#独家

深度学习-物体检测-YOLO系列

深度学习-物体检测-YOLO系列课程介绍:

深度学习-物体检测yolo封面图

物体检测是计算机视觉中一个重要的分支，其大致功能是在一张图片中，用最小矩形框框出目标物体位置，并进行分类。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。

课程目录:

——/深度学习-物体检测-YOLO系列/
├──深度学习-物体检测-YOLO系列
| ├──01.课程内容与风格介绍-.mp4 30.73M
| ├──02.检测任务中阶段的意义-.mp4 20.87M
| ├──03.不同阶段算法优缺点分析-.mp4 13.76M
| ├──04.IOU指标计算-.mp4 15.90M
| ├──05.评估所需参数计算-.mp4 37.83M
| ├──06.map指标计算-.mp4 26.84M
| ├──08.YOLO算法整体思路解读-.mp4 20.01M
| ├──09.检测算法要得到的结果-.mp4 19.63M
| ├──10.整体网络架构解读-.mp4 41.06M
| ├──11.位置损失计算-.mp4 30.26M
| ├──12.置信度误差与优缺点分析-.mp4 37.36M
| ├──13.V2版本细节升级概述-.mp4 16.48M
| ├──14.网络结构特点-.mp4 18.66M
| ├──15.架构细节解读-.mp4 23.69M
| ├──16.基于聚类来选择先验框尺寸-.mp4 32.92M
| ├──17.偏移量计算方法-.mp4 35.20M
| ├──18.坐标映射与还原-.mp4 15.32M
| ├──19.感受野的作用-.mp4 33.33M
| ├──20.特征融合改进-.mp4 24.66M
| ├──21.V3版本改进概述-.mp4 23.90M
| ├──22.多scale方法改进与特征融合-.mp4 26.37M
| ├──23.经典变换方法对比分析-.mp4 15.13M
| ├──24.残差连接方法解读-.mp4 25.62M
| ├──25.整体网络模型架构分析-.mp4 17.10M
| ├──26.先验框设计改进-.mp4 21.20M
| ├──27.sotfmax层改进-.mp4 13.95M
| ├──28.数据与环境配置-.mp4 54.52M
| ├──29.训练参数设置-.mp4 22.76M
| ├──30.COCO数据与标签读取-.mp4 41.66M
| ├──31.标签文件读取与处理-.mp4 30.81M
| ├──32.debug模式介绍-.mp4 13.10M
| ├──33.基于配置文件构建网络模型-.mp4 20.25M
| ├──34.路由层与shortcut层的作用-.mp4 40.62M
| ├──35.YOLO层定义解析-.mp4 84.91M
| ├──36.预测结果计算-.mp4 24.11M
| ├──37.网格偏移计算-.mp4 18.10M
| ├──38.模型要计算的损失-.mp4 13.34M
| ├──39.标签值格式修改-.mp4 71.68M
| ├──40.坐标相对位置计算-.mp4 17.93M
| ├──41.完成所有损失函数所需计算指标-.mp4 19.68M
| ├──42.模型训练与总结-.mp4 37.84M
| ├──43.预测效果展示-.mp4 50.97M
| ├──44.Labelme工具安装-.mp4 8.45M
| ├──45.数据信息标注-.mp4 47.51M
| ├──46.完成标签制作-.mp4 16.44M
| ├──47.生成模型所需配置文件-.mp4 19.82M
| ├──48.json格式转换成yolo-v3所需输入-.mp4 39.37M
| ├──49.完成输入数据准备工作-.mp4 81.66M
| ├──50.训练代码与参数配置更改-.mp4 24.98M
| ├──51.训练模型并测试效果-.mp4 54.14M
| ├──52.V4版本整体概述-.mp4 17.07M
| ├──52.迁移学习的目标-.mp4 9.05M
| ├──53.V4版本贡献解读-.mp4 7.28M
| ├──53.迁移学习策略-.mp4 11.89M
| ├──54.Resnet原理-.mp4 45.81M
| ├──54.数据增强策略分析-.mp4 26.81M
| ├──55.DropBlock与标签平滑方法-.mp4 14.24M
| ├──55.Resnet网络细节-.mp4 24.32M
| ├──56.Resnet基本处理操作-.mp4 15.69M
| ├──56.损失函数遇到的问题-.mp4 10.89M
| ├──57.CIOU损失函数定义-.mp4 7.76M
| ├──57.shortcut模块-.mp4 54.27M
| ├──58.NMS细节改进-.mp4 10.88M
| ├──58.加载训练好的权重-.mp4 18.14M
| ├──59.SPP与CSP网络结构-.mp4 10.94M
| ├──59.迁移学习效果对比-.mp4 24.79M
| ├──60.Faster-rcnn物体检测概述-.mp4 25.71M
| ├──60.SAM注意力机制模块-.mp4 23.86M
| ├──61.PAN模块解读-.mp4 14.54M
| ├──61.深度学习经典检测方法-.mp4 29.53M
| ├──62.faster-rcnn概述-.mp4 21.03M
| ├──62.激活函数与整体架构总结-.mp4 21.40M
| ├──63.论文解读-.mp4 52.02M
| ├──63.整体项目概述-.mp4 70.08M
| ├──64.RPN网络结构-.mp4 52.48M
| ├──64.训练自己的数据集方法-.mp4 20.56M
| ├──65.损失函数定义-.mp4 78.64M
| ├──65.训练数据参数配置-.mp4 78.35M
| ├──66.测试DEMO演示-.mp4 23.91M
| ├──66.网络细节-.mp4 92.57M
| ├──67.数据源DEBUG流程解读-.mp4 20.30M
| ├──68.图像数据源配置-.mp4 19.49M
| ├──69.加载标签数据-.mp4 14.38M
| ├──70.Mosaic数据增强方法-.mp4 15.78M
| ├──71.数据四合一方法与流程演示-.mp4 44.62M
| ├──72.getItem构建batch-.mp4 18.89M
| ├──73.网络架构图可视化工具安装-.mp4 51.05M
| ├──74.V5网络配置文件解读-.mp4 20.50M
| ├──75.Focus模块流程分析-.mp4 25.90M
| ├──76.完成配置文件解析任务-.mp4 30.35M
| ├──77.前向传播计算-.mp4 59.75M
| ├──78.BottleneckCSP层计算方法-.mp4 73.07M
| ├──79.Head层流程解读-.mp4 17.51M
| ├──80.SPP层计算细节分析-.mp4 34.07M
| ├──81.上采样与拼接操作-.mp4 22.37M
| ├──82.输出结果分析-.mp4 33.44M
| ├──83.超参数解读-.mp4 30.33M
| ├──84.命令行参数介绍-.mp4 30.86M
| ├──85.训练流程解读-.mp4 49.00M
| ├──86.各种训练策略概述-.mp4 41.61M
| └──87.模型迭代过程-.mp4 37.85M
└──资料
| └──YOLO-V3-PyTorch
| | ├──COCO-DATA
| | ├──训练自己的数据集
| | ├──PyTorch-YOLOv3.zip 462.21M
| | └──YOLO.pdf 1.88M