YOLOv5(PyTorch)实战:训练自己的数据集(Windows)

上传者: 38711008 | 上传时间: 2021-09-17 17:13:38 | 文件大小: 11.14MB | 文件类型: ZIP
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

文件下载

资源详情

[{"title":"( 8 个子文件 11.14MB ) YOLOv5(PyTorch)实战:训练自己的数据集(Windows)","children":[{"title":"YOLOv5(PyTorch)实战_训练自己的数据集(Windows)-20201009094852801.pdf <span style='color:#111;'> 2.64MB </span>","children":null,"spread":false},{"title":"YOLOv5(PyTorch)实战_训练自己的数据集(Windows)-20210304120116616.pdf <span style='color:#111;'> 348.63KB </span>","children":null,"spread":false},{"title":"YOLOv5(PyTorch)实战_训练自己的数据集(Windows)-20201009094901259.pdf <span style='color:#111;'> 1.27MB </span>","children":null,"spread":false},{"title":"YOLOv5(PyTorch)实战_训练自己的数据集(Windows)-20201009094947834.pdf <span style='color:#111;'> 356.33KB </span>","children":null,"spread":false},{"title":"YOLOv5(PyTorch)实战_训练自己的数据集(Windows)-20210304120059630.pdf <span style='color:#111;'> 2.93MB </span>","children":null,"spread":false},{"title":"YOLOv5(PyTorch)实战_训练自己的数据集(Windows)-2020100909491140.pdf <span style='color:#111;'> 1.57MB </span>","children":null,"spread":false},{"title":"YOLOv5(PyTorch)实战_训练自己的数据集(Windows)-2020100909493770.pdf <span style='color:#111;'> 2.93MB </span>","children":null,"spread":false},{"title":"YOLOv5(PyTorch)实战_训练自己的数据集(Windows)-20201009094921663.pdf <span style='color:#111;'> 1.06MB </span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明