本文目录一览：
yolov5如何训练?
1、难的是需要搞清楚v5的原理以及如何将最新的一些算法加入到v5，针对性地提高自己训练集的效果。如果你够厉害的话也可以针对v5的一个板块提出自己新的算法，比如改进CIOU之类的。文献综述好好写，论文格式好好弄。
2、[ 解决方案 ] 这是因为训练完毕后，执行Validation导致的显存翻倍。在训练时，加入参数 --noval即可。
3、官方声称在单卡V100显卡上训练YOLO模型需要大概2天的时间。如果是基于预训练模型训练然后用时不到4天半，55个小时。不过从零训练就不能基于预训练模型了，如果weights不传参，训练就很慢了，大概测算需要多半个月的时间。
4、使用CBAM可以提取注意区域，以帮助TPH-YOLOv5抵制令人困惑的信息，并关注有用的目标对象。
yolov5是图像处理技术吗?
1、目标检测是与计算机视觉和图像处理相关的计算机技术，用于在一张图片中识别出些物体的种类，同时要求标出物体的位置。目标检测已被广泛应用于人脸检测、自动驾驶和视频监控等图像领域。
2、Yolov5图像识别技术简介YOLOv5是一种单阶段目标检测算法，该算法在YOLOv4的基础上添加了一些新的改进思路，使其速度与精度都得到了极大的性能提升。
3、yolov5是一种现代的物体检测算法，用torch编写，除此之外，它还具有速度快、精度高、易于安装和使用的特点。就准确率而言，yolor 与 yolov5 相比最好，因为 yolor 的平均平均准确率从 (54%) 开始，到 68% 结束。
4、一般来说，分类技术在自动驾驶 汽车 中没有多大帮助，因为它只预测图像中的一个对象，并且不给出该图像的位置。 而目标检测在自动驾驶 汽车 中非常重要，可以检测场景中的对象及其位置。
YOLOv5训练:epoch从0变1时,GPU显存消耗突然翻倍
[ 问题描述 ]训练YOLOv5模型，Epoch从0变1时，GPU显存消耗突然翻倍，例如：从54G 突然增长到08G [ 解决方案 ] 这是因为训练完毕后，执行Validation导致的显存翻倍。在训练时，加入参数 --noval即可。
在YOLOv5中，R-Curve是指Recall-Confidence曲线，它是用来评估目标检测算法性能的一种常见方法。在R-Curve中，横轴表示置信度阈值，纵轴表示召回率（Recall），每个点表示在不同置信度阈值下的召回率。
yolov5为什么不被官方认可
1、主要是因为yolo本身的思想已经很成熟了，在这个框架下的确很难做出些通用性的创新和提升。至于把各种成熟的模块塞进去发论文，这种仁者见仁智者见智吧。个人感觉还是结合某个方向改进yolo，会有方向一些。
2、YOLOV5可以说是图像处理技术，但更准确来说是一种单阶段目标检测算法，机器视觉任务，常见的有分类、检测、分割。而YOLO正是检测中的佼佼者，在工业界，YOLO兼顾精度和速度，往往是大家的首选。
3、不会。yolov5对于游戏和系统的代码没有进行任何的修改，而是通过外接的视频采集卡+AI+一个输入控制器来实现。不会电脑软件检测出来。yolov5是一款配置wandb，一个动态展示训练状态的web portal，用以观察loss和设备情况。
