YOLOv1、YOLOv2、YOLOv3目标检测算法原理与实战
正在缓冲...
课程的资料在在评论的置顶中获取。
这个课程是目标检测系列的开篇之作，希望大家会喜欢，该课程从原理到实战讲解很详细，希望大家能从我的课程中有所收获，同时如果你的基础是小白基础，建议先去学习我的《Pytorch框架与经典卷积神经网络与实战》和《手把手教你搭建3DCNN视频行为检测平台》这两门课。同时为了促进大家讨论和交流学习，我们提供了学习㪊：
1021492724
301727635
458484227
视频选集
（4/71）
自动连播
1.1、yolov1-yolov3算法原理与实战课程先导
10:49
2.1、yolov1算法原理先导
02:27
2.2、yolo目标检测背景
12:52
2.3、yolov1整体结构分析
10:49
2.4、yolov1网络细节详解
07:06
2.5、yolov1网络参数详解
15:19
2.6、yolov1结果解析
25:30
2.7、（x，y，w，h）解析
10:38
2.8、交并比和置信度
11:15
2.9、概率值与输出结果解析
08:19
2.10、类别置信度
07:51
2.11、非极大值抑制及其输出结构后处理
11:29
2.12、yolov1损失函数
10:55
2.13、yolov1损失函数详解
12:22
2.14、yolov1训练过程
10:08
2.15、yolov1总结
08:53
3.1、yolov2算法原理先导
02:35
3.2、yolov2算法背景介绍
04:45
3.3、Yolov2模型改进点
07:39
3.4、添加BN层
13:05
3.5、更高分辨的检测模型
07:54
3.6、全卷积和anchor框的添加
32:17
3.7、DarkNet19网络
18:10
3.8、聚类寻找anchor框
15:53
3.9、改进聚类寻找anchor框
18:00
3.10、直接位置预测
22:51
3.11、Passthrough
16:20
3.12、多尺度训练
23:25
3.13、更高分辨率图像的检测输入
07:35
3.14、yolov2的损失函数
06:53
3.15、yolov2的背景置信度损失
09:39
3.16、yolov2的有物体的损失值计算
10:37
3.17、yolov2算法总结
04:29
4.1、yolov3算法先导与背景
04:40
4.2、yolov3网络整体结构
12:46
4.3、yolov3主干网络架构及其分类模型参数
13:41
4.4、yolov3图像金字塔（颈部）
13:07
4.5、yolov3网络头部
12:50
4.6、yolov3检测模型参数详解
14:31
4.7、yolov3正负样本
16:58
4.8、yolov3损失函数
19:36
4.9、yolov3总结
07:24
4.10、评价指标先导
04:58
4.11、4个评价指标定义
19:15
4.12、分类评价指标计算案例
22:04
4.13、目标检测评价指标前置知识复习
15:05
4.14、目标检测精度和召回计算
15:52
4.15、目标检测PR曲线和MAP指标
18:25
4.16、模型检测速度评价指标
08:05
5.1、yolov3实战课程先导
01:56
5.2、pycharm与anaconda的安装
11:58
5.3、python环境安装
06:55
5.4、pytorch环境安装
12:53
5.5、yolov3代码背景介绍
07:39
5.6、yolov3环境安装
07:34
5.7、yolov3代码整体结构分析
10:09
5.8、推理核心参数代码讲解
27:20
5.9、labelimg标注软件的使用
16:53
5.10、训练数据集划分
08:58
5.11、训练自己的数据集
16:35
5.12、训练结果解析
16:39
5.13、训练好的权重推理结果
09:43
5.14、训练核心参数代码讲解
17:23
5.15、测试代码参数讲解
13:29
5.16、yolo.py代码讲解
09:06
5.17、conv和bottleneck模块代码讲解
14:46
5.18、backbone网络模块代码讲解
14:50
5.19、neck和head结构代码讲解
23:31
5.20、是否佩戴口罩检测项目实战先导
07:43
5.21、是否佩戴口罩检测模型训练
07:22
5.22、是否佩戴口罩检测模型推理和测试
12:14
顶部