包含课程
- 9867人 学习人数4.9分 课程评分YOLOX目标检测实战:训练自己的数据集YOLOX是旷视科技新近推出的高性能实时目标检测网络,性能超越了YOLOv3/YOLOv4 /YOLOv5。YOLOX使用 PyTorch开发,采用了Anchor-free机制、解耦头、Multi Positives、先进的标签分配策略和强数据增广等前沿技术。 本课程将手把手地教大家使用labelImg标注和使用YOLOX训练自己的数据集,完成一个多目标检测实战项目,可检测图像和视频中的足球和梅西两个目标类别。 本课程分别在Windows和Ubuntu系统上做项目演示。包括:安装YOLOX、标注自己的数据集、准备自己的数据集(自动划分训练集和验证集)、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计。yoloyolox计算机视觉目标检测pytorch
- 2603人 学习人数4.9分 课程评分YOLOX目标检测实战:TensorRT加速部署YOLOX是旷视科技新近推出的高性能实时目标检测网络,性能超越了YOLOv3/YOLOv4 /YOLOv5。 TensorRT是针对英伟达GPU的加速工具。本课程在Ubuntu系统上详细演示使用TensorRT对YOLOX进行加速和部署。特别是讲述了针对自己数据集上训练出的YOLOX的TensorRT加速部署方法。tensorrtYOLOyolox计算机视觉目标检测
- 1831人 学习人数4.7分 课程评分YOLOX目标检测实战:OpenVINO部署YOLOX是旷视科技新近推出的高性能实时目标检测网络,性能超越了YOLOv3/YOLOv4 /YOLOv5。 OpenVINO是针对Intel的CPU等设备的加速工具。本课程在Windows和Ubuntu系统上详细演示使用OpenVINO对YOLOX进行加速和部署。其中对Python和C++的OpenVINO部署都进行了讲解。特别是讲述了针对自己数据集上训练出的YOLOX的OpenVINO加速部署方法。相关课程:《YOLOX目标检测实战:训练自己的数据集》https://edu.csdn.net/course/detail/35586《YOLOX目标检测实战:TensorRT加速部署》https://edu.csdn.net/course/detail/35716yoloYOLOX计算机视觉目标检测OpenVINO
- 1165人 学习人数4.9分 课程评分YOLOX目标检测实战:Flask部署YOLOX是旷视科技新近推出的高性能实时目标检测网络,性能超越了YOLOv3/YOLOv4 /YOLOv5。 利用YOLOX训练完自己的数据集后,如何向大众展示并提供落地的服务呢? 本课程将提供相应的解决方案,具体讲述使用Web应用程序框架Flask进行YOLOX的Web应用部署。用户可通过客户端浏览器上传图片,经服务器处理后返回图片检测数据并在浏览器中绘制检测结果。 本项目采取前后端分离的系统架构和开发方式,减少前后端的耦合。课程包括:YOLOX的Flask部署系统架构、Flask的安装、分别在Windows和Ubuntu系统上的部署演示、YOLOX的后端代码(Flask的服务程序代码、YOLOX的API接口代码)、前端代码(HTML、CSS、Javascript)、生产环境部署建议等。相关课程:《YOLOX目标检测实战:训练自己的数据集》https://edu.csdn.net/course/detail/35586《YOLOX目标检测实战:TensorRT加速部署》https://edu.csdn.net/course/detail/35716 <https://edu.csdn.net/course/detail/35716>《YOLOX目标检测实战:OpenVINO加速部署》https://edu.csdn.net/course/detail/35791 <https://edu.csdn.net/course/detail/35791>yoloyolox计算机视觉目标检测人工智能
- 3074人 学习人数4.9分 课程评分YOLOX目标检测实战:Android手机部署YOLOX是旷视科技新近推出的高性能实时目标检测网络,性能超越了YOLOv3/YOLOv4 /YOLOv5。 本课程在Windowsa上详细演示YOLOX(YOLOX-nano和YOLOX-tiny)在Android(安卓)手机进行部署过程。内容包括:安装软件和PyTorch,克隆和安装YOLOX,导出ONNX模型,导出NCNN模型文件,安装Android Studio,准备android项目文件,手机连接电脑并编译软件,项目代码解析。相关课程:《YOLOX目标检测实战:训练自己的数据集》https://edu.csdn.net/course/detail/35586《YOLOX目标检测实战:TensorRT加速部署》https://edu.csdn.net/course/detail/35716 <https://edu.csdn.net/course/detail/35716>《YOLOX目标检测实战:OpenVINO部署》https://edu.csdn.net/course/detail/35791 《YOLOX目标检测实战:Flask部署》https://edu.csdn.net/course/detail/35815安卓yolox计算机视觉ncnnandroid
- 3455人 学习人数4.9分 课程评分YOLOX目标检测实战:Jetson Nano部署YOLOX是旷视科技新近推出的高性能实时目标检测网络,性能超越了YOLOv3/YOLOv4 /YOLOv5。 Jetson Nano是英伟达含有GPU的人工智能硬件。本课程讲述如何部署YOLOX在Jetson Nano开发板上。 部署完成后可进行视频文件和摄像头视频的目标检测。部署时将使用AI视频处理加速引擎TensorRT和DeepStream。课程内容包括: * 原理篇(DeepStream介绍、TensorRT介绍) * 实践篇(Nano硬件搭建、烧录系统镜像、安装远程登录工具、安装和测试DeepStream、导出YOLOX的onnx文件、安装onnx2trt、生成TensorRT的engine文件、使用DeepStream部署YOLOX(small, tiny, nano)、Nano部署测试、针对自训练数据集的修改。 相关课程:《YOLOX目标检测实战:训练自己的数据集》https://edu.csdn.net/course/detail/35586《YOLOX目标检测实战:TensorRT加速部署》https://edu.csdn.net/course/detail/35716 <https://edu.csdn.net/course/detail/35716>《YOLOX目标检测实战:OpenVINO部署》https://edu.csdn.net/course/detail/35791《YOLOX目标检测实战:Flask部署》https://edu.csdn.net/course/detail/35815 <https://edu.csdn.net/course/detail/35815>《YOLOX目标检测实战:Android手机部署》https://edu.csdn.net/course/detail/35884 <https://edu.csdn.net/course/detail/35884>NanoYOLOXJetson Nano计算机视觉目标检测
- 1811人 学习人数4.9分 课程评分YOLOX目标检测:原理与源码解析【为什么要学习这门课】 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。 YOLOX是旷视科技新近推出的高性能实时目标检测网络,性能超越了YOLOv3/YOLOv4 /YOLOv5。YOLOX使用PyTorch实现,含有很多业界前沿和常用的技巧,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,其中不少知识点的代码可以作为相关项目的借鉴。 【课程内容与收获】 本课程将在Ubuntu和Windows系统演示YOLOX对PASCAL VOC数据集和训练和测试,并详细解析YOLOX的实现原理和源码,对关键代码使用PyCharm的debug模式逐行分析解读。 本课程将提供注释后的YOLOX的源码程序文件。 【相关课程】 除本课程《YOLOX目标检测:原理与源码解析》外,请关注YOLOX系列的其它课程,包括: 《YOLOX目标检测实战:训练自己的数据集》https://edu.csdn.net/course/detail/35586 《YOLOX目标检测实战:TensorRT加速部署》https://edu.csdn.net/course/detail/35716 《YOLOX目标检测实战:OpenVINO部署》https://edu.csdn.net/course/detail/35791 《YOLOX目标检测实战:Flask部署》https://edu.csdn.net/course/detail/35815 《YOLOX目标检测实战:Android(安卓)手机部署》https://edu.csdn.net/course/detail/35884YOLOYOLOX计算机视觉目标检测人工智能
套餐介绍
YOLOX目标检测原理、代码解析、训练自己的数据集及部署(TensorRT, OpenVINO, Jetson Nano, Flask, 安卓手机)系列课程
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈