比YOLOv4小巧90%，速度却超2倍的目标检测算法

它是One-stage目标检测的代表，整个框架非常简单。与RCNN算法不一样，是以不同方式处理对象检测。

YOLO算法的最大优点就是速度极快 ，每秒可处理45帧，也能够理解一般的对象表示。

从个人学习来看： 优秀的计算机视觉工程师，目标检测的学习避免不了，而目标检测的核心就是YOLO。YOLO系列也一直在发展，对于它的学习迫在眉睫。

从职业发展来看 ： YOLO一直是应用很广的主流算法之一，也是月薪30K以上的工程师标配技能，更是技术和求职风向标。因此，搭建检测模型，并深刻理解后，你一定能在求职道路上越走越远。

那么， YOLO应该如何学习？如何吃透 YOLO 必备知识要点？如何把握检测类算法的设计思路？如何找到目标检测模型速度与精度的最优结合？在业务和面试中怎样脱颖而出？

其实，YOLO也不是很难学。为了让大家对计算机视觉中的这一要领学习的更好，给大家推荐一门 【图像目标检测训练营】 ，由 人工智能实战专家的 唐宇迪博士 带你从深度学习到YOLO系列版本分析与应用。

01

PART

主讲老师

• 图像分割核心思想及其应用分析
• 分割领域经典算法Unet系列
• 物体检测经典算法YOLO解读
• YOLO系列升级版本分析与应用