【为什么要学习这门课】
Linux创始人Linus Torvalds有一句名言：Talk is cheap. Show me the code. 冗谈不够，放码过来！代码阅读是从基础到提高的必由之路。
YOLOv5是最近推出的轻量且高性能的实时目标检测方法。YOLOv5使用PyTorch实现，含有很多业界前沿和常用的技巧，可以作为很好的代码阅读案例，让我们深入探究其实现原理，其中不少知识点的代码可以作为相关项目的借鉴。
【课程内容与收获】
本课程将详细解析YOLOv5的实现原理和源码，对关键代码使用PyCharm的debug模式逐行分析解读。 本课程将提供注释后的YOLOv5的源码程序文件。
【相关课程】
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 https://edu.csdn.net/course/detail/30923
《YOL
2021-09-09 17:07:25
15.66MB
1
yoloV5预训练模型，官方给的是谷歌网盘下载地址，下载速度较慢，压缩包包含yolov5m.pt，yolov5s.pt
2021-08-12 22:10:29
52.11MB
1
课程演示环境：Windows10;?cuda 10.2; cudnn7.6.5; Python3.7; VisualStudio2019; OpenCV3.4
需要学习ubuntu系统上YOLOv4的同学请前往：《YOLOv4目标检测实战：训练自己的数据集》
课程链接：https://edu.csdn.net/course/detail/28745
YOLOv4来了！速度和精度双提升！
与?YOLOv3?相比，新版本的?AP (精度)和?FPS?（每秒帧率）分别提高了?10%?和?12%。
YOLO系列是基于深度学习的端到端实时目标检测方法。本课程将手把手地教大家使用labelImg标注和使用YOLOv4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YOLOv4使用AlexyAB/darknet，在Windows系统上做项目演示。包括：安装软件环境、安装YOLOv4、标注自己的数据集、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算)和先验框聚类分析。还将介绍改善YOL
2021-08-10 17:07:26
12.7MB
1
4种YOLO目标检测的C++和Python两种版本的实现
本程序包含了经典的YOLOv3，YOLOv4，Yolo-Fastest和YOLObile这4种YOLO目标检测的实现，
这4种yolo的.cfg和.weights文件，从百度云盘里下载
链接：
提取码：8kya
下载完成后把下载得到的4个文件夹拷贝到和main_yolo.cpp同一目录下，
只要安装了opencv4.4.0，就可以在windows和linux系统编译并运行main_yolo.cpp
2021-06-20 12:31:19
908KB
1
ultralytics / yolov5，官方预训练权重yolov5s.pt，从drive.google下载下来的
2021-06-15 16:42:53
27.18MB
1
这个小项目是基于flask微型目标检测服务。使用的是YOLOv3版本，加载的是在coco数据集上已经训练好的参数。我运行的环境是window10，pycharm。详情请看：https://blog.csdn.net/qq_31112205/article/details/101076676
2021-05-19 20:53:04
103KB
1