Abhebungsmethode: Baidu.com
Insgesamt [39] Abschnitte
Verfügbarkeit von Kursunterlagen: Ja

Sie werden gewinnen

Beherrschung der YOLOv8-Beispiel-Segmentierung Training Ihres eigenen Datensatzes Methodik

Meisterhafte Methoden der Bildsegmentierung und Kommentierung

Erlernen der YOLOv8 PySide6 GUI-Visualisierungsschnittstelle

relevante Bevölkerung

Studierende und Praktiker, die YOLOv8-Instanzsegmentierungstechniken erlernen möchten
Kurse

Ultralytics YOLOv8 baut auf dem Erfolg früherer YOLO-Versionen auf und führt neue Funktionen und Verbesserungen ein, um die Leistung und Flexibilität weiter zu steigern.YOLOv8 unterstützt die Erkennung und Verfolgung von Zielen, die Segmentierung von Instanzen, die Bildklassifizierung und die Posenschätzung.

In diesem Kurs lernen Sie, die Labelme-Annotation zu nutzen und YOLOv8 zu verwenden, um Ihren eigenen Datensatz zu trainieren und ein Projekt zur multikriteriellen Instanzsegmentierung durchzuführen. In diesem Kurs werden Bilder und Videos von Autofahrszenen verwendet, um das Projekt durchzuführen: Objektannotation und Instanzsegmentierung von Schlaglöchern, Autos und Fahrbahnlinien in der Autofahrszene.

Dieser Kurs ist eine Projektdemonstration auf Windows- bzw. Ubuntu-Systemen. Einschließlich: Installation der Softwareumgebung (Nvidia-Grafiktreiber, cuda und cudnn), Installation von PyTorch, Installation von YOLOv8, Beschriftung des eigenen Datensatzes mit labelme, Konvertierung des Datensatzformats, Vorbereitung des eigenen Datensatzes, Änderung der Konfigurationsdateien, Training des eigenen Datensatzes, Testen des trainierten Netzmodells und Leistungsstatistiken, YOLOv8 PySide6 GUI-Visualisierungsschnittstelle.

Neu in diesem Kurs ist ein praktischer Projekt-Demoablauf für die Nutzung der kostenlosen GPU-Arithmetik auf AliCloud.

Kurskatalog

Kapitel 1: Einführung in den Kurs
Kursbeschreibung 10:29

Kapitel 2: Grundlagen der Bildsegmentierung
Bildsegmentierung - Aufgabenbeschreibung und gängige Datensätze 15:07
Bildsegmentierung - Leistungsmetriken 15:09

Kapitel 3: Kapitel über das YOLOv8-Netzwerkprinzip
Geschichte der YOLO Target Detection Series Technologie 16:33
YOLOv8 Netzwerkarchitektur 18:32
YOLACT Beispiel Segmentierungsprinzip 30:02
YOLOv8 Beispiel Netzwerkausgabe aufteilen 10:22

Kapitel 4: YOLOv8-Beispiel für geteilte Projekte (Windows)
Installation der Softwareumgebung (Nvidia-Treiber, CUDA und cuDNN) 07:50
Installation von PyTorch 03:36
Installation von YOLOv8 07:00
Beschriften Sie Ihren eigenen Datensatz mit labelme 09:15
Formatkonvertierung des Datensatzes 12:19
Vorbereiten eines eigenen Datensatzes 02:43
Ändern von Konfigurationsdateien 02:19
Ändern der Konfigurationsdatei Update 00:48
Trainieren Sie Ihren eigenen Datensatz 08:14
Testen trainierter Netzmodelle und Leistungsstatistiken 06:46
YOLOv8 PySide6 GUI-Visualisierungsschnittstelle 08:40
YOLOv8 PySide6 GUI visuelle Schnittstelle Manipulation 04:53
YOLOv8 Beispiel für die Aufteilung jedes gespeicherten Ziels in eine separate Datei 01:24

Kapitel 5: YOLOv8 Beispiel für ein geteiltes Projekt in der Praxis (Ubuntu)
Installation der Softwareumgebung (Nvidia-Treiber, CUDA und cuDNN) 08:57
Installation von PyTorch 08:49
Installation von YOLOv8 10:42
Beschriftung des eigenen Datensatzes mit labelme 11:11
Konvertierung des Datensatzformats 10:17
Vorbereiten Ihres eigenen Datensatzes 02:05
Ändern von Konfigurationsdateien 03:07
Ändern der Konfigurationsdatei Update 00:48
Training Ihres eigenen Datensatzes 09:29
Testen trainierter Netzmodelle und Leistungsstatistiken 06:09
YOLOv8 PySide6 GUI-Visualisierungsschnittstelle 07:15
YOLOv8 PySide6 GUI visuelle Schnittstelle Manipulation 04:53
YOLOv8 Beispiel für die Aufteilung jedes gespeicherten Ziels in eine separate Datei 01:24

Kapitel 6: YOLOv8 Beispiel für ein Segmentierungsprojekt in der Praxis (AliCloud free GPU arithmetic)
AliCloud Instanzen erstellen 04:42
Projekt klonen und installieren 05:53
Vorbereiten des Datensatzes 01:53
Ändern von Konfigurationsdateien 02:50
Training Ihres eigenen Datensatzes 06:28
Leistungsbewertung 03:44

Ressource Download

Der Download-Preis für diese Ressource beträgt28.9Goldmünzen, bitte, zuerstsich anmelden

Ressourcenerklärung (der Kauf gilt als Zustimmung zu dieser Erklärung):
1. jede Operation in der Website-Plattform gilt als gelesen zu haben und stimmte der Unterseite der Website-Registrierung Vereinbarung und Haftungsausschluss, diese Website Ressourcen wurden ultra-niedrigen Preis, und bietet keine technische Unterstützung
(2) Einige Netzwerk-Benutzer teilen sich die Netto-Disc-Adresse kann ungültig sein, wie das Auftreten von Fehlern, senden Sie bitte eine E-Mail an den Kundendienst code711cn#qq.com (ersetzen Sie # mit @) wird bis zu senden gemacht werden
3. diese Website bietet alle herunterladbaren Ressourcen (Software, etc.) Website, um sicherzustellen, dass keine negativen Veränderungen; aber diese Website kann nicht garantieren, die Richtigkeit, Sicherheit und Integrität der Ressourcen, die Benutzer-Downloads nach eigenem Ermessen, kommunizieren wir für die Zwecke der nicht alle den Quellcode zu lernen ist nicht 100% fehlerfrei oder keine Bugs; Sie müssen eine bestimmte Grundlage zu können, lesen und verstehen den Code, um in der Lage, das Debugging zu ändern haben! Code zu ändern und Fehler zu beheben. Gleichzeitig müssen die Nutzer dieser Seite verstehen, dass der Source Code Convenience Store keine Rechte an der zum Download bereitgestellten Software besitzt, das Urheberrecht gehört dem rechtlichen Eigentümer der Ressource.
4. alle Ressourcen auf dieser Website nur für Lern- und Forschungszwecke, bitte müssen innerhalb von 24 Stunden der heruntergeladenen Ressourcen gelöscht werden, verwenden Sie nicht für kommerzielle Zwecke, da sonst die rechtlichen Streitigkeiten, die sich aus der Website und der Herausgeber der Sicherheiten Haftung Website und wird nicht getragen werden!
(5) Aufgrund der Reproduzierbarkeit der Ressourcen sind einmal erworbene Beträge nicht erstattungsfähig, und auch das Guthaben wird nicht zurückerstattet.