YOLOv3目标检测实战:网络模型改进方法

课程目标:学习和掌握YOLOv3目标检测网络模型改进方法

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
5分 共26课时,共3小时50分钟
现价¥78.00
购买
  1. 课程介绍
  2. 课程大纲
课程目标

学习和掌握YOLOv3目标检测网络模型改进方法

适用人群

具有一定深度学习基础,希望掌握YOLOv3目标检测实战方法的同学们

课程简介

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。


本课程将学习YOLOv3的实现的darknet的网络模型改进方法。具体包括:


• PASCAL VOC数据集的整理、训练与测试 

• Eclipse IDE的安装与使用 

• 改进1:不显示指定类别目标的方法 (增加功能) 

• 改进2:合并BN层到卷积层 (加快推理速度) 

• 改进3:使用GIoU指标和损失函数 (提高检测精度) 

• 改进4:tiny YOLOv3 (简化网络模型)

• AlexeyAB/darknet项目介绍


除本课程《YOLOv3目标检测实战:网络模型改进方法》外,本人推出了有关YOLOv3目标检测的系列课程,请关注该系列的其它课程,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》


在学习课程《YOLOv3目标检测实战:网络模型改进方法》前,建议先学习课程《YOLOv3目标检测实战:训练自己的数据集》和课程《YOLOv3目标检测实战:交通标志识别》之一和课程《YOLOv3目标检测:原理与源码解析》。


第一章课程介绍
1节9分钟
1-1课程介绍 [免费试看]
09:01
第二章darknet的安装及测试
1节6分钟
2-1darknet的安装及测试
06:53
第三章PASCAL VOC数据集下载及训练
2节27分钟
3-1PASCAL VOC数据集下载及训练
13:27
3-2PASCAL VOC数据集训练与测试演示
13:38
第四章Eclipse的安装与使用
3节23分钟
4-1Eclipse的安装
04:00
4-2Eclipse的使用演示HelloWord
05:28
4-3Eclipse调试程序方法
13:38
第五章改进方法1:不显示某类目标的方法
3节18分钟
5-1任务介绍
02:59
5-2代码修改
04:28
5-3改进演示
11:16
第六章改进方法2:合并BN层到卷积层
5节30分钟
6-1改进原理
12:34
6-2源码回顾
04:32
6-3代码修改
04:19
6-4改进演示
04:57
6-5性能测试
04:34
第七章改进方法3:使用GIoU指标和损失函数
3节1小时12分钟
7-1改进原理
26:45
7-2代码修改
31:56
7-3改进演示
13:28
第八章改进方法4: Tiny YOLOv3
2节13分钟
8-1改进原理
04:46
8-2改进演示
09:06
讲师介绍
白勇
讲师评分4.9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