ultralytics/yolov5

YOLOv5 Docker镜像文档

镜像概述

YOLOv5是Ultralytics开源的先进视觉AI模型，代表了其在未来视觉AI方法上的研究成果。该模型以高效、准确、易用为特点，广泛应用于目标检测、图像分割和图像分类任务。YOLOv5 Docker镜像封装了完整的运行环境，无需手动配置依赖，可快速部署至各类平台，适用于开发、测试及生产环境。

核心功能与特性

• 多任务支持：集成目标检测、图像分割、图像分类能力，满足多样化视觉需求
• 模型多样性：提供多种尺寸模型（n/s/m/l/x），平衡速度与精度，适配不同硬件条件
• 跨平台部署：支持导出为ONNX、CoreML、TFLite、TensorRT等多种格式，适配边缘设备至云端
• 高效推理：优化的网络结构与推理流程，支持GPU加速，实现实时处理
• 易用性：简洁的API与命令行接口，支持多种输入源（图像、视频、摄像头、网络流等）
• 开源生态：丰富的教程、预训练模型及社区支持，便于二次开发与集成

适用场景

• 实时监控：智能安防、人流统计、异常行为检测
• 自动驾驶：交通目标识别、车道线检测、障碍物规避
• 工业质检：产品缺陷检测、零件定位、装配验证
• 图像分析：医学影像识别、遥感图像解析、文档扫描处理
• 机器人视觉：物体抓取、环境感知、导航避障

使用方法

1. 获取镜像

从Docker Hub拉取官方镜像：

bash
docker pull docker.xuanyuan.run/ultralytics/yolov5

2. 基本推理示例

2.1 图像推理

挂载本地图像目录，对单张图像进行目标检测：

bash
docker run -v $(pwd)/data:/app/data docker.xuanyuan.run/ultralytics/yolov5 \
  python detect.py --weights yolov5s.pt --source /app/data/input.jpg --save-dir /app/data/output

• -v $(pwd)/data:/app/data：将本地data目录挂载至容器内/app/data，用于输入输出
• --weights yolov5s.pt：使用小型模型（可替换为n/m/l/x，分别对应更小/更大模型）
• --source：指定输入源（本地路径需使用容器内路径，如/app/data/input.jpg）
• --save-dir：指定结果保存目录（容器内路径，对应本地data/output）

2.2 视频推理

处理本地视频文件：

bash
docker run -v $(pwd)/data:/app/data docker.xuanyuan.run/ultralytics/yolov5 \
  python detect.py --weights yolov5m.pt --source /app/data/video.mp4 --save-dir /app/data/video_output

2.3 摄像头实时推理（需要主机摄像头权限）

bash
docker run --device /dev/video0 -v $(pwd)/output:/app/runs/detect docker.xuanyuan.run/ultralytics/yolov5 \
  python detect.py --weights yolov5s.pt --source 0

• --device /dev/video0：映射主机摄像头设备至容器

3. 模型训练示例

挂载数据集与输出目录，使用自定义数据训练模型：

bash
docker run -v $(pwd)/dataset:/app/dataset -v $(pwd)/runs:/app/runs docker.xuanyuan.run/ultralytics/yolov5 \
  python train.py --data /app/dataset/data.yaml --epochs 100 --weights yolov5s.pt --batch-size 16 --img 640

• --data：指定数据集配置文件（需包含训练集/验证集路径、类别数等信息）
• --epochs：训练轮次
• --batch-size：批次大小（根据GPU内存调整）
• --img：输入图像尺寸

4. 模型导出

将训练好的模型导出为ONNX格式：

bash
docker run -v $(pwd)/runs:/app/runs docker.xuanyuan.run/ultralytics/yolov5 \
  python export.py --weights /app/runs/train/exp/weights/best.pt --include onnx --img 640

• --include：指定导出格式（onnx, coreml, tflite, engine等）

常用配置参数

许可证信息

• 开源许可证：采用AGPL-3.0开源许可证，适用于学术研究与非商业用途，详见https://github.com/ultralytics/yolov5/blob/master/LICENSE
• 商业许可：如需将YOLOv5集成至商业产品或服务，需联系Ultralytics获取企业许可证，详情参见Ultralytics Licensing

支持与社区

• 文档：完整使用指南参见YOLOv5 Docs
• 问题反馈：GitHub Issues (https://github.com/ultralytics/yolov5/issues)
• 社区交流：***、https://github.com/ultralytics/yolov5/discussions
• 更新动态：关注Ultralytics ***或https://github.com/ultralytics/yolov5/releases获取最新模型与功能