YOLOv3实战：网络模型改进方法,白老师课堂,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。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》。 适用人群：具有一定深度学习基础，希望掌握YOLOv3目标检测实战方法的同学们