YOLOv3目标检测实战:网络模型改进方法

YOLOv3是一种基于深度学习的端到端实时目标检测方法,以速度快见长。

本课程将学习YOLOv3的实现的darknet的网络模型改进方法。

课程链接:https://edu.csdn.net/course/detail/26159

具体包括:

• PASCAL VOC数据集的整理、训练与测试 

• Eclipse IDE的安装与使用 

• 改进1:不显示指定类别目标的方法 (增加功能) 

• 改进2:合并BN层到卷积层 (加快推理速度) 

• 改进3:使用GIoU指标和损失函数 (提高检测精度) 

• 改进4:tiny YOLOv3 (简化网络模型)

• AlexeyAB/darknet项目介绍

除本课程《YOLOv3目标检测实战:网络模型改进方法》外,本人推出了有关YOLOv3目标检测的系列课程,请关注该系列的其它课程,包括:

《YOLOv3目标检测实战:训练自己的数据集》

《YOLOv3目标检测实战:交通标志识别》

《YOLOv3目标检测:原理与源码解析》

在学习课程《YOLOv3目标检测实战:网络模型改进方法》前,建议先学习课程《YOLOv3目标检测实战:训练自己的数据集》和课程《YOLOv3目标检测实战:交通标志识别》之一和课程《YOLOv3目标检测:原理与源码解析》。

你可能感兴趣的:(深度学习之计算机视觉)