YOLO物体检测-深度学习-通俗易懂最接地气的YOLO课程_3.47GB
51669文件名称： YOLO物体检测-深度学习-通俗易懂最接地气的YOLO课程450_共：3.47GB
文件总数量： 106条
压缩文件数量： 1条
压缩文件比： 0.94%
疑似加密文件： 0条(需要授权播放的文件)
文件创建时间：2023-12-05 14:42:33
目录：【资料/YOLO-V3-PyTorch】
PyTorch-YOLOv3.zip
YOLO.pdf
目录：【资料/YOLO-V3-PyTorch/训练自己的数据集】
构建自己的数据集.docx
json2yolo.py
目录：【YOLO物体检测-深度学习-通俗易懂最接地气的YOLO课程】
50.训练代码与参数配置更改.mp4
26.先验框设计改进.mp4
72.getItem构建batch.mp4
02.检测任务中阶段的意义.mp4
48.json格式转换成yolo-v3所需输入.mp4
05.评估所需参数计算.mp4
04.IOU指标计算.mp4
67.数据源DEBUG流程解读.mp4
19.感受野的作用.mp4
31.标签文件读取与处理.mp4
10.整体网络架构解读.mp4
65.损失函数定义.mp4
20.特征融合改进.mp4
11.位置损失计算.mp4
16.基于聚类来选择先验框尺寸.mp4
59.SPP与CSP网络结构.mp4
73.网络架构图可视化工具安装.mp4
69.加载标签数据.mp4
53.V4版本贡献解读.mp4
66.测试DEMO演示.mp4
13.V2版本细节升级概述.mp4
06.map指标计算.mp4
60.SAM注意力机制模块.mp4
56.Resnet基本处理操作.mp4
83.超参数解读.mp4
数据与标签读取.mp4
22.多scale方法改进与特征融合.mp4
79.Head层流程解读.mp4
64.RPN网络结构.mp4
27.sotfmax层改进.mp4
46.完成标签制作.mp4
35.YOLO层定义解析.mp4
61.深度学习经典检测方法.mp4
21.V3版本改进概述.mp4
57.shortcut模块.mp4
71.数据四合一方法与流程演示.mp4
66.网络细节.mp4
23.经典变换方法对比分析.mp4
01.课程内容与风格介绍.mp4
12.置信度误差与优缺点分析.mp4
38.模型要计算的损失.mp4
54.Resnet原理.mp4
52.迁移学习的目标.mp4
63.论文解读.mp4
55.Resnet网络细节.mp4
58.NMS细节改进.mp4
43.预测效果展示.mp4
60.Faster-rcnn物体检测概述.mp4
37.网格偏移计算.mp4
51.训练模型并测试效果.mp4
36.预测结果计算.mp4
81.上采样与拼接操作.mp4
49.完成输入数据准备工作.mp4
14.网络结构特点.mp4
76.完成配置文件解析任务.mp4
29.训练参数设置.mp4
41.完成所有损失函数所需计算指标.mp4
45.数据信息标注.mp4
33.基于配置文件构建网络模型.mp4
77.前向传播计算.mp4
75.Focus模块流程分析.mp4
82.输出结果分析.mp4
24.残差连接方法解读.mp4
65.训练数据参数配置.mp4
39.标签值格式修改.mp4
17.偏移量计算方法.mp4
62.faster-rcnn概述.mp4
57.CIOU损失函数定义.mp4
25.整体网络模型架构分析.mp4
34.路由层与shortcut层的作用.mp4
61.PAN模块解读.mp4
80.SPP层计算细节分析.mp4
87.模型迭代过程.mp4
86.各种训练策略概述.mp4
47.生成模型所需配置文件.mp4
工具安装.mp4
56.损失函数遇到的问题.mp4
74.V5网络配置文件解读.mp4
18.坐标映射与还原.mp4
58.加载训练好的权重.mp4
64.训练自己的数据集方法.mp4
70.Mosaic数据增强方法.mp4
55.DropBlock与标签平滑方法.mp4
63.整体项目概述.mp4
54.数据增强策略分析.mp4
68.图像数据源配置.mp4
03.不同阶段算法优缺点分析.mp4
42.模型训练与总结.mp4
59.迁移学习效果对比.mp4
28.数据与环境配置.mp4
62.激活函数与整体架构总结.mp4
09.检测算法要得到的结果.mp4
32.debug模式介绍.mp4
40.坐标相对位置计算.mp4
78.BottleneckCSP层计算方法.mp4
08.YOLO算法整体思路解读.mp4
85.训练流程解读.mp4
84.命令行参数介绍.mp4
53.迁移学习策略.mp4
52.V4版本整体概述.mp4
15.架构细节解.com】.mp4
目录：【资料/YOLO-V3-PyTorch/COCO-DATA】
COCO数据集.txt
页:
[1]