目标检测-YOLO-V4基于PyTorch从零复现（与行人车辆检测实战）

1.刚刚研究生或者本科毕业的同学，想在图像领域发展，需要进一步提炼算法能力

课程推荐

《目标检测-YOLO-V4基于PyTorch从零复现（与行人车辆检测实战）》1.刚刚研究生或者本科毕业的同学，想在图像领域发展，需要进一步提炼算法能力【技能收获】学完可掌握：目标检测、基于、行人、车辆、检测。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（64 节）

*   1-1 课程介绍.mp4

*   1-2 代码与项目介绍.mp4

*   2-1 图像卷积.mp4

*   2-2 卷积和步长的巧妙配合.mp4

*   2-3 人工卷积核产生的效果.mp4

*   2-4 Yolov4里的卷积例子.mp4

*   2-5 最大池化操作.mp4

*   2-6 全连接层讲解.mp4

*   2-7 卷积神经网络VGG16_01.mp4

*   2-8 卷积神经网络VGG16_02.mp4

*   2-9 1X1卷积核的用处01.mp4

*   2-10 1X1卷积核的用处02.mp4

*   2-11 1X1卷积核的用处03.mp4

*   2-12 1X1卷积核的用处04（yolo中的1X1预测思想）.mp4

*   2-13 YOLOV4里的one-hot编码.mp4

*   2-14 softmax原理和计算.mp4

*   2-15 sigmod和代替softmax.mp4

*   2-16 BN操作01.mp4

*   2-17 BN操作02.mp4

*   2-18 激活函数原理和作用.mp4

*   3-1 YOLOV3网络结构回顾01.mp4

*   3-2 YOLOV3网络结构回顾02.mp4

*   3-3 YOLOV3网络结构回顾03.mp4

*   3-4 强大的模型可视化工具netron.mp4

*   3-5 YOLOV4网络结构backbone.mp4

*   3-6 YOLOV4网络结构Neck.mp4

*   3-7 YOLO网格思想.mp4

*   3-8 先验框anchors原理.mp4

*   3-9 头部DECODE.mp4

*   3-10 YOLO头部总结.mp4

*   3-11 从零写代码backbone构建01.mp4

*   3-12 从零写代码backbone构建02.mp4

*   3-13 从零写代码Neck构建01.mp4

*   3-14 从零写代码Neck构建02.mp4

*   3-15 从零写代码头部Decode01.mp4

*   3-16 从零写代码头部Decode02.mp4

*   3-17 代码解读模型推断部分.mp4

*   3-18 代码解读使用yolo.cfg解析方式构造网络01.mp4

*   3-19 代码解读使用yolo.cfg解析方式构造网络02.mp4

*   4-1 模型训练超参部分讲解.mp4

*   4-2 训练整体流程.mp4

*   4-3 模型训练build_target原理解析01.mp4

*   4-4 模型训练build_target原理解析02.mp4

*   4-5 模型训练build_target原理解析03.mp4

*   4-6 损失函数原理解析01.mp4

*   4-7 损失函数原理解析02.mp4

*   4-8 从零写代码build_target训练核心函数01.mp4

*   4-9 从零写代码build_target训练核心函数02.mp4

*   4-10 从零写代码build_target训练核心函数03.mp4

*   4-11 从零写代码训练部分基础函数.mp4

*   4-12 从零写代码CIOU计算.mp4

*   4-13 从零写代码损失函数计算.mp4

*   4-14 代码解读基于PyTorch的模型训练01.mp4

*   4-15 代码解读基于PyTorch的模型训练02.mp4

*   4-16 代码解读基于PyTorch的模型训练03.mp4

*   5-1 项目实战总体介绍.mp4

*   5-2 权重裁剪技巧（模型训练必备知识）.mp4

*   5-3 代码实战pytorch权重裁剪01.mp4

*   5-4 代码实战pytorch权重裁剪02.mp4

*   5-5 代码实战训练数据集制作.mp4

*   5-6 tensorboardX训练可视化工具使用.mp4

*   5-7 map和准确召回率计算工具使用.mp4

*   5-8 项目效果展示.mp4

*   5-9 YOLOV4调参总结.mp4