Python-深度学习-物体检测实战

本套课程为网易云课堂：Python-深度学习-物体检测实战，课程官方售价298元。适合人群：人工智能，计算机视觉方向的同学们。

课程概述：

计算机视觉-物体检测-通用解决框架Mask-Rcnn实战课程旨在帮助同学们快速掌握物体检测领域当下主流解决方案与网络框架构建原理，基于开源项目解读其应用领域与使用方法。通过debug方式，详细解读项目中每一模块核心源码，从代码角度理解网络实现方法与建模流程。为了方便同学们能将项目应用到自己的数据与任务中，实例演示如何针对自己的数据集制作标签与代码调整方法，全程实战操作，通俗讲解其中复杂的网络架构。

资源目录：

|– {1}–物体检测框架-MaskRcnn项目介绍与配置
[1.1]–课程简介.mp4
[1.2]–Mask-Rcnn开源项目简介.mp4
[1.3]–开源项目数据集.mp4
[1.4]–参数配置.mp4
[1.5]–数据代码下载.pdf
|– {2}–MaskRcnn网络框架源码详解
[2.1]–FPN层特征提取原理解读.mp4
[2.2]–FPN网络架构实现解读.mp4
[2.3]–生成框比例设置.mp4
[2.4]–基于不同尺度特征图生成所有框.mp4
[2.5]–RPN层的作用与实现解读.mp4
[2.6]–候选框过滤方法.mp4
[2.7]–Proposal层实现方法.mp4
[2.8]–DetectionTarget层的作用.mp4
[2.9]–正负样本选择与标签定义.mp4
[2.10]–RoiPooling层的作用与目的.mp4
[2.11]–RorAlign操作的效果.mp4
[2.12]–整体框架回顾.mp4
|– {3}–基于MASK-RCNN框架训练自己的数据与任务
[3.1]–Labelme工具安装.mp4
[3.2]–使用labelme进行数据与标签标注.mp4
[3.3]–完成训练数据准备工作.mp4
[3.4]–maskrcnn源码修改方法.mp4
[3.5]–基于标注数据训练所需任务.mp4
[3.6]–测试与展示模块.mp4
|– {4}–练手小项目-人体姿态识别demo
[4.1]–COCO数据集与人体姿态识别简介.mp4
[4.2]–网络架构概述.mp4
[4.3]–流程与结果演示.mp4
|– {5}–必备基础-迁移学习与Resnet网络架构
[5.1]–迁移学习的目标.mp4
[5.2]–迁移学习策略.mp4
[5.3]–Resnet原理.mp4
[5.4]–Resnet网络细节.mp4
[5.5]–Resnet基本处理操作.mp4
[5.6]–shortcut模块.mp4
[5.7]–加载训练好的权重.mp4
[5.8]–迁移学习效果对比.mp4
`– {6}–必备基础-物体检测FasterRcnn系列
[6.1]–物体检测经典算法概述.mp4
[6.2]–经典检测方法.mp4
[6.3]–faster-rcnn概述.mp4
[6.4]–论文整体概述.mp4
[6.5]–RPN网络结构.mp4
[6.6]–损失函数定义.mp4
[6.7]–网络细节.mp4