YOLOv5实战训练自己的数据集(Windows和Ubuntu演示)

课程简介：YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而高性能，更加灵活和易用，当前非常流行。
本课程将手把手地教大家使用labelImg标注和使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）。

本课程的YOLOv5使用ultralytics/yolov5，在Windows和Ubuntu系统上分别做项目演示。包括：安装YOLOv5、标注自己的数据集、准备自己的数据集（自动划分训练集和验证集）、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。

目录：
1-1.课程介绍.mp4
2-1.目标检测-任务说明.mp4
2-2.目标检测-常用数据集.mp4
2-3.目标检测-性能指标.mp4
3-1.YOLO目标检测系列技术发展史.mp4
3-2.YOLOv5网络架构、组件及Loss函数.mp4
3-3.YOLOv5的4.0和5.0更新.mp4
3-4.YOLOv5的6.0更新.mp4
4-1.安装软件环境(cuda,cudnn).mp4
4-2.安装Anaconda和pytorch.mp4
4-3.克隆和安装YOLOv5.mp4
4-4.标注自己的数据集.mp4
4-5.准备自己的数据集.mp4
4-6.修改配置文件.mp4
4-7.使用wandb训练可视化工具.mp4
4-8.训练自己的数据集.mp4
4-9.测试训练出的网络模型及性能统计.mp4
4-10.YOLOv5-6.0足球检测更新.mp4
5-1.数据集准备.mp4
5-2.修改配置文件.mp4
5-3.网络训练.mp4
5-4.网络模型测试及性能统计.mp4
5-5.YOLOv5-6.0足球和梅西检测更新.mp4
6-1.安装PyTorch.mp4
6-2.克隆和安装YOLOv5.mp4
6-3.标注自己的数据集.mp4
6-4.准备自己的数据集.mp4
6-5.修改配置文件.mp4
6-6.使用wandb训练可视化工具.mp4
6-7.训练自己的数据集.mp4
6-8.测试训练出的网络模型与性能统计.mp4
6-9.YOLOv5-6.0足球检测更新.mp4
7-1.数据集准备.mp4
7-2.修改配置文件.mp4
7-3.网络训练.mp4
7-4.网络模型测试与性能统计.mp4
7-5.YOLOv5-6.0足球和梅西检测更新.mp4
8-1.课程总结.mp4
配套课程资料.zip