人工智能深度学习系统班6期 06 综合项目-物体检测经典算法实战
- 01 深度学习经典检测方法概述
- 01 检测任务中阶段的意义
- 02 不同阶段算法优缺点分析
- 03 IOU指标计算
- 04 评估所需参数计算
- 05 map指标计算
- 02 YOLO-V1整体思想与网络架构
- 01 YOLO算法整体思路解读
- 02 检测算法要得到的结果
- 03 整体网络架构解读
- 04 位置损失计算
- 05 置信度误差与优缺点分析
- 03 YOLO-V2改进细节详解
- 01 V2版本细节升级概述
- 02 网络结构特点
- 03 架构细节解读
- 04 基于聚类来选择先验框尺寸
- 05 偏移量计算方法
- 06 坐标映射与还原
- 07 感受野的作用
- 08 特征融合改进
- 04 YOLO-V3核心网络模型
- 01 V3版本改进概述
- 02 多scale方法改进与特征融合
- 03 经典变换方法对比分析
- 04 残差连接方法解读
- 05 整体网络模型架构分析
- 06 先验框设计改进
- 07 sotfmax层改进
- 05 项目实战-基于V3版本进行源码解读（建议直接跑V5版本）
- 01 数据与环境配置
- 02 训练参数设置
- 03 COCO图像数据读取与处理
- 04 标签文件读取与处理
- 05 debug模式介绍
- 06 基于配置文件构建网络模型
- 07 路由层与shortcut层的作用
- 08 YOLO层定义解析
- 09 预测结果计算
- 10 网格偏移计算
- 11 模型要计算的损失概述
- 12 标签值格式修改
- 13 坐标相对位置计算
- 14 完成所有损失函数所需计算指标
- 15 模型训练与总结
- 16 预测效果展示
- 06 基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）
- 01 Labelme工具安装
- 02 数据信息标注
- 03 完成标签制作
- 04 生成模型所需配置文件
- 05 json格式转换成yolo-v3所需输入
- 06 完成输入数据准备工作
- 07 训练代码与参数配置更改
- 08 训练模型并测试效果
- 07 YOLO-V4版本算法解读
- 01 V4版本整体概述
- 02 V4版本贡献解读
- 03 数据增强策略分析
- 04 DropBlock与标签平滑方法
- 05 损失函数遇到的问题
- 06 CIOU损失函数定义
- 07 NMS细节改进
- 08 SPP与CSP网络结构
- 09 SAM注意力机制模块
- 10 PAN模块解读
- 11 激活函数与整体架构总结
- 08 V5版本项目配置
- 01 整体项目概述
- 02 训练自己的数据集方法
- 03 训练数据参数配置
- 04 测试DEMO演示
- 09 V5项目工程源码解读
- 01 数据源DEBUG流程解读
- 02 图像数据源配置
- 03 加载标签数据
- 04 Mosaic数据增强方法
- 05 数据四合一方法与流程演示
- 06 getItem构建batch
- 07 网络架构图可视化工具安装
- 08 V5网络配置文件解读
- 09 Focus模块流程分析
- 10 完成配置文件解析任务
- 11 前向传播计算
- 12 BottleneckCSP层计算方法
- 13 SPP层计算细节分析
- 14 Head层流程解读
- 15 上采样与拼接操作
- 16 输出结果分析
- 17 超参数解读
- 18 命令行参数介绍
- 19 训练流程解读
- 20 各种训练策略概述
- 21 模型迭代过程
- 10 V7源码解读
- 01 命令行参数介绍
- 02 基本参数作用
- 03 EMA等训练技巧解读
- 04 网络结构配置文件解读
- 05 各模块操作细节分析
- 06 输出层与配置文件其他模块解读
- 07 标签分配策略准备操作
- 08 候选框偏移方法与find3p模块解读
- 09 得到偏移点所在网格位置
- 10 完成BuildTargets模块
- 11 候选框筛选流程分析
- 12 预测值各项指标获取与调整
- 13 GT匹配正样本数量计算
- 14 通过IOU与置信度分配正样本
- 15 损失函数计算方法
- 16 辅助头AUX网络结构配置文件解析
- 17 辅助头损失函数调整
- 18 BN与卷积权重参数融合方法
- 19 重参数化多分支合并加速
- 11 EfficientNet网络
- 01 EfficientNet网络模型
- 12 EfficientDet检测算法
- 01 EfficientDet检测算法
- 13 基于Transformer的detr目标检测算法
- 01 DETR目标检测基本思想解读
- 02 整体网络架构分析
- 03 位置信息初始化query向量
- 04 注意力机制的作用方法
- 05 训练过程的策略
- 14 detr目标检测源码解读
- 01 项目环境配置解读
- 02 数据处理与dataloader
- 03 位置编码作用分析
- 04 backbone特征提取模块
- 05 mask与编码模块
- 06 编码层作用方法
- 07 Decoder层操作与计算
- 08 输出预测结果
- 09 损失函数与预测输出