YOLO目标检测技术在实际应用中的深入探索与实践

        实战教程&＃xff0c;持续更新中。

验证环境&＃xff1a;ubuntu18.04&＃43;driver450&＃43;cuda11.0&＃43;cudnn8.0.5&＃43;opencv4.4.0&＃xff1b;

                  win10&＃43;driver440&＃43;cuda10.2&＃43;cudnn7.6&＃43;opencv310。

1、目标检测基础知识

        1&＃xff09;目标定位&＃xff1b;

        2&＃xff09;基于滑动窗的目标检测&＃xff1b;

        3&＃xff09;Bounding Box预测&＃xff1b;

        4&＃xff09;非极大值抑制NMS&＃xff1b;

        5&＃xff09;Anchor Boxes&＃xff1b;

        6&＃xff09;评价指标MAP。

2、yolo算法介绍

2.1、yolo算法之v1、v2、v3

        1&＃xff09;yolo v1论文翻译&＃xff1b;

        2&＃xff09;yolo v2论文翻译&＃xff1b;

        3&＃xff09;yolo v3 论文翻译&＃xff1b;

2.2、yolo算法之v4、v5

        1&＃xff09;yolov4论文翻译&＃xff1b;

2.3、小结

3、搭建darknet训练环境

3.1、显卡驱动&＃43;cuda&＃43;cudnn安装

        1&＃xff09;ubuntu18.04显卡驱动下载安装&＃xff1b;

        2&＃xff09;ubuntu18.04上cuda11.0及cudnn8.0.5安装&＃xff1b;

        3&＃xff09;win10显卡驱动&＃43;cuda&＃43;cudnn安装。

3.2、opencv编译安装

        1&＃xff09;ubuntu18.04下opencv4.4编译&＃xff1b;

        2&＃xff09;ubuntu18.04下opencv编译问题处理整理。

3.3、darknet源码编译

        1&＃xff09;ubuntu18.04-yolov4 darknet环境配置以及效果实测。

3.4、制作自己的数据集

3.5、训练、测试

4、使用TensorRT加载模型

4.1、TensorRT介绍

        1&＃xff09;基于tensorRT方案的INT8量化实现原理&＃xff1b;

4.2、安装TensorRT

        1&＃xff09;ubuntu18.04上tensorrt7.0安装&＃xff1b;

4.3、工程编译、加载

4.4、目标检测最佳实践

5、应用

        5.1、模型结构可视化

        5.2、调整网络结构、通道大小

        5.3、常用优化方式介绍