|
3994| 42
|
YOLO-V4基于PyTorch從零復現(xiàn)（與行人車輛檢測實戰(zhàn)） |
|
YOLO-V4基于PyTorch從零復現(xiàn)（與行人車輛檢測實戰(zhàn)）
課程介紹： 本課程從零使用PyTorch構(gòu)建YOLOV4完整的訓練代碼，并完成車輛行人檢測實戰(zhàn)，目標檢測-YOLO-V4基于PyTorch從零復現(xiàn)（與行人車輛檢測實戰(zhàn)）。 課程目錄： ├──資料 | ├──ppt和手工圖.zip 5.73M | └──yolov4代碼和數(shù)據(jù)集.zip 916.51M ├──1-1 課程介紹_ok (2).mp4 73.78M ├──1-2 代碼與項目介紹_ok (2).mp4 43.93M ├──2-1 圖像卷積_ok (2).mp4 25.50M ├──2-10 1X1卷積核的用處02_ok (2).mp4 15.26M ├──2-11 1X1卷積核的用處03_ok (2).mp4 10.08M ├──2-12 1X1卷積核的用處04（yolo中的1X1預測思想）_ok (2).mp4 76.34M ├──2-13 YOLOV4里的one-hot編碼_ok (2).mp4 8.97M ├──2-14 softmax原理和計算_ok (2).mp4 8.69M ├──2-15 sigmod和代替softmax_ok (2).mp4 21.97M ├──2-16 BN操作01_ok (2).mp4 20.89M ├──2-17 BN操作02_ok (2).mp4 24.56M ├──2-18 激活函數(shù)原理和作用_ok (2).mp4 34.60M ├──2-2 卷積和步長的巧妙配合_ok (2).mp4 20.61M ├──2-3 人工卷積核產(chǎn)生的效果_ok (2).mp4 28.96M ├──2-4 Yolov4里的卷積例子_ok (2).mp4 12.04M ├──2-5 最大池化操作_ok (2).mp4 14.70M ├──2-6 全連接層講解_ok (2).mp4 14.99M ├──2-7 卷積神經(jīng)網(wǎng)絡VGG16_01_ok (2).mp4 24.17M ├──2-8 卷積神經(jīng)網(wǎng)絡VGG16_02_ok (2).mp4 47.39M ├──2-9 1X1卷積核的用處01_ok (2).mp4 24.86M ├──3-1 YOLOV3網(wǎng)絡結(jié)構(gòu)回顧01_ok (2).mp4 37.26M ├──3-10 YOLO頭部總結(jié)_ok (2).mp4 18.53M ├──3-11 從零寫代碼backbone構(gòu)建01_ok (2).mp4 113.58M ├──3-12 從零寫代碼backbone構(gòu)建02_ok (2).mp4 70.08M ├──3-13 從零寫代碼Neck構(gòu)建01_ok (2).mp4 71.49M ├──3-14 從零寫代碼Neck構(gòu)建02_ok (2).mp4 125.70M ├──3-15 從零寫代碼頭部Decode01_ok (2).mp4 94.40M ├──3-16 從零寫代碼頭部Decode02_ok (2).mp4 140.42M ├──3-17 代碼解讀模型推斷部分_ok (2).mp4 87.70M ├──3-18 代碼解讀使用yolo.cfg解析方式構(gòu)造網(wǎng)絡01_ok (2).mp4 67.89M ├──3-19 代碼解讀使用yolo.cfg解析方式構(gòu)造網(wǎng)絡02_ok (2).mp4 106.10M ├──3-2 YOLOV3網(wǎng)絡結(jié)構(gòu)回顧02_ok (2).mp4 38.93M ├──3-3 YOLOV3網(wǎng)絡結(jié)構(gòu)回顧03_ok (2).mp4 23.15M ├──3-4 強大的模型可視化工具netron_ok (2).mp4 38.04M ├──3-5 YOLOV4網(wǎng)絡結(jié)構(gòu)backbone_ok (2).mp4 35.55M ├──3-6 YOLOV4網(wǎng)絡結(jié)構(gòu)Neck_ok (2).mp4 49.32M ├──3-7 YOLO網(wǎng)格思想_ok (2).mp4 47.95M ├──3-8 先驗框anchors原理_ok (2).mp4 54.52M ├──3-9 頭部DECODE_ok (2).mp4 18.92M ├──4-1 模型訓練超參部分講解_ok (2).mp4 69.72M ├──4-10 從零寫代碼build_target訓練核心函數(shù)03_ok (2).mp4 102.13M ├──4-11 從零寫代碼訓練部分基礎函數(shù)_ok (2).mp4 40.12M ├──4-12 從零寫代碼CIOU計算_ok (2).mp4 58.88M ├──4-13 從零寫代碼損失函數(shù)計算_ok (2).mp4 72.65M ├──4-14 代碼解讀基于PyTorch的模型訓練01_ok (2).mp4 57.88M ├──4-15 代碼解讀基于PyTorch的模型訓練02_ok (2).mp4 46.73M ├──4-16 代碼解讀基于PyTorch的模型訓練03_ok (2).mp4 83.87M ├──4-2 訓練整體流程_ok (2).mp4 12.64M ├──4-3 模型訓練build_target原理解析01_ok (2).mp4 27.99M ├──4-4 模型訓練build_target原理解析02_ok (2).mp4 76.62M ├──4-5 模型訓練build_target原理解析03_ok (2).mp4 38.95M ├──4-6 損失函數(shù)原理解析01_ok (2).mp4 30.24M ├──4-7 損失函數(shù)原理解析02_ok (2).mp4 27.02M ├──4-8 從零寫代碼build_target訓練核心函數(shù)01_ok (2).mp4 27.47M ├──4-9 從零寫代碼build_target訓練核心函數(shù)02_ok (2).mp4 69.26M ├──5-1 項目實戰(zhàn)總體介紹_ok (2).mp4 19.16M ├──5-2 權重裁剪技巧（模型訓練必備知識）_ok (2).mp4 50.57M ├──5-3 代碼實戰(zhàn)pytorch權重裁剪01_ok (2).mp4 62.18M ├──5-4 代碼實戰(zhàn)pytorch權重裁剪02_ok (2).mp4 63.64M ├──5-5 代碼實戰(zhàn)訓練數(shù)據(jù)集制作_ok (2).mp4 60.97M ├──5-6 tensorboardX訓練可視化工具使用_ok (2).mp4 65.57M ├──5-7 map和準確召回率計算工具使用_ok (2).mp4 100.50M ├──5-8 項目效果展示_ok (2).mp4 82.45M └──5-9 YOLOV4調(diào)參總結(jié)_ok (2).mp4 39.23M
購買主題
本主題需向作者支付 10 資源幣 才能瀏覽
| |
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
| ||
小黑屋|資源共享吧 ( 瓊ICP備2023000410號-1 )
GMT+8, 2024-12-22 10:48 , Processed in 0.078628 second(s), 21 queries , MemCached On.
發(fā)表于 2024-2-18 23:58:31
收藏