性能统计及先验框聚类-51CTO学堂

下载学堂APP

缓存视频离线看

下载学堂APP

缓存视频离线看

课程介绍

讨论{{interaction.discussNum ? '(' + interaction.discussNum + ')' : ''}}

适合人群

具有一定深度学习基础，希望掌握YOLOv3目标检测实战方法的同学们

你将会学到

学习和学习YOLOv3目标检测训练自己的数据集方法

课程简介

告知：YOLOv4来了！与YOLOv3相比，新版本的AP(精度)和FPS（每秒帧率）分别提高了10%和12%。有意学习新课程《YOLOv4目标检测实战：训练自己的数据集》的同学，请前往https://edu.51cto.com/course/22982.html。

YOLOv3是一种基于深度学习的端到端实时目标检测方法，以速度快见长。本课程将手把手地教大家使用labelImg标注和使用YOLOv3训练自己的数据集。课程分为三个小项目：足球目标检测（单目标检测）、梅西目标检测（单目标检测）、足球和梅西同时目标检测（两目标检测）。

本课程的YOLOv3使用Darknet，在Ubuntu系统上做项目演示。包括：安装Darknet、给自己的数据集打标签、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。

Darknet是使用C语言实现的轻型开源深度学习框架，依赖少，可移植性好，值得深入探究。

除本课程《YOLOv3目标检测实战：训练自己的数据集》外，本人推出了有关YOLOv3目标检测的系列课程，请持续关注该系列的其它课程视频，包括：

《YOLOv3目标检测实战：交通标志识别》

《YOLOv3目标检测：原理与源码解析》

《YOLOv3目标检测：网络模型改进方法》

下图是使用YOLOv3对足球和梅西同时进行目标检测的测试结果：

展开更多

发布

置顶笔记

{{ item.create_time }}{{ Number(item.like_count) || '' }}回复

{{ subitem.create_time }}{{ Number(subitem.like_count) || '' }}回复

删除

发布

{{ noteHeaderTitle }} 笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}

优质笔记

更新于：{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}

公开笔记对他人可见，有机会被管理员评为“优质笔记”

{{ noteEditor.content.length }}/2000

公开笔记

保存

提问

讲师收到你的提问会尽快为你解答。若选择公开提问，可以获得更多学员的帮助。

记录时间点

记录提问时视频播放的时间点，便于后续查看

公开提问

提交