所属分类：视觉图像与光学光电 当前为单品课程，可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录 咨询 / 购买

YOLO目标检测:从入门到实战

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
YOLO目标检测的课程目标 · 学习路径 · 适用人群
课程导入YOLO
02
目标检测基础
目标检测的定义 · 与图像分类的区别 · 边界框
目标检测基础目标检测的定义
03
传统目标检测方法
滑动窗口 · HOG特征 · DPM等经典方法及其局限性
传统目标检测方法滑动窗口
04
深度学习与卷积神经网络
CNN的基本结构 · 卷积层 · 池化层
深度学习卷积神经网络
05
目标检测的深度学习范式
两阶段检测器（R-CNN系列）与单阶… · YOLO）的对比与演进
目标检测的深度学…R-CNN
06
YOLO系列发展史
从YOLOv1到YOLOv8及最新版… · 核心改进与性能对比
YOLO系列发展史
07
YOLOv1原理详解
核心思想 · 网格划分 · 边界框预测
YOLOv1原理详解
08
YOLOv2/YOLO9000改进
批归一化 · 高分辨率分类器 · 锚框机制
YOLOv2/YOLO9…改进
09
YOLOv3核心机制
多尺度预测 · 特征金字塔网络（FPN） · Darknet-53
YOLOv3核心机制
10
YOLOv4与YOLOv5优化
CSPDarknet53 · SPP · PANet
YOLOv4YOLOv5
11
YOLOv6与YOLOv7技术细节
重参数化 · 解耦头 · 辅助训练分支
YOLOv6YOLOv7
12
YOLOv8新特性
Anchor-Free检测 · C2f模块 · 解耦头
YOLOv8新特性
13
YOLO系列对比与选型
不同版本在精度 · 速度 · 模型大小
YOLO系列对比
14
环境搭建与工具准备
Python · PyTorch · CUDA
环境搭建工具准备
15
数据集准备与标注
常见目标检测数据集（COCO · VOC） · 自定义数据集制作
数据集准备标注
16
数据预处理与增强
图像缩放 · 归一化 · Mosaic
数据预处理增强
17
YOLO模型训练入门
使用Ultralytics YOLO… · 配置参数 · 训练流程
YOLO模型训练入门
18
模型评估与调优
mAP · Precision · Recall
模型评估调优
19
模型推理与部署基础
图片 · 视频 · 摄像头实时检测
模型推理部署基础
20
YOLO实战项目一
交通标志检测——从数据采集 · 标注 · 训练到部署的完整流程
YOLO实战项目一
21
YOLO实战项目二
工业缺陷检测——针对小目标 · 不平衡数据的训练策略与模型优化
YOLO实战项目二
22
YOLO实战项目三
安全帽佩戴检测——多类别检测 · 遮挡处理 · 实时视频流应用
YOLO实战项目三
23
YOLO实战项目四
农作物病虫害检测——迁移学习 · 数据增强 · 模型轻量化与边缘部署
YOLO实战项目四
24
YOLO实战项目五
行人检测与跟踪——结合DeepSOR… · 处理遮挡与ID切换
YOLO实战项目五
25
YOLO常见问题与解决方案
训练不收敛 · 过拟合 · 欠拟合
YOLO常见问题
26
YOLO性能优化技巧
模型剪枝 · 量化 · 知识蒸馏
YOLO性能优化技巧
27
YOLO与其他模型结合
与Transformer（DETR） · SAM分割模型 · 姿态估计
YOLO其他模型结合
28
YOLO在边缘设备上的部署
树莓派 · Jetson Nano · 手机端（NCNN
YOLO边缘设备上的部署
29
YOLO项目工程化实践
代码组织 · 配置管理 · 日志记录
YOLO项目工程化实践
30
课程总结与进阶方向
YOLO未来趋势 · 自监督学习 · 多模态融合
课程总结进阶方向