YOLOv5

ultralytics/yolov5Revisado por IA

Qué hace

YOLOv5 es un modelo de reconocimiento de imágenes y un conjunto de scripts de la empresa Ultralytics. Puede detectar y marcar objetos en fotos, videos, capturas de pantalla y transmisiones en vivo, clasificar imágenes por categorías, y entrenarse con tus propias fotos. Está pensado para desarrolladores, estudiantes e investigadores. Necesitas Python 3.8 o más reciente y PyTorch, y se usa escribiendo comandos. Entrenar tu propio modelo en la práctica requiere una tarjeta gráfica. El propio README recomienda que los proyectos nuevos usen el paquete más reciente "ultralytics".

Facilidad de instalación

C · instalar 1 o 2 herramientas · Windows

Windows C
macOS C
Linux C

Los tres sistemas son igual de difíciles y todos quedan en C, con Linux mejor documentado (el pyproject.toml menciona Linux, macOS y Windows, y el único archivo de versión publicado es para Linux): no hay instalador, así que instalas Python y PyTorch, clonas el código, ejecutas pip install -r requirements.txt y luego inicias detect.py o train.py desde una terminal. Entrenar con tus propias fotos también requiere una tarjeta gráfica en la práctica.

Números en GitHub

Estrellas: 58.247el 31 oct 2026
Descargas: 135.107.80854.733 en la semana
Crecimiento: +20estrellas en 5 días

Estrellas a lo largo del tiempo

Datos

Funciona en: Windows, macOS, Linux
Necesitas instalar: Python, Tarjeta gráfica
Para compilar desde el código: Python, Tarjeta gráfica
Espacio en disco: 1,4 GB–5,8 GB · estimación
Cuentas o claves: Ninguna
Costo: Gratis · Gratis bajo la licencia AGPL-3.0. Ultralytics vende una Licencia Empresarial para empresas que no pueden cumplir los términos de la AGPL.
Licencia: AGPL-3.0 (Copyleft)
Última actualización: 21 oct 2026

Señales de riesgo (5)

AtenciónVersiones publicadas desactualizadas
Última versión publicada el 2022-11-22 (hace 1437 días)
revisión automática
InfoDescarga código al ejecutarse
El inicio rápido del README carga el modelo con torch.hub.load("ultralytics/yolov5", "yolov5s"), que obtiene el código del repositorio desde GitHub al ejecutarse; el README también dice "Models are automatically downloaded from the latest YOLOv5 release".
revisión con IA
InfoReemplazado por un paquete más nuevo
README: "the actively maintained `ultralytics` package brings the latest Ultralytics YOLO models together in one place"; requirements.txt también depende de "ultralytics>=8.4.164".
revisión con IA
InfoOferta de licencia comercial
README: "To request an Enterprise License, please complete the form at Ultralytics Licensing" (el código en sí es AGPL-3.0, que te obliga a publicar tus propios cambios, incluso cuando el programa solo se usa a través de una red).
revisión con IA
InfoDescarga conjuntos de datos automáticamente
Sección de entrenamiento del README: "Both models and datasets are downloaded automatically from the latest YOLOv5 release", y los ejemplos de validación mencionan descargas como "Download ImageNet validation split (6.3GB, 50,000 images)". Los comandos pueden descargar gigabytes sin volver a preguntar.
revisión con IA

La evidencia aparece en su idioma original.

Lo que Radar no pudo verificar

Si la instalación y los scripts funcionan en Windows sin errores.
El uso real de espacio en disco después de instalar PyTorch (con o sin soporte de tarjeta gráfica) y descargar los archivos del modelo.
Qué tan rápida es la detección en una computadora normal sin tarjeta gráfica.
Qué otros archivos descargan los scripts de internet al ejecutarse, además de los pesos del modelo.
Si el código todavía coincide con la última versión publicada, que es de 2022, ya que los commits siguen llegando.