目标检测-YOLOv3原理
Linux创始人Linus Torvalds有一句名言:Talk is cheap. Show me the code. (冗谈不够,放码过来!)。
代码阅读是从基础到提高的必由之路。尤其对深度学习,许多框架隐藏了神经网络底层的实现,只能在上层调包使用,对其内部原理很难认识清晰,不利于进一步优化和创新。
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。
YOLOv3的实现Darknet是使用C语言开发的轻型开源深度学习框架,依赖少,可移植性好,可以作为很好的代码阅读案例,让我们深入探究其实现原理。
本课程将解析YOLOv3的实现原理和源码,具体内容包括:
l YOLO目标检测原理
l 神经网络及Darknet的C语言实现,尤其是反向传播的梯度求解和误差计算
l 代码阅读工具及方法
l 深度学习计算的利器:BLAS和GEMM
l GPU的CUDA编程方法及在Darknet的应用
l YOLOv3的程序流程及各层的源码解析
本课程将提供注释后的Darknet的源码程序文件。
除本课程《YOLOv3目标检测:原理与源码解析》外,本人推出了有关YOLOv3目标检测的系列课程,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》
《YOLOv3目标检测:网络模型改进方法》
建议先学习课程《YOLOv3目标检测实战:训练自己的数据集》或课程《YOLOv3目标检测实战:交通标志识别》,对YOLOv3的使用方法了解以后再学习本课程。
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
课程大纲
![基于深度学习的计算机视觉: 原理与实践 (上部)](https://s2.51cto.com/images/201906/11/9066acefc97c12ddca4cc17c0b0b4ed4.jpg?x-oss-process=image)
![YOLOv3目标检测实战:训练自己的数据集](https://s2.51cto.com/images/avater/202010/82ba7230660f76017c223285f8ceb3ffa05143.jpg?x-oss-process=image)
![YOLOv5+DeepSORT多目标跟踪与计数精讲](https://s2.51cto.com/images/avater/202106/c53194110cc6cf0f2e97529417334c54255bb2.jpg?x-oss-process=image)
![YOLOv5(PyTorch)目标检测:原理与源码解析](https://s2.51cto.com/images/202012/07/5927cba0fe37351ed806b7696c0e5251.jpg?x-oss-process=image)
![YOLOv3目标检测:原理与源码解析](https://s2.51cto.com/images/avater/202010/25a09f888df674d1694307a7d0a3979a6b593a.jpg?x-oss-process=image)
![Mask R-CNN图像实例分割实战:训练自己的数据集](https://s2.51cto.com/images/avater/202010/c9391d410582a0c7fd34284ec44020c7f7dc7d.jpg?x-oss-process=image)
![YOLOv5实战中国交通标志识别](https://s2.51cto.com/images/avater/202106/3493bcf68d4af4700935513c47854f38ac8409.jpg?x-oss-process=image)
![PyTorch版Mask R-CNN图像实例分割实战:训练自己的数据集(Detectron2)](https://s2.51cto.com/images/201910/07/27dc15bbd4cf4fce62ee7aa75d2d0f53.jpg?x-oss-process=image)