YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高，更加灵活和便利。
本课程将手把手地教大家使用labelImg标注和使用YOLOv5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YOLOv5使用ultralytics/yolov5，在Windows系统上做项目演示。包括：安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计。
希望学习Ubuntu上演示的同学，请前往 《YOLOv5(PyTorch)实战：训练自己的数据集(Ubuntu)》课程链接：https://edu.csdn.net/course/detail/30793
本人推出了有关YOLOv5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：
《YOLOv5(PyTorch)目标检测实战：训练自己的数据集》
Ubuntu系统 https://edu.csdn.net/course/detail/30793
Windows系统 http
2021-09-17 17:13:38
11.14MB
1
YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而性能高，更加灵活和便利。
本课程将手把手地教大家使用labelImg标注和使用YOLOv5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YOLOv5使用ultralytics/yolov5，在Ubuntu系统上做项目演示。包括：安装YOLOv5、标注自己的数据集、准备自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型和性能统计。
希望学习在Windows系统上演示的学员，请前往《YOLOv5(PyTorch)实战：训练自己的数据集(Windows)》课程链接：https://edu.csdn.net/course/detail/30923
本人推出了有关YOLOv5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：
《YOLOv5(PyTorch)目标检测实战：训练自己的数据集》
Ubuntu系统 https://edu.csdn.net/course/detail/30793
Windows
2021-07-14 14:27:33
8.56MB
1
总结了AlexNet的相关原理、网络结构，pytorch代码实现，以及如何创建自定义数据集，并对自定义花类数据集进行训练和测试。
2021-06-05 20:06:41
1.31MB
1
总结了卷积神经网络LeNet-5的网络结构以及相关原理，完成了Pytorch上的代码实现，并对Minist、CIFAR10数据集进行了训练和测试
2021-06-05 16:05:41
768KB
1
总结了GoogleNet的相关原理、网络结构，pytorch代码实现，并对自定义花类数据集进行训练和测试。
2021-06-05 16:05:41
1.3MB
1
总结了VggNet的相关原理、网络结构，pytorch代码实现，并对自定义花类数据集进行训练和测试。
2021-06-05 16:05:40
1.02MB
1
总结了ResNet的相关原理、网络结构，pytorch代码实现，并对自定义花类数据集进行训练和测试。
2021-06-05 16:05:40
1.22MB
1
代码为Learning Deep Features for Discriminative Localization的复现，并有详细的代码注释，以便读者进行学习。
2021-04-21 20:55:04
8KB
1
Pytorch实战4：(win10 +ubuntu)对抗语义分割源码调试《Adversarial Learning for Semi-supervised Semantic Segmentation》-附件资源
2021-04-03 17:51:42
106B
1