yolo5 增加对小物体的识别，原输出三组变成四组,增加160*160

YOLO系列：从YOLO1到YOLO5的演进历程、技术特点和应用场景 在人工智能的各个子领域中，目标检测一直是研究的核心议题。其中，You Only Look Once (YOLO) 系列作为该领域的一大突破，经历了从YOLO1到YOLO5的发展历程，为行业带来了显著的变革。本文将深入探讨每个版本的演进历程、技术特点以及应用场景。 YOLO1：起点与突破 YOLO的起源可以追溯到2015年，

yolo 训练 我用的环境是yolo5.6.0 应该是 然后使用同环境下的export 注意 不要换环境。。。 python export.py --weights D:\project\Pythonproj\yolov5\yolo5\runs\train\exp5\weights\best.pt --img 640 --batch 1 --include onnx --opset 12

基于yolo5的行人检测界面（map高达94！！！开箱即用） 下载链接 下载链接 下载链接 yolo5的行人检测界面，在使用的时候需要根据错误提示修改一下pytorch的一个脚本。 通过模型剪枝等方式，对模型参数裁剪，最终的二进制形式为14M！可以在显卡不太好的电脑上也能流畅运行。 下载解压后即可使用，解压包中含有环境要求。 界面如图所示： 文件包含内容：

YOLOv5训练预测 一、数据集准备二、训练2.1 train.py2.2 训练代码运行2.3 训练参数说明(`train.py`) 三、检测3.1 测试代码运行3.2 检测参数说明(`detect.py`) 一、数据集准备 数据集的准备包括数据集适配YOLO格式的重新分配以及相应配置文件的书写，此处可查看博主的TT100K2yolo的重新分配博文，该文章包括数据集划分，配置文