课程简介:
Linux创始人Linus Torvalds有一句名言:Talk is cheap. Show me the code. 冗谈不够,放码过来!代码阅读是从基础到提高的必由之路。
YOLOv5是最近推出的轻量且高性能的实时目标检测方法。YOLOv5使用PyTorch实现,含有很多业界前沿和常用的技巧,可以作为很好的代码阅读案例,让我们深入探究其实现原理,其中不少知识点的代码可以作为相关项目的借鉴。
本课程将详细解析YOLOv5的实现原理和源码,对关键代码使用PyCharm的debug模式逐行分析解读。 本课程将提供注释后的YOLOv5的源码程序文件。
课程目录:
2 目标检测之任务说明.mp4
3 目标检测之常用数据集.mp4
4 目标检测之性能指标和计算方法.mp4
5 Ubuntu系统上训练PASCAL VOC数据集.mp4
6 Windows系统上训练PASCAL VOC数据集.mp4
7 V4.0更新-Ubuntu.mp4
8 V4.0更新-Windows.mp4
9 V6.0更新-Ubuntu&Windows.mp4
10 YOLO目标检测基本思想.mp4
11 YOLOv5网络架构与组件.mp4
12 YOLOv5损失函数.mp4
13 YOLOv5目标框回归与跨网格预测策略.mp4
14 YOLOv5训练技巧.mp4
15 项目目录结构.mp4
16 激活函数及代码.mp4
17 网络组件代码.mp4
18 Detect组件代码.mp4
19 Model类代码.mp4
20 矩形推理与letterbox代码.mp4
21 数据增强原理与代码.mp4
22 自定义数据集代码.mp4
23 数据集相关类的代码.mp4
24-1 dataloader相关代码.mp4
24-2 辅助函数代码.mp4
25 自动锚框计算代码.mp4
26 AP计算代码.mp4
27 build_targets代码.mp4
28 loss计算代码.mp4
29 非极大值抑制代码.mp4
30 torch_utils代码.mp4
31 experimental代码.mp4
32 detect.py代码解析.mp4
33 test.py代码.mp4
34 train.py代码解析1.mp4
35 train.py代码解析2.mp4
36 train.py代码解析3.mp4
37 YOLOv5-4.0更新.mp4
38 YOLOv5-6.0更新.mp4
39 课程总结.mp4
课程配套资料.zip
页:
[1]