深度学习-物体检测-YOLO实战系列(已更新V5)

image.webp (69.52 KB, 下载次数: 51) 下载附件   保存到相册 2022-1-15 01:16 上传

课程推荐

《深度学习-物体检测-YOLO实战系列(已更新V5)》image.webp (69.52 KB, 下载次数: 51) 下载附件   保存到相册 2022-1-15 01:16 上传【技能收获】学完可掌握：深度学习、学习、检测、实战、系列。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（101 节）

*   1 课程内容与风格介绍.mp4

*   2 检测任务中阶段的意义.mp4

*   3 不同阶段算法优缺点分析.mp4

*   4 IOU指标计算.mp4

*   5 评估所需参数计算.mp4

*   6 map指标计算.mp4

*   7 YOLO算法整体思路解读.mp4

*   8 检测算法要得到的结果.mp4

*   9 整体网络架构解读.mp4

*   10 位置损失计算.mp4

*   11 置信度误差与优缺点分析.mp4

*   12 V2版本细节升级概述.mp4

*   13 网络结构特点.mp4

*   14 架构细节解读.mp4

*   15 基于聚类来选择先验框尺寸.mp4

*   16 偏移量计算方法.mp4

*   17 坐标映射与还原.mp4

*   18 感受野的作用.mp4

*   19 特征融合改进.mp4

*   20 V3版本改进概述.mp4

*   21 多scale方法改进与特征融合.mp4

*   22 经典变换方法对比分析.mp4

*   23 残差连接方法解读.mp4

*   24 整体网络模型架构分析.mp4

*   25 先验框设计改进.mp4

*   26 sotfmax层改进.mp4

*   27 数据与环境配置.mp4

*   28 训练参数设置.mp4

*   29 数据与标签读取.mp4

*   30 标签文件读取与处理.mp4

*   31 debug模式介绍.mp4

*   32 基于配置文件构建网络模型.mp4

*   33 路由层与shortcut层的作用.mp4

*   34 YOLO层定义解析.mp4

*   35 预测结果计算.mp4

*   36 网格偏移计算.mp4

*   37 模型要计算的损失概述.mp4

*   38 标签值格式修改.mp4

*   39 坐标相对位置计算.mp4

*   40 完成所有损失函数所需计算指标.mp4

*   41 模型训练与总结.mp4

*   42 预测效果展示.mp4

*   43 Labelme工具安装.mp4

*   44 数据信息标注.mp4

*   45 完成标签制作.mp4

*   46 生成模型所需配置文件.mp4

*   47 json格式转换成yolo-v3所需输入.mp4

*   48 完成输入数据准备工作.mp4

*   49 训练代码与参数配置更改.mp4

*   50 训练模型并测试效果.mp4

*   51 V4版本整体概述.mp4

*   52 V4版本贡献解读.mp4

*   53 数据增强策略分析.mp4

*   54 DropBlock与标签平滑方法.mp4

*   55 损失函数遇到的问题.mp4

*   56 CIOU损失函数定义.mp4

*   57 NMS细节改进.mp4

*   58 SPP与CSP网络结构.mp4

*   59 SAM注意力机制模块.mp4

*   60 PAN模块解读.mp4

*   61 激活函数与整体架构总结.mp4

*   62 整体项目概述.mp4

*   63 训练自己的数据集方法.mp4

*   64 训练数据参数配置.mp4

*   65 测试DEMO演示.mp4

*   66 数据源DEBUG流程解读.mp4

*   67 图像数据源配置.mp4

*   68 加载标签数据.mp4

*   69 Mosaic数据增强方法.mp4

*   70 数据四合一方法与流程演示.mp4

*   71 getItem构建batch.mp4

*   72 网络架构图可视化工具安装.mp4

*   73 V5网络配置文件解读.mp4

*   74 Focus模块流程分析.mp4

*   75 完成配置文件解析任务.mp4

*   76 前向传播计算.mp4

*   77 BottleneckCSP层计算方法.mp4

*   78 Head层流程解读.mp4

*   79 SPP层计算细节分析.mp4

*   80 上采样与拼接操作.mp4

*   81 输出结果分析.mp4

*   82 超参数解读.mp4

*   83 命令行参数介绍.mp4

*   84 训练流程解读.mp4

*   85 各种训练策略概述.mp4

*   86 模型迭代过程.mp4

*   87 迁移学习的目标.mp4

*   88 迁移学习策略.mp4

*   89 Resnet原理.mp4

*   90 Resnet网络细节.mp4

*   91 Resnet基本处理操作.mp4

*   92 shortcut模块.mp4

*   93 加载训练好的权重.mp4

*   94 迁移学习效果对比.mp4

*   95 物体检测算法概述.mp4

*   96 深度学习经典检测方法.mp4

*   97 faster-rcnn概述.mp4

*   98 论文解读.mp4

*   99 RPN网络结构.mp4

*   100 损失函数定义.mp4

*   101 网络细节.mp4