深度学习之目标检测常用算法原理+实践精讲

admin · 发表于 2022-5-18 00:19:18

游客，如果您要查看本帖隐藏内容请回复

            全面讲解目标检测算法模型，掌握目标检测相关核心枝术
            从算法原理到模型解读再到编程实践的深度学习目标检测课程

Faster RCNN算法
基本流程
RCNN/Faster RCNN
Faster RCNN变种
主干网络设计思想
RPN原理
OHEM、NMS
Soft-NMS
实验结果分析
不同算法优缺点
应用场景

SSD系列算法
基本流程
Default box
Prior box
样本构造
数据增强
损失函数
SSD变种
网络性能对比
实验结果分析
不同算法优缺点
应用场景

Yolo系列算法
基本流程
主干网络结构
设计思路
Yolov1/v2/9000/v3
Anchor Boxes
Multi-Scale Training
Darknet
不同算法优缺点
网络性能对比
实验结果分析

文本检测系列算法
传统文本检测方法
物体检测VS文本检测
文本检测常见问题
文本检测应用场景
文本检测标注方式
文本检测算法优化方向
常用算法模型
CTPN/EAST/textboxes
文本检测数据集介绍
不同数据集比较

多任务网络系列算法
原理分析
网络结构
泛化性分析
学习机制
使用场景
脸部特征点检测：TCDCN
人脸识别：DeepID2
物体检测与分类
旋转人脸网络
文本检测与识别
多任务网络训练技巧







            实战多种场景的目标检测,提高深度学习实战能力
            涵盖场景丰富，内容通用性、实用性更强

人脸检测

通用物体检测

自然场景文本检测

机动车检测（ADAS)

非机动车检测（ADAS)

行人检测


注：三大主流框架TensorFlow、Caffe、Darknet 实战检测项目





            从数据打包到网络训练再到模型测试，完整的实战流程
            结合实际业务中数据清洗、模型调参，快速帮助学员掌握相关知识

技术脉络梳理

算法选型

数据集下载和打包

环境搭建

模型训练

模型测试

模型优化







            兼顾理论基础与项目实操，让你轻松晋升算法工程师
最新的技术进展+理论分析+行业分析+项目实战

以项目为驱动
结合实际落地场景，讲解模型算法
实战项目

多种实战场景
目标检测场景丰富，内容通用性
实用性更强

知识深入浅出
结合讲师实际工程经验，介绍整个知
识体系和脉络架构，整个内容
深入浅出

紧跟行业发展
介绍更多目标检测乃至整个计算机视
觉行业的相关技术进展







            学员专享增值服务





                     问答专区
                     关于课程的问题都可在问答区随时提问，
                     讲师会进行集中答疑





                     源码开放
                     课程案例代码完全开放给你，你可以根据
                     所学知识自行修改、优化








                  适合人群
                  目标检测在深度学习领域中应用非常广泛。无论是AI爱好者，在读研究生
还是在职算法工程师，学习这门课程都能够让你有所收获。


                  技术储备要求
                  了解linux环境的基本操作
具备一定机器学习、深度学习基础的学员
有Caffe、TensorFlow基础

游客，如果您要查看本帖隐藏内容请回复