Udemy線上課程 深度學習-物體檢測-YOLO實戰系列(含教材) 講師:唐宇迪 唐 影音教學 中文發音 中文版(DVD版)
物體檢測YOLO系列課程主要包括兩大核心模塊：(1),YOLO系列算法精講，詳細解讀3篇論文核心知識點與整體網絡架構並對其效果展開深入分析，通俗講解YOLO架構實現原理與效果提升細節；(1),YOLO-V3項目實戰，詳細解讀V3版本源碼，通過debug模式講解其中每一行代碼，從根本掌握YOLO系列全部實現細節。
整體風格通俗易懂，原理+實戰實戰，提供全部課程所需PPT,數據，代碼。
YOLO物體檢測項目適合應用於視頻監控數據，可實時對目標場景進行檢測與分析，例如入侵檢測，化工廠危險預警，道路交通行人檢測與流量分析，醫學圖像細胞檢測，航空數據分析等領域，基本所有視頻分析任務都可以使用YOLO框架來搭建。
01 深度學習經典檢測方法概述
001 課程內容與風格介紹.mp4
002 檢測任務中階段的意義.mp4
003 不同階段算法優缺點分析.mp4
004 IOU指標計算.mp4
005 評估所需參數計算.mp4
006 map指標計算.mp4
007 PPT課件下載.html
007 YOLO.pdf
02 YOLO-V1整體思想與網絡架構
008 YOLO算法整體思路解讀.mp4
009 檢測算法要得到的結果.mp4
010 整體網絡架構解讀.mp4
011 位置損失計算.mp4
012 置信度誤差與優缺點分析.mp4
03 YOLO-V2改進細節詳解
013 V2版本細節升級概述.mp4
014 網絡結構特點.mp4
015 架構細節解讀.mp4
016 基于聚類來選擇先驗框尺寸.mp4
017 偏移量計算方法.mp4
018 坐標映射與還原.mp4
019 感受野的作用.mp4
020 特征融合改進.mp4
04 YOLO-V3核心網絡模型
021 V3版本改進概述.mp4
022 多scale方法改進與特征融合.mp4
023 經典變換方法對比分析.mp4
024 殘差連接方法解讀.mp4
025 整體網絡模型架構分析.mp4
026 先驗框設計改進.mp4
027 sotfmax層改進.mp4
05 項目實戰-基于V3版本進行源碼解讀
028 項目實戰-基于V3版本進行源碼解讀.mp4
029 訓練參數設置.mp4
030 COCO數據與標簽讀取.mp4
031 標簽文件讀取與處理.mp4
032 debug模式介紹.mp4
033 基于配置文件構建網絡模型.mp4
034 路由層與shortcut層的作用.mp4
035 YOLO層定義解析.mp4
036 預測結果計算.mp4
037 網格偏移計算.mp4
038 模型要計算的損失.mp4
039 標簽值格式修改.mp4
040 坐標相對位置計算.mp4
041 完成所有損失函數所需計算指標.mp4
042 模型訓練與總結.mp4
043 預測效果展示.mp4
044 PyTorch-YOLOv3.zip
044 代碼下載.html
06 基于YOLO-V3訓練自己的數據與任務
045 Labelme工具安裝.mp4
046 數據信息標注.mp4
047 完成標簽制作.mp4
048 生成模型所需配置文件.mp4
049 json格式轉換成yolo-v3所需輸入.mp4
050 完成輸入數據準備工作.mp4
051 訓練代碼與參數配置更改.mp4
052 訓練模型并測試效果.mp4
053 數據代碼下載.html
053 訓練自己的數據集.zip
07 基礎補充-遷移學習與Resnet網絡架構
054 遷移學習的目標.mp4
055 遷移學習策略.mp4
056 Resnet原理.mp4
057 Resnet原理.mp4
058 Resnet基本處理操作.mp4
059 shortcut模塊.mp4
060 加載訓練好的權重.mp4
061 加載訓練好的權重.mp4
08 基礎補充-物體檢測FasterRcnn系列
062 Faster-rcnn物體檢測概述.mp4
063 深度學習經典檢測方法.mp4
064 faster-rcnn概述.mp4
065 論文解讀.mp4
066 RPN網絡結構.mp4
067 損失函數定義.mp4
068 網絡細節.mp4
|
|
您現在的位置：
專業知識教學
