本课程在YOLOv8 v8.1版本代码的基础上增加Network Slimming剪枝方法，在Windows和Ubuntu系统上演示针对自己的数据集训练和进行网络剪枝过程，并讲解原代码针对剪枝的修改和增加部分。

本课程将手把手地教大家使用YOLOv8训练VisDrone无人机目标检测数据集，完成VisDrone目标检测竞赛实战项目，并尝试涨点技巧。

本课程讲述如何对YOLOv8目标检测的PyTorch权重文件转成ONNX格式并进行TensorRT加速部署。

课程链接：Swin Transformer实战目标检测：训练自己的数据集--计算机视觉视频教程-人工智能-CSDN程序员研修院Transformer发轫于NLP（自然语言处理），并跨界应用到CV（计算机视觉）领域。Swin Transformer是基于Transformer的计算机视觉骨干网，在图像分类、目标检测、实例分割、语义分割等多项下游CV应用中取得了SOTA的性能。该项工作也获得了ICCV

使用TensorRT进行YOLOv5的加速部署课程链接：https://edu.csdn.net/course/detail/32303PyTorch版的YOLOv5是高性能的实时目标检测方法。TensorRT是针对英伟达GPU的加速工具。本课程讲述如何使用TensorRT对YOLOv5进行加速和部署。本课程的YOLOv5使用ultralytics/yolov5，分别在Ubuntu和windows

在无人驾驶中，交通标志识别是一项重要的任务。本项目以美国交通标志数据集LISA为训练对象，采用YOLOv3目标检测方法实现实时交通标志识别。具体项目过程包括包括：安装Darknet、下载LISA交通标志数据集、数据集格式转换、修改配置文件、训练LISA数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。YOLOv3可以实时地进行端到端的目标检测，以速度快见长。本...

YOLOv3可以实时地进行端到端的目标检测，以速度快见长。课程《YOLOv3目标检测实战：训练自己的数据集》将手把手地教大家使用YOLOv3训练自己的数据集。课程分为三个小项目：足球目标检测、梅西目标检测、足球和梅西同时目标检测。本课程的YOLOv3使用Darknet，在Ubuntu上做项目演示。包括：安装Darknet、给自己的数据集打标签、整理自己的数据集、修改配置文件、训练自己的数据...

课程链接：DeepLabv3+（PyTorch）图像语义分割：训练自己的数据集--计算机视觉视频教程-人工智能-CSDN程序员研修院DeepLabv3+是一种非常先进的基于深度学习的图像语义分割方法，可对物体进行像素级分割。本课程将手把手地教大家使用labelme图像标注工具制作数据集，并使用PyTorch版本的DeepLabv3+训练自己的数据集，从而能开展自己的图像语义分割应用。本课程以Roa

本课程讲述如何使用TensorRT对YOLOv8实例分割进行加速和部署，实测推理速度提高3倍以上。

PyTorch版课程链接：UNet（PyTorch）图像语义分割实战：训练自己的数据集--计算机视觉视频教程-人工智能-CSDN程序员研修院TensorFlow2课程链接：U-Net图像语义分割实战：训练自己的数据集--计算机视觉视频教程-人工智能-CSDN程序员研修院UNet是一种基于深度学习的图像语义分割方法，尤其在医学图像分割中表现优异。本课程将手把手地教大家使用labelme图像标注工具制