视频教程-深度学习-物体检测-YOLO实战系列(已更新V5)-深度学习

这是一门由唐宇迪讲师主讲的深度学习物体检测YOLO系列视频教程,覆盖YOLO算法精讲及V3实战,深入解析网络架构和源码,提供全程答疑和丰富课程资料,适合希望掌握深度学习和物体检测技术的学习者。
摘要由CSDN通过智能技术生成

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-深度学习-物体检测-YOLO实战系列(已更新V5)-深度学习

学习有效期:永久观看

学习时长:827分钟

学习计划:14天

难度:

 

口碑讲师带队学习,让你的问题不过夜」

讲师姓名:唐宇迪

高校教师 / 培训机构讲师

讲师介绍:计算机博士,专注于机器学习与计算机视觉领域,深度学习领域一线实战讲师。在图像识别领域有着丰富经验,实现过包括人脸识别,物体识别,关键点检测等多种应用的新算法。 参与多个国家级计算机视觉项目,多年数据领域培训经验,丰富的教学讲解经验,出品多套机器学习与深度学习系列课程,课程生动形象,风格通俗易懂。

☛点击立即跟老师学习☚

 

「你将学到什么?」

购买课程后,添加小助手微信(微信号:csdnxy68)回复【唐宇迪】

进入学习群,获取唐宇迪老师答疑


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。

讲师卡更优惠,可观看全部课程内容(包括后续新课):https://edu.csdn.net/lecturer/1079



 

「课程学习目录」

第1章:深度学习经典检测方法概述
1.课程内容与风格介绍
2.检测任务中阶段的意义
3.不同阶段算法优缺点分析
4.IOU指标计算
5.评估所需参数计算
6.map指标计算
第2章:YOLO-V1整体思想与网络架构
1.YOLO算法整体思路解读
2.检测算法要得到的结果
3.整体网络架构解读
4.位置损失计算
5.置信度误差与优缺点分析
第3章:YOLO-V2改进细节详解
1.V2版本细节升级概述
2.网络结构特点
3.架构细节解读
4.基于聚类来选择先验框尺寸
5.偏移量计算方法
6.坐标映射与还原
7.感受野的作用
8.特征融合改进
第4章:YOLO-V3核心网络模型
1.V3版本改进概述
2.多scale方法改进与特征融合
3.经典变换方法对比分析
4.残差连接方法解读
5.整体网络模型架构分析
6.先验框设计改进
7.sotfmax层改进
第5章:项目实战-基于V3版本进行源码解读
1.数据与环境配置
2.训练参数设置
3.COCO数据与标签读取
4.标签文件读取与处理
5.debug模式介绍
6.基于配置文件构建网络模型
7.路由层与shortcut层的作用
8.YOLO层定义解析
9.预测结果计算
10.网格偏移计算
11.模型要计算的损失
12.标签值格式修改
13.坐标相对位置计算
14.完成所有损失函数所需计算指标
15.模型训练与总结
16.预测效果展示
第6章:基于YOLO-V3训练自己的数据与任务
1.Labelme工具安装
2.数据信息标注
3.完成标签制作
4.生成模型所需配置文件
5.json格式转换成yolo-v3所需输入
6.完成输入数据准备工作
7.训练代码与参数配置更改
8.训练模型并测试效果
第7章:基础补充-迁移学习与Resnet网络架构
1.迁移学习的目标
2.迁移学习策略
3.Resnet原理
4.Resnet网络细节
5.Resnet基本处理操作
6.shortcut模块
7.加载训练好的权重
8.迁移学习效果对比
第8章:基础补充-物体检测FasterRcnn系列
1.Faster-rcnn物体检测概述
2.深度学习经典检测方法
3.faster-rcnn概述
4.论文解读
5.RPN网络结构
6.损失函数定义
7.网络细节
第9章:YOLO-V4版本算法解读
1.V4版本整体概述
2.V4版本贡献解读
3.数据增强策略分析
4.DropBlock与标签平滑方法
5.损失函数遇到的问题
6.CIOU损失函数定义
7.NMS细节改进
8.SPP与CSP网络结构
9.SAM注意力机制模块
10.PAN模块解读
11.激活函数与整体架构总结
第10章:V5版本项目配置
1.整体项目概述
2.训练自己的数据集方法
3.训练数据参数配置
4.测试DEMO演示
第11章:V5项目工程源码解读
1.数据源DEBUG流程解读
2.图像数据源配置
3.加载标签数据
4.Mosaic数据增强方法
5.数据四合一方法与流程演示
6.getItem构建batch
7.网络架构图可视化工具安装
8.V5网络配置文件解读
9.Focus模块流程分析
10.完成配置文件解析任务
11.前向传播计算
12.BottleneckCSP层计算方法
13.SPP层计算细节分析
14.Head层流程解读
15.上采样与拼接操作
16.输出结果分析
17.超参数解读
18.命令行参数介绍
19.训练流程解读
20.各种训练策略概述
21.模型迭代过程

 

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,14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

掌握深度学习知识,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?」

掌握YOLO系列3代算法原理以及改进策略

掌握YOLO-V3版本源码,详解每一行代码作用

熟练应用YOLO框架训练自己的数据与任务

基于YOLO框架进行实际项目开发

 

需要学习Windows系统YOLOv4的同学请前往《Windows版YOLOv4目标检测实战:原理与源码解析》,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的实现原理和源码,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:原理与源码解析》外,本人推出了有关YOLOv4目标检测系列课程,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  
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