YOLOv7 – YOLOv11 深度学习实战课程

从零掌握 YOLOv7、YOLOv8、YOLOv9、YOLOv10、YOLOv11 —— 自定义数据集训练、目标检测、姿态估计与实例分割全流程

学习内容：

• 掌握 YOLOv7、YOLOv8、YOLOv9、YOLOv10、YOLOv11 的完整安装、训练与推理流程。
• 学习目标检测、实例分割、姿态估计、图像分类与目标跟踪等计算机视觉任务。
• 深入理解 YOLO 模型架构演进与各版本核心算法更新。
• 掌握 LabelImg 与 Labelme 数据标注工具及自动数据集划分方法。
• 学习使用 TensorBoard 进行训练过程可视化与性能监控。
• 实战八个真实项目：人流计数、车辆速度检测、口罩识别、X光分类、作物病害识别等。
• 理解卷积神经网络（CNN）的核心原理，包括卷积层、池化层、激活函数与特征提取机制。
• 学习使用 Streamlit 构建 Web 仪表板，实现模型可视化与实时监控。

本课程包括：

• 15小时高清视频内容
• 7篇技术文章与44个可下载资源
• 支持移动端与电视端学习
• 课程结业证书
• 8个完整实战项目 + 模型性能可视化

价格：$19.99

教程评分：⭐ 4.4 / 5 （共683条评分）已有5,826名学员加入学习

教程语言：英语

教程字幕：中英文字幕

课程要求：

• 建议具备基础编程知识（Python 优先）。
• Windows 系统电脑，推荐配备 Nvidia GPU 加速训练。
• 对人工智能、深度学习或计算机视觉有兴趣的初学者与进阶学员。

课程描述：

《YOLOv7 – YOLOv11 深度学习实战课程》是一门系统整合计算机视觉前沿模型的专业课程，涵盖 YOLO 系列（v7 至 v11）从基础到进阶的完整学习路径。课程采用“5合1”结构，将目标检测、实例分割、姿态估计、图像分类与目标跟踪全流程贯通。

学员将学习如何使用 Python、OpenCV、TensorBoard 与 Google Colab 环境，从零开始配置与运行 YOLOv7/8/9/10/11 模型，掌握自定义数据集训练、迁移学习及模型调优方法。课程通过动画与案例讲解卷积神经网络（CNN）的底层原理，让你深入理解特征提取、损失函数与平均精度（mAP）指标。

课程包含 8 个真实项目案例，如车辆计数与速度检测 Web 应用、人体姿态识别、农业病虫害分割、X光图像分类、以及 YOLOv11 OBB 停车场检测系统，帮助学员将理论知识落地为可运行的项目成果。同时，课程还涵盖了 Streamlit 仪表盘构建，让学员能够将模型可视化并部署为交互式应用。

无论你是人工智能初学者、计算机视觉研究者，还是想提升AI实战能力的开发者，这门课程都将帮助你在最短时间内全面掌握 YOLO 的技术体系，并能独立完成从数据标注到模型部署的完整流程。

B站免费课程

更多 人工智能 教程