深度学习-物体检测-YOLO系列课程介绍:
物体检测是计算机视觉中一个重要的分支,其大致功能是在一张图片中,用最小矩形框框出目标物体位置,并进行分类。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。
课程目录:
——/深度学习-物体检测-YOLO系列/ ├──深度学习-物体检测-YOLO系列 | ├──01.课程内容与风格介绍-.mp4 30.73M | ├──02.检测任务中阶段的意义-.mp4 20.87M | ├──03.不同阶段算法优缺点分析-.mp4 13.76M | ├──04.IOU指标计算-.mp4 15.90M | ├──05.评估所需参数计算-.mp4 37.83M | ├──06.map指标计算-.mp4 26.84M | ├──08.YOLO算法整体思路解读-.mp4 20.01M | ├──09.检测算法要得到的结果-.mp4 19.63M | ├──10.整体网络架构解读-.mp4 41.06M | ├──11.位置损失计算-.mp4 30.26M | ├──12.置信度误差与优缺点分析-.mp4 37.36M | ├──13.V2版本细节升级概述-.mp4 16.48M | ├──14.网络结构特点-.mp4 18.66M | ├──15.架构细节解读-.mp4 23.69M | ├──16.基于聚类来选择先验框尺寸-.mp4 32.92M | ├──17.偏移量计算方法-.mp4 35.20M | ├──18.坐标映射与还原-.mp4 15.32M | ├──19.感受野的作用-.mp4 33.33M | ├──20.特征融合改进-.mp4 24.66M | ├──21.V3版本改进概述-.mp4 23.90M | ├──22.多scale方法改进与特征融合-.mp4 26.37M | ├──23.经典变换方法对比分析-.mp4 15.13M | ├──24.残差连接方法解读-.mp4 25.62M | ├──25.整体网络模型架构分析-.mp4 17.10M | ├──26.先验框设计改进-.mp4 21.20M | ├──27.sotfmax层改进-.mp4 13.95M | ├──28.数据与环境配置-.mp4 54.52M | ├──29.训练参数设置-.mp4 22.76M | ├──30.COCO数据与标签读取-.mp4 41.66M | ├──31.标签文件读取与处理-.mp4 30.81M | ├──32.debug模式介绍-.mp4 13.10M | ├──33.基于配置文件构建网络模型-.mp4 20.25M | ├──34.路由层与shortcut层的作用-.mp4 40.62M | ├──35.YOLO层定义解析-.mp4 84.91M | ├──36.预测结果计算-.mp4 24.11M | ├──37.网格偏移计算-.mp4 18.10M | ├──38.模型要计算的损失-.mp4 13.34M | ├──39.标签值格式修改-.mp4 71.68M | ├──40.坐标相对位置计算-.mp4 17.93M | ├──41.完成所有损失函数所需计算指标-.mp4 19.68M | ├──42.模型训练与总结-.mp4 37.84M | ├──43.预测效果展示-.mp4 50.97M | ├──44.Labelme工具安装-.mp4 8.45M | ├──45.数据信息标注-.mp4 47.51M | ├──46.完成标签制作-.mp4 16.44M | ├──47.生成模型所需配置文件-.mp4 19.82M | ├──48.json格式转换成yolo-v3所需输入-.mp4 39.37M | ├──49.完成输入数据准备工作-.mp4 81.66M | ├──50.训练代码与参数配置更改-.mp4 24.98M | ├──51.训练模型并测试效果-.mp4 54.14M | ├──52.V4版本整体概述-.mp4 17.07M | ├──52.迁移学习的目标-.mp4 9.05M | ├──53.V4版本贡献解读-.mp4 7.28M | ├──53.迁移学习策略-.mp4 11.89M | ├──54.Resnet原理-.mp4 45.81M | ├──54.数据增强策略分析-.mp4 26.81M | ├──55.DropBlock与标签平滑方法-.mp4 14.24M | ├──55.Resnet网络细节-.mp4 24.32M | ├──56.Resnet基本处理操作-.mp4 15.69M | ├──56.损失函数遇到的问题-.mp4 10.89M | ├──57.CIOU损失函数定义-.mp4 7.76M | ├──57.shortcut模块-.mp4 54.27M | ├──58.NMS细节改进-.mp4 10.88M | ├──58.加载训练好的权重-.mp4 18.14M | ├──59.SPP与CSP网络结构-.mp4 10.94M | ├──59.迁移学习效果对比-.mp4 24.79M | ├──60.Faster-rcnn物体检测概述-.mp4 25.71M | ├──60.SAM注意力机制模块-.mp4 23.86M | ├──61.PAN模块解读-.mp4 14.54M | ├──61.深度学习经典检测方法-.mp4 29.53M | ├──62.faster-rcnn概述-.mp4 21.03M | ├──62.激活函数与整体架构总结-.mp4 21.40M | ├──63.论文解读-.mp4 52.02M | ├──63.整体项目概述-.mp4 70.08M | ├──64.RPN网络结构-.mp4 52.48M | ├──64.训练自己的数据集方法-.mp4 20.56M | ├──65.损失函数定义-.mp4 78.64M | ├──65.训练数据参数配置-.mp4 78.35M | ├──66.测试DEMO演示-.mp4 23.91M | ├──66.网络细节-.mp4 92.57M | ├──67.数据源DEBUG流程解读-.mp4 20.30M | ├──68.图像数据源配置-.mp4 19.49M | ├──69.加载标签数据-.mp4 14.38M | ├──70.Mosaic数据增强方法-.mp4 15.78M | ├──71.数据四合一方法与流程演示-.mp4 44.62M | ├──72.getItem构建batch-.mp4 18.89M | ├──73.网络架构图可视化工具安装-.mp4 51.05M | ├──74.V5网络配置文件解读-.mp4 20.50M | ├──75.Focus模块流程分析-.mp4 25.90M | ├──76.完成配置文件解析任务-.mp4 30.35M | ├──77.前向传播计算-.mp4 59.75M | ├──78.BottleneckCSP层计算方法-.mp4 73.07M | ├──79.Head层流程解读-.mp4 17.51M | ├──80.SPP层计算细节分析-.mp4 34.07M | ├──81.上采样与拼接操作-.mp4 22.37M | ├──82.输出结果分析-.mp4 33.44M | ├──83.超参数解读-.mp4 30.33M | ├──84.命令行参数介绍-.mp4 30.86M | ├──85.训练流程解读-.mp4 49.00M | ├──86.各种训练策略概述-.mp4 41.61M | └──87.模型迭代过程-.mp4 37.85M └──资料 | └──YOLO-V3-PyTorch | | ├──COCO-DATA | | ├──训练自己的数据集 | | ├──PyTorch-YOLOv3.zip 462.21M | | └──YOLO.pdf 1.88M
此隐藏内容仅限VIP查看升级VIP
侵权联系与免责声明 1、本站资源所有言论和图片纯属用户个人意见,与本站立场无关 2、本站所有资源收集于互联网,由用户分享,该帖子作者与独角兽资源站不享有任何版权,如有侵权请联系本站删除 3、本站部分内容转载自其它网站,但并不代表本站赞同其观点和对其真实性负责 4、如本帖侵犯到任何版权问题,请立即告知本站,本站将及时予与删除并致以最深的歉意 如有侵权联系邮箱:1415374178@qq.com
评论0