資源 測試 -h 轉換 條件 評價 框架 檢測方法 結果

深度學習之目標檢測常用算法原理+實踐精講 YOLO / Faster RCNN / SSD / 文本檢測 / 多任務網絡

資源獲取鏈接:點擊這裏

  • 第1章 課程介紹

    本章節主要介紹課程的主要內容、核心知識點、課程涉及到的應用案例、深度學習算法設計通用流程、適應人群、學習本門課程的前置條件、學習後達到的效果等,幫助大家從整體上了解本門課程的整體脈絡。

    • 1-1 課程導學
  • 第2章 目標檢測算法基礎介紹

    本章節主要介紹目標檢測算法的基本概念、傳統的目標檢測算法、目前深度學習目標檢測主流方法(one-stage、two-stage、多任務網絡)、相關算法的基本流程、算法性能的評價指標、不同算法的優缺點和性能比較等,並結合實際的應用場景和案例來介紹目標檢測算法的重要性和實用性。...

    • 2-1 目標檢測問題定義
    • 2-2 目標檢測問題方法
    • 2-3 傳統目標檢測方法基本流程
    • 2-4 常見傳統目標檢測方法-Viola-Jones(人臉檢測)
    • 2-5 常見傳統目標檢測方法-HOG+SVM(行人檢測、Opencv)
    • 2-6 常見傳統目標檢測方法-DPM(物體檢測)
    • 2-7 常見傳統目標檢測方法-Sofe-NMS(非極大值抑制算法)
    • 2-8 Two-stage基本介紹,流程與常見算法
    • 2-9 Two-stage核心組件
    • 2-10 One-stage基本介紹、流程與常見算法
    • 2-11 One-stage核心組件
    • 2-12 One-stage與Two-stage優缺點對比
    • 2-13 思考題
  • 第3章 SSD系列算法原理精講

    本章節主要針對SSD系列目標檢測算法原理進行介紹,其中涉及到了one-stage目標檢測算法流程,SSD及其變種網絡(DSSD、DSOD、FSSD、RSSD等)的核心思想、主幹網絡設計思想、框架結構、Default box、Prior box、樣本構造、數據增強、損失函數,對比不同算法優缺點以及介紹算法應用場景等。...

    • 3-1 SSD系列算法介紹(主幹網絡、多尺度Feature Map預測)
    • 3-2 Prior Box Layer、樣本構造、損失函數介紹
    • 3-3 DSSD、DSOD算法
    • 3-4 FSSD、RSSD算法
    • 3-5 思考題
  • 第4章 基於SSD的人臉檢測項目實戰

    本章節以人臉檢測實際業務場景為例,利用SSD來解決人臉檢測問題,涉及到了Wider Face數據集介紹、VOC數據集格式、打包、SSD框架解讀、環境搭建、SSD-Face人臉檢測模型訓練、測試等內容,幫助大家從實際案例的角度出發,快速入門SSD算法框架的實戰項目。...

    • 4-1 人臉業務場景介紹(常見問題、標註方法、算法性能好壞、人臉采集常用方法)
    • 4-2 Wider Face數據集介紹、標註格式、下載等
    • 4-3 Wider Face數據集介紹
    • 4-4 Wider Face數據集轉VOC格式數據集編程實現
    • 4-5 使用Caffe-SSD打包Wider Face為LMDB格式樣本實操
    • 4-6 Caffe-SSD框架搭建及訓練腳本解讀
    • 4-7 Caffe-SSD人臉檢測模型訓練實操講解
    • 4-8 Caffe-SSD框架主幹網絡腳本講解+實操
    • 4-9 Caffe-SSD框架訓練腳本講解+實操
    • 4-10 Caffe-SSD框架模型測試介紹與腳本編程實現
    • 4-11 Caffe-SSD框架測試結果可視化與人臉檢測技巧說明
    • 4-12 思考題
  • 第5章 Faster RCNN系列算法原理精講

    本章節主要針對Faster RCNN系列目標檢測算法原理進行介紹,其中涉及到了two-stage目標檢測算法流程、從RCNN到Faster RCNN以及Faster RCNN的系列變種網絡(HyperNet、RFCN、Light-Head RCNN、Mask-RCNN、Cascade RCNN、CoupleNet)的核心思想、主幹網絡設計思想、框架結構、RPN網絡、OHEM、Soft-NMS等,對比不同算法優...

    • 5-1 Faseter-Rcnn系列介紹
    • 5-2 RCNN介紹
    • 5-3 SPPNet介紹
    • 5-4 Fast rcnn介紹
    • 5-5 HyperNet、RFCN介紹
    • 5-6 Light-Head RCNN、Mask-RCNN介紹
    • 5-7 Cascade RCNN、CoupleNet、OHEM、Soft-NMS介紹
    • 5-8 思考題
  • 第6章 基於Faster RCNN的ADAS場景目標檢測項目實戰

    本章節以ADAS實際業務場景為例,利用Faster RCNN來解決機動車、非機動車、行人等駕駛場景中的目標檢測問題,涉及到Kitti數據集介紹、VOC格式數據轉換、Faster rcnn框架解讀、環境搭建、Faster rcnn-ADAS目標檢測模型訓練、測試等內容,幫助大家從實戰的角度快速掌握Faster RCNN系列算法框架的使用。...

    • 6-1 ADAS業務場景介紹
    • 6-2 Kitti數據集介紹、標註格式、下載等
    • 6-3 Kitti數據集類別提取編程實現
    • 6-4 Kitti數據集轉VOC格式數據腳本編程實現
    • 6-5 Faster RCNN目標檢測模型環境搭建介紹
    • 6-6 Faster RCNN目標檢測環境搭建實操
    • 6-7 Faster RCNN目標檢測框架介紹
    • 6-8 Faster RCNN目標檢測框架訓練腳本參數配置介紹
    • 6-9 Faster RCNN目標檢測框架配置修改實操
    • 6-10 Faster RCNN目標檢測模型訓練及其優化
    • 6-11 利用Faster RCNN測試腳本進行模型測試
    • 6-12 自己動手編程實現Faster RCNN模型測試腳本
    • 6-13 思考題
  • 第7章 YOLO系列算法原理精講

    本章節主要針對YOLO系列目標檢測算法原理進行介紹,其中涉及到了算法基本流程、主幹網絡結構、設計思路、YOLOV1/V2/V3/9000、Anchor Boxes、Multi-Scale Training、Darknet-19網絡、Darknet框架等,對比不同算法優缺點和模型性能等。

    • 7-1 Yolov1算法
    • 7-2 Yolov2算法(1)
    • 7-3 Yolov2算法(2)
    • 7-4 Yolo9000算法
    • 7-5 Yolov3算法
    • 7-6 思考題
  • 第8章 基於YOLOV3的通用物體檢測項目實戰

    本章節以通用物體檢測(coco)實際業務場景為例,利用YOLOV3來解決通用物體檢測問題,涉及到coco數據集介紹、darknet框架解讀,環境搭建、YOLOV3-coco通用物體檢測模型訓練、測試等內容,幫助大家了解理論的前提下,快速入門YOLO系列算法實戰項目。...

    • 8-1 物體檢測業務場景綜述
    • 8-2 COCO數據集介紹、標註格式、下載腳本等
    • 8-3 YOLOV3DarkNet框架介紹和環境搭建
    • 8-4 DarkNet框架解讀及相關配置說明
    • 8-5 利用DarkNet框架進行YOLOV3模型訓練實操
    • 8-6 YoloV3檢測模型的測試介紹及編程實例
    • 8-7 思考題
  • 第9章 文本檢測系列算法原理精講

    本章節主要針對文本檢測系列算法原理進行介紹,其中涉及到了算法基本流程、傳統的文本檢測算法(Top-down、bottom-up)、物體檢測算法VS文本檢測算法、文本檢測算法優化方向、常用文本檢測算法模型(CTPN、RRPN、FTSN、DMPNet、EAST、SegLink、Pixel Link、Textboxes、Textboxes++等)、文本檢測數據集(ICDAR、CTW、RCTW-...

    • 9-1 文本檢測算法原理介紹
    • 9-2 CTPN模型
    • 9-3 RRPN模型
    • 9-4 FTSN模型
    • 9-5 DMPNet模型
    • 9-6 EAST模型
    • 9-7 SegLink模型
    • 9-8 PixelLink模型
    • 9-9 Textboxes講解
    • 9-10 Textboxes++模型介紹
    • 9-11 文本檢測常見數據集
    • 9-12 其他檢測模型方法介紹
    • 9-13 思考題
  • 第10章 基於EAST的自然場景文本檢測項目實戰

    本章節以自然場景下的文本檢測實際業務場景為例,利用EAST框架來解決文本檢測問題,涉及到ICDAR數據集介紹、ICDAR數據下載、標註格式解讀、EAST框架解讀、環境搭建、模型訓練、測試等,幫助大家從實際案例的角度出發,快速入門文本檢測算法框架的實戰項目。...

    • 10-1 自然場景下文本檢測業務場景綜述
    • 10-2 ICDAR數據集介紹、標註格式、下載等
    • 10-3 EAST文本檢測框架環境搭建
    • 10-4 EAST文本檢測框架解讀與訓練實操
    • 10-5 EAST文本檢測模型測試腳本編程實例
    • 10-6 思考題
  • 第11章 多任務網絡原理介紹

    本章節主要針對文本檢測系列算法原理進行介紹,其中涉及到了算法基本流程、傳統的文本檢測算法(Top-down、bottom-up)、物體檢測算法VS文本檢測算法、文本檢測算法優化方向、常用文本檢測算法模型(CTPN、RRPN、FTSN、DMPNet、EAST、SegLink、Pixel Link、Textboxes、Textboxes++等)、文本檢測數據集(ICDAR、CTW、RCTW-...

  • 第12章 基於人臉檢測+關鍵點定位的多任務網絡項目實戰

    本章節以人臉檢測+關鍵點定位的實際業務場景為例,利用MTCNN多任務網絡來解決多個任務的數據打包、環境搭建、模型訓練、測試等實戰項目,幫助大家從實際案例的角度出發,快速入門多任務網絡的實戰項目。

  • 第13章 課程總結

    針對課程進行最後總結,回顧課程核心內容,分享目標檢測行業實戰經驗,再次幫助大家理清學習內容進一步的給出後續學習和提升給出建設性意見。

    資源獲取鏈接:點擊這裏

深度學習之目標檢測常用算法原理+實踐精講 YOLO / Faster RCNN / SSD / 文本檢測 / 多任務網絡