深度学习之目标检测常用算法原理+实践精讲
**** Hidden Message *****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
[*]
/static/module/class/content/img/298/section2-i1.png
技术脉络梳理
[*]
/static/module/class/content/img/298/section2-i2.png
算法选型
[*]
/static/module/class/content/img/298/section2-i3.png
数据集下载和打包
[*]
/static/module/class/content/img/298/section2-i4.png
环境搭建
[*]
/static/module/class/content/img/298/section2-i5.png
模型训练
[*]
/static/module/class/content/img/298/section2-i6.png
模型测试
[*]
/static/module/class/content/img/298/section2-i7.png
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
[*]
/static/module/class/content/img/298/section3-i1.png
以项目为驱动
结合实际落地场景，讲解模型算法
实战项目
[*]
/static/module/class/content/img/298/section3-i2.png
多种实战场景
目标检测场景丰富，内容通用性
实用性更强
[*]
/static/module/class/content/img/298/section3-i3.png
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
[*]
/static/module/class/content/img/298/section3-i4.png
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
**** Hidden Message *****
页:
[1]