Logo
☆☆☆☆☆
0.0
Intermediate
10h

深入探究使用YOLO的物体检测

目标检测已彻底改变了计算机视觉、安防、自动驾驶等领域。在众多可用算法中,YOLO因其高效性和准确性而脱颖而出。本课程深入探讨YOLO的架构,重点阐述其在目标检测中的重要意义。 课程从YOLO架构讲起,随后讲解如何应对过拟合问题以及掌握数据增强技术。内容涵盖YOLO的核心概念,如交并比(IoU)和非极大值抑制(NMS)、实时目标检测、数据增强方法,以及针对不同应用场景的优化策略。最后,课程将讨论超参数在目标检测中的作用。 完成本课程后,您将全面理解YOLO及其在目标检测中的应用。无论您的职业目标是投身自动驾驶系统、安防领域,还是其他需要实时目标检测的行业,本课程都将成为您专业发展道路上的重要基石。

6 Lessons
Included in Subscription Plan
Personalized Learning
Powered by AI
深入探究使用YOLO的物体检测
目标检测已彻底改变了计算机视觉、安防、自动驾驶等领域。在众多可用算法中,YOLO因其高效性和准确性而脱颖而出。本课程深入探讨YOLO的架构,重点阐述其在目标检测中的重要意义。 课程从YOLO架构讲起,随后讲解如何应对过拟合问题以及掌握数据增强技术。内容涵盖YOLO的核心概念,如交并比(IoU)和非...

WHAT YOU'LL LEARN

了解不同类型的物体检测模型

TAKEAWAY SKILLS

Machine Learning
Image Augmentation

Content

6 Lessons • 0 Quizzes • 0 Challenges

目标检测简介
  1. 1

    开始学习

  2. 2

    简介

  3. 3

    为什么目标检测如此重要?

  4. 4

    目标检测算法的类型

  5. 5

    YOLO 为何如此流行?

理解YOLO的基础知识
  1. 1

    卷积神经网络(CNN)基础:第一部分

  2. 2

    卷积神经网络(CNN)基础(第二部分)

  3. 3

    理解IoU(交并比)/Jaccard指数

  4. 4

    理解NMS(非极大值抑制)

  5. 5

    理解锚框:第一部分

  6. 6

    理解锚框:第二部分

  7. 7

    边界框预测

  8. 8

    YOLO 预测机制概述

  9. 9

    什么是目标检测中的过拟合?

  10. 10

    批归一化(Batch Normalization, BN)

  11. 11

    YOLO中的优化器

  12. 12

    理解学习率(LR)调度器

  13. 13

    mAP分数作为性能指标

  14. 14

    理解损失计算

  15. 15

    练习:构建你自己的卷积神经网络

  16. 16

    测验

YOLOv7 架构
  1. 1

    YOLO的结构(主干网络、颈部网络和头部网络)

  2. 2

    YOLO模型的演进

  3. 3

    YOLO 如何处理多尺度预测

  4. 4

    理解 YOLOv7 模型结构

  5. 5

    扩展高效层聚合网络(E-ELAN)

  6. 6

    基于拼接的模型的模型缩放

  7. 7

    YOLOv7中的可训练免费包

  8. 8

    解码YOLOv8:高层概述

  9. 9

    练习(设计 Darknet-19 架构)

  10. 10

    练习题解答

  11. 11

    测验

提升模型性能:处理过拟合与欠拟合
  1. 1

    为什么数据增强很重要?

  2. 2

    练习:使用 Albumentations 库进行数据增强

  3. 3

    添加背景图像以减少误报

  4. 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. 1

    YOLO中的预训练模型与迁移学习

  2. 2

    微调与超参数简介

  3. 3

    超参数在YOLO中的作用

  4. 4

    测验:实际应用场景

结论
  1. 1

    总结

Certificate of Completion

Showcase your accomplishment by sharing your certificate of completion.

Course Author:Anonymous User

Reviews

Read reviews from students who have taken this course and share your own experience.

Reviews & Comments (0)