课程介绍
课程章节
章节1: YOLO-V1整体思想与网络架构 (4节)

课时01

YOLOv1总体架构

6分37秒

课时02

YOLOv1网络结构

3分36秒

课时03

YOLOv1的损失

3分5秒

课时04

YOLOv1的局限

2分13秒

章节2: YOLO-V2进化详解 (1节)

课时05

版本升级概述

27分35秒

章节3: YOLO-V3网络模型介绍 (6节)

课时06

YOLOv3介绍

18分53秒

课时07

YOLOv3spp介绍

3分26秒

课时08

mosaic图像增强

2分32秒

课时09

SPP模块说明

5分19秒

课时10

IOU 损失

25分26秒

课时11

focal loss

19分39秒

章节4: YOLOv3 SPP源码解读 (5节)

课时12

使用自定义数据集

24分0秒

课时13

训练脚本解析

14分2秒

课时14

预测代码的使用

4分34秒

课时15

配置文件解析

13分52秒

课时16

模型创建

42分34秒

章节5: YOLO-V4网络模型介绍 (12节)

课时17

版本升级概述

5分29秒

课时18

YOLOv4版本贡献

2分43秒

课时19

数据增强策略分析

11分24秒

课时20

DropBlock与标签平滑处理

5分5秒

课时21

损失函数局限性

6分47秒

课时22

CIOU损失函数定义

4分7秒

课时23

NMS细节优化

5分21秒

课时24

SPP与CSP网络结构

5分39秒

课时25

SAM注意力机制模块

5分22秒

课时26

PAN模块解读

5分18秒

课时27

yolov4整体架构

4分42秒

课时28

mish激活函数和Eliminate grid sensitivity

8分24秒

章节6: YOLO-V5网络模型介绍 (7节)

课时29

YOLOv5总体介绍

9分11秒

课时30

网络结构亮点

7分4秒

课时31

数据增强

5分56秒

课时32

训练策略

5分50秒

课时33

损失计算

3分15秒

课时34

消除网格敏感度

3分25秒

课时35

正样本匹配

10分29秒

章节7:YOLOv5源码解读 (12节)

课时36

项目总体介绍和使用方法

32分0秒

课时37

使用自定义数据集

16分5秒

课时38

训练自己的数据集

26分13秒

课时39

构建路径和生成缓存文件

60分42秒

课时40

读取缓存文件更新labels

13分48秒

课时41

Rectangular Training

22分50秒

课时42

马赛克数据增强详解

38分17秒

课时43

创建模型

51分42秒

课时44

detect模块详解

53分21秒

课时45

正样本匹配理论和代码准备

49分35秒

课时46

正样本匹配核心代码讲解

54分4秒

课时47

损失源码详解

40分16秒

章节8: 目标检测算法SSD (7节)

课时48

SSD算法原理

45分23秒

课时49

SSD源码总体架构

23分24秒

课时50

default box的生成

37分30秒

课时51

损失函数定义

38分13秒

课时52

损失的计算

38分13秒

课时53

后处理

16分27秒

课时54

正负样本划分

26分43秒

章节9: 目标检测算法RetinaNet (1节)

课时55

RetinaNet网络

32分45秒

您没有该体系课权限,需要开通权限请点击联系老师。
联系老师
个问题,0回答
提问
暂无提问,赶紧去提问吧~