【Udemy中英字幕】YOLO11: Custom Object Detection & Web Apps in Python 2024

YOLO11：Python 中的自定义对象检测和 Web 应用程序 2024

学习使用 YOLO11 进行自定义对象检测、跟踪和姿势估计，以及使用 Flask 和 Streamlit 构建 Web 应用程序

讲师：Muhammad Moin

双语IT资源独家Udemy付费课程，独家中英文字幕，配套资料齐全！

用不到1/10的价格，即可享受同样的高品质课程，且可以完全拥有，随时随地都可以任意观看和分享。

您将学到什么

• 使用 YOLO11 进行对象检测、实例分割、姿势估计和图像分类
• 在自定义数据集上训练 / 微调 YOLO11 模型
• 使用 Ultralytics YOLO 进行多目标跟踪
• 使用 YOLO11 开发用于对象检测的 Streamlit 应用程序。
• 使用 YOLO11 和 Flask 在浏览器中进行对象检测

探索相关主题

• 数据科学
• 发展

要求

• Mac / Windows / Linux-所有操作系统都适用于本课程！

描述

YOLO11是 Ultralytics 最新推出的先进物体检测模型，在速度和准确度方面均超越了之前的版本。YOLO11 以早期 YOLO 模型的改进为基础，在架构和训练方面进行了重大改进，使其成为适用于各种计算机视觉任务的多功能工具。

YOLO11 模型支持广泛的任务，包括对象检测、实例分割、图像分类、姿势估计和方向对象检测 (OBB)。

在本课程中，你将学习：

• Ultralytics YOLO11 中的新功能。

• 如何使用 Ultralytics YOLO11 进行对象检测、实例分割、姿势估计和图像分类。

• 在 Windows/Linux 上使用 YOLO11 运行对象检测、实例分割姿态估计和图像分类。

• 评估 YOLO11 模型性能：测试与分析

• 在 Google Colab 中的自定义数据集上训练 YOLO11 对象检测模型，以检测个人防护设备 (PPE)。

• 分步指南：在 Windows/Linux 上的自定义数据集上使用 YOLO11 对象检测。

• 在自定义数据集上训练 YOLO11 实例分割以进行坑洼检测。

• 对 YOLO11 姿势估计进行微调以进行人类活动识别。

• 对 YOLO11 图像分类进行微调以进行植物分类。

• 使用 Bot-SORT 和 ByteTrack 算法进行多目标跟踪。

• 使用 YOLO11 和 EasyOCR 进行车牌检测和识别。

• 将 YOLO11 与 Flask 集成以构建 Web 应用程序。

• 使用 YOLO11 创建用于对象检测的 Streamlit Web 应用程序。

本课程适合哪些人：

• 对计算机视觉感兴趣的任何人
• 任何研究计算机视觉并想知道如何使用 YOLO11 进行对象检测、实例分割、姿势估计和图像分类的人
• 任何想要利用计算机视觉构建深度学习应用程序的人