学习路径 > 人工智能 > 计算机视觉 > YOLOv3目标检测实战系列课程

YOLOv3目标检测实战系列课程

本系列课程包括三门课程: (1)《YOLOv3目标检测实战:训练自己的数据集》 (2)《YOLOv3目标检测:原理与源码解析》 (3)《YOLOv3目标检测:网络模型改进方法》 本课程的YOLOv3使用原作darknet(c语言编写),在Ubuntu系统上做项目演示。

3

门课程

44549

人学习

16小时3分钟

课程总时长

白勇

高级讲师

讲师评分:4.8

长久观看
 
系统化学习
 
24小时答疑
  资料一键下载
学习路径价 ¥188.00
立省26.00元

支持蚂蚁花呗分期

简单5步马上享受花呗分期:

1. 点击立即购买
2. 订单确认页, 点击 ”去支付“
3. 支付中心, 使用【支付宝】付款
4. 使用【支付宝】APP扫描付款二维码
5. 付款方式选择 花呗分期~ 搞定~

查看详情>>
总价 ¥214.00

第一阶段:  训练自己的数据集

1门课程 2小时44分钟

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。

  • YOLOv3目标检测实战:训练自己的数据集

    23节 2小时44分钟
    课程目标:
    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:

    课程大纲

    免费试看

第二阶段:  原理与源码解析

1门课程 9小时27分钟

学习YOLOv1、YOLOv2、YOLOv3的原理、程序流程并解析各层的源码。

  • YOLOv3目标检测:原理与源码解析

    39节 9小时27分钟
    课程目标:
    Linux创始人Linus Torvalds有一句名言:Talk is cheap. Show me the code. (冗谈不够,放码过来!)。代码阅读是从基础到提高的必由之路。尤其对深度学习,许多框架隐藏了神经网络底层的实现,只能在上层调包使用,对其内部原理很难认识清晰,不利于进一步优化和创新。 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。YOLOv3的实现Darknet是使用C语言开发的轻型开源深度学习框架,依赖少,可移植性好,可以作为很好的代码阅读案例,让我们深入探究其实现原理。 本课程将解析YOLOv3的实现原理和源码,具体内容包括:l  YOLO目标检测原理l  神经网络及Darknet的C语言实现,尤其是反向传播的梯度求解和误差计算l  代码阅读工具及方法l  深度学习计算的利器:BLAS和GEMMl  GPU的CUDA编程方法及在Darknet的应用l  YOLOv3的程序流程及各层的源码解析 本课程将提供注释后的Darknet的源码程序文件。除本课程《YOLOv3目标检测:原理与源码解析》外,本人推出了有关YOLOv3目标检测的系列课程,包括:《YOLOv3目标检测实战:训练自己的数据集》《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》建议先学习课程《YOLOv3目标检测实战:训练自己的数据集》或课程《YOLOv3目标检测实战:交通标志识别》,对YOLOv3的使用方法了解以后再学习本课程。

    课程大纲

    免费试看

第三阶段:  网络模型改进

1门课程 3小时50分钟

学习YOLOv3网络模型的改进方法

  • YOLOv3目标检测实战:网络模型改进方法

    26节 3小时50分钟
    课程目标:
    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。本课程将学习YOLOv3的实现的darknet的网络模型改进方法。具体包括:• PASCAL VOC数据集的整理、训练与测试 • Eclipse IDE的安装与使用 • 改进1:不显示指定类别目标的方法 (增加功能) • 改进2:合并BN层到卷积层 (加快推理速度) • 改进3:使用GIoU指标和损失函数 (提高检测精度) • 改进4:tiny YOLOv3 (简化网络模型)• AlexeyAB/darknet项目介绍除本课程《YOLOv3目标检测实战:网络模型改进方法》外,本人推出了有关YOLOv3目标检测的系列课程,请关注该系列的其它课程,包括:《YOLOv3目标检测实战:训练自己的数据集》《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》在学习课程《YOLOv3目标检测实战:网络模型改进方法》前,建议先学习课程《YOLOv3目标检测实战:训练自己的数据集》和课程《YOLOv3目标检测实战:交通标志识别》之一和课程《YOLOv3目标检测:原理与源码解析》。

    课程大纲

    免费试看

资料下载

课程名称 操作
YOLOv3目标检测实战:训练自己的数据集 付费用户专享
YOLOv3目标检测:原理与源码解析 付费用户专享
YOLOv3目标检测实战:网络模型改进方法 付费用户专享

YOLOv3目标检测实战系列课程

¥214.00 ¥188.00
在线
客服
在线
客服

下载Android客户端

下载iphone 客户端

关注官方微信

返回
顶部