视频教程-YOLOv3目标检测:原理与源码解析-计算机视觉

扫码下载「CSDN程序员学院APP」,1000+技术好课免费看

APP订阅课程,领取优惠,最少立减5元 ↓↓↓

订阅后:请点击此处观看视频课程

 

视频教程-YOLOv3目标检测:原理与源码解析-计算机视觉

学习有效期:永久观看

学习时长:568分钟

学习计划:10天

难度:

 

口碑讲师带队学习,让你的问题不过夜」

讲师姓名:白勇

研究员/教授

讲师介绍:大学教授,美国归国博士、博士生导师;人工智能公司专家顾问;长期从事人工智能、物联网、大数据研究;已发表学术论文100多篇,授权发明专利10多项

☛点击立即跟老师学习☚

 

「你将学到什么?」


Linux创始人Linus Torvalds有一句名言:Talk is cheap, Show me the code.(冗谈不够,放码过来!)。

代码阅读是从入门到提高的必由之路。尤其对深度学习,许多框架隐藏了神经网络底层的实现,只能在上层调包使用,对其内部原理很难认识清晰,不利于进一步优化和创新。

 

YOLOv3是一种基于深度学习的端到端实时目标检测方法,以速度快见长。

YOLOv3的实现Darknet是使用C语言开发的轻型开源深度学习框架,依赖少,可移植性好,可以作为很好的代码阅读案例,让我们深入探究其实现原理。

 

本课程将解析YOLOv3的实现原理和源码,具体内容包括:


  •      YOLO目标检测原理 
  •      神经网络及Darknet的C语言实现,尤其是反向传播的梯度求解和误差计算 
  •      代码阅读工具及方法 
  •      深度学习计算的利器:BLAS和GEMM 
  •      GPU的CUDA编程方法及在Darknet的应用 
  •      YOLOv3的程序流程及各层的源码解析


 

本课程将提供注释后的Darknet的源码程序文件。

 

除本课程《YOLOv3目标检测:原理与源码解析》外,本人推出了有关YOLOv3目标检测的系列课程,包括:


  •   《YOLOv3目标检测实战:训练自己的数据集》
  •   《YOLOv3目标检测实战:交通标志识别》
  •   《YOLOv3目标检测:原理与源码解析》
  •   《YOLOv3目标检测:网络模型改进方法》


 

建议先学习课程《YOLOv3目标检测实战:训练自己的数据集》或课程《YOLOv3目标检测实战:交通标志识别》,对YOLOv3的使用方法了解以后再学习本课程。


 

「课程学习目录」

第1章:课程介绍
1.课程介绍
2.初识Darknet
第2章:YOLO目标检测原理
1.目标检测-任务、数据集、性能指标、网络模型演进
2.目标检测-YOLOv1原理
3.目标检测-YOLOv2原理
4.目标检测-YOLOv3原理
第3章:神经网络及Darknet的实现
1.神经元与激活函数
2.卷积神经网络原理
3.神经网络训练流程
4.神经网络训练技巧:梯度下降策略与优化算法
5.神经网络训练技巧:批次归一化
6.神经网络训练技巧: 网络正则化方法
7.神经网络训练技巧:参数初始化
8.反向传播与误差(敏感度图)计算
第4章:神经网络计算的利器:blas和GEMM
1.矢量和矩阵加速运算实现方法:blas和GEMM
第5章:GPU的CUDA编程方法
1.CUDA编程方法
第6章:代码阅读工具及准备
1.代码阅读工具及准备
第7章:YOLOv3的预测和训练流程
1.YOLOv3的预测和训练流程
第8章:YOLOv3各层的源码解析
1.YOLOv3的cfg文件解读
2.程序中的主要结构体struct
3.activations和activation_layer源码解析
4.batchnorm_layer源码解析
5.connected_layer源码解析
6.convolutional_layer源码解析
7.dropout_layer源码解析
8.maxpool_layer和avgpool_layer源码解析
9.shortcut_layer源码解析
10.route_layer源码解析
11.upsample_layer源码解析
12.yolo_layer源码解析
第9章:问题与解答(Q&A)
1.图像的缩放与归一化
2.边界框的offset值计算
3.网络结构中的多尺度融合
4.正负样本的确定
5.YOLOv3的损失函数
6.前向预测过程的关键处理
7.训练过程的关键处理
第10章:课程总结
1.课程总结

 

7项超值权益,保障学习质量」

  • 大咖讲解

技术专家系统讲解传授编程思路与实战。

  • 答疑服务

专属社群随时沟通与讲师答疑,扫清学习障碍,自学编程不再难。

  • 课程资料+课件

超实用资料,覆盖核心知识,关键编程技能,方便练习巩固。(部分讲师考虑到版权问题,暂未上传附件,敬请谅解)

  • 常用开发实战

企业常见开发实战案例,带你掌握Python在工作中的不同运用场景。

  • 大牛技术大会视频

2019Python开发者大会视频免费观看,送你一个近距离感受互联网大佬的机会。

  • APP+PC随时随地学习

满足不同场景,开发编程语言系统学习需求,不受空间、地域限制。

 

「什么样的技术人适合学习?」

  • 想进入互联网技术行业,但是面对多门编程语言不知如何选择,0基础的你
  • 掌握开发、编程技术单一、冷门,迫切希望能够转型的你
  • 想进入大厂,但是编程经验不够丰富,没有竞争力,程序员找工作难。

 

「悉心打造精品好课,10天学到大牛3年项目经验」

【完善的技术体系】

技术成长循序渐进,帮助用户轻松掌握

掌握计算机视觉知识,扎实编码能力

【清晰的课程脉络】

浓缩大牛多年经验,全方位构建出系统化的技术知识脉络,同时注重实战操作。

【仿佛在大厂实习般的课程设计】

课程内容全面提升技术能力,系统学习大厂技术方法论,可复用在日后工作中。

 

「你可以收获什么?」

学懂YOLOv3目标检测原理

读懂C语言实现的Darknet源码

 

需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战:原理源码解析》,课程链接 https://edu.csdn.net/course/detail/29865【为什么要学习这门课】 Linux创始人Linus Torvalds有一句名言:Talk is cheap. Show me the code. 冗谈不够,放码过来!  代码阅读是从基础到提高的必由之路。尤其对深度学习,许多框架隐藏了神经网络底层的实现,只能在上层调包使用,对其内部原理很难认识清晰,不利于进一步优化和创新。YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。YOLOv4的实现darknet是使用C语言开发的轻型开源深度学习框架,依赖少,可移植性好,可以作为很好的代码阅读案例,让我们深入探究其实现原理。【课程内容与收获】 本课程将解析YOLOv4的实现原理源码,具体内容包括:- YOLOv4目标检测原理- 神经网络及darknet的C语言实现,尤其是反向传播的梯度求解和误差计算- 代码阅读工具及方法- 深度学习计算的利器:BLAS和GEMM- GPU的CUDA编程方法及在darknet的应用- YOLOv4的程序流程- YOLOv4各层及关键技术的源码解析本课程将提供注释后的darknet的源码程序文件。【相关课程】 除本课程《YOLOv4目标检测原理源码解析》外,本人推出了有关YOLOv4目标检测的系列课程,包括:《YOLOv4目标检测实战:训练自己的数据集》《YOLOv4-tiny目标检测实战:训练自己的数据集》《YOLOv4目标检测实战:人脸口罩佩戴检测》《YOLOv4目标检测实战:中国交通标志识别》建议先学习一门YOLOv4实战课程,对YOLOv4的使用方法了解以后再学习本课程。【YOLOv4网络模型架构图】 下图由白勇老师绘制  
本课程适合具有一定深度学习基础,希望发展为深度学习之计算机视觉方向的算法工程师和研发人员的同学们。基于深度学习的计算机视觉是目前人工智能最活跃的领域,应用非常广泛,如人脸识别和无人驾驶中的机器视觉等。该领域的发展日新月异,网络模型和算法层出不穷。如何快速入门并达到可以从事研发的高度对新手和中级水平的学生而言面临不少的挑战。精心准备的本课程希望帮助大家尽快掌握基于深度学习的计算机视觉的基本原理、核心算法和当前的领先技术,从而有望成为深度学习之计算机视觉方向的算法工程师和研发人员。本课程系统全面地讲述基于深度学习的计算机视觉技术的原理并进行项目实践。课程涵盖计算机视觉的七大任务,包括图像分类、目标检测、图像分割(语义分割、实例分割、全景分割)、人脸识别、图像描述、图像检索、图像生成(利用生成对抗网络)。本课程注重原理和实践相结合,逐篇深入解读经典和前沿论文70余篇,图文并茂破译算法难点, 使用思维导图梳理技术要点。项目实践使用Keras框架(后端为Tensorflow),学员可快速上手。通过本课程的学习,学员可把握基于深度学习的计算机视觉的技术发展脉络,掌握相关技术原理和算法,有助于开展该领域的研究与开发实战工作。另外,深度学习之计算机视觉方向的知识结构及学习建议请参见本人CSDN博客。本课程提供课程资料的课件PPT(pdf格式)和项目实践代码,方便学员学习和复习。本课程分为上下两部分,其中上部包含课程的前五章(课程介绍、深度学习基础、图像分类、目标检测、图像分割),下部包含课程的后四章(人脸识别、图像描述、图像检索、图像生成)。
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
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