38万播放
38万
267
2023-04-03 00:05:04
未经作者授权，禁止转载
4542
3325
1.1万
4863
课程总结
收起全部章节
关闭课程总结
暂无课程总结
重置版：BV1vH4y1a72o
机器学习
1/4
加载中...
【B站最全YOLO系列教程】全套36集付费课程，公认最适合新手入门YOLOV5目标检测实战系列，绝对通俗易懂好上手！深度学习_物体检测
7.6万播放
1.1. 课程介绍
07:40
2.2. 目标检测之任务说明
03:08
3.3. 目标检测之常用数据集
02:56
4.4. 目标检测之性能指标和计算方法
23:14
5.5. Ubuntu系统上训练PASCAL VOC数据集
31:27
6.6. Windows系统上训练PASCAL VOC数据集
38:27
7.7. V4.0更新-Ubuntu.
03:32
8.8. V4.0更新-Windows
04:13
9.9. YOLO目标检测基本思想
15:11
10.10. YOLOv5网络架构与组件
26:11
11.11. YOLOv5损失函数
13:54
12.12. YOLOv5目标框回归与跨网格预测策略
13:11
13.13. YOLOv5训练技巧
17:51
14.14. YOLOv5项目目录结构
06:32
15.15. 模型构建相关代码解析-激活函数及代码
09:54
16.16. 模型构建相关代码解析-网络组件代码
16:30
17.17. 模型构建相关代码解析-Detect组件代码
10:30
18.18. 模型构建相关代码解析-Model类代码
20:54
19.19. 数据集创建相关代码解析-letterbox代码
09:59
20.20. 数据集创建相关代码解析-数据增强代码
28:16
21.21. 数据集创建相关代码解析-自定义数据集代码
33:43
22.22. 数据集创建相关代码解析-数据集相关类代码
12:57
23.23. general.py代码解析-辅助函数代码(Av405024821,P23)
03:18
24.24. general.py代码解析-自动锚框计算代码
20:27
25.25. general.py代码解析-AP计算代码
15:26
26.26. general.py代码解析-...targets代码
24:15
27.27. general.py代码解析-loss计算代码
25:36
28.28. general.py代码解析-非极大值抑制代码
13:09
29.29. 辅助工具代码解析-torch_utils代码
29:25
30.30. 辅助工具代码解析-experimental代码
04:30
31.31. YOLOv5使用相关代码解析-detect.py代码
36:07
32.32. YOLOv5使用相关代码解析-test.py代码
28:46
33.33. YOLOv5使用相关代码解析-train.py代码解析1
21:07
34.34. YOLOv5使用相关代码解析-train.py代码解析2
24:23
35.35. YOLOv5使用相关代码解析-train.py代码解析3
17:57
36.36. 更新讲解
07:18
OpenCV+YOLO 实时目标检测，计算机博士手把手带你做毕设！（深度学习丨计算机视觉）
3.2万播放
0-课程简介
02:34
1-Python与Opencv配置安装
10:12
2-Notebook与IDE环境
11:44
1-计算机眼中的图像
09:20
2-视频的读取与处理
10:57
3-ROI区域
04:19
4-边界填充
05:08
5-数值计算
09:18
0-图像阈值
07:52
1-图像平滑处理
07:55
2-高斯与中值滤波
06:15
1-腐蚀操作
06:50
2-膨胀操作
03:06
3-开运算与闭运算
02:56
4-梯度计算
02:45
5-礼帽与黑帽
03:22
1-Sobel算子
09:34
2-梯度计算方法
08:33
3-scharr与lapkacian算子
06:42
1-Canny边缘检测流程
05:39
2-非极大值抑制
05:25
3-边缘检测效果
08:10
1-轮廓检测方法
06:01
2-模板匹配方法
11:13
3-图像金字塔定义
06:38
4-金字塔制作方法
07:26
5-轮廓检测结果
07:49
6-匹配效果展示
05:48
7-轮廓特征与近似
11:58
1-直方图定义
07:19
2-均衡化原理
09:39
3-均衡化效果
06:52
4-傅里叶概述
07:20
5-频域变换结果
07:09
6-低通与高通滤波
06:48
1. 第一章：深度学习经典检测方法概述
06:22
2. 2-不同阶段算法优缺点分析
04:43
3. 3-IOU指标计算
05:10
4. 4-评估所需参数计算
10:01
5. 5-map指标计算
07:28
6. 第二章：YOLO-V1整体思想与网络架构
07:12
7. 2-检测算法要得到的结果
06:18
8. 3-整体网络架构解读
11:39
9. 4-位置损失计算
08:13
10. 5-置信度误差与优缺点分析
11:49
11. 第三章：YOLO-V2改进细节详解
05:43
12. 2-网络结构特点
06:03
13. 3-架构细节解读
06:53
14. 4-基于聚类来选择先验框尺寸
10:22
15. 5-偏移量计算方法
10:49
16. 6-坐标映射与还原
03:37
17. 7-感受野的作用
11:07
18. 8-特征融合改进
07:56
19. 第四章：YOLO-V3核心网络模型
08:19
20. 2-多scale方法改进与特征融合
07:38
21. 3-经典变换方法对比分析
04:56
22. 4-残差连接方法解读
07:47
23. 5-整体网络模型架构分析
05:01
24. 6-先验框设计改进
05:26
25. 7-sotfmax层改进
04:25
26. 第五章：项目实战-基于V3版本进行源码解读
12:43
27. 2-训练参数设置
04:49
28. 3-数据与标签读取
08:42
29. 4-标签文件读取与处理
05:52
30. 5-debug模式介绍
04:28
31. 6-基于配置文件构建网络模型
07:24
32. 7-路由层与shortcut层的作用
07:25
33. 8-YOLO层定义解析
09:54
34. 9-预测结果计算
10:52
35. 10-网格偏移计算
08:14
36. 11-模型要计算的损失概述
06:35
37. 12-标签值格式修改
06:56
38. 13-坐标相对位置计算
08:26
39. 14-完成所有损失函数所需计算指标
08:57
40. 15-模型训练与总结
14:04
41. 16-预测效果展示
06:14
42. 第六章：基于YOLO-V3训练自己的数据集与任务
04:11
43. 2-数据信息标注
04:55
44. 3-完成标签制作
06:09
45. 4-生成模型所需配置文件
08:19
46. 5-json格式转换成yolo-v3所需输入
06:15
47. 6-完成输入数据准备工作
08:47
48. 7-训练代码与参数配置更改
10:30
49. 8-训练模型并测试效果
07:08
1-V4版本整体概述
06:04
2-V4版本贡献解读
04:36
3-数据增强策略分析
09:00
4-DropBlock与标签平滑方法
08:20
5-损失函数遇到的问题
06:46
6-CIOU损失函数定义
04:46
7-NMS细节改进
05:39
8-SPP与CSP网络结构
06:50
9-SAM注意力机制模块
09:00
10-PAN模块解读
08:42
11-激活函数与整体架构总结
08:18
1-整体项目概述
06:36
2-训练自己的数据集方法
07:28
3-训练数据参数配置
08:21
4-测试DEMO演示
06:49
最新发布！李宏毅2023春机器学习课程共15讲！机器学习新手必备入门教程！这讲的也太好了！
1588播放
1.(正课)【生成式AI】ChatGPT原理剖析(1_3)-对 ChatGPT的常见误解
19:59
2.(正课)【生成式AI】ChatGPT原理剖析(2_3)-预训练（Pre-train）
26:24
3.(正课)【生成式AI】ChatGPT原理剖析(3_3)-ChatGPT 所带来的研究问题
13:22
4.(正课)【生成式AI】用 ChatGPT 和Midjourney来玩文字冒险
20:16
5.(延申)ChatGPT(可能)是怎么炼成的-GPT社会化的过程
17:55
6.(选修)Brief Introduction of Deep Learning
46:31
7.(选修)Backpropagation
31:27
8.(选修)Regression - Case Study
01:18:36
9.(选修)Classification
01:09:41
10.(选修)Logistic Regression
01:07:14
11.(作业)Colab Tutorial (introduction + demo）
28:41
12.(作业)PyTorch Tutorial (introduction +documentation）
40:48
13.(作业)Homework 1 (introduction + sample code）
34:34
14.(作业选修)预测本频道观看人数 (上) - 机器学习基本概念简介
50:00
15.(作业选修)预测本频道观看人数 (下) - 深度学习基本概念简介
58:35
加载中...
加载中...
展开