|
|
深度学习-物体检测-YOLO系列
" i" w8 e4 W/ K; P$ W/ r├──资料
) |, J' ^$ ]0 ?( }# B| └──YOLO-V3-PyTorch
- n' n! D1 d0 z| | ├──COCO-DATA ; Z3 F3 d( s/ W/ V( @
| | └──训练自己的数据集
; v) A2 Q; S/ X├──资料
7 }# f& x* G2 ?| └──YOLO-V3-PyTorch ; s7 ^# z4 ^ l+ p5 ^
| | ├──COCO-DATA
. u$ |5 m$ Y- g" e| | ├──训练自己的数据集
+ R# N) h& L& m" x5 {! f| | ├──PyTorch-YOLOv3 .zip 462.21M
% F9 o, t/ M1 d" ]& p9 _| | └──YOLO .pdf 1.88M0 ^3 K r `3 b' H1 V
├──01.课程内容与风格介绍 .mp4 30.73M( F7 r4 ]3 ?9 S
├──02.检测任务中阶段的意义 .mp4 20.87M4 c5 D( ]! ]" h" g' e' e* h8 w7 y
├──03.不同阶段算法优缺点分析 .mp4 13.76M7 k' B% D- `5 P# C; \; S" N9 q
├──04.IOU指标计算 .mp4 15.90M) L f1 U/ {# d( l+ f, q |
├──05.评估所需参数计算 .mp4 37.83M
% {: D* |* B: s( ^7 f1 ?% i├──06.map指标计算 .mp4 26.84M
- v3 ]+ [- O9 G! U5 a0 s├──08.YOLO算法整体思路解读 .mp4 20.01M
, O( k& i& y2 k7 @7 N) D. l. f- V1 L├──09.检测算法要得到的结果 .mp4 19.63M. S; C5 ]) k# C7 l7 v; T& Q* I
├──10.整体网络架构解读 .mp4 41.06M
# y1 T( ~+ Q3 U4 ^% x% U$ }, Z├──11.位置损失计算 .mp4 30.26M6 @0 V+ z+ X2 G) \+ R4 U8 C7 @
├──12.置信度误差与优缺点分析 .mp4 37.36M
; M" \' D, }) `- L7 J, e! h├──13.V2版本细节升级概述 .mp4 16.48M9 K9 D8 T1 q: a- O+ n4 E. s
├──14.网络结构特点 .mp4 18.66M4 ]$ _6 u( R: W" C
├──15.架构细节解读 .mp4 23.69M
2 _( F" G5 {# ~) \; f├──16.基于聚类来选择先验框尺寸 .mp4 32.92M
- H j7 @' A! D5 I5 V3 ^, w├──17.偏移量计算方法 .mp4 35.20M
' Y9 a5 [7 d' W* |, R, _7 }4 v3 t' \" p├──18.坐标映射与还原 .mp4 15.32M
5 f, s. m: Q; f |# @├──19.感受野的作用 .mp4 33.33M; J$ t4 K/ `. `# k! J, t
├──20.特征融合改进 .mp4 24.66M! y) _2 L2 s2 S% N8 e, Q
├──21.V3版本改进概述 .mp4 23.90M
/ K2 M1 r( U, |1 Q├──22.多scale方法改进与特征融合 .mp4 26.37M
5 }0 @9 v, y5 G4 p6 Y- C) S├──23.经典变换方法对比分析 .mp4 15.13M
) y: B* K6 k5 M8 O! ^8 L6 x├──24.残差连接方法解读 .mp4 25.62M. ^1 j8 F4 s( S2 ^2 K* p" T) x
├──25.整体网络模型架构分析 .mp4 17.10M
# T0 Z4 v t2 y3 G" k├──26.先验框设计改进 .mp4 21.20M9 |/ [1 ^' ?) a# y4 \1 J6 }, k# i' t
├──27.sotfmax层改进 .mp4 13.95M+ l' X& t7 L" V& F; j: L2 M" J
├──28.数据与环境配置 .mp4 54.52M
) I& X6 v1 u7 y# I6 H$ W* \) I├──29.训练参数设置 .mp4 22.76M
( v4 g7 t; u% L$ `$ L3 X├──30.COCO数据与标签读取 .mp4 41.66M0 k$ c. q: Q4 ^' Y9 B( ^
├──31.标签文件读取与处理 .mp4 30.81M
; S& F1 H& y) `& [# C) B$ ~; R├──32.debug模式介绍 .mp4 13.10M
$ q2 t9 a' G5 O! I& V6 h3 y├──33.基于配置文件构建网络模型 .mp4 20.25M4 t% y' e+ ]. X# K8 @% b
├──34.路由层与shortcut层的作用 .mp4 40.62M5 x: B3 q4 Z9 b
├──35.YOLO层定义解析 .mp4 84.91M
6 e- }/ f! _$ ^* L8 ?; u( E+ @├──36.预测结果计算 .mp4 24.11M
- o2 }# m2 P9 r7 e├──37.网格偏移计算 .mp4 18.10M( _7 c2 S- G. b$ i. a
├──38.模型要计算的损失 .mp4 13.34M
) x7 s, {1 P& @) J, O8 _├──39.标签值格式修改 .mp4 71.68M, r! f0 q. f f. }8 x! _
├──40.坐标相对位置计算 .mp4 17.93M9 o* \) I, X' n3 Z4 e: T
├──41.完成所有损失函数所需计算指标 .mp4 19.68M& j: V* D) z0 {3 v- L% \
├──42.模型训练与总结 .mp4 37.84M
5 t2 x% N+ v2 p w├──43.预测效果展示 .mp4 50.97M
+ G2 ~4 ]: H) S4 D├──44.Labelme工具安装 .mp4 8.45M
, h% l; W+ }: c. e3 ]0 `5 o$ X+ x├──45.数据信息标注 .mp4 47.51M Q# `; A6 Z* c1 p% W1 L2 B) \
├──46.完成标签制作 .mp4 16.44M2 y( D: h$ W1 U' f; t
├──47.生成模型所需配置文件 .mp4 19.82M; R/ N2 Y O$ z) l9 G/ o
├──48.json格式转换成yolo-v3所需输入 .mp4 39.37M
/ i/ {* G1 ?7 x├──49.完成输入数据准备工作 .mp4 81.66M
* w, @7 z' E$ o- k S2 U├──50.训练代码与参数配置更改 .mp4 24.98M
' i: g0 n4 N8 y7 ^+ ?├──51.训练模型并测试效果 .mp4 54.14M
& p9 {9 X9 P! `* v6 x( `# d├──52.V4版本整体概述 .mp4 17.07M
5 j6 a0 |/ F0 v├──52.迁移学习的目标 .mp4 9.05M/ j! ~. G; r5 `$ I
├──53.V4版本贡献解读 .mp4 7.28M! r! c- E" w+ J9 s# p3 M
├──53.迁移学习策略 .mp4 11.89M4 R5 z8 _" k8 M# h0 O ]
├──54.Resnet原理 .mp4 45.81M
8 s* b# C T @7 n; ^├──54.数据增强策略分析 .mp4 26.81M
$ v& s- ~" j, H├──55.DropBlock与标签平滑方法 .mp4 14.24M9 R+ G" N# E' C2 |/ Z$ B
├──55.Resnet网络细节 .mp4 24.32M
5 ]" k: v+ p; O" m; V0 M& k├──56.Resnet基本处理操作 .mp4 15.69M
7 Z0 l5 w; u$ U( h├──56.损失函数遇到的问题 .mp4 10.89M! l4 D& P$ o( ^2 U3 S2 r7 P& j
├──57.CIOU损失函数定义 .mp4 7.76M9 r- V8 v, m; i
├──57.shortcut模块 .mp4 54.27M
( g0 S7 |! _- G( k q+ p [8 ]; m. e├──58.NMS细节改进 .mp4 10.88M
/ ^. J6 w, R7 @; f4 U/ z: V├──58.加载训练好的权重 .mp4 18.14M
6 \" N. D& y! F+ v; F+ D├──59.SPP与CSP网络结构 .mp4 10.94M" V& l. m( E) P
├──59.迁移学习效果对比 .mp4 24.79M
4 h" `' U! f7 i├──60.Faster-rcnn物体检测概述 .mp4 25.71M# B8 t7 p3 R s3 x: U, i
├──60.SAM注意力机制模块 .mp4 23.86M
. k1 J7 m9 n D, _' l├──61.PAN模块解读 .mp4 14.54M
0 Q+ R$ }. C. T├──61.深度学习经典检测方法 .mp4 29.53M
, H/ [$ w. w4 a+ k( L- m# F# R├──62.faster-rcnn概述 .mp4 21.03M1 r, d! H' w: T
├──62.激活函数与整体架构总结 .mp4 21.40M
8 T: N) \# o2 J- N├──63.论文解读 .mp4 52.02M1 u) X9 _5 W) r- e- I n! g/ h$ @/ z W
├──63.整体项目概述 .mp4 70.08M7 X* O- Q: v. }$ N$ i8 k
├──64.RPN网络结构 .mp4 52.48M3 l, c- `# c4 f' g; X+ G8 w
├──64.训练自己的数据集方法 .mp4 20.56M% P7 a k! e4 A8 {& D3 N f" k
├──65.损失函数定义 .mp4 78.64M
" W$ S" x) m3 @7 Z! ^├──65.训练数据参数配置 .mp4 78.35M
) U% y; i9 y2 l% o6 X8 d% \" [├──66.测试DEMO演示 .mp4 23.91M+ z) X9 H7 `$ G& ?% |
├──66.网络细节 .mp4 92.57M1 \7 T! {# c; c' \
├──67.数据源DEBUG流程解读 .mp4 20.30M
7 C$ ]5 I/ n$ ?├──68.图像数据源配置 .mp4 19.49M# H& `2 R' f6 T( E* R3 ]
├──69.加载标签数据 .mp4 14.38M2 t% m7 _/ [: g! l- Z
├──70.Mosaic数据增强方法 .mp4 15.78M9 T/ N. S M- {
├──71.数据四合一方法与流程演示 .mp4 44.62M) N8 Z0 s) q0 }- i' W
├──72.getItem构建batch .mp4 18.89M8 S- P* D7 V0 z! o& p
├──73.网络架构图可视化工具安装 .mp4 51.05M
& x6 C2 ]. U4 ~$ G* |9 _├──74.V5网络配置文件解读 .mp4 20.50M
# E8 @1 W. W' @1 m4 d8 X7 c; \├──75.Focus模块流程分析 .mp4 25.90M
' o0 f- W# z5 |1 @├──76.完成配置文件解析任务 .mp4 30.35M
) H; _7 L$ w! B& V├──77.前向传播计算 .mp4 59.75M
% J3 Q0 T6 C& u) j# h% A P├──78.BottleneckCSP层计算方法 .mp4 73.07M
6 W. F" P! O9 {6 C" k" j* ]├──79.Head层流程解读 .mp4 17.51M
$ U: t$ e& z1 ^* ~ p% G├──80.SPP层计算细节分析 .mp4 34.07M
2 V* K; e! U: i4 s├──81.上采样与拼接操作 .mp4 22.37M
6 m- n0 L! \# L& F" A├──82.输出结果分析 .mp4 33.44M
; }- P# P1 l8 ~9 C├──83.超参数解读 .mp4 30.33M
- ]7 J4 a+ b# n2 e├──84.命令行参数介绍 .mp4 30.86M
# ^6 M$ g4 r; ]3 \├──85.训练流程解读 .mp4 49.00M
# Q3 P+ H9 B$ ^+ t5 J g1 t├──86.各种训练策略概述 .mp4 41.61M
! b/ S" O! G6 m/ d& j6 `) b1 T! K└──87.模型迭代过程 .mp4 37.85M
1 U7 V" E1 E. q4 l; V8 S4 G! n
2 J b C6 m' J; ^+ P
* |& W* L) L% g% U8 A
6 x8 G- x1 C. ?: W; h
& s1 H0 c4 Y5 y( h
, p1 u2 u8 y8 K4 Y3 B资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见
6 h ]/ q8 I% v+ u* M$ O
$ `- L& V4 n0 {( V
/ ^" ^3 g$ v' i! w: b; i3 g. F* ^+ X' }6 D1 }7 g
本资源由Java自学网收集整理【www.javazx.com】 |
|
[复制链接]
发表于 2023-12-5 11:24:01
