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》。