YOLO系列是基于深度学习的端到端实时目标检测方法。 PyTorch版的YOLOv5轻量而高性能，更加灵活和易用，当前非常流行。

本课程将手把手地教大家使用labelImg标注数据集，并使用YOLOv5训练自己的数据集。课程实战分为两个项目：单目标检测（对图像和视频中的足球类别进行目标检测）和多目标检测（对图像和视频中的足球和梅西两个类别同时进行目标检测）。本课程的YOLOv5使用ultralytics/yolov5，分别在Windows和Ubuntu系统上做项目演示。

本课程首先学习目标检测的基础知识，包括目标检测任务说明、常用数据集和性能指标。然后学习YOLOv5目标检测网络技术，包括YOLO目标检测系列技术发展史、YOLOv5网络架构和损失函数，以及YOLOv5的4.0、5.0和6.0更新。

课程的项目演示包括：安装YOLOv5、标注自己的数据集、准备自己的数据集（自动划分训练集和验证集）、修改配置文件、使用wandb训练可视化工具、训练自己的数据集、测试训练出的网络模型和性能统计。

学习本课程可掌握图像标注方法、数据集自动划分方法、以及YOLOv5目标检测训练自己的数据集方法。

本项目提供课程课件的下载和项目数据集的下载（百度网盘和谷歌网盘）。

【相关课程】

本人推出了有关YOLOv5目标检测的系列课程。请持续关注该系列的其它视频课程，包括：

《YOLOv5目标检测实战：训练自己的数据集》

《YOLOv5目标检测：原理与源码解析》

《YOLOv5目标检测实战：Flask Web部署》

《YOLOv5目标检测实战：TensorRT加速部署》

《YOLOv5目标检测实战：Jetson Nano部署》

《YOLOv5实战口罩佩戴检测》

《YOLOv5实战交通标志识别》

《YOLOv5实战垃圾分类目标检测》

《YOLOv5+DeepSORT多目标跟踪与计数精讲》