|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/yolov8-trash/
课程评论：没有评论
**課程總結：YOLOv8實戰垃圾分類目標檢測** 本課程旨在教授學員如何利用前沿的YOLOv8目標檢測技術，實戰一個垃圾分類專案。該專案利用超過萬張已標注的垃圾分類數據集，旨在識別圖片中的垃圾類別並精確標示其位置。 **課程內容涵蓋：** * **環境搭建：** 詳細指導在Windows和Ubuntu系統上安裝必要的軟體環境，包括Nvidia顯卡驅動、CUDA、cuDNN以及PyTorch。 * **YOLOv8部署：** 教授如何安裝和配置YOLOv8框架。 * **數據集處理：** 包括數據集的格式轉換、探索性數據分析（EDA），以及自動劃分訓練集和驗證集。 * **模型訓練：** 指導如何修改YOLOv8代碼以支援中文標籤顯示，修改配置文件，並選擇合適的命令參數來訓練垃圾分類目標檢測模型。 * **模型評估：** 教授如何測試訓練好的模型並進行性能統計。 * **GUI開發與應用：** 利用PySide6開發一個視覺化演示介面，支援本地圖片與視頻推理、攝像頭即時視頻流推理，以及HTTP/RTSP流的即時推理。 通過本課程的實戰演練，學員將能夠掌握使用YOLOv8構建和部署一個功能完善的垃圾分類目標檢測系統，為環保事業貢獻一份力量。 **適用人群：** 對目標檢測、深度學習和垃圾分類項目感興趣的開發者、研究人員及學生。
垃圾分類是一項利國利民的民生工程，需要全社會的共同參與。 YOLOv8是前沿的目標檢測技術，它基於先前 YOLO 版本在目標檢測任務上的成功，進一步提升性能和靈活性。本課程將手把手地教大家使用YOLOv8訓練垃圾分類資料集，完成一個多目標檢測實戰專案。專案利用超萬張已標注的目標檢測資料集進行訓練，對居民生活垃圾圖片進行檢測，找出圖片中屬於哪個類別的垃圾，並指示出在圖片中的位置。專案完成後可即時檢測圖像、視頻、攝像頭和流媒體(http/rtsp)中分類垃圾，並提供視覺化演示介面 。本課程分別在Windows和Ubuntu系統上做專案演示。包括：資料集及格式轉換、探索性資料分析（EDA）、安裝軟體環境（Nvidia顯卡驅動、cuda和cudnn）、安裝PyTorch、安裝YOLOv8、 準備資料集（自動劃分訓練集和驗證集）、修改代碼（支援中文標籤顯示）、修改設定檔、訓練垃圾分類目標檢測資料集（合適的命令參數選擇）、測試訓練出的網路模型和性能統計、GUI視覺化演示介面使用PySide6開發，支援本地圖片和視頻推理、攝像頭即時視頻流推理、HTTP/RTSP流即時推理。
