YOLOv3目标检测：原理与Darknet源码解析

Posted 2021-12-30

Linux创始人Linus Torvalds有一句名言：Talk is cheap. Show me the code. （冗谈不够，放码过来！）。

代码阅读是从入门到提高的必由之路。尤其对深度学习，许多框架隐藏了神经网络底层的实现，只能在上层调包使用，对其内部原理很难认识清晰，不利于进一步优化和创新。

YOLOv3是一种基于深度学习的端到端实时目标检测方法，以速度快见长。

YOLOv3的实现Darknet是使用C语言开发的轻型开源深度学习框架，依赖少，可移植性好，可以作为很好的代码阅读案例，让我们深入探究其实现原理。

考虑到这方面需要，本人推出了课程《YOLOv3目标检测：原理与源码解析》。
课程链接：https://edu.51cto.com/course/18384.html

本课程将解析YOLOv3的实现原理和源码，具体内容包括：

• YOLO目标检测原理

• 神经网络及Darknet的C语言实现，尤其是反向传播的梯度求解和误差计算

• 代码阅读工具及方法

• 深度学习计算的利器：BLAS和GEMM

• GPU的CUDA编程方法及在Darknet的应用

• YOLOv3的程序流程及各层的源码解析

本课程将提供注释后的Darknet的源码程序文件。

除本课程《YOLOv3目标检测：原理与源码解析》外，本人推出了有关YOLOv3目标检测的系列课程，包括：

《YOLOv3目标检测实战：训练自己的数据集》

《YOLOv3目标检测实战：交通标志识别》

《YOLOv3目标检测：原理与源码解析》

《YOLOv3目标检测：网络模型改进方法》

建议先学习课程《YOLOv3目标检测实战：训练自己的数据集》或课程《YOLOv3目标检测实战：交通标志识别》，对YOLOv3的使用方法了解以后再学习本课程。