容易です。

食べた人たち

実際に使ってみた人の記録です — 一言も完走の記録も、確認のうえで公開しています。

試食評 · 使った人のひとこと

まだ試食評がありません。使ってみたら、最初のひとことをどうぞ。

ほかのリポジトリの試食評を見る →

이 레포로 만든 것들

🖋 완주 인증하기

아직 이 레포로 만든 완주 인증이 없어요. 첫 밥도장을 찍어보세요!

このリポジトリの作り方

はじめてですか? むずかしくありません — 上から順にたどれば、自分の環境で動かして味見できます。

준비물

  • Python 3.8 以上
  • PyTorch 1.8 以上

すぐ動かしてみるPython (uv)

ギット飯がリポジトリの構成を確認して組み立てた実行コマンドです。ターミナルに貼り付ければ、取得から実行までまとめて進みます。

git clone --depth 1 https://github.com/ultralytics/yolov5.git &&
cd yolov5 &&
uv sync

uv가 없다면: brew install uv · 실행 명령은 README를 확인하세요.

コードは自分の環境で動きます — はじめて見るリポジトリなら、中身にひととおり目を通してから実行するのがおすすめです。

README가 안내하는 자세한 단계 보기
  1. リポジトリをクローンして依存パッケージをインストールします。Python 3.8 以上と PyTorch 1.8 以上が必要です。
git clone https://github.com/ultralytics/yolov5
cd yolov5
pip install -r requirements.txt
  1. PyTorch Hub を使用した推論例です。yolov5n から yolov5x まで選択可能です。
import torch

model = torch.hub.load("ultralytics/yolov5", "yolov5s")
img = "https://ultralytics.com/images/zidane.jpg"
results = model(img)
results.print()
  1. detect.py スクリプトを使用してウェブカメラからの推論を実行します。
python detect.py --weights yolov5s.pt --source 0
  1. ローカル画像ファイルに対して推論を実行します。
python detect.py --weights yolov5s.pt --source img.jpg
  1. 動画ファイルに対して推論を実行します。
python detect.py --weights yolov5s.pt --source vid.mp4
  1. COCO データセットで学習を実行します。yolov5n の例で、300 エポック学習させます。
python train.py --data coco.yaml --epochs 300 --weights '' --cfg yolov5n.yaml --batch-size 128

ギット飯トライで味見

入れるのが面倒で少し不安だったなら — 安全スキャンからインストールまで、ターミナル一行で終わります。

ターミナルに貼り付ければ、ギット飯の安全スキャン → 隔離フォルダへ clone → インストール → 実行方法の案内まで自動です。はじめてでも大丈夫 — この一行だけです。

npx gitbap-try ultralytics/yolov5

Node.js さえあれば、インストールなしで動きます · ギット飯トライとは? →

スター推移 · 7日

57,630+62 / 7일

使いやすさ · まねしやすいか

まねしやすいサンプル評点 44/100
  • ゆるいライセンス
  • テストあり
  • サンプル集
  • 最近の更新
  • AGENTS.md
  • llms.txt
  • テンプレート

最近の更新あり · 2020 年に作成

「모바일」 こういうリポジトリを毎週受け取りませんか?

毎週月曜の朝、選んだ一膳だけ。広告なし · いつでも解除。

自分のリポジトリですか? README にギット飯バッジを貼る
[![깃밥](https://www.gitbap.com/badge/ultralytics/yolov5.svg)](https://www.gitbap.com/r/ultralytics/yolov5)
Claude からそのまま使う — ギット飯のつなぎ方

ギット飯を Claude につなぐと、こうしたリポジトリを Claude・Cursor・Codex から直接さがして試せます。

方法 ① コネクタ URL

Claude の設定 → コネクタにこのアドレスを貼り付け。

https://www.gitbap.com/api/mcp
方法 ② プラグイン(試用まで)

プラグインを入れると /gitbap-trending·/gitbap-try のスラッシュコマンドで、その場でリポジトリを試せます。Claude Code で下の 2 行を順に実行してください。

/plugin marketplace add jakeparkcolde/gitbap-cowork
/plugin install gitbap-cowork@gitbap
つなぎ方をくわしく →

AI が README をもとに要約しました · 原文を見る