[深度学习][原创][课程]DETR训练自己的目标检测数据集ubuntu版

DETR训练自己的目标检测数据集ubuntu版

课程地址:https://download.csdn.net/course/detail/37382

无限期视频有效期

13节节数

熟悉众多计算机编程语言,开发众多windows程序,长期致力于图像算法、深度学习方面研究工作

  • 课程介绍
  • 课程目录
  • 讨论留言

你将收获

1、学会ubuntu上cuda+cudnn安装

2、学会ubuntu上显卡驱动安装

3、学会DETR检测模型的调用

4、学会如何训练自己的DETR目标检测模型

适用人群

想使用transformer进行训练目标检测模型的研究人员,对DETR框架感兴趣的学者,学生和个人。

课程介绍

       本课程主要以ubuntu为环境基础,为大家讲解如何在ubuntu上训练自己的DETR目标检测数据集模型,主要包括ubuntu上显卡驱动安装,cuda+cudnn安装,anaconda3安装,labelImg安装,DETR环境安装。

        本课程主要以实践为基础,理论问辅。注重讲解DETR目标检测训练的流程以及如何测试自己训练好的模型,并提供了预测类的代码和转换数据集的代码,使得同学们在本课中可以提高获得训练模型效率和训练周期。

        学习本课程需要大家准备好一个Ubuntu18.04系统环境,如果其他版本ubuntu系统也可以,然后就是需要环境是带有英伟达显卡,不建议使用虚拟机训练自己模型。

        请注意,本课程是对DETR进行目标检测训练流程讲解,不对DETR分割模型训练进行讲解。如果您需要分割模型则不适宜学习本课程。

课程目录

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Transformer发轫于NLP(自然语言处理),并跨界应用到CV(计算机视觉)领域。 Swin Transformer是基于Transformer的计算机视觉骨干网,在图像分类、目标检测、实例分割、语义分割等多项下游CV应用中取得了SOTA的性能。该项工作也获得了ICCV 2021顶会最佳论文奖。本课程将手把手地教大家使用labelme标注和使用Swin Transformer训练自己的数据集进行图片和视频的实例分割。  本课程将介绍Transformer及在CV领域的应用、Swin Transformer的原理。 本课程以汽车驾驶场景图片和视频开展项目实践:对汽车行驶场景中的路坑、车、车道线进行物体标注和实例分割。  课程在Windows和Ubuntu系统上分别做项目演示。包括:安装软件环境、安装Pytorch、安装Swin-Transformer-Object-Detection、标注自己的数据集、准备自己的数据集数据集格式转换(Python脚本完成)、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计、日志分析。  本课程提供项目的数据集和相关Python程序文件。相关课程: 《Transformer原理与代码精讲(PyTorch)》https://edu.csdn.net/course/detail/36697《Transformer原理与代码精讲(TensorFlow)》https://edu.csdn.net/course/detail/36699《ViT(Vision Transformer)原理与代码精讲》https://edu.csdn.net/course/detail/36719《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768《Swin Transformer实战目标检测训练自己的数据集》https://edu.csdn.net/course/detail/36585《Swin Transformer实战实例分割:训练自己的数据集》https://edu.csdn.net/course/detail/36586《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

FL1623863129

你的打赏是我写文章最大的动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值