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》