yolo实战培训课程培训

 培训内容：

第一章：深度学习经典检测方法概述

1-检测任务中阶段的意义

2-不同阶段算法优缺点分析

3-IOU指标计算

4-评估所需参数计算

5-map指标计算

第二章：YOLO-V1整体思想与网络架构

1-YOLO算法整体思路解读

2-检测算法要得到的结果

3-整体网络架构解读

4-位置损失计算

5-置信度误差与优缺点分析

第三章：YOLO-V2改进细节详解

1-V2版本细节升级概述

2-网络结构特点

3-架构细节解读

4-基于聚类来选择先验框尺寸

5-偏移量计算方法

6-坐标映射与还原

7-感受野的作用

8-特征融合改进

第四章：YOLO-V3核心网络模型

1-V3版本改进概述

2-多scale方法改进与特征融合

3-经典变换方法对比分析

4-残差连接方法解读

5-整体网络模型架构分析

6-先验框设计改进

7-sotfmax层改进

第五章：项目实战-基于V3版本进行源码解读

1-数据与环境配置

2-训练参数设置

3-数据与标签读取

4-标签文件读取与处理

5-debug模式介绍

6-基于配置文件构建网络模型

7-路由层与shortcut层的作用

8-YOLO层定义解析

9-预测结果计算

10-网格偏移计算

11-模型要计算的损失概述

12-标签值格式修改

13-坐标相对位置计算

14-完成所有损失函数所需计算指标

15-模型训练与总结

16-预测效果展示

第六章：基于YOLO-V3训练自己的数据集与任务

1-Labelme工具安装

2-数据信息标注

3-完成标签制作

4-生成模型所需配置文件

5-json格式转换成yolo-v3所需输入

6-完成输入数据准备工作

7-训练代码与参数配置更改

8-训练模型并测试效果

第七章：迁移学习与Resnet网络架构

1-迁移学习的目标

2-迁移学习策略

3-Resnet原理

4-Resnet网络细节

5-Resnet基本处理操作

6-shortcut模块

7-加载训练好的权重

8-迁移学习效果对比

第八章：物体检测FasterRcnn系列

01-三代算法-1-物体检测概述

2-三代算法-02-深度学习经典检测方法

3-三代算法-03-faster-rcnn概述