YOLOv4目标检测课程套餐
YOLOv4
分享 
YOLOv4目标检测课程套餐
YOLOv4系列课程
复制链接
扫一扫
研究员/教授
教授, 博士生导师, 人工智能技术专家
教授, 博士生导师, 人工智能技术专家
包含课程
18320人 学习人数4.8分 课程评分YOLOv4目标检测实战：训练自己的数据集课程演示环境：Ubuntu需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战：训练自己的数据集》，课程链接https://edu.csdn.net/course/detail/28748 YOLOv4来了！速度和精度双提升！ 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%。 YOLO系列是基于深度学习的端到端实时目标检测方法。本课程将手把手地教大家使用labelImg标注和使用YOLOv4训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。 本课程的YOLOv4使用AlexAB/darknet，在Ubuntu系统上做项目演示。包括：安装YOLOv4、标注自己的数据集、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)和先验框聚类分析。还将介绍改善YOLOv4目标训练性能的技巧。 除本课程《YOLOv4目标检测实战：训练自己的数据集》外，本人将推出有关YOLOv4目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《YOLOv4目标检测实战：人脸口罩佩戴识别》《YOLOv4目标检测实战：中国交通标志识别》《YOLOv4目标检测：原理与源码解析》计算机视觉ubuntuyoloyolov4深度学习
12016人 学习人数4.8分 课程评分Windows版YOLOv4目标检测实战：训练自己的数据集课程演示环境：Windows10; cuda 10.2; cudnn7.6.5; Python3.7; VisualStudio2019; OpenCV3.4 需要学习ubuntu系统上YOLOv4的同学请前往：《YOLOv4目标检测实战：训练自己的数据集》 课程链接：https://edu.csdn.net/course/detail/28745 YOLOv4来了！速度和精度双提升！ 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%。 YOLO系列是基于深度学习的端到端实时目标检测方法。本课程将手把手地教大家使用labelImg标注和使用YOLOv4训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。 本课程的YOLOv4使用AlexyAB/darknet，在Windows系统上做项目演示。包括：安装软件环境、安装YOLOv4、标注自己的数据集、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)和先验框聚类分析。还将介绍改善YOLOv4目标检测性能的技巧。 除本课程《Windows版YOLOv4目标检测实战：训练自己的数据集》外，本人将推出有关YOLOv4目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《Windows版YOLOv4目标检测实战：人脸口罩佩戴检测》 《Windows版YOLOv4目标检测实战：中国交通标志识别》 《Windows版YOLOv4目标检测：原理与源码解析》yolov4yolo目标检测物体检测windows
8571人 学习人数4.8分 课程评分YOLOv4目标检测实战：人脸口罩佩戴检测课程演示环境：Ubuntu 需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战：人脸口罩佩戴检测》 课程链接：https://edu.csdn.net/course/detail/29123 当前，人脸口罩佩戴检测是急需的应用，而YOLOv4是最新的强悍的目标检测技术。本课程使用YOLOv4实现实时的人脸口罩佩戴检测。课程提供超万张已标注人脸口罩数据集。训练后的YOLOv4可对真实场景下人脸口罩佩戴进行高精度地实时检测。 本课程会讲述本项目超万张人脸口罩数据集的制作方法，包括使用labelImg标注工具标注以及如何使用Python代码对第三方数据集进行修复和清洗。 本课程的YOLOv4使用AlexyAB/darknet，在Ubuntu系统上做项目演示。具体项目过程包括：安装YOLOv4、训练集和测试集自动划分、修改配置文件、训练网络模型、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类分析。 YOLOv4人脸口罩佩戴检测效果yolov4目标检测物体检测人脸口罩口罩识别
5851人 学习人数4.8分 课程评分Windows版YOLOv4目标检测实战：人脸口罩佩戴检测课程演示环境：Windows10；CUDA10.2; cuDNN 7.6.5; Python 3.7; Visual Studio 2019; OpenCV3.4 需要学习Ubuntu系统YOLOv4的同学请前往《YOLOv4目标检测实战：人脸口罩佩戴检测》 课程链接：https://edu.csdn.net/course/detail/28860 当前，人脸口罩佩戴检测是急需的应用，而YOLOv4是新推出的强悍的目标检测技术。本课程使用YOLOv4实现人脸口罩佩戴的实时检测。课程提供超万张已标注人脸口罩数据集。训练后的YOLOv4可对真实场景下人脸口罩佩戴进行高精度地实时检测。 本课程会讲述本项目超万张人脸口罩数据集的制作方法，包括使用labelImg标注工具标注以及如何使用Python代码对第三方数据集进行修复和清洗。 本课程的YOLOv4使用AlexyAB/darknet，在Windows系统上做人脸口罩佩戴检测项目演示。具体项目过程包括：安装YOLOv4、训练集和测试集自动划分、修改配置文件、训练网络模型、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。yolov4目标检测人脸口罩口罩识别口罩检测
4534人 学习人数4.8分 课程评分YOLOv4目标检测实战：中国交通标志识别课程演示环境：Ubuntu需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战：中国交通标志识别》 在自动驾驶中，交通标志识别是一项重要的任务。本项目以中国交通标志数据集TT100K为训练对象，采用YOLOv4目标检测方法实现实时交通标志识别。 本课程的YOLOv4使用AlexyAB/darknet，在Ubuntu系统上做项目演示。具体项目过程包括：安装YOLOv4、TT100K标注格式转换成PASCAL VOC格式、YOLOv4训练集和测试集自动划分、修改配置文件、训练网络模型、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类分析。 本课程会讲述使用Python程序将TT100K数据集的格式转换成PASCAL VOC格式和YOLO格式的方法，并提供相应代码。yolov4交通标志目标检测tt100k自动驾驶
4536人 学习人数4.8分 课程评分Windows版YOLOv4目标检测实战：中国交通标志识别课程演示环境：Windows10 需要学习Ubuntu系统YOLOv4的同学请前往《YOLOv4目标检测实战：中国交通标志识别》 在自动驾驶中，交通标志识别是一项重要的任务。本项目以中国交通标志数据集TT100K为训练对象，采用YOLOv4目标检测方法实现实时交通标志识别。 本课程的YOLOv4使用AlexyAB/darknet，在Windows系统上做项目演示。具体项目过程包括：安装YOLOv4、TT100K标注格式转换成PASCAL VOC格式、训练集和测试集自动划分、修改配置文件、训练网络模型、测试训练出的网络模型、性能统计、先验框聚类分析和NMS（非极大抑制）方法修改。 本课程会讲述使用Python程序将TT100K数据集的格式转换成PASCAL VOC格式和YOLO格式的方法，并提供相应代码。windows中国yolov4交通标志tt100k
10548人 学习人数4.8分 课程评分YOLOv4目标检测：原理与源码解析需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战：原理与源码解析》， 课程链接 https://edu.csdn.net/course/detail/29865 【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。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。 YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。 YOLOv4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。 【课程内容与收获】 本课程将解析YOLOv4的实现原理和源码，具体内容包括： - YOLOv4目标检测原理 - 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 - 代码阅读工具及方法 - 深度学习计算的利器：BLAS和GEMM - GPU的CUDA编程方法及在darknet的应用 - YOLOv4的程序流程 - YOLOv4各层及关键技术的源码解析 本课程将提供注释后的darknet的源码程序文件。 【相关课程】 除本课程《YOLOv4目标检测：原理与源码解析》外，本人推出了有关YOLOv4目标检测的系列课程，包括： 《YOLOv4目标检测实战：训练自己的数据集》 《YOLOv4-tiny目标检测实战：训练自己的数据集》 《YOLOv4目标检测实战：人脸口罩佩戴检测》 《YOLOv4目标检测实战：中国交通标志识别》 建议先学习一门YOLOv4实战课程，对YOLOv4的使用方法了解以后再学习本课程。 【YOLOv4网络模型架构图】 下图由白勇老师绘制yolov4原理源码目标检测yolo
3673人 学习人数4.8分 课程评分Windows版YOLOv4目标检测：原理与源码解析需要学习ubuntu系统上YOLOv4的同学请前往：《YOLOv4目标检测实战：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。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。 YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。 YOLOv4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。 【课程内容与收获】 本课程将解析YOLOv4的实现原理和源码，具体内容包括： - YOLOv4目标检测原理 - 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 - 代码阅读工具及方法 - 深度学习计算的利器：BLAS和GEMM - GPU的CUDA编程方法及在darknet的应用 - YOLOv4的程序流程 - YOLOv4各层及关键技术的源码解析 本课程将提供注释后的darknet的源码程序文件。 【相关课程】 除本课程《Windows版YOLOv4目标检测：原理与源码解析》外，本人推出了有关YOLOv4目标检测的系列课程，包括： 《Windows版YOLOv4目标检测实战：训练自己的数据集》 《Windows版YOLOv4-Tiny目标检测实战：训练自己的数据集》 《Windows版YOLOv4目标检测实战：人脸口罩佩戴检测》 《Windows版YOLOv4目标检测实战：中国交通标志识别》 建议先学习一门YOLOv4实战课程，对YOLOv4的使用方法了解以后再学习本课程。 【YOLOv4网络模型架构图】 下图由白勇老师绘制windowsyolov4目标检测原理源码
6524人 学习人数4.8分 课程评分YOLOv4-tiny目标检测实战：训练自己的数据集课程演示环境：Ubuntu 需要学习Windows系统YOLOv4-tiny的同学请前往《Windows版YOLOv4-tiny目标检测实战：训练自己的数据集》 YOLOv4-tiny来了！速度大幅提升！ YOLOv4-tiny在COCO上的性能可达到：40.2% AP50, 371 FPS (GTX 1080 Ti)。相较于YOLOv3-tiny，AP和FPS的性能有巨大提升。并且，YOLOv4-tiny的权重文件只有23MB，适合在移动端、嵌入式设备、边缘计算等设备上部署。 本课程将手把手地教大家使用labelImg标注和使用YOLOv4-tiny训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。 本课程的YOLOv4-tiny使用AlexAB/darknet，在Ubuntu系统上做项目演示。包括：YOLOv4-tiny的网络结构、安装YOLOv4-tiny、标注自己的数据集、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)和先验框聚类分析。 除本课程《YOLOv4-tiny目标检测实战：训练自己的数据集》外，本人推出了有关YOLOv4目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《YOLOv4目标检测实战：训练自己的数据集》 《YOLOv4目标检测实战：人脸口罩佩戴识别》 《YOLOv4目标检测实战：中国交通标志识别》 《YOLOv4目标检测：原理与源码解析》数据人工智能计算机视觉windowsubuntu
3747人 学习人数4.8分 课程评分Windows版YOLOv4-tiny目标检测实战：训练自己的数据集课程演示环境：Windows10 需要学习Ubuntus系统YOLOv4-tiny的同学请前往《YOLOv4-tiny目标检测实战：训练自己的数据集》 YOLOv4-tiny来了！速度大幅提升！ YOLOv4-tiny在COCO上的性能可达到：40.2% AP50, 371 FPS (GTX 1080 Ti)。相较于YOLOv3-tiny，AP和FPS的性能有巨大提升。并且，YOLOv4-tiny的权重文件只有23MB，适合在移动端、嵌入式设备、边缘计算设备上部署。 本课程将手把手地教大家使用labelImg标注和使用YOLOv4-tiny训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。 本课程的YOLOv4-tiny使用AlexAB/darknet，在Windows10系统上做项目演示。包括：YOLOv4-tiny的网络结构、安装YOLOv4-tiny、标注自己的数据集、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)和先验框聚类分析。 除本课程《Windows版YOLOv4-tiny目标检测实战：训练自己的数据集》外，本人推出了有关YOLOv4目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《Windows版YOLOv4目标检测实战：训练自己的数据集》 《Windows版YOLOv4目标检测实战：人脸口罩佩戴识别》 《Windows版YOLOv4目标检测实战：中国交通标志识别》 《Windows版YOLOv4目标检测：原理与源码解析》yolov4-tinyyolov4目标检测物体检测windows
2864人 学习人数4.9分 课程评分YOLOv4目标检测实战：Flask Web部署YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。利用YOLOv4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YOLOv4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。 本课程的YOLOv4使用AlexyAB/darknet，在Ubuntu系统上做项目演示，并提供在Windows系统上的部署方式文档。 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：YOLOv4的Flask部署系统架构、YOLOv4的安装及动态链接库的编译、 Flask的安装、YOLOv4的检测API接口python代码、 Flask的服务程序的python代码、前端html代码、CSS代码、Javascript代码、系统部署演示、生产环境部署建议、Windows系统上部署的区别等。 除本课程外，本人推出了有关YOLOv4目标检测的系列课程。请持续关注该系列的其它视频课程，包括： 《YOLOv4目标检测实战：训练自己的数据集》(Ubuntu版) 《YOLOv4目标检测实战：人脸口罩佩戴识别》(Ubuntu版) 《YOLOv4目标检测实战：中国交通标志识别》(Ubuntu版) 《YOLOv4目标检测：原理与源码解析》(Ubuntu版) 《YOLOv4-tiny目标检测实战：训练自己的数据集》(Ubuntu版) 《Windows版YOLOv4目标检测实战：训练自己的数据集》 《Windows版YOLOv4目标检测实战：人脸口罩佩戴识别》 《Windows版YOLOv4目标检测实战：中国交通标志识别》 《Windows版YOLOv4目标检测：原理与源码解析》 《Windows版YOLOv4-tiny目标检测实战：训练自己的数据集》yolo计算机视觉目标检测部署人工智能
3173人 学习人数4.9分 课程评分YOLOv4目标检测实战：Jetson Nano部署YOLOv4(AlexyAB/darknet)是最近推出的端到端实时目标检测方法。YOLOv4-tiny是对YOLOv4的轻量化模型，适合在边缘计算设备上部署。 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YOLOv4-tiny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实时目标检测。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、YOLOv4-Tiny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、使用DeepStream部署YOLOv4-tiny、Nano部署测试）yolo计算机视觉nano目标检测部署
1113人 学习人数4.9分 课程评分DeepSOCIAL社交距离监测实战（基于YOLOv4）本课程对DeepSOCIAL论文和项目做复现实战。DeepSOCIAL使用YOLOv4+SORT多目标跟踪+社交距离估计（采用逆透视映射）对视频中的行人做社交距离风险评估，以抑制疫情传播。该项目提供了获取目标检测器输出信息后开发衍生CV应用的实际案例，采用把目标检测器编译成动态链接库并封装Python接口，并把检测、跟踪和评估结果绘图（如热力图融合原图）的可视化技术。值得学习和借鉴之处良多。 本课程分别在Windows和Ubuntu系统上做项目演示，并对DeepSOCIAL原理和代码做详细解读。 课程包括：实践篇、原理篇和代码解析篇。 实践篇包括Win10和Ubuntu系统上的DeepSOCIAL项目实践操作步骤演示，对原DeepSOCIAL项目代码进行一定改造和补充； 原理篇中讲解了匈牙利算法、卡尔曼滤波器的原理，并解读了SORT和DeepSOCIAL论文； 代码解析篇中对DeepSOCIAL的代码逐个文件进行详细讲解。deepsocialyolo社交距离计算机视觉目标检测
套餐介绍
YOLOv4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
