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

刘山
技术总监/研发总监
2003年工学硕士毕业,研究方向为模式识别。现为上海某科创公司人工智能部门负责人,主要研究内容有图像增强、图像分割和识别,基于深度学习的目标检测以及AI边缘计算等。
显示更多
本课程共计236分钟,32节,如果每天学习1小时,预计学习4天。
课程简介

本课程包括下面6个经典目标检测算法模型的讲解:

1.基于自己数据集的Faster RCNN模型训练、验证以及nnie上仿真和运行。

2.基于自己数据集的RFCN模型训练、验证以及nnie上仿真和运行。

3.基于自己数据集的SSD模型训练、验证以及nnie上仿真和运行。

4.基于自己数据集的MobilenetSSD模型训练、验证以及nnie上仿真和运行。

5.Yolov2模型验证以及nnie上仿真和运行。

6.Yolov3tiny模型验证以及nnie上仿真和运行。


本课程特色:

1.实用性强,几乎囊括了当前所有经典的目标检测算法模型。
2.有深度。从模型框架原理、搭建、训练自己数据集一直讲到模型量化成wk文件、仿真以及开发板上运行。

你将收获
对各种经典目标检测算法模型结构、原理有较深入了解。
更重要的是,使得自己的算法模型能够在海思nnie仿真环境以及开发板上运行起来。
起到举一反三、触类旁通的效果 来有助于新的算法模型移植到海思nnie平台。
第一章:课程介绍
第二章:Faster RCNN模型讲解
第三章:RFCN模型讲解
第四章:SSD模型讲解
第五章:Mobilenet SSD模型讲解
第六章:YoloV2模型讲解
第七章:Yolo3 Tiny模型讲解
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