YOLOv3目标检测:原理与源码解析

课程目标:学习YOLOv3目标检测原理,解读C语言实现的Darknet源码

24小时内答疑 课时永久观看 15分钟内无条件退款
1. 仅限付费视频课程适用
2. 购买后15分钟内可以找到客服进行沟通退款
3. 退款将返还至51CTO学院账户,不支持提现
4. 下载资料后不再享有退款特权
5. 客服(Tel:400-101-1651)
6. 最终解释权归51CTO所有
4分 共39课时,共9小时8分钟
现价¥78.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

学习YOLOv3目标检测原理,解读C语言实现的Darknet源码

适用人群

具有一定深度学习基础,希望学习YOLOv3目标检测的实现原理与Darknet源码的同学们

课程简介

Linux创始人Linus Torvalds有一句名言:Talk is cheap. Show me the code. (冗谈不够,放码过来!)。

代码阅读是从入门到提高的必由之路。尤其对深度学习,许多框架隐藏了神经网络底层的实现,只能在上层调包使用,对其内部原理很难认识清晰,不利于进一步优化和创新。

 

YOLOv3是一种基于深度学习的端到端实时目标检测方法,以速度快见长。


YOLOv3的实现Darknet是使用C语言开发的轻型开源深度学习框架,依赖少,可移植性好,可以作为很好的代码阅读案例,让我们深入探究其实现原理。

 

本课程将解析YOLOv3的实现原理和源码,具体内容包括:

l  YOLO目标检测原理

l  神经网络及Darknet的C语言实现,尤其是反向传播的梯度求解和误差计算

l  代码阅读工具及方法

l  深度学习计算的利器:BLAS和GEMM

l  GPU的CUDA编程方法及在Darknet的应用

l  YOLOv3的程序流程及各层的源码解析

 

本课程将提供注释后的Darknet的源码程序文件。


除本课程《YOLOv3目标检测:原理与源码解析》外,本人推出了有关YOLOv3目标检测的系列课程,包括:

《YOLOv3目标检测实战:训练自己的数据集》

《YOLOv3目标检测实战:交通标志识别》

《YOLOv3目标检测:原理与源码解析》

《YOLOv3目标检测:网络模型改进方法》


建议先学习课程《YOLOv3目标检测实战:训练自己的数据集》或课程《YOLOv3目标检测实战:交通标志识别》,对YOLOv3的使用方法了解以后再学习本课程。

第一章课程介绍
2节20分钟
1-1课程介绍 [免费试看]
12:25
1-2初始Darknet
07:51
第二章YOLO目标检测原理
4节1小时47分钟
2-1目标检测-任务、数据集、性能指标、网络模型演进
22:56
2-2目标检测-YOLOv1原理
24:44
2-3目标检测-YOLOv2原理
39:57
2-4目标检测-YOLOv3原理
20:02
第三章神经网络及Darknet的实现
8节2小时28分钟
3-1神经元与激活函数
24:25
3-2卷积神经网络原理
23:32
3-3神经网络训练流程
21:18
3-4神经网络训练技巧:梯度下降策略与优化算法
14:31
3-5神经网络训练技巧:批次归一化
10:06
3-6神经网络训练技巧: 网络正则化方法
11:22
3-7神经网络训练技巧:参数初始化
04:22
3-8反向传播与敏感度图(误差)计算
39:01
第四章神经网络计算的利器:blas和GEMM
1节21分钟
4-1矢量和矩阵运算加速实现方法:blas和GEMM
21:33
第五章GPU的CUDA编程方法
1节33分钟
5-1CUDA编程方法
33:13
第六章代码阅读工具及准备
1节12分钟
6-1代码阅读工具及准备
12:44
第七章YOLOv3的预测和训练流程
1节3分钟
7-1YOLOv3的预测和训练流程
03:53
第八章YOLOv3各层的源码解析
13节2小时2分钟
8-1YOLOv3的cfg文件解读
12:44
8-2程序中的主要结构体
14:14
讲师介绍
白勇
讲师评分4.8分
双一流高校教授,博士生导师,美国博士学位,十年以上工作经历。先后就职美国和国内信息技术公司与高校。具有国家级科研项目经验;创业公司专家顾问。译著:计算机视觉深度学习;发表学术论文100多篇;授权专利国内外10多项。
X
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载