Transformer之计算机视觉应用-CSDN程序员研修院

3687人学习人数

5.0分课程评分

Swin Transformer实战目标检测：训练自己的数据集
Transformer发轫于NLP（自然语言处理），并跨界应用到CV（计算机视觉）领域。 Swin Transformer是基于Transformer的计算机视觉骨干网，在图像分类、目标检测、实例分割、语义分割等多项下游CV应用中取得了SOTA的性能。该项工作也获得了ICCV 2021顶会最佳论文奖。本课程将手把手地教大家使用labelImg标注和使用Swin Transformer训练自己的数据集。本课程将介绍Transformer及在CV领域的应用、Swin Transformer的原理。课程以多目标检测（足球和梅西同时检测）为例进行Swin Transformer实战演示。课程在Windows和Ubuntu系统上分别做项目演示。包括：安装软件环境、安装Pytorch、安装Swin-Transformer-Object-Detection、标注自己的数据集、准备自己的数据集（自动划分训练集和验证集）、数据集格式转换（Python脚本完成）、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计、日志分析。相关课程：《Transformer原理与代码精讲（PyTorch）》https://edu.csdn.net/course/detail/36697《Transformer原理与代码精讲（TensorFlow）》https://edu.csdn.net/course/detail/36699《ViT（Vision Transformer）原理与代码精讲》https://edu.csdn.net/course/detail/36719《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768《Swin Transformer实战目标检测：训练自己的数据集》https://edu.csdn.net/course/detail/36585《Swin Transformer实战实例分割：训练自己的数据集》https://edu.csdn.net/course/detail/36586 <https://edu.csdn.net/course/detail/36586>《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045

计算机视觉
目标检测
transformer
人工智能
物体检测

免费试学查看详情
2870人学习人数

5.0分课程评分

Swin Transformer实战实例分割：训练自己的数据集
Transformer发轫于NLP（自然语言处理），并跨界应用到CV（计算机视觉）领域。 Swin Transformer是基于Transformer的计算机视觉骨干网，在图像分类、目标检测、实例分割、语义分割等多项下游CV应用中取得了SOTA的性能。该项工作也获得了ICCV 2021顶会最佳论文奖。本课程将手把手地教大家使用labelme标注和使用Swin Transformer训练自己的数据集进行图片和视频的实例分割。本课程将介绍Transformer及在CV领域的应用、Swin Transformer的原理。本课程以汽车驾驶场景图片和视频开展项目实践：对汽车行驶场景中的路坑、车、车道线进行物体标注和实例分割。课程在Windows和Ubuntu系统上分别做项目演示。包括：安装软件环境、安装Pytorch、安装Swin-Transformer-Object-Detection、标注自己的数据集、准备自己的数据集、数据集格式转换（Python脚本完成）、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计、日志分析。本课程提供项目的数据集和相关Python程序文件。相关课程：《Transformer原理与代码精讲（PyTorch）》https://edu.csdn.net/course/detail/36697《Transformer原理与代码精讲（TensorFlow）》https://edu.csdn.net/course/detail/36699《ViT（Vision Transformer）原理与代码精讲》https://edu.csdn.net/course/detail/36719《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768《Swin Transformer实战目标检测：训练自己的数据集》https://edu.csdn.net/course/detail/36585《Swin Transformer实战实例分割：训练自己的数据集》https://edu.csdn.net/course/detail/36586 <https://edu.csdn.net/course/detail/36586>《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045

Transformer
实例分割
计算机视觉
人工智能
Swin

免费试学查看详情
2985人学习人数

4.7分课程评分

Transformer原理与代码精讲（PyTorch）
Transformer发轫于NLP（自然语言处理），并跨界应用到CV（计算机视觉）领域。目前已成为深度学习的新范式，影响力和应用前景巨大。本课程对Transformer的原理和PyTorch代码进行精讲，来帮助大家掌握其详细原理和具体实现。原理精讲部分包括：注意力机制和自注意力机制、Transformer的架构概述、Encoder的多头注意力（Multi-Head Attention）、Encoder的位置编码（Positional Encoding）、残差链接、层规范化（Layer Normalization）、FFN（Feed Forward Network）、Transformer的训练及性能、Transformer的机器翻译工作流程。代码精讲部分使用Jupyter Notebook对Transformer的PyTorch代码进行逐行解读，包括：安装PyTorch、Transformer的Encoder代码解读、Transformer的Decoder代码解读、Transformer的超参设置代码解读、Transformer的训练示例（人为随机数据）代码解读、Transformer的训练示例(德语-英语机器翻译)代码解读。相关课程：《Transformer原理与代码精讲（PyTorch）》https://edu.csdn.net/course/detail/36697《Transformer原理与代码精讲（TensorFlow）》https://edu.csdn.net/course/detail/36699《ViT（Vision Transformer）原理与代码精讲》https://edu.csdn.net/course/detail/36719《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768《Swin Transformer实战目标检测：训练自己的数据集》https://edu.csdn.net/course/detail/36585《Swin Transformer实战实例分割：训练自己的数据集》https://edu.csdn.net/course/detail/36586 <https://edu.csdn.net/course/detail/36586>《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045

注意力机制
机器翻译
深度学习
transformer
pytorch

免费试学查看详情
1784人学习人数

4.9分课程评分

Transformer原理与代码精讲（TensorFlow）
Transformer发轫于NLP（自然语言处理），并跨界应用到CV（计算机视觉）领域。目前已成为深度学习的新范式，影响力和应用前景巨大。本课程对Transformer的原理和TensorFlow 2代码进行精讲，来帮助大家掌握其详细原理和具体实现。原理精讲部分包括：注意力机制和自注意力机制、Transformer的架构概述、Encoder的多头注意力（Multi-Head Attention）、Encoder的位置编码（Positional Encoding）、残差链接（Residual Connection）、层规范化（Layer Normalization）、FFN（Feed Forward Network）、Transformer的训练及性能、Transformer的机器翻译工作流程。代码精讲部分使用Jupyter Notebook对Transformer的TensorFlow 2实现代码进行逐行解读，包括：安装TensorFlow、Transformer的数据集加载与预处理代码解读、Transformer的位置编码与多头注意力代码解读、Transformer的Transformer类代码解读、Transformer的优化器与损失函数代码解读、Transformer的训练代码解读、Transformer的推理与权重保存代码解读。相关课程：《Transformer原理与代码精讲（PyTorch）》https://edu.csdn.net/course/detail/36697《Transformer原理与代码精讲（TensorFlow）》https://edu.csdn.net/course/detail/36699《ViT（Vision Transformer）原理与代码精讲》https://edu.csdn.net/course/detail/36719《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768《Swin Transformer实战目标检测：训练自己的数据集》https://edu.csdn.net/course/detail/36585《Swin Transformer实战实例分割：训练自己的数据集》https://edu.csdn.net/course/detail/36586 <https://edu.csdn.net/course/detail/36586>《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045

注意力机制
tensorflow
机器翻译
深度学习
transformer

免费试学查看详情
1141人学习人数

4.8分课程评分

ViT（Vision Transformer）原理与代码精讲
Transformer在许多NLP(自然语言处理)任务中取得了最先进的成果。 ViT (Vision Transformer)是Transformer应用于CV（计算机视觉）领域里程碑式的工作，后面发展出更多的变体，如Swin Transformer。 ViT (Vision Transformer)模型发表于论文An Image is Worth 16X16 Words: Transformer For Image Recognition At Scale，使用纯Transformer进行图像分类。ViT在JFT-300M数据集上预训练后，可超过卷积神经网络ResNet的性能，并且所用的训练计算资源可更少。本课程对ViT的原理与PyTorch实现代码进行精讲，来帮助大家掌握其详细原理和具体实现。其中代码实现包含两种代码实现方式，一种是采用timm库，另一种是采用einops/einsum。原理精讲部分包括：Transformer的架构概述、Transformer的Encoder 、Transformer的Decoder、ViT架构概述、ViT模型详解、ViT性能及分析。代码精讲部分使用Jupyter Notebook对ViT的PyTorch代码进行逐行解读，包括：安装PyTorch、ViT的timm库实现代码解读、 einops/einsum、ViT的einops/einsum实现代码解读。相关课程：《Transformer原理与代码精讲（PyTorch）》https://edu.csdn.net/course/detail/36697《Transformer原理与代码精讲（TensorFlow）》https://edu.csdn.net/course/detail/36699《ViT（Vision Transformer）原理与代码精讲》https://edu.csdn.net/course/detail/36719《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768《Swin Transformer实战目标检测：训练自己的数据集》https://edu.csdn.net/course/detail/36585《Swin Transformer实战实例分割：训练自己的数据集》https://edu.csdn.net/course/detail/36586 <https://edu.csdn.net/course/detail/36586>《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045

vit
timm
einsum
深度学习
transformer

免费试学查看详情
1719人学习人数

5.0分课程评分

DETR原理与代码精讲
Transformer在许多NLP(自然语言处理)任务中取得了最先进的成果。 DETR(Detection Transformer)是Facebook提出的基于Transformer的端到端目标检测方法。DETR使用CNN+Transformer进行图像目标检测，该方法没有NMS后处理步骤、没有anchor。DETR总体思路是把目标检测看成一个set prediction的问题，并且使用Transformer来预测物体边界框的集合。本课程对DETR的原理与PyTorch实现代码进行精讲，来帮助大家掌握其详细原理和具体实现。原理精讲部分包括：Transformer的架构概述、Transformer的Encoder 、Transformer的Decoder、DETR网络架构、DETR损失函数、DETR实验结果和分析。代码精讲部分使用Jupyter Notebook对DETR的PyTorch代码进行逐行解读，包括：安装PyTorch、 DETR官方Demo，DETR的hands-on tutorial，DETR的代码精讲（数据准备、Backbone和位置编码、Transformer架构的实现）。相关课程：《Transformer原理与代码精讲（PyTorch）》https://edu.csdn.net/course/detail/36697《Transformer原理与代码精讲（TensorFlow）》https://edu.csdn.net/course/detail/36699《ViT（Vision Transformer）原理与代码精讲》https://edu.csdn.net/course/detail/36719《DETR原理与代码精讲》https://edu.csdn.net/course/detail/36768《Swin Transformer实战目标检测：训练自己的数据集》https://edu.csdn.net/course/detail/36585《Swin Transformer实战实例分割：训练自己的数据集》https://edu.csdn.net/course/detail/36586 <https://edu.csdn.net/course/detail/36586>《Swin Transformer原理与代码精讲》 https://download.csdn.net/course/detail/37045

DETR
CNN
Transformer
计算机视觉
目标检测

免费试学查看详情
1653人学习人数

4.7分课程评分

Swin Transformer原理与代码精讲
Transformer在许多NLP(自然语言处理)任务中取得了最先进的成果。 Swin Transformer是在ViT基础上发展而来，是Transformer应用于CV（计算机视觉）领域又一里程碑式的工作。它可以作为通用的骨干网络，用于图片分类的CV任务，以及下游的CV任务，如目标检测、实例分割、语义分割等，并取得了SOTA的成果。Swin Transformer获得了ICCV 2021的最佳论文奖。本课程对Swin Transformer的原理与PyTorch实现代码进行精讲，来帮助大家掌握其详细原理和具体实现；并且使用Swin Transformer对17个类别花朵数据集进行图片分类的项目实战。原理精讲部分包括：Transformer的架构概述、Transformer的Encoder 、Transformer的Decoder、Swin Transformer的网络架构、Patch Merging、SW-MSA、Relative Position Bias、MSA与W-MSA计算量分析、实验结果及性能。项目实战部分包括：安装软件环境和PyTorch、安装Swin-Transformer、数据集自动划分、修改配置文件、训练数据集、测试训练出的网络模型。代码精讲部分使用PyCharm对Swin Transformer的PyTorch代码进行逐行解读，包括：PatchEmbed、SwinTransformerBlock、PatchMerging、推理过程和训练过程实现代码解读。相关课程：Transformer原理与代码精讲（PyTorch）https://edu.csdn.net/course/detail/36697Transformer原理与代码精讲（TensorFlow）https://edu.csdn.net/course/detail/36699ViT（Vision Transformer）原理与代码精讲 https://edu.csdn.net/course/detail/36719 <https://edu.csdn.net/course/detail/36719>DETR原理与代码精讲 https://edu.csdn.net/course/detail/36768 <https://edu.csdn.net/course/detail/36768>Swin Transformer实战目标检测：训练自己的数据集 https://edu.csdn.net/course/detail/36585Swin Transformer实战实例分割：训练自己的数据集 https://edu.csdn.net/course/detail/36586

Transformer
图像分类
计算机视觉
人工智能
Swin

免费试学查看详情

套餐介绍

Transformer之计算机视觉应用，包含Transformer原理与代码精讲、ViT、DETR、Swin Transformer等应用模型。

用AI创作