人工智能深度学习系统班6期 15 缺陷检测实战
- 01 课程介绍
- 01 课程介绍
- 02 物体检框架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
- 03 物体检测框架YOLOV5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
- 04 物体检测框架YOLOV5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
- 05 基于YOLOV5的钢材缺陷检测实战
- 01 任务需求与项目概述
- 02 数据与标签配置方法
- 03 标签转换格式脚本制作
- 04 各版本模型介绍分析
- 05 项目参数配置
- 06 缺陷检测模型训练
- 07 输出结果与项目总结
- 06 Semi-supervised布料缺陷检测实战
- 01 任务目标与流程概述
- 02 论文思想与模型分析
- 03 项目配置解读
- 04 网络流程分析
- 05 输出结果展示
- 07 Opencv图像常用处理方法实例
- 01 计算机眼中的图像
- 02 视频的读取与处理
- 03 ROI区域
- 04 边界填充
- 05 数值计算
- 06 图像阈值
- 07 图像平滑处理
- 08 高斯与中值滤波
- 09 腐蚀操作
- 10 膨胀操作
- 11 开运算与闭运算
- 12 梯度计算
- 13 礼帽与黑帽
- 08 Opencv梯度计算与边缘检测实例
- 01 Canny边缘检测流程
- 02 非极大值抑制
- 03 边缘检测效果
- 04 Sobel算子
- 05 梯度计算方法
- 06 scharr与lapkacian算子
- 09 Opencv轮廓检测与直方图
- 01 图像金字塔定义
- 02 金字塔制作方法
- 03 轮廓检测方法
- 04 轮廓检测结果
- 05 轮廓特征与近似
- 06 模板匹配方法
- 07 匹配效果展示
- 08 直方图定义
- 09 均衡化原理
- 10 均衡化效果
- 11 傅里叶概述
- 12 频域变换结果
- 13 低通与高通滤波
- 10 基于Opencv缺陷检测项目实战
- 01 任务需求与环境配置
- 02 数据读取与基本处理
- 03 缺陷形态学操作
- 04 整体流程解读
- 05 缺陷检测效果演示
- 11 基于视频流水线的Opencv缺陷检测项目
- 01 数据与任务概述
- 02 视频数据读取与轮廓检测
- 03 目标质心计算
- 04 视频数据遍历方法
- 05 缺陷区域提取
- 06 不同类型的缺陷检测方法
- 07 检测效果演示
- 12 图像分割deeplab系列算法
- 01 deeplab分割算法概述
- 02 空洞卷积的作用
- 03 感受野的意义
- 04 SPP层的作用
- 05 ASPP特征融合策略
- 06 deeplabV3Plus版本网络架构
- 13 基于deeplabV3+版本进行VOC分割实战
- 01 PascalVoc数据集介绍
- 02 项目参数与数据集读取
- 03 网络前向传播流程
- 04 ASPP层特征融合
- 05 分割模型训练
- 14 Deeplab铁质材料缺陷检测与开源项目应用流程
- 01 数据集与任务概述
- 02 开源项目应用方法
- 03 github与kaggle中需要注意的点
- 04 源码的利用方法
- 04 源码的利用方法 (2)
- 05 数据集制作方法
- 06 数据路径配置
- 07 训练模型
- 08 任务总结