深度学习-物体检测-YOLO实战系列(已更新V5)

ad***

三六五网络学院今天分享的课程是唐老师的 yolo实战系列课程，包含全套视频+配套课程代码资料
视频仅提供VIP会员观看！请勿传播




课程目录：
1 课程内容与风格介绍.mp4
2 检测任务中阶段的意义.mp4
3 不同阶段算法优缺点分析.mp4
4 IOU指标计算.mp4
5 评估所需参数计算.mp4
6 map指标计算.mp4
7 YOLO算法整体思路解读.mp4
8 检测算法要得到的结果.mp4
9 整体网络架构解读.mp4
10 位置损失计算.mp4
11 置信度误差与优缺点分析.mp4
12 V2版本细节升级概述.mp4
13 网络结构特点.mp4
14 架构细节解读.mp4
15 基于聚类来选择先验框尺寸.mp4
16 偏移量计算方法.mp4
17 坐标映射与还原.mp4
18 感受野的作用.mp4
19 特征融合改进.mp4
20 V3版本改进概述.mp4
21 多scale方法改进与特征融合.mp4
22 经典变换方法对比分析.mp4
23 残差连接方法解读.mp4
24 整体网络模型架构分析.mp4
25 先验框设计改进.mp4
26 sotfmax层改进.mp4
27 数据与环境配置.mp4
28 训练参数设置.mp4
29 数据与标签读取.mp4
30 标签文件读取与处理.mp4
31 debug模式介绍.mp4
32 基于配置文件构建网络模型.mp4
33 路由层与shortcut层的作用.mp4
34 YOLO层定义解析.mp4
35 预测结果计算.mp4
36 网格偏移计算.mp4
37 模型要计算的损失概述.mp4
38 标签值格式修改.mp4
39 坐标相对位置计算.mp4
40 完成所有损失函数所需计算指标.mp4
41 模型训练与总结.mp4
42 预测效果展示.mp4
43 Labelme工具安装.mp4
44 数据信息标注.mp4
45 完成标签制作.mp4
46 生成模型所需配置文件.mp4
47 json格式转换成yolo-v3所需输入.mp4
48 完成输入数据准备工作.mp4
49 训练代码与参数配置更改.mp4
50 训练模型并测试效果.mp4
51 V4版本整体概述.mp4
52 V4版本贡献解读.mp4
53 数据增强策略分析.mp4
54 DropBlock与标签平滑方法.mp4
55 损失函数遇到的问题.mp4
56 CIOU损失函数定义.mp4
57 NMS细节改进.mp4
58 SPP与CSP网络结构.mp4
59 SAM注意力机制模块.mp4
60 PAN模块解读.mp4
61 激活函数与整体架构总结.mp4
62 整体项目概述.mp4
63 训练自己的数据集方法.mp4
64 训练数据参数配置.mp4
65 测试DEMO演示.mp4
66 数据源DEBUG流程解读.mp4
67 图像数据源配置.mp4
68 加载标签数据.mp4
69 Mosaic数据增强方法.mp4
70 数据四合一方法与流程演示.mp4
71 getItem构建batch.mp4
72 网络架构图可视化工具安装.mp4
73 V5网络配置文件解读.mp4
74 Focus模块流程分析.mp4
75 完成配置文件解析任务.mp4
76 前向传播计算.mp4
77 BottleneckCSP层计算方法.mp4
78 Head层流程解读.mp4
79 SPP层计算细节分析.mp4
80 上采样与拼接操作.mp4
81 输出结果分析.mp4
82 超参数解读.mp4
83 命令行参数介绍.mp4
84 训练流程解读.mp4
85 各种训练策略概述.mp4
86 模型迭代过程.mp4
87 迁移学习的目标.mp4
88 迁移学习策略.mp4
89 Resnet原理.mp4
90 Resnet网络细节.mp4
91 Resnet基本处理操作.mp4
92 shortcut模块.mp4
93 加载训练好的权重.mp4
94 迁移学习效果对比.mp4
95 物体检测算法概述.mp4
96 深度学习经典检测方法.mp4
97 faster-rcnn概述.mp4
98 论文解读.mp4
99 RPN网络结构.mp4
100 损失函数定义.mp4
101 网络细节.mp4
数据代码下载地址.txt

下载地址：

游客，如果您要查看本帖隐藏内容请回复

竹林***

给力！谢谢~

Ghos***

66666666666666666666

mr***

好好学习，天天向上

JH***

感谢站长啊

诚实***

不错不错

lizhu***

VIP超值 赞

孤独的***

楼主太厉害了！楼主，I*老*虎*U！我觉得三六五网络学院真是个好地方！

somo***

VIP超值 赞

chen7***

支持一下 需要这方面的内容