课程概述
计算机视觉-物体检测-通用解决框架Mask-Rcnn实战课程旨在帮助同学们快速掌握物体检测领域当下主流解决方案与网络框架构建原理，基于开源项目解读其应用领域与使用方法。通过debug方式，详细解读项目中每一模块核心源码，从代码角度理解网络实现方法与建模流程。为了方便同学们能将项目应用到自己的数据与任务中，实例演示如何针对自己的数据集制作标签与代码调整方法，全程实战操作，通俗讲解其中复杂的网络架构。
吾生也有涯，而知也无涯。
-
T
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
G
-
A
返现请截订单图发我微信
WX: awangwang2012
返现请加微信:
awangwang2012
- 课程目录
- 课程介绍
-
课时1:课程简介
-
课时2:Mask-Rcnn开源项目简介
-
课时3:开源项目数据集
-
课时4:参数配置
-
课时5:数据代码下载
-
课时6:FPN层特征提取原理解读
-
课时7:FPN网络架构实现解读
-
课时8:生成框比例设置
-
课时9:基于不同尺度特征图生成所有框
-
课时10:RPN层的作用与实现解读
-
课时11:候选框过滤方法
-
课时12:Proposal层实现方法
-
课时13:DetectionTarget层的作用
-
课时14:正负样本选择与标签定义
-
课时15:RoiPooling层的作用与目的
-
课时16:RorAlign操作的效果
-
课时17:整体框架回顾
-
课时18:Labelme工具安装
-
课时19:使用labelme进行数据与标签标注
-
课时20:完成训练数据准备工作
-
课时21:maskrcnn源码修改方法
-
课时22:基于标注数据训练所需任务
-
课时23:测试与展示模块
-
课时24:COCO数据集与人体姿态识别简介
-
课时25:网络架构概述
-
课时26:流程与结果演示
-
课时27:迁移学习的目标
-
课时28:迁移学习策略
-
课时29:Resnet原理
-
课时30:Resnet网络细节
-
课时31:Resnet基本处理操作
-
课时32:shortcut模块
-
课时33:加载训练好的权重
-
课时34:迁移学习效果对比
-
课时35:物体检测经典算法概述
-
课时36:经典检测方法
-
课时37:faster-rcnn概述
-
课时38:论文整体概述
-
课时39:RPN网络结构
-
课时40:损失函数定义
-
课时41:网络细节