課程演示環境：Windows10; cuda 10.2; cudnn7.6.5; Python3.7; VisualStudio2019; OpenCV3.4

需要學習ubuntu系統YOLOv4的同學請前往：《YOLOv4目標檢測實戰：訓練自己的資料集》

https://edu.51cto.com/course/22982.html

YOLOv4來了！速度和精度雙提升！

與 YOLOv3 相比，新版本的 AP (精度)和 FPS （每秒幀率）分別提高了 10% 和 12%。

YOLO系列是基於深度學習的端到端實時目標檢測方法。本課程將手把手地教大家使用labelImg標註和使用YOLOv4訓練自己的資料集。課程實戰分為兩個專案：單目標檢測（足球目標檢測）和多目標檢測（足球和梅西同時檢測）。

本課程的YOLOv4使用AlexyAB/darknet，在Windows系統上做專案演示。包括：安裝軟體環境、安裝YOLOv4、標註自己的資料集、整理自己的資料集、修改配置檔案、訓練自己的資料集、測試訓練出的網路模型、效能統計(mAP計算)和先驗框聚類分析。還將介紹改善YOLOv4目標檢測效能的技巧。

除本課程《Windows版YOLOv4目標檢測實戰：訓練自己的資料集》外，本人將推出有關YOLOv4目標檢測的系列課程。請持續關注該系列的其它視訊課程，包括：

《Windows版YOLOv4目標檢測實戰：人臉口罩佩戴檢測》
《Windows版YOLOv4目標檢測實戰：中國交通標誌識別》
《Windows版YOLOv4目標檢測：原理與原始碼解析》