Labellerr/Hands-On-Learning-in-Computer-Vision

解决的问题

想学习计算机视觉的人常常面临理论与实践之间的差距。此仓库提供了可直接运行的 Jupyter 笔记本，演示如何将 YOLO、RT-DETR 和 Depth Anything 等最先进的模型应用于实际问题，如废物分类、交通分析、体育分析、工业检测和农业监测。

工作原理

这是一个笔记本集合，每个笔记本专注于一个特定用例。每个笔记本通常展示如何在自定义数据集上为特定任务微调预训练模型（例如 YOLO），并包含可在 Jupyter 或 Google Colab 中运行的代码单元格。许多笔记本还链接到 YouTube 讲解视频。这些笔记本组织在“fine-tune YOLO for various use cases”文件夹下，涵盖目标检测、实例分割、姿态估计、OCR 和基于深度的定位等任务。

适用人群

这适用于希望获得如何将计算机视觉模型应用于实际问题的动手示例的开发者、学生和 AI 从业者。对于那些已经了解一些基础知识并希望看到如何为自定义任务微调模型而无需从头开始的人来说，尤其有用。

亮点

• 不断增长的笔记本集合，涵盖多个领域：废物、电子、交通、体育、零售、农业、制造业等。
• 每个笔记本还配有 YouTube 教程视频，提供逐步指导。
• 大多数笔记本可以直接在 Google Colab 中启动，无需本地 GPU 设置即可轻松运行。
• 示例侧重于为特定任务微调 YOLO 和 RT-DETR 等流行模型，而不是从头训练新模型。