Content
6 Lessons • 0 Quizzes • 0 Challenges
目标检测简介
- 1
开始学习
- 2
简介
- 3
为什么目标检测如此重要?
- 4
目标检测算法的类型
- 5
YOLO 为何如此流行?
理解YOLO的基础知识
- 1
卷积神经网络(CNN)基础:第一部分
- 2
卷积神经网络(CNN)基础(第二部分)
- 3
理解IoU(交并比)/Jaccard指数
- 4
理解NMS(非极大值抑制)
- 5
理解锚框:第一部分
- 6
理解锚框:第二部分
- 7
边界框预测
- 8
YOLO 预测机制概述
- 9
什么是目标检测中的过拟合?
- 10
批归一化(Batch Normalization, BN)
- 11
YOLO中的优化器
- 12
理解学习率(LR)调度器
- 13
mAP分数作为性能指标
- 14
理解损失计算
- 15
练习:构建你自己的卷积神经网络
- 16
测验
YOLOv7 架构
- 1
YOLO的结构(主干网络、颈部网络和头部网络)
- 2
YOLO模型的演进
- 3
YOLO 如何处理多尺度预测
- 4
理解 YOLOv7 模型结构
- 5
扩展高效层聚合网络(E-ELAN)
- 6
基于拼接的模型的模型缩放
- 7
YOLOv7中的可训练免费包
- 8
解码YOLOv8:高层概述
- 9
练习(设计 Darknet-19 架构)
- 10
练习题解答
- 11
测验
提升模型性能:处理过拟合与欠拟合
- 1
为什么数据增强很重要?
- 2
练习:使用 Albumentations 库进行数据增强
- 3
添加背景图像以减少误报
- 4
向我们的数据集中添加合成数据
目标检测中的预训练模型、微调与超参数
- 1
YOLO中的预训练模型与迁移学习
- 2
微调与超参数简介
- 3
超参数在YOLO中的作用
- 4
测验:实际应用场景
结论
- 1
总结
Certificate of Completion
Showcase your accomplishment by sharing your certificate of completion.
Course Author:Anonymous User