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。
课程《YOLOv3目标检测实战：训练自己的数据集》将手把手地教大家使用labelImg标注和使用YOLOv3训练自己的数据集。课程分为三个小项目：足球目标检测（单目标检测）、梅西目标检测（单目标检测）、足球和梅西同时目标检测（两目标检测）。
课程链接： https://edu.51cto.com/course/18271.html
本课程的YOLOv3使用Darknet，在Ubuntu系统上做项目演示。包括：安装Darknet、给自己的数据集打标签、整理自己的数据集、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计(mAP计算和画出PR曲线)和先验框聚类。
Darknet是使用C语言实现的轻型开源深度学习框架，依赖少，可移植性好，值得深入探究。
除本课程《YOLOv3目标检测实战：训练自己的数据集》外，本人推出了有关YOLOv3目标检测的系列课程，请持续关注该系列的其它课程视频，包括：
《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》
敬请关注并选择学习！
下图是足球和梅西同时目标检测的一个测试结果：
