#object_detection
YOLOv5 vs YOLOv8
Kichik bir tajriba o'tkazib ko'rdik. Unda YOLO (You Only Look Once) object detection modelining 5 va 8 versiyasi o'zaro taqqoslandi.
Hozircha tasvirdagi aniqlik sifatini solishtirib ko'rilishi mumkin. Keyinroq batafsil ilmiy tahlil bilan chuqurroq taqqoslaymiz.
Sizningcha qaysi biri yaxshiroq oldindan fikringizni bildiring! 👇👇👇
@machine_learning_lab
YOLOv5 vs YOLOv8
Kichik bir tajriba o'tkazib ko'rdik. Unda YOLO (You Only Look Once) object detection modelining 5 va 8 versiyasi o'zaro taqqoslandi.
Hozircha tasvirdagi aniqlik sifatini solishtirib ko'rilishi mumkin. Keyinroq batafsil ilmiy tahlil bilan chuqurroq taqqoslaymiz.
Sizningcha qaysi biri yaxshiroq oldindan fikringizni bildiring! 👇👇👇
@machine_learning_lab
👍9🔥2
#object_detection #yolov5 #yolov8
YOLOv5 vs YOLOv8
Yuqorida Tomato detection loyihasi uchun YOLOv5 modelini ishlatganimda kuzatuvchilarimizdan yaxshi va o'rinli savol tushdi.
Nimaga aynan YOLOv5? YOLOv8 emas? Chunki YOLOv8 oxirgi chiqqan versiyasiku!?
Javobimiz "YOLOv5 tezroq va yengilroq" bo'lgan edi. Ushbu javobimizga dalil o'laroq kichkina bir yana tajriba o'tkazib ko'rdik. Yani bir xil ma'lumotlar toplami, kiruvchi qiymatlar o'lchami bir xil, epochs va batch size bir xil va bitta komputerda tajriba o'tkazildi.
Natijani quyidagi rasmda taqqoslashingiz mumkin. Modelni train qilishda YOLOv5 bir necha barobarga tezroq. Aniqlik darajalari deyarli farq qilmaydi. Test qilishda ham YOLOv5 sezilarli darajada tezroq.
Aytgancha YOLO modelini ishlatilish qurilmalariga qarab bir necha turi mavjud. Bular:
YOLOv5s - (small) eng kichkina network arxitekturaga ega, o'qitish ancha osonroq va juda tez turi.
YOLOv5m - (medium) o'rtacha kattalikdagi network arxitekturaga ega, modelni o'qitish oson va yengil. Eng ko'p ishlatiladigan turi.
YOLOv5l - (large) katta network arxitekturaga ega, modelni o'qitish nisbatan qiyin va og'irroq. Aniqligi yuqoriroq, asosan kichik o'lchamdagi jismlarni aniqlashda bu turiga murojat qilinadi.
YOLOv5x - (extra large) juda katta network arxitekturaga ega, modelni o'qitish juda qiyin va og'ir. Aniqlik sezilarli darajada yuqori. Eng sekin ishlaydigan turi.
YOLOv5n - (narrow) juda kichik network arxitekturaga ega, u asosan telefonlar yoki gajetlar uchun moslashtirilgan model hisoblanadi.
Bu turlari YOLOv8 da ham mavjud.
@machine_learning_lab
YOLOv5 vs YOLOv8
Yuqorida Tomato detection loyihasi uchun YOLOv5 modelini ishlatganimda kuzatuvchilarimizdan yaxshi va o'rinli savol tushdi.
Nimaga aynan YOLOv5? YOLOv8 emas? Chunki YOLOv8 oxirgi chiqqan versiyasiku!?
Javobimiz "YOLOv5 tezroq va yengilroq" bo'lgan edi. Ushbu javobimizga dalil o'laroq kichkina bir yana tajriba o'tkazib ko'rdik. Yani bir xil ma'lumotlar toplami, kiruvchi qiymatlar o'lchami bir xil, epochs va batch size bir xil va bitta komputerda tajriba o'tkazildi.
Natijani quyidagi rasmda taqqoslashingiz mumkin. Modelni train qilishda YOLOv5 bir necha barobarga tezroq. Aniqlik darajalari deyarli farq qilmaydi. Test qilishda ham YOLOv5 sezilarli darajada tezroq.
Aytgancha YOLO modelini ishlatilish qurilmalariga qarab bir necha turi mavjud. Bular:
YOLOv5s - (small) eng kichkina network arxitekturaga ega, o'qitish ancha osonroq va juda tez turi.
YOLOv5m - (medium) o'rtacha kattalikdagi network arxitekturaga ega, modelni o'qitish oson va yengil. Eng ko'p ishlatiladigan turi.
YOLOv5l - (large) katta network arxitekturaga ega, modelni o'qitish nisbatan qiyin va og'irroq. Aniqligi yuqoriroq, asosan kichik o'lchamdagi jismlarni aniqlashda bu turiga murojat qilinadi.
YOLOv5x - (extra large) juda katta network arxitekturaga ega, modelni o'qitish juda qiyin va og'ir. Aniqlik sezilarli darajada yuqori. Eng sekin ishlaydigan turi.
YOLOv5n - (narrow) juda kichik network arxitekturaga ega, u asosan telefonlar yoki gajetlar uchun moslashtirilgan model hisoblanadi.
Bu turlari YOLOv8 da ham mavjud.
@machine_learning_lab
👍6🤯1