yolo實戰培訓課程

?培訓內容：

第一章：深度學習經典檢測方法概述

1-檢測任務中階段的意義

2-不同階段算法優缺點分析

3-IOU指標計算

4-評估所需參數計算

5-map指標計算

第二章：YOLO-V1整體思想與網絡架構

1-YOLO算法整體思路解讀

2-檢測算法要得到的結果

3-整體網絡架構解讀

4-位置損失計算

5-置信度誤差與優缺點分析

第三章：YOLO-V2改進細節詳解

1-V2版本細節升級概述

2-網絡結構特點

3-架構細節解讀

4-基于聚類來選擇先驗框尺寸

5-偏移量計算方法

6-坐標映射與還原

7-感受野的作用

8-特征融合改進

第四章：YOLO-V3核心網絡模型

1-V3版本改進概述

2-多scale方法改進與特征融合

3-經典變換方法對比分析

4-殘差連接方法解讀

5-整體網絡模型架構分析

6-先驗框設計改進

7-sotfmax層改進

第五章：項目實戰-基于V3版本進行源碼解讀

1-數據與環境配置

2-訓練參數設置

3-數據與標簽讀取

4-標簽文件讀取與處理

5-debug模式介紹

6-基于配置文件構建網絡模型

7-路由層與shortcut層的作用

8-YOLO層定義解析

9-預測結果計算

10-網格偏移計算

11-模型要計算的損失概述

12-標簽值格式修改

13-坐標相對位置計算

14-完成所有損失函數所需計算指標

15-模型訓練與總結

16-預測效果展示

第六章：基于YOLO-V3訓練自己的數據集與任務

1-Labelme工具安裝

2-數據信息標注

3-完成標簽制作

4-生成模型所需配置文件

5-json格式轉換成yolo-v3所需輸入

6-完成輸入數據準備工作

7-訓練代碼與參數配置更改

8-訓練模型并測試效果

第七章：遷移學習與Resnet網絡架構

1-遷移學習的目標

2-遷移學習策略

3-Resnet原理

4-Resnet網絡細節

5-Resnet基本處理操作

6-shortcut模塊

7-加載訓練好的權重

8-遷移學習效果對比

第八章：物體檢測FasterRcnn系列

01-三代算法-1-物體檢測概述

2-三代算法-02-深度學習經典檢測方法

3-三代算法-03-faster-rcnn概述

?