成功

扫码支付

购买商品:
商品价格:

价格读取中

支付方式:
微信

请扫码进行支付

支付宝

请扫码进行支付

二维码已过期,请点击刷新

白勇
研究员/教授
大学教授,美国归国博士、博士生导师;人工智能公司专家顾问;长期从事人工智能、物联网、大数据研究;已发表学术论文100多篇,授权发明专利10多项
显示更多
本课程共计231分钟,26节,如果每天学习1小时,预计学习4天。
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实现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》。
你将收获
掌握darknet在PASCAL VOC数据集上的训练与测试
学习IDE开发环境Eclipse的使用
学习基于darknet的YOLOV3网络模型改进方法

第一章:课程介绍
第二章:darknet的安装及测试
第三章:PASCAL VOC数据集下载及训练
第四章:Eclipse的安装与使用
第五章:改进方法1:不显示某类目标的方法
第六章:改进方法2:合并BN层到卷积层
第七章:改进方法3:使用GIoU指标和损失函数
第八章:改进方法4: Tiny YOLOv3
第九章:AlexyAB/darknet
第一十章:课程总结
第一十一章:课程网盘文件介绍
查看更多章节
查看更多笔记

加载中...

没有更多了

同学笔记空空如也

查看更多评价

加载中...

没有更多了

空空如也

手机看
关注公众号

关注公众号

下载APP

下载APP

客服 帮助 返回
顶部