首页

投稿

【2026最新yolo教程入门】基于Python的YOLOv8教程从零开始，课程涵盖环境搭建+模型训练+训练自己的数据集从入门到实战！！深度学习/计算机视觉

3.7万

117

2026-07-23 11:14:28

【视频配套籽料、学习路线、GitHub项目、实战案例集、电子书+问题解答请看 ”置顶平论” 自取哦】如果视频对你有用的话请一键三连【长按点赞】支持一下UP哦，拜托，这对我真的很重要！

计算机视觉

Opencv学习教程发消息

一个专注于分享人工智能技术的up主！没有秒回去【AI技术星球】回复126“”

1-YOLOv8 环境安装

21:13

2-YOLOv8 模型预测

18:21

3-YOLOv8 数据集构建

23:15

4-YOLOv8 模型训练

24:54

1-物体检测评估指标

31:31

1-检测任务中阶段的意义

06:22

2-不同阶段算法优缺点分析

04:43

3-IOU指标计算

05:10

4-评估所需参数计算

10:01

5-map指标计算

07:27

1-YOLO算法整体思路解读

07:12

2-检测算法要得到的结果

06:18

3-整体网络架构解读

11:39

4-位置损失计算

08:13

5-置信度误差与优缺点分析

11:49

1-V2版本细节升级概述

05:43

2-网络结构特点

06:03

3-架构细节解读

06:53

4-基于聚类来选择先验框尺寸

10:22

5-偏移量计算方法

10:49

6-坐标映射与还原

03:37

7-感受野的作用

11:07

8-特征融合改进

07:56

1-V3版本改进概述

08:19

2-多scale方法改进与特征融合

07:38

3-经典变换方法对比分析

04:56

4-残差连接方法解读

07:46

5-整体网络模型架构分析

05:01

6-先验框设计改进

05:25

7-sotfmax层改进

04:25

1-数据与环境配置

12:43

2-训练参数设置

04:49

3-COCO图像数据读取与处理

08:42

4-标签文件读取与处理

05:51

5-debug模式介绍

04:28

6-基于配置文件构建网络模型

07:24

7-路由层与shortcut层的作用

07:25

8-YOLO层定义解析

09:53

9-预测结果计算

10:51

10-网格偏移计算

08:14

11-模型要计算的损失概述

06:35

12-标签值格式修改

06:56

13-坐标相对位置计算

08:26

14-完成所有损失函数所需计算指标

08:57

15-模型训练与总结

14:04

16-预测效果展示

06:14

1-Labelme工具安装

04:10

2-数据信息标注

04:55

3-完成标签制作

06:09

4-生成模型所需配置文件

08:19

5-json格式转换成yolo-v3所需输入

06:15

6-完成输入数据准备工作

08:46

7-训练代码与参数配置更改

10:30

8-训练模型并测试效果

07:08

1-V4版本整体概述

06:04

2-V4版本贡献解读

04:36

3-数据增强策略分析

09:00

4-DropBlock与标签平滑方法

08:20

5-损失函数遇到的问题

06:46

6-CIOU损失函数定义

04:46

7-NMS细节改进

05:39

8-SPP与CSP网络结构

06:50

9-SAM注意力机制模块

09:00

10-PAN模块解读

08:42

11-激活函数与整体架构总结

08:18

顶部