YOLOv5

ultralytics/yolov5Revisado por IA

O que faz

O YOLOv5 é um modelo de reconhecimento de imagens e um conjunto de scripts da empresa Ultralytics. Ele consegue detectar e marcar objetos em fotos, vídeos, capturas de tela e transmissões em tempo real, classificar imagens em categorias e ser treinado com suas próprias fotos. É voltado para desenvolvedores, estudantes e pesquisadores. É preciso ter Python 3.8 ou mais recente e PyTorch, e o uso é feito digitando comandos. Treinar seu próprio modelo, na prática, exige uma placa de vídeo. O próprio README indica que novos projetos usem o pacote mais recente, "ultralytics".

Facilidade de instalação

C · instalar 1 ou 2 ferramentas · Windows

Windows C
macOS C
Linux C

Os três sistemas são igualmente difíceis e todos ficam na nota C, com o Linux mais bem documentado (o pyproject.toml lista Linux, macOS e Windows, e o único arquivo de versão publicado é para Linux): não há instalador, então você instala Python e PyTorch, clona o código, executa pip install -r requirements.txt e depois inicia o detect.py ou o train.py pelo terminal. Treinar com suas próprias fotos também exige uma placa de vídeo na prática.

Números no GitHub

Estrelas: 58.247em 31 de out. de 2026
Downloads: 135.107.80854.733 na semana
Crescimento: +20estrelas em 5 dias

Estrelas ao longo do tempo

Fatos

Roda em: Windows, macOS, Linux
Você precisa instalar: Python, Placa de vídeo
Para compilar a partir do código: Python, Placa de vídeo
Espaço em disco: 1,4 GB–5,8 GB · estimativa
Contas ou chaves: Nenhuma
Custo: Grátis · Gratuito sob a licença AGPL-3.0. A Ultralytics vende uma Licença Empresarial para empresas que não conseguem seguir os termos da AGPL.
Licença: AGPL-3.0 (Copyleft)
Última atualização: 21 de out. de 2026

Sinais de risco (5)

AtençãoVersões publicadas desatualizadas
Última versão publicada em 2022-11-22 (há 1437 dias)
checagem automática
InfoBaixa código ao ser executado
O início rápido do README carrega o modelo com torch.hub.load("ultralytics/yolov5", "yolov5s"), que busca o código do repositório no GitHub ao ser executado; o README também diz "Models are automatically downloaded from the latest YOLOv5 release".
revisão por IA
InfoSubstituído por um pacote mais novo
README: "the actively maintained `ultralytics` package brings the latest Ultralytics YOLO models together in one place"; o requirements.txt também depende de "ultralytics>=8.4.164".
revisão por IA
InfoOferta de licença comercial
README: "To request an Enterprise License, please complete the form at Ultralytics Licensing" (o código em si é AGPL-3.0, que obriga você a publicar suas próprias alterações, inclusive quando o programa só é acessado por uma rede).
revisão por IA
InfoBaixa conjuntos de dados automaticamente
Seção de treinamento do README: "Both models and datasets are downloaded automatically from the latest YOLOv5 release", e os exemplos de validação citam downloads como "Download ImageNet validation split (6.3GB, 50,000 images)". Os comandos podem baixar gigabytes sem perguntar de novo.
revisão por IA

As evidências aparecem no idioma original.

O que o Radar não conseguiu verificar

Se a instalação e os scripts funcionam no Windows sem erros.
O uso real de espaço em disco depois de instalar o PyTorch (com ou sem suporte a placa de vídeo) e baixar os arquivos do modelo.
Quão rápida é a detecção em um computador comum sem placa de vídeo.
Quais outros arquivos os scripts baixam da internet ao serem executados, além dos pesos do modelo.
Se o código ainda corresponde à última versão publicada, que é de 2022, já que os commits continuam.