深度学习-物体检测-YOLO系列

深度学习-物体检测-YOLO系列

唐宇迪

唐宇迪,计算机博士,专注于机器学习与计算机视觉领域,深度学习领域一线实战专家。参与多个国家级计算机视觉项目,多年数据领域培训经验,丰富的教学讲解经验。

  • 课程目录
  • 课程介绍
  • 课时1:课程内容与风格介绍

  • 课时2:检测任务中阶段的意义

  • 课时3:不同阶段算法优缺点分析

  • 课时4:IOU指标计算

  • 课时5:评估所需参数计算

  • 课时6:map指标计算

  • 课时7:课程数据代码PPT下载(需PC登录)

  • 课时8:YOLO算法整体思路解读

  • 课时9:检测算法要得到的结果

  • 课时10:整体网络架构解读

  • 课时11:位置损失计算

  • 课时12:置信度误差与优缺点分析

  • 课时13:V2版本细节升级概述

  • 课时14:网络结构特点

  • 课时15:架构细节解读

  • 课时16:基于聚类来选择先验框尺寸

  • 课时17:偏移量计算方法

  • 课时18:坐标映射与还原

  • 课时19:感受野的作用

  • 课时20:特征融合改进

  • 课时21:V3版本改进概述

  • 课时22:多scale方法改进与特征融合

  • 课时23:经典变换方法对比分析

  • 课时24:残差连接方法解读

  • 课时25:整体网络模型架构分析

  • 课时26:先验框设计改进

  • 课时27:sotfmax层改进

  • 课时28:数据与环境配置

  • 课时29:训练参数设置

  • 课时30:COCO数据与标签读取

  • 课时31:标签文件读取与处理

  • 课时32:debug模式介绍

  • 课时33:基于配置文件构建网络模型

  • 课时34:路由层与shortcut层的作用

  • 课时35:YOLO层定义解析

  • 课时36:预测结果计算

  • 课时37:网格偏移计算

  • 课时38:模型要计算的损失

  • 课时39:标签值格式修改

  • 课时40:坐标相对位置计算

  • 课时41:完成所有损失函数所需计算指标

  • 课时42:模型训练与总结

  • 课时43:预测效果展示

  • 课时44:Labelme工具安装

  • 课时45:数据信息标注

  • 课时46:完成标签制作

  • 课时47:生成模型所需配置文件

  • 课时48:json格式转换成yolo-v3所需输入

  • 课时49:完成输入数据准备工作

  • 课时50:训练代码与参数配置更改

  • 课时51:训练模型并测试效果

  • 课时52:V4版本整体概述

  • 课时53:V4版本贡献解读

  • 课时54:数据增强策略分析

  • 课时55:DropBlock与标签平滑方法

  • 课时56:损失函数遇到的问题

  • 课时57:CIOU损失函数定义

  • 课时58:NMS细节改进

  • 课时59:SPP与CSP网络结构

  • 课时60:SAM注意力机制模块

  • 课时61:PAN模块解读

  • 课时62:激活函数与整体架构总结

  • 课时63:整体项目概述

  • 课时64:训练自己的数据集方法

  • 课时65:训练数据参数配置

  • 课时66:测试DEMO演示

  • 课时67:数据源DEBUG流程解读

  • 课时68:图像数据源配置

  • 课时69:加载标签数据

  • 课时70:Mosaic数据增强方法

  • 课时71:数据四合一方法与流程演示

  • 课时72:getItem构建batch

  • 课时73:网络架构图可视化工具安装

  • 课时74:V5网络配置文件解读

  • 课时75:Focus模块流程分析

  • 课时76:完成配置文件解析任务

  • 课时77:前向传播计算

  • 课时78:BottleneckCSP层计算方法

  • 课时79:SPP层计算细节分析

  • 课时80:Head层流程解读

  • 课时81:上采样与拼接操作

  • 课时82:输出结果分析

  • 课时83:超参数解读

  • 课时84:命令行参数介绍

  • 课时85:训练流程解读

  • 课时86:各种训练策略概述

  • 课时87:模型迭代过程

  • 课时88:迁移学习的目标

  • 课时89:迁移学习策略

  • 课时90:Resnet原理

  • 课时91:Resnet网络细节

  • 课时92:Resnet基本处理操作

  • 课时93:shortcut模块

  • 课时94:加载训练好的权重

  • 课时95:迁移学习效果对比

  • 课时96:Faster-rcnn物体检测概述

  • 课时97:深度学习经典检测方法

  • 课时98:faster-rcnn概述

  • 课时99:论文解读

  • 课时100:RPN网络结构

  • 课时101:损失函数定义

  • 课时102:网络细节

课程概述

物体检测YOLO系列课程主要包括两大核心模块:(1),YOLO系列算法精讲,详细解读3篇论文核心知识点与整体网络架构并对其效果展开深入分析,通俗讲解YOLO架构实现原理与效果提升细节;(1),YOLO-V3项目实战,详细解读V3版本源码,通过debug模式讲解其中每一行代码,从根本掌握YOLO系列全部实现细节。整体风格通俗易懂,原理+实战实战,提供全部课程所需PPT,数据,代码。

相关教程

Learnfk - RSpec教程

Learnfk - Ruby教程

Learnfk - Haskell教程

Learnfk - PostgreSQL教程

Learnfk - Django教程

Learnfk - Swift5教程

随机推荐

奥义瑜伽垫加厚15MM加宽加长健身垫测评结果震惊你!内幕透露。

良良婴儿隔尿垫功能真的不好吗,功能真的不好吗

小猪酷琦宝宝餐椅深度剖析测评质量好不好!要注意哪些质量细节!

戴尔37.5英寸WQHD+来看下质量评测怎么样吧!测评结果让你出乎意料...

得力deli10只A4加厚透明文件袋按扣资料袋怎么样?深度剖析测评质...

美国汉臣HARISON智能家用踏步机迷你静音太空漫步机买前必看,哪个...