Python计算机视觉深度学习物体检测实战插图

课程简介

计算机视觉-物体检测-通用解决框架Mask-Rcnn实战课程旨在帮助同学们快速掌握物体检测领域当下主流解决方案与网络框架构建原理,基于开源项目解读其应用领域与使用方法。通过debug方式,详细解读项目中每一模块核心源码,从代码角度理解网络实现方法与建模流程。为了方便同学们能将项目应用到自己的数据与任务中,实例演示如何针对自己的数据集制作标签与代码调整方法,全程实战操作,通俗讲解其中复杂的网络架构。

课程目录

  • 1-1 课程简介.mp4
  • 1-2 Mask-Rcnn开源项目简介.mp4
  • 1-3 开源项目数据集.mp4
  • 1-4 参数配置.mp4
  • 2-1 FPN网络架构实现解读.mp4
  • 2-10 RoiPooling层的作用与目的.mp4
  • 2-11 RorAlign操作的效果.mp4
  • 2-12 整体框架回顾.mp4
  • 2-2 FPN层特征提取原理解读.mp4
  • 2-3 生成框比例设置.mp4
  • 2-4 基于不同尺度特征图生成所有框.mp4
  • 2-5 RPN层的作用与实现解读.mp4
  • 2-6 候选框过滤方法.mp4
  • 2-7 Proposal层实现方法.mp4
  • 2-8 DetectionTarget层的作用.mp4
  • 2-9 正负样本选择与标签定义.mp4
  • 3-1 Labelme工具安装.mp4
  • 3-2 使用labelme进行数据与标签标注.mp4
  • 3-3 完成训练数据准备工作.mp4
  • 3-4 maskrcnn源码修改方法.mp4
  • 3-5 基于标注数据训练所需任务.mp4
  • 3-6 测试与展示模块.mp4
  • 4-1 COCO数据集与人体姿态识别简介.mp4
  • 4-2 网络架构概述.mp4
  • 4-3 流程与结果演示.mp4
  • 5-1 迁移学习的目标.mp4
  • 5-2 迁移学习策略.mp4
  • 5-3 Resnet原理.mp4
  • 5-4 Resnet网络细节.mp4
  • 5-5 Resnet基本处理操作.mp4
  • 5-6 shortcut模块.mp4
  • 5-7 加载训练好的权重.mp4
  • 5-8 迁移学习效果对比.mp4
  • 6-1 物体检测概述.mp4
  • 6-2 深度学习经典检测方法.mp4
  • 6-3 faster-rcnn概述.mp4
  • 6-4 论文解读.mp4
  • 6-5 RPN网络架构.mp4
  • 6-6 损失函数定义.mp4
  • 6-7 网络细节.mp4

本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。

最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。 若排除这种情况,可在对应资源底部留言,或联络我们。

对于会员专享、整站源码、程序插件、网站模板、网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。

如果您已经成功付款但是网站没有弹出成功提示,请联系客服并提供付款信息为您处理。

本站资源均为虚拟商品,具有可复制性,可传播性,一旦授予,不接受任何形式的退款、换货要求。请您在购买获取之前确认好是您所需要的资源。