yolov5
YOLOv5 是一种流行的目标检测算法，属于 YOLO（You Only Look Once）系列的第五代版本。
YOLO 算法以其快速和高效而闻名，在实时目标检测任务中表现出色。
关键特点:
快速检测：YOLOv5 能够实现快速的目标检测，适合需要实时处理的应用场景
单阶段检测器：与两阶段检测器（如 Faster R-CNN）不同，YOLO 算法采用单阶段检测方法，直接在图像上预测边界框和类别概率
锚框：YOLOv5 使用锚框（anchor boxes）来预测目标的边界框，锚框是在训练过程中学习得到的，用于提高检测的准确性
损失函数: YOLOv5 对损失函数进行了优化，包括对象存在性、边界框坐标和类别概率的损失。
自适应锚框：YOLOv5 引入了自适应锚框的机制，可以根据不同的数据集自动调整锚框的大小和比例。
数据增强：YOLOv5 在训练过程中使用了多种数据增强技术，增强模型的泛化能力。
多尺度预测：YOLOv5 支持多尺度预测，可以检测不同大小的目标。
易于部署：YOLOv5 模型通常比较轻量化，易于在各种平台上部署，包括服务器、移动设备和嵌入式设备。
安装
github: https://github.com/ultralytics/yolov5
首先本地需要安装 python 环境，最好 python 版本不要超过 3.10
下载
git clone https://github.com/ultralytics/yolov5
配置环境
在 pycharm 中打开项目
