人工智能深度学习系统班6期 12 目标追踪与姿态估计实战
- 01 课程介绍
- 01 课程介绍
- 02 姿态估计OpenPose系列算法解读
- 01 姿态估计要解决的问题分析
- 02 姿态估计应用领域概述
- 03 传统topdown方法的问题
- 04 要解决的两个问题分析
- 05 基于高斯分布预测关键点位置
- 06 各模块输出特征图解读
- 07 PAF向量登场
- 08 PAF标签设计方法
- 09 预测时PAF积分计算方法
- 10 匹配方法解读
- 11 CPM模型特点
- 12 算法流程与总结
- 03 OpenPose算法源码分析
- 01 数据集与路径配置解读
- 02 读取图像与标注信息
- 03 关键点与躯干特征图初始化
- 04 根据关键点位置设计关键点标签
- 05 准备构建PAF躯干标签
- 06 各位置点归属判断
- 07 特征图各点累加向量计算
- 08 完成PAF特征图制作
- 09 网络模型一阶段输出
- 10 多阶段输出与预测
- 04 deepsort算法知识点解读
- 01 卡尔曼滤波通俗解释
- 02 卡尔曼滤波要完成的任务
- 03 任务本质分析
- 04 基于观测值进行最优估计
- 05 预测与更新操作
- 06 追踪中的状态量
- 07 匈牙利匹配算法概述
- 08 匹配小例子分析
- 09 REID特征的作用
- 10 sort与deepsort建模流程分析
- 11 预测与匹配流程解读
- 12 追踪任务流程拆解
- 05 deepsort源码解读
- 01 项目环境配置
- 02 参数与DEMO演示
- 03 针对检测结果初始化track
- 04 对track执行预测操作
- 05 状态量预测结果
- 06 IOU代价矩阵计算
- 07 参数更新操作
- 08 级联匹配模块
- 09 ReID特征代价矩阵计算
- 10 匹配结果与总结
- 06 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
- 07 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
- 08 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 1-SPP层计算细节分析
- 14 2-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