YOLOv3的cfg文件解读
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:
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
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。
课程大纲