欢迎来到 YOLOv9 和 YOLOv10 课程，这是一门二合一课程。 YOLOv10 和 YOLOv9 代表了计算机视觉目标检测模型的最新进展。本课程首先介绍计算机视觉的基础知识，包括非极大值抑制和平均精度。接下来，我们深入研究 YOLOv9，探索其架构并强调它如何超越其他目标检测模型。在第 04 节中，我们演示了使用 YOLOv9 对图像和视频进行对象检测，评估其在各种参数上的性能。

随后，在第 05 节中，我们在用于个人防护装备 (PPE) 检测的自定义数据集上训练 YOLOv9 模型。此外，第 06 节重点介绍对象跟踪，其中我们将 YOLOv9 与 DeepSORT 和 SORT 算法集成。在这里，我们还使用 YOLOv9 和 DeepSORT 算法开发了一个用于人/车辆计数（进入和退出）的应用程序。

第 07 节提供了 YOLO-World 的回顾以及使用 YOLO-World 执行对象检测的分步指南。最后，在第 08 节中，我们将通过将 YOLOv9 与 Flask 集成来创建 Web 应用程序。

第09节介绍了YOLOv10，包括什么是YOLOv10、YOLOv10如何工作、YOLOv10在架构上进行了哪些增强，此外本节还介绍了YOLOv10与其他YOLO模型的性能比较。

在第 10 节中，我们使用 YOLOv10 演示图像和视频中的对象检测。随后在第 11 节中，我们在用于个人防护装备 (PPE) 检测的自定义数据集上训练 YOLOv10 模型。

这门综合课程涵盖一系列主题，包括：

• 平均精度 (mAP)。

• 非最大抑制（NMS）。

• 什么是 YOLOv9 | YOLOv9 的架构。

• 使用 YOLOv9 进行物体检测。

• 测试 YOLOv9 模型在图像、视频和实时网络摄像头上的性能。

• 在自定义数据集上训练 YOLOv9。

• 使用 YOLOv9 进行个人防护装备 (PPE) 检测。

• 使用 YOLOv9 和 DeepSORT 进行对象跟踪。

• 使用 YOLOv9 和 SORT 进行对象跟踪。

• 使用 YOLOv9 和 DeepSORT 算法进行人员/车辆计数（进入和离开）。

• YOLO世界简介。

• 使用 YOLO-World 对图像和视频进行对象检测。

• 将 YOLOv9 与 Flask 集成并创建 Web 应用程序。

• 使用 YOLOv9 和 Flask 在浏览器中进行对象检测

• 什么是 YOLOv10？架构深度探讨

• 使用 YOLOv10 进行图像和视频中的对象检测

• 在自定义数据集上训练/微调 YOLOv10 模型以进行个人防护装备 (PPE) 检测