【Udemy中英字幕】Train YOLO for Object Detection with Custom Data

使用自定义数据训练 YOLO 进行目标检测

通过对图像、视频和相机进行实时标记、训练和测试来构建您自己的检测器：YOLO v3 和 v4

讲师：Valentyn Sichkar

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。

你会学到什么

• 应用已经训练过的 YOLO v3-v4 进行图像、视频和摄像头实时目标检测
• 以 YOLO 格式标记自己的数据集和结构文件
• 在 Darknet 框架中训练 YOLO v3-v4 检测器
• 以 YOLO 格式组装自定义数据集
• 将现有的交通标志数据集转换为 YOLO 格式
• 基于 YOLO v3-v4 算法为对象检测构建单独的 PyQt 图形用户界面

要求

• 目标检测算法的基础知识
• YOLO 工作原理的基础知识
• Python v3 的中级知识
• OpenCV基础知识
• 有关如何使用 Anaconda 环境的基础知识
• 有关如何使用 PyCharm IDE 或任何其他 Python IDE 的基础知识
• 有关如何使用终端窗口或 Anaconda Prompt 的基础知识
• 安装 Linux Ubuntu 是可选的，但推荐

描述

在本实践课程中，您将使用 YOLO v3-v4 算法训练您自己的目标检测器。

1. 至于开始，您将在 COCO 数据集上实施已经训练好的YOLO v3-v4。您将通过 OpenCV 深度学习库实时检测图像、视频上的对象。您可以稍后将代码模板集成到您自己未来的项目中，并将它们用于您自己训练的 YOLO 检测器。
2. 之后，您将标记单个数据集，并通过从庞大的现有数据集中提取所需图像来创建自定义数据集。
3. 接下来，您会将交通标志数据集转换为 YOLO 格式。用于转换的代码模板，您可以在以后的工作中修改和应用到其他数据集。
4. 数据集准备就绪后，您将在 Darknet 框架中训练和测试YOLO v3-v4 检测器。
5. 至于 Bonus 部分，您将在 PyQt 的帮助下通过 YOLO构建用于对象检测的图形用户界面。您可以将这个项目作为您的成果向您的主管展示，或者在同学面前展示，甚至在您的简历中提及。

内容组织。课程的每个部分包含：

• 视频讲座
• 编码活动
• 代码模板
• 测验
• 可下载的说明
• 讨论机会

该课程的视频讲座具有 SMART 目标：

S – 具体（讲座有具体目标）

M – 可衡量的（结果是合理的，可以量化）

A – 可实现（讲座有明确的步骤来实现目标）

R – 以结果为导向（在讲座结束时可以得到结果）

T – 时间导向（在可见的时间范围内可以得到结果）

本课程适合谁：

• 学习Computer Vision，想知道如何使用YOLO做Object Detection的同学
• 了解目标检测基础知识但想知道如何使用新数据训练 YOLO 的学生
• 学习YOLO，想把自己的数据标注成YOLO格式的同学
• 使用现有数据集进行对象检测但想将其转换为 YOLO 格式的学生
• 研究不同对象检测算法并希望使用自定义数据训练 YOLO 并比较不同方法的结果的年轻研究人员