【Udemy中英字幕】YOLOv8: Video Object Detection with Python on Custom Dataset
最近更新 2024年11月26日
资源编号 32776

【Udemy中英字幕】YOLOv8: Video Object Detection with Python on Custom Dataset

2024-11-26 Udemy 0 604
郑重承诺丨视频 中英文字幕 配套课件
增值服务:免费提供代找课服务:
¥ 29.9 金币
VIP折扣
    折扣详情
  • 体验会员

    免费

  • 包月会员

    免费

  • 包年会员

    免费

  • 永久会员

    免费

开通VIP尊享优惠特权
立即下载 升级会员
微信扫码咨询 微信扫码咨询
进入TA的商铺 联系官方客服
信息属性
详情介绍

YOLOv8:使用 Python 在自定义数据集上进行视频对象检测

YOLOv8 用于 Python 中的计算机视觉视频对象检测。在自定义数据集上训练、部署深度学习 YOLO8 模型

讲师:Dr. Mazhar Hussain

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!

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 Python 的 YOLOv8 进行实时视频对象检测
  • 在自定义数据集上训练、测试 YOLO8 并部署到您自己的项目中
  • 使用 Python 在视频中检测足球、球员和裁判
  • 视频中的车辆(救护车、公共汽车、汽车、摩托车、卡车)检测
  • 什么是 YOLO 以及它如何用于物体检测?
  • YOLO 系列概述(YOLO2、YOLO3、YOLO4、YOLO5、YOLO6、YOLO7、YOLO8)
  • CNN、RCNN、Fast RCNN 和 Faster RCNN 概述
  • 用于视频对象检测的自定义足球运动员数据集配置
  • 用于视频对象检测的自定义车辆数据集配置
  • YOLOv8 Ultralytics 及其超参数设置
  • 训练 YOLOv8 进行球员、裁判和足球检测
  • 训练 YOLOv8 进行车辆(救护车、公共汽车、汽车、摩托车、卡车)检测
  • 在视频和图像上测试 YOLOv8 训练模型
  • 部署 YOLOv8:将模型导出为所需格式
  • 物体检测的性能指标是什么
  • 计算性能指标(精确度、召回率、平均精确度 mAP)

探索相关主题

  • 物体检测
  • 数据科学
  • 发展

要求

  • 需要有 Google Gmail 帐户才能开始使用 Google Colab 编写 Python 代码
  • 有 Python 编程经验者优先,但非强制要求

描述

释放 YOLOv8 的潜力,这是一项彻底改变视频对象检测的尖端技术。YOLOv8,即“你只需看一次”,是一种最先进的深度卷积神经网络, 以其在视频中识别对象的速度和准确性而闻名。在我们的课程“ YOLOv8:使用 Python 在自定义数据集上进行视频对象检测”中,您将探索其在各种实际场景中的应用。在本课程中,您将获得所有 YOLO 变体的概述,您将使用最新的 YOLO 版本 8 执行实时视频对象检测,与之前的 YOLO 版本相比,它非常快速和准确。YOLOv8 一次性处理整个图像以预测对象边界框及其类别,使对象检测在计算上高效。YOLOv8 根据参数数量有五种变体 – 纳米 (n)、小 (s)、中 (m)、大 (l) 和超大 (x)。您可以根据需要使用所有变体进行对象检测。

YOLOv8 是一个支持多种计算机视觉任务的 AI 框架。YOLO8 可用于执行对象检测、图像分割、分类和姿势估计。与其他对象检测器相比,YOLOv8 的速度和检测准确性使其在实时应用中非常受欢迎,例如视频和监控中的对象检测。想象一下部署 YOLOv8 来监控拥挤的公共场所以确保安全,轻松跟踪监控视频中的对象,或增强自动驾驶汽车的感知能力。见证它在体育分析中的能力,在足球比赛等动态比赛场景中精确检测球员和动作。深入研究零售分析,YOLOv8 可以通过跟踪产品和人员移动来优化库存管理和客户体验。

对象检测是一项涉及识别图像或视频流中对象的位置和类别的任务。对象检测器的输出是一组包围图像中对象的边界框,以及每个框的类标签和置信度分数。当您需要识别场景中感兴趣的对象时,对象检测是一个不错的选择。本课程涵盖了使用 YOLOv8 深度学习架构和 Python 和 PyTorch 进行对象检测的完整流程,并提供实际操作体验,如下所示:

课程细分: 主要学习成果

  • 使用 Python 的 YOLOv8 进行实时视频对象检测

  • 在自定义数据集上训练、测试 YOLO8 并部署到您自己的项目中

  • 介绍 YOLO 及其基于深度卷积神经网络的架构。

  • YOLO 如何进行物体检测?

  • CNN、RCNN、Fast RCNN 和 Faster RCNN 概述

  • YOLO 系列概述(YOLOv2、YOLOv3、YOLOv4、YOLOv5、YOLOv6、YOLOv7)

  • 什么是 YOLOv8 及其架构?

  • 用于对象检测的自定义足球运动员数据集配置

  • 设置 Google Colab 来编写 Python 代码

  • YOLOv8 Ultralytics 及其超参数设置

  • 训练 YOLOv8 进行球员、裁判和足球检测

  • 在视频和图像上测试 YOLOv8 训练模型

  • 部署 YOLOv8:将模型导出为所需格式

本课程为您提供实践经验,使您能够将 YOLOv8 的功能应用于您的特定用例。通过掌握使用 Python 和 YOLOv8 进行视频对象检测,您将有能力为各个领域的创新做出贡献,重塑计算机视觉应用的未来。加入我们,探索 YOLOv8 在现实世界中的无限可能性!我将为您提供完整的 Python 代码和数据集,用于使用 Python 进行实时视频对象检测,以便您立即开始。让我们现在报名并开始吧。课堂上见。

本课程适合哪些人:

  • 本课程专为想要深入研究视频对象检测领域的计算机视觉爱好者、机器学习和深度学习从业者而设计。
  • 无论您是希望在对象检测方面打下坚实基础的初学者,还是旨在提高技能的经验丰富的专业人士,本课程都会为您提供宝贵的见解和使用最先进的对象检测算法 YOLOv8 的实践经验。
请注意:
如果你有能力,请务必支持课程的原创作者,这是他们应得的报酬!
本站收取的费用,仅用来维持网站正常运行的必要支出,从本站下载任何内容,说明你已经知晓并同意此条款。

相关文章

发表评论
暂无评论
官方客服团队

为您解决烦忧 - 24小时在线 专业服务