欢迎购买学习《掌握YOLOv7目标对象识别检测深度学习模型视频教程》课程，你将学习使用您的自定义数据集训练 YOLOv7模型 并执行对象检测、姿势估计、实例分割、LabelImg。
发表于 2022 年 10 月
MP4 | 视频：h264、1280×720 | 音频：AAC，44.1 KHz，2 Ch
类型：eLearning | 语言：英语 | 时长：34 节课（2h 11m）| 大小：1.2 GB
你会学到什么
- 如何从头开始运行 Python 深度学习程序以在 10 分钟内检测 80 个对象类
- 如何使用您自己的自定义数据集安装和训练 YOLOv7
- 了解 YOLOv7 架构及其实际工作原理
- 轻松理解深度学习的基础理论以及卷积神经网络的工作原理
- 如何使用网络摄像头/摄像头对图像、视频和实时进行对象检测
- 如何找到数据集 | 数据注释 | 数据集拆分
- 通过学习本课程，最后，您将使用 YOLOv7 进行掩码检测
要求
编程经验是一个优势，但不是必需的
Windows 笔记本电脑/PC
描述
欢迎来到 YOLOv7 大师班：深度学习计算机视觉课程。YOLOv7 是最先进的对象检测深度学习模型。它是最快的，也是最准确的。YOLOv7也是YOLO的最新正式版。
你会学到什么
1. 如何从零开始运行一个 YOLOv7 程序，在 10 分钟内检测 80 种物体。
2. YOLO从YOLOv1到YOLOv7的演进。
3.根据我们的实验，真正的性能比较是什么。
4. YOLO与其他深度学习模型相比有哪些优势。
5. YOLOv7的新功能。
6. 人工神经网络如何工作（神经元、感知器、前馈网络、隐藏层、全连接层等）。
7. 不同的激活函数及其工作原理（Sigmoid、tanh、ReLU、Leaky ReLU、Mish 和 SiLU）。
8. 卷积神经网络是如何工作的（卷积过程、池化层、展平等）。
9.不同的计算机视觉问题（图像分类、物体定位、物体检测、实例分割、语义分割）。
10. YOLOv7架构详解。
11. 如何找到数据集。
12.如何使用LabelImg进行数据标注。
13. 如何自动拆分数据集。
14.详细的一步一步的YOLOv7安装。
15. 在自定义数据集上训练 YOLOv7。
16. 使用 Tensorboard 可视化您的训练结果。
17. 在图像、视频和网络摄像头上测试训练好的 YOLOv7 模型。
18. 在课程结束时，您将拥有一个强大的面罩检测器。
本课程适用于谁
- 将使用深度学习的计算机视觉作为最终项目的本科生/研究生
- 任何对学习深度学习以及如何将其应用于解决计算机视觉问题感兴趣的人
