你将收获

学懂YOLOv4目标检测原理

读懂C语言实现的darknet源码

适用人群

具有一定深度学习基础,希望学习YOLOv4目标检测的实现原理与darknet源码的同学们

课程介绍

需要学习ubuntu系统上YOLOv4的同学请前往:《YOLOv4目标检测实战:原理与源码解析》

【为什么要学习这门课】

Linux创始人Linus Torvalds有一句名言:Talk is cheap. Show me the code. 冗谈不够,放码过来!

代码阅读是从基础到提高的必由之路。尤其对深度学习,许多框架隐藏了神经网络底层的实现,只能在上层调包使用,对其内部原理很难认识清晰,不利于进一步优化和创新。

YOLOv4是最近推出的基于深度学习的端到端实时目标检测方法。

YOLOv4的实现darknet是使用C语言开发的轻型开源深度学习框架,依赖少,可移植性好,可以作为很好的代码阅读案例,让我们深入探究其实现原理。

【课程内容与收获】

本课程将解析YOLOv4的实现原理和源码,具体内容包括:

- YOLOv4目标检测原理

- 神经网络及darknet的C语言实现,尤其是反向传播的梯度求解和误差计算

- 代码阅读工具及方法

- 深度学习计算的利器:BLAS和GEMM

- GPU的CUDA编程方法及在darknet的应用

- YOLOv4的程序流程

- YOLOv4各层及关键技术的源码解析

本课程将提供注释后的darknet的源码程序文件。

【相关课程】

除本课程《Windows版YOLOv4目标检测:原理与源码解析》外,本人推出了有关YOLOv4目标检测的系列课程,包括:

《Windows版YOLOv4目标检测实战:训练自己的数据集》

《Windows版YOLOv4-Tiny目标检测实战:训练自己的数据集》

《Windows版YOLOv4目标检测实战:人脸口罩佩戴检测》
《Windows版YOLOv4目标检测实战:中国交通标志识别》

建议先学习一门YOLOv4实战课程,对YOLOv4的使用方法了解以后再学习本课程。

【YOLOv4网络模型架构图】

下图由白勇老师绘制

 

课程目录

学员评价

4.0
  • 0%
  • 100%
  • 0%
  • 0%
  • 0%

正在加载中...

同学笔记

  • weixin_41599058 2020-09-01 22:35:54

    来源:YOLOv4损失函数 查看详情

    看边界的预测效果损失函数有IOU、GIoU、DIoU、CIoU

  • weixin_41599058 2020-09-01 21:45:01

    来源:YOLOv4网络结构 查看详情

    1. Backbone是指不断提取特征图的一个前向过程,NECK是从Backbone处理过程中抽出来进行拼接等操作以便后面的检测,Head是对各通道参数的提取解释
    2. PANet:拼接加上原图直接少数几次自底向上采样的特征图,避免原本backbone经过很多卷积的信息丢失
    3. 各中间的特征图拼接并不会增加太多网络的复杂度
  • weixin_41599058 2020-09-01 20:56:30

    来源:目标检测-YOLOv3原理 查看详情

    1. v3可以输出多标签,即概率总和大于1,故不用Softmax,改用logistic二分类器
    2. v2有拼接,v3有多尺度
    3. 最终网络输出的深度是每个单元格预测的参数(x,y,w,h,c)
    4. 聚类锚框的大小与输入图片大小相关
    5. v3没有池化层和全连接层,张量大小靠卷积核控制

没有更多了