- 畅销套餐
- 精选套餐
- 人气套餐
- 尊享套餐
- 高薪套餐

















- 课程介绍
- 课程大纲 试看
- 讲师好课 63
- 学员评价
适合人群:
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
课程目标:
学习和学习YOLOv3目标检测网络模型改进方法
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》。
课程大纲-YOLOv3目标检测实战:网络模型改进方法
资料下载-
第1章 课程介绍 (9分钟 1节)
-
第2章 darknet的安装及测试 (6分钟 1节)
-
第3章 PASCAL VOC数据集下载及训练 (27分钟 2节)
-
第4章 Eclipse的安装与使用 (23分钟 3节)
-
第5章 改进方法1:不显示某类目标的方法 (18分钟 3节)
-
第6章 改进方法2:合并BN层到卷积层 (30分钟 5节)
-
第7章 改进方法3:使用GIoU指标和损失函数 (1小时12分钟 3节)
-
第8章 改进方法4: Tiny YOLOv3 (13分钟 2节)
5