⚠️ 重要提醒：课程资源里面的所有加微信什么的不要信，上当受骗与本站无关。

📚 课程介绍

本课程深入讲解了深度学习在目标检测领域的应用，涵盖了多种常用算法的原理和实践，适合有一定编程基础和机器学习知识的学习者。

📋 学习前提

1. Python基础（Python是一种面向对象的编程语言，适合快速开发。） 2. 机器学习基础（了解机器学习的基本概念和算法。） 3. 深度学习基础（熟悉神经网络的基本结构和训练过程。）

⭐ 推荐指数

⭐⭐⭐⭐☆ (4/5星)

📖 课程目录

第1章 文本检测系列算法原理精讲

1-1 文本检测算法原理介绍

1-2 文本检测常见数据集

1-3 Textboxes++模型介绍

1-4 其他检测模型方法介绍

1-5 Textboxes讲解

1-6 PixelLink模型

1-7 SegLink模型

1-8 DMPNet模型

1-9 RRPN模型

1-10 EAST模型

1-11 FTSN模型

1-12 CTPN模型

第2章 基于YOLOV3的通用物体检测项目实战

2-1 物体检测业务场景综述

2-2 COCO数据集介绍、标注格式、下载脚本等

2-3 YOLOV3DarkNet框架介绍和环境搭建

2-4 DarkNet框架解读及相关配置说明

2-5 利用DarkNet框架进行YOLOV3模型训练实操

2-6 YoloV3检测模型的测试介绍及编程实例

第3章 YOLO系列算法原理精讲

3-1 Yolov1算法

3-2 Yolov2算法（1）

3-3 Yolov2算法（2）

3-4 Yolo9000算法

3-5 Yolov3算法

第4章 基于Faster RCNN的ADAS场景目标检测项目实战

4-1 ADAS业务场景介绍

4-2 Kitti数据集介绍、标注格式、下载等

4-3 Kitti数据集类别提取编程实现

4-4 Kitti数据集转VOC格式数据脚本编程实现

4-5 Faster RCNN目标检测框架配置修改实操

4-6 Faster RCNN目标检测框架训练脚本参数配置介绍

4-7 Faster RCNN目标检测模型环境搭建介绍

4-8 Faster RCNN目标检测模型训练及其优化

4-9 Faster RCNN目标检测模型测试脚本编程实现

4-10 利用Faster RCNN测试脚本进行模型测试

第5章 Faster RCNN系列算法原理精讲

5-1 Faseter-Rcnn系列介绍

5-2 RCNN介绍

5-3 SPPNet介绍

5-4 Fast rcnn介绍

5-5 HyperNet、RFCN介绍

5-6 Light-Head RCNN、Mask-RCNN介绍

5-7 Cascade RCNN、CoupleNet、OHEM、Soft-NMS介绍

第6章 基于SSD的人脸检测项目实战

6-1 人脸业务场景介绍

6-2 Wider Face数据集介绍、标注格式、下载等

6-3 Wider Face数据集介绍

6-4 Wider Face数据集转VOC格式数据集编程实现

6-5 使用Caffe-SSD打包Wider Face为LMDB格式样本实操

6-6 Caffe-SSD框架搭建及训练脚本解读

6-7 Caffe-SSD框架测试结果可视化与人脸检测技巧说明

6-8 Caffe-SSD框架主干网络脚本讲解+实操

6-9 Caffe-SSD框架训练脚本讲解+实操

6-10 Caffe-SSD框架模型测试介绍与脚本编程实现

第7章 SSD系列算法原理精讲

7-1 SSD系列算法介绍

7-2 Prior Box Layer、样本构造、损失函数介绍

7-3 DSSD、DSOD算法

7-4 FSSD、RSSD算法

第8章 目标检测算法基础介绍

8-1 目标检测问题定义

8-2 传统目标检测方法基本流程

8-3 目标检测问题方法

8-4 常见传统目标检测方法-Viola-Jones

8-5 常见传统目标检测方法-Sofe-NMS

8-6 常见传统目标检测方法-DPM

8-7 常见传统目标检测方法-HOG+SVM

8-8 Two-stage基本介绍，流程与常见算法

8-9 One-stage基本介绍，流程与常见算法

8-10 One-stage与Two-stage优缺点对比

8-11 Two-stage核心组件

8-12 One-stage核心组件

第9章 基于EAST的自然场景文本检测项目实战

9-1 自然场景下文本检测业务场景综述

9-2 ICDAR数据集介绍、标注格式、下载等

9-3 EAST文本检测框架环境搭建

9-4 EAST文本检测框架解读与训练实操

9-5 EAST文本检测模型测试脚本编程实例

第10章 多任务网络原理介绍

10-1 多任务网络业务场景综述

10-2 人脸检测+关键点多任务网络模型MTCNN介绍

10-3 人脸检测+关键点多任务网络数据集介绍

第11章 课程总结

11-1 one-stage vs two-stage

11-2 不同目标检测算法的精度对比

11-3 不同目标检测算法的优缺点对比

11-4 常见目标检测研究对象与数据集

11-5 目标检测常见任务与性能评价指标

11-6 目标检测行业应用现状-ADAS

11-7 目标检测行业应用现状-人脸检测

11-8 目标检测行业应用现状-文本检测

11-9 课程总结

声明：本站所有文章，如无特殊说明或标注，均为本站原创发布。任何个人或组织，在未征得本站同意时，禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益，可联系我们进行处理。