下载学堂APP缓存视频离线看
- 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
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
你将会学到：
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
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)
“白老师”老师的其他课程更多+
