使用Flume NG实现数据采集平台

　　课程演示环境: 需要学习Windows系统YOLOv4的Ubuntu学生，请转到“ Windows版YOLOv4目标检测实战: 训练自己的数据集”，课程链接YOLOv4在这里！速度和准确性加倍！与YOLOv3相比，新版本的AP（准确性）和FPS（每秒帧速率）分别增加了10％和12％. YOLO系列是一种基于深度学习的端到端实时目标检测方法. 本课程将教您如何使用labelImg通过YOLOv4标记和训练自己的数据集. 该课程的实际战斗分为两个项目: 单目标检测（足球目标检测）和多目标检测（足球和梅西同时检测）. 本课程的YOLOv4使用AlexAB / darknet在Ubuntu系统上进行项目演示. 包括: 安装YOLOv4，标记自己的数据集，组织自己的数据集，修改配置文件，训练自己的数据集，测试经过训练的网络模型，性能统计信息（mAP计算和绘制PR曲线）以及先前的帧聚合类分析. 它还将介绍提高YOLOv4目标训练性能的技术. 除了本课程“ YOLOv4目标检测实际战斗: 训练自己的数据集”之外，我还将开设一系列有关YOLOv4目标检测的课程. 请继续关注本系列的其他视频课程，包括: “ YOLOv4目标检测实际战斗: 口罩佩戴识别”，“ YOLOv4目标检测实际战斗: 中国交通标志识别”，“ YOLOv4目标检测: 原理和源代码”分析”