Multiyolov5是基于ultralyticsyolov5的联合检测与语义分割模型，提供源码。

简介：
Multi YOLO V5——检测和语义分割概述 这项项目是我的本科毕业设计，基于…… 这种多任务模型仅需增加极少的计算和推理 GPU 内存（大约 350MB），同时能够高效地完成对象检测以及语义分割任务。 我所使用的数据集，是从 Cityscapes 实例分割标签中迁移而来，在对象检测方面，指标呈现出轻微的提升，相较于单任务 YOLO 模型而言。 Cityscapes 语义分割的指标结果如下所示。 该存储库近期将不进行更新（在标记 TomMao-2.0 发布版本之后），未来的版本可能会发布至…… 为了更好地节省我的时间和便于项目交接，请您谅解我下面的文件将采用中文编写。 在语义分割部分，我参考了相应的代码实现，旨在以较低的计算量和显存占用为基础，同时实现目标检测并进行存储分区（针对 1024×512 输入尺寸，预计增加约 350MB 的内存，与同尺寸的 BiSeNet 模型相比，需要大约 1.3GB 的额外显存）。 (通过实验数据集) 分割指标在模型验证集 mIoU 上达到了 0.73。