深度学习-物体检测-YOLO系列
深度学习-物体检测-YOLO系列├──资料
| └──YOLO-V3-PyTorch
| | ├──COCO-DATA
| | └──训练自己的数据集
├──资料
| └──YOLO-V3-PyTorch
| | ├──COCO-DATA
| | ├──训练自己的数据集
| | ├──PyTorch-YOLOv3 .zip462.21M
| | └──YOLO .pdf1.88M
├──01.课程内容与风格介绍 .mp430.73M
├──02.检测任务中阶段的意义 .mp420.87M
├──03.不同阶段算法优缺点分析 .mp413.76M
├──04.IOU指标计算 .mp415.90M
├──05.评估所需参数计算 .mp437.83M
├──06.map指标计算 .mp426.84M
├──08.YOLO算法整体思路解读 .mp420.01M
├──09.检测算法要得到的结果 .mp419.63M
├──10.整体网络架构解读 .mp441.06M
├──11.位置损失计算 .mp430.26M
├──12.置信度误差与优缺点分析 .mp437.36M
├──13.V2版本细节升级概述 .mp416.48M
├──14.网络结构特点 .mp418.66M
├──15.架构细节解读 .mp423.69M
├──16.基于聚类来选择先验框尺寸 .mp432.92M
├──17.偏移量计算方法 .mp435.20M
├──18.坐标映射与还原 .mp415.32M
├──19.感受野的作用 .mp433.33M
├──20.特征融合改进 .mp424.66M
├──21.V3版本改进概述 .mp423.90M
├──22.多scale方法改进与特征融合 .mp426.37M
├──23.经典变换方法对比分析 .mp415.13M
├──24.残差连接方法解读 .mp425.62M
├──25.整体网络模型架构分析 .mp417.10M
├──26.先验框设计改进 .mp421.20M
├──27.sotfmax层改进 .mp413.95M
├──28.数据与环境配置 .mp454.52M
├──29.训练参数设置 .mp422.76M
├──30.COCO数据与标签读取 .mp441.66M
├──31.标签文件读取与处理 .mp430.81M
├──32.debug模式介绍 .mp413.10M
├──33.基于配置文件构建网络模型 .mp420.25M
├──34.路由层与shortcut层的作用 .mp440.62M
├──35.YOLO层定义解析 .mp484.91M
├──36.预测结果计算 .mp424.11M
├──37.网格偏移计算 .mp418.10M
├──38.模型要计算的损失 .mp413.34M
├──39.标签值格式修改 .mp471.68M
├──40.坐标相对位置计算 .mp417.93M
├──41.完成所有损失函数所需计算指标 .mp419.68M
├──42.模型训练与总结 .mp437.84M
├──43.预测效果展示 .mp450.97M
├──44.Labelme工具安装 .mp48.45M
├──45.数据信息标注 .mp447.51M
├──46.完成标签制作 .mp416.44M
├──47.生成模型所需配置文件 .mp419.82M
├──48.json格式转换成yolo-v3所需输入 .mp439.37M
├──49.完成输入数据准备工作 .mp481.66M
├──50.训练代码与参数配置更改 .mp424.98M
├──51.训练模型并测试效果 .mp454.14M
├──52.V4版本整体概述 .mp417.07M
├──52.迁移学习的目标 .mp49.05M
├──53.V4版本贡献解读 .mp47.28M
├──53.迁移学习策略 .mp411.89M
├──54.Resnet原理 .mp445.81M
├──54.数据增强策略分析 .mp426.81M
├──55.DropBlock与标签平滑方法 .mp414.24M
├──55.Resnet网络细节 .mp424.32M
├──56.Resnet基本处理操作 .mp415.69M
├──56.损失函数遇到的问题 .mp410.89M
├──57.CIOU损失函数定义 .mp47.76M
├──57.shortcut模块 .mp454.27M
├──58.NMS细节改进 .mp410.88M
├──58.加载训练好的权重 .mp418.14M
├──59.SPP与CSP网络结构 .mp410.94M
├──59.迁移学习效果对比 .mp424.79M
├──60.Faster-rcnn物体检测概述 .mp425.71M
├──60.SAM注意力机制模块 .mp423.86M
├──61.PAN模块解读 .mp414.54M
├──61.深度学习经典检测方法 .mp429.53M
├──62.faster-rcnn概述 .mp421.03M
├──62.激活函数与整体架构总结 .mp421.40M
├──63.论文解读 .mp452.02M
├──63.整体项目概述 .mp470.08M
├──64.RPN网络结构 .mp452.48M
├──64.训练自己的数据集方法 .mp420.56M
├──65.损失函数定义 .mp478.64M
├──65.训练数据参数配置 .mp478.35M
├──66.测试DEMO演示 .mp423.91M
├──66.网络细节 .mp492.57M
├──67.数据源DEBUG流程解读 .mp420.30M
├──68.图像数据源配置 .mp419.49M
├──69.加载标签数据 .mp414.38M
├──70.Mosaic数据增强方法 .mp415.78M
├──71.数据四合一方法与流程演示 .mp444.62M
├──72.getItem构建batch .mp418.89M
├──73.网络架构图可视化工具安装 .mp451.05M
├──74.V5网络配置文件解读 .mp420.50M
├──75.Focus模块流程分析 .mp425.90M
├──76.完成配置文件解析任务 .mp430.35M
├──77.前向传播计算 .mp459.75M
├──78.BottleneckCSP层计算方法 .mp473.07M
├──79.Head层流程解读 .mp417.51M
├──80.SPP层计算细节分析 .mp434.07M
├──81.上采样与拼接操作 .mp422.37M
├──82.输出结果分析 .mp433.44M
├──83.超参数解读 .mp430.33M
├──84.命令行参数介绍 .mp430.86M
├──85.训练流程解读 .mp449.00M
├──86.各种训练策略概述 .mp441.61M
└──87.模型迭代过程 .mp437.85M
**** Hidden Message *****
强烈支持楼主ing…… 激动人心，无法言表！ 激动人心，无法言表！ 激动人心，无法言表！ 强烈支持楼主ing…… 楼主加油，我们都看好你哦。 强烈支持楼主ing…… 深度学习-物体检测-YOLO系列 强烈支持楼主ing……