Real-Time Object Detection with YOLO

• Python 3.x 编程经验
• 任何 Python IDE 的基本知识
• 具有 Python argparse 和命令行参数的经验
• 了解计算机视觉和机器学习库
• 了解基本目标检测算法

观众

• 后端开发人员
• 数据科学家

YOLO(You Only Look Once)是一个算法,转化为预先训练的对象检测模式。 它是由Darknet神经网络框架测试的,因此它是基于COCO(通用对象背景)数据集的计算机视觉功能开发的理想。 最新版本的YOLO框架,YOLOv3-v4,允许程序有效地执行物体位置和分类任务,同时在实时运行。

由教练引导,现场培训(在线或在线)旨在为背景开发人员和数据科学家,他们希望将预先训练的YOLO模型纳入他们的企业导向的程序,并实施成本效益的对象检测组件。

在本研讨会结束后,参与者将能够:

• 使用 YOLO 安装和配置对象检测所需的工具和图书馆。
• 定制以 YOLO 预先训练的模型为基础的命令线应用程序。
• 为各种计算机视觉项目实施预先训练的YOLO模型的框架。
• 将现有对象检测数据集转换为YOLO格式。
• 了解计算机视觉和/或深度学习的YOLO算法的基本概念。

课程格式

• 互动讲座和讨论。
• 很多练习和练习。
• 在现场实验室环境中进行手动实施。

课程定制选项

• 要申请此课程的定制培训,请联系我们安排。

介绍

YOLO 预训练模型功能和架构概述

• YOLO 算法
• 基于回归的目标检测算法
• YOLO与RCNN有何不同？

使用适当的 YOLO 变体

• YOLOv1-v2的功能和架构
• YOLOv3-v4的功能和架构

安装和配置 YOLO 实现的 IDE

• 暗网实施
• PyTorch 和 Keras 实现
• 执行 OpenCV 和 NumPy

使用 YOLO 预训练模型进行目标检测概述

构建和定制 Python 命令行应用程序

• 使用 YOLO 框架标记图像
• 基于数据集的图像分类

使用 YOLO 实现检测图像中的对象

• 边界框如何工作？
• YOLO用于实例分割的准确性如何？
• 解析命令行参数

提取 YOLO 类标签、坐标和维度

显示生成的图像

使用 YOLO 实现检测视频流中的对象

• 它与基本图像处理有何不同？

在框架上训练和测试 YOLO 实现

故障排除和调试

总结和结论