【快班】目标检测模型YOLOV3原理及实战
人工智能
10周
7人
此课程所属【人工智能职业方向】专业,专业内有不少于15门推荐课程,目前平台推出【专业课程0元学】活动,只需0元即可在所有的专业课程中任选5门学习,超值优惠,助您快速成长!点击这里了解
讲师
- AiLaoTie
课程简介
目标检测是计算机视觉三大基本任务(图像分类、目标检测以及图像分割)之一,而且目标检测在这三个任务中扮演着承上启下的角色。目标检测的实质就是目标分类和定位,它是在分类基础上发展起来的一项深度学习技术。同时,图像分割则是在目标检测基础上再进行像素级别的分类。所以,学好了目标检测技术的原理和应用,就可以说对图像分类已经有了很好的掌握,而且为接下来的图像分割的学习和应用奠定了一个非常的扎实的基础。
此外,目标检测在计算机视觉技术中应用非常广泛,从视频监控到无人零售再到工业检测、医疗诊断、文本识别等等领域,无不闪耀着它的身影。毫无疑问,它是计算机视觉技术落地场景中最常用的一个方向。
随着计算机视觉技术的蓬勃发展,目标检测算法模型已经迭代了好几代,从two stages到one stage等,不一而举。它们各有优缺点,没有哪个模型在所有场景下都是最优的。但是综合起来看,基于准确度、实时性以及易用性、可移植性等方面来考虑,YOLOV3无疑是到目前为之最佳的目标检测算法模型之一,在当前工业界中应用非常广泛。
课程章节
- 第1课 课程内容、目标、特色以及平台环境等介绍。
- 第2课 目标检测基础知识。包括常用数据集介绍、性能指标以及各种目标检测算法模型的演进。
- 第3课 YOLOV3目标检测原理介绍,包括网络层结构、多通道卷积,感受野,检测框回归和分类,IOU,NMS等概念。
- 第4课 开源框架darknet代码下载、编译及其安装。此外还包括训练预处理(图像颜色转换、不变形缩放等)和推理后处理代码的梳理。
- 第5课 YOLOV3模型训练上部分 包括无人零售商品数据集准备、标注、格式转换。
- 第6课 YOLOV3模型训练下部分 包括cfg配置文件修改、anchors计算 模型训练、训练日志分析。
- 第7课 模型性能评估,包括mAP, AP及recall等值计算和画出PR曲线等。
- 第8课 模型部署和推理,包括基于darknet框架以及opencv python接口的图像识别。
- 第9课 YOLOV3 darknet模型转换成caffe1.0 model以及验证。
- 第10课 YOLOV3模型性能优化方法探讨,包括数据增强,标注方法的灵活运用,高分辨率图片的识别,以及DIOU和Guassian-YOLOV3模型的讲解等。
课程环境
Ubuntu16.0.4或18.0.4 + python。 最好有GPU,以提高训练速度。
授课对象
对目标检测算法原理及应用感兴趣的所有人员,包括算法工程师、在校大学生等。
收获预期
学完本课程可以使得大家能熟练使用darknet框架来对自己的数据集训练出YOLOV3模型,同时可以使用相关工具对该模型进行各方面性能评估,并基于训练出来的算法模型对未知图片进行目标检测。
本人近几年来一直专注于目标检测算法的研究以及应用。对各种经典目标检测算法模型都有比较深入了解,同时对算法模型在各个平台的部署甚至在嵌入式端的移植也积累了比较多的经验,在本课程学习过程中我们都可以来进行讨论和交流。
当然,如果大家对计算机视觉,甚至整个人工智能方向的职业规划、就业有任何问题或迷惑,我也乐于和你们分享我的看法和观点。学费
学费: ¥400 ( 固定学费: ¥300, 逆向学费: ¥100 )
新颖的课程收费形式:“逆向收费”约等于免费学习,仅收取300元固定收费+100元逆向学费,学习圆满则逆向学费全额返还给学员!