关键词：
课程介绍:
本课程从整个目标检测技术发展的历程开始，从算法角度出发，对各个模型进行全面细致的讲解，并结合人脸检测、物体检测、行人车辆检测、文本检测等项目，熟悉算法工程师在工作中会接触到的数据打包、网络训练、测试等问题,一步步带大家了解和完成目标检测实战案例，尽快进入深度学习领域.
课程目录:
第1章 课程介绍
本章节主要介绍课程的主要内容、核心知识点、课程涉及到的应用案例、深度学习算法设计通用流程、适应人群、学习本门课程的前置条件、学习后达到的效果等，帮助大家从整体上了解本门课程的整体脉络。
1-1 课程导学
第2章 目标检测算法基础介绍
本章节主要介绍目标检测算法的基本概念、传统的目标检测算法、目前深度学习目标检测主流方法（one-stage、two-stage、多任务网络）、相关算法的基本流程、算法性能的评价指标、不同算法的优缺点和性能比较等，并结合实际的应用场景和案例来介绍目标检测算法的重要性和实用性。...
2-1 目标检测问题定义
2-2 目标检测问题方法
2-3 传统目标检测方法基本流程
2-4 常见传统目标检测方法-Viola-Jones（人脸检测）
2-5 常见传统目标检测方法-HOG+SVM（行人检测、Opencv）
2-6 常见传统目标检测方法-DPM（物体检测）
2-7 常见传统目标检测方法-Sofe-NMS（非极大值抑制算法）
2-8 Two-stage基本介绍，流程与常见算法
2-9 Two-stage核心组件
2-10 One-stage基本介绍、流程与常见算法
2-11 One-stage核心组件
2-12 One-stage与Two-stage优缺点对比
2-13 思考题
第3章 SSD系列算法原理精讲
本章节主要针对SSD系列目标检测算法原理进行介绍，其中涉及到了one-stage目标检测算法流程，SSD及其变种网络（DSSD、DSOD、FSSD、RSSD等）的核心思想、主干网络设计思想、框架结构、Default box、Prior box、样本构造、数据增强、损失函数，对比不同算法优缺点以及介绍算法应用场景等。...
3-1 SSD系列算法介绍（主干网络、多尺度Feature Map预测）
3-2 Prior Box Layer、样本构造、损失函数介绍
3-3 DSSD、DSOD算法
3-4 FSSD、RSSD算法
3-5 思考题
第4章 基于SSD的人脸检测项目实战
本章节以人脸检测实际业务场景为例，利用SSD来解决人脸检测问题，涉及到了Wider Face数据集介绍、VOC数据集格式、打包、SSD框架解读、环境搭建、SSD-Face人脸检测模型训练、测试等内容，帮助大家从实际案例的角度出发，快速入门SSD算法框架的实战项目。...
4-1 人脸业务场景介绍（常见问题、标注方法、算法性能好坏、人脸采集常用方法）
4-2 Wider Face数据集介绍、标注格式、下载等
4-3 Wider Face数据集介绍
4-4 Wider Face数据集转VOC格式数据集编程实现
4-5 使用Caffe-SSD打包Wider Face为LMDB格式样本实操
4-6 Caffe-SSD框架搭建及训练脚本解读
4-7 Caffe-SSD人脸检测模型训练实操讲解
4-8 Caffe-SSD框架主干网络脚本讲解+实操
4-9 Caffe-SSD框架训练脚本讲解+实操
4-10 Caffe-SSD框架模型测试介绍与脚本编程实现
4-11 Caffe-SSD框架测试结果可视化与人脸检测技巧说明
4-12 思考题
第5章 Faster RCNN系列算法原理精讲
本章节主要针对Faster RCNN系列目标检测算法原理进行介绍，其中涉及到了two-stage目标检测算法流程、从RCNN到Faster RCNN以及Faster RCNN的系列变种网络（HyperNet、RFCN、Light-Head RCNN、Mask-RCNN、Cascade RCNN、CoupleNet）的核心思想、主干网络设计思想、框架结构、RPN网络、OHEM、Soft-NMS等，对比不同算法优...
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
5-8 思考题
第6章 基于Faster RCNN的ADAS场景目标检测项目实战
本章节以ADAS实际业务场景为例，利用Faster RCNN来解决机动车、非机动车、行人等驾驶场景中的目标检测问题，涉及到Kitti数据集介绍、VOC格式数据转换、Faster rcnn框架解读、环境搭建、Faster rcnn-ADAS目标检测模型训练、测试等内容，帮助大家从实战的角度快速掌握Faster RCNN系列算法框架的使用。...
6-1 ADAS业务场景介绍
6-2 Kitti数据集介绍、标注格式、下载等
6-3 Kitti数据集类别提取编程实现
6-4 Kitti数据集转VOC格式数据脚本编程实现
6-5 Faster RCNN目标检测模型环境搭建介绍
6-6 Faster RCNN目标检测环境搭建实操
6-7 Faster RCNN目标检测框架介绍
6-8 Faster RCNN目标检测框架训练脚本参数配置介绍
6-9 Faster RCNN目标检测框架配置修改实操
6-10 Faster RCNN目标检测模型训练及其优化
6-11 利用Faster RCNN测试脚本进行模型测试
6-12 自己动手编程实现Faster RCNN模型测试脚本
6-13 思考题
第7章 YOLO系列算法原理精讲
本章节主要针对YOLO系列目标检测算法原理进行介绍，其中涉及到了算法基本流程、主干网络结构、设计思路、YOLOV1/V2/V3/9000、Anchor Boxes、Multi-Scale Training、Darknet-19网络、Darknet框架等，对比不同算法优缺点和模型性能等。
7-1 Yolov1算法
7-2 Yolov2算法（1）
7-3 Yolov2算法（2）
7-4 Yolo9000算法
7-5 Yolov3算法
7-6 思考题
第8章 基于YOLOV3的通用物体检测项目实战
本章节以通用物体检测（coco）实际业务场景为例，利用YOLOV3来解决通用物体检测问题，涉及到coco数据集介绍、darknet框架解读，环境搭建、YOLOV3-coco通用物体检测模型训练、测试等内容，帮助大家了解理论的前提下，快速入门YOLO系列算法实战项目。...
8-1 物体检测业务场景综述
8-2 COCO数据集介绍、标注格式、下载脚本等
8-3 YOLOV3DarkNet框架介绍和环境搭建
8-4 DarkNet框架解读及相关配置说明
8-5 利用DarkNet框架进行YOLOV3模型训练实操
8-6 YoloV3检测模型的测试介绍及编程实例
8-7 思考题
第9章 文本检测系列算法原理精讲
本章节主要针对文本检测系列算法原理进行介绍，其中涉及到了算法基本流程、传统的文本检测算法（Top-down、bottom-up）、物体检测算法VS文本检测算法、文本检测算法优化方向、常用文本检测算法模型（CTPN、RRPN、FTSN、DMPNet、EAST、SegLink、Pixel Link、Textboxes、Textboxes++等）、文本检测数据集（ICDAR、CTW、RCTW-...
9-1 文本检测算法原理介绍
9-2 CTPN模型
9-3 RRPN模型
9-4 FTSN模型
9-5 DMPNet模型
9-6 EAST模型
9-7 SegLink模型
9-8 PixelLink模型
9-9 Textboxes讲解
9-10 Textboxes++模型介绍
9-11 文本检测常见数据集
9-12 其他检测模型方法介绍
9-13 思考题
第10章 基于EAST的自然场景文本检测项目实战
本章节以自然场景下的文本检测实际业务场景为例，利用EAST框架来解决文本检测问题，涉及到ICDAR数据集介绍、ICDAR数据下载、标注格式解读、EAST框架解读、环境搭建、模型训练、测试等，帮助大家从实际案例的角度出发，快速入门文本检测算法框架的实战项目。...
10-1 自然场景下文本检测业务场景综述
10-2 ICDAR数据集介绍、标注格式、下载等
10-3 EAST文本检测框架环境搭建
10-4 EAST文本检测框架解读与训练实操
10-5 EAST文本检测模型测试脚本编程实例
10-6 思考题
第11章 多任务网络原理介绍
本章节主要针对文本检测系列算法原理进行介绍，其中涉及到了算法基本流程、传统的文本检测算法（Top-down、bottom-up）、物体检测算法VS文本检测算法、文本检测算法优化方向、常用文本检测算法模型（CTPN、RRPN、FTSN、DMPNet、EAST、SegLink、Pixel Link、Textboxes、Textboxes++等）、文本检测数据集（ICDAR、CTW、RCTW-...
11-1 多任务网络业务场景综述
11-2 人脸检测+关键点多任务网络模型MTCNN介绍
11-3 人脸检测+关键点多任务网络数据集介绍
11-4 思考题
第12章 基于人脸检测+关键点定位的多任务网络项目实战
本章节以人脸检测+关键点定位的实际业务场景为例，利用MTCNN多任务网络来解决多个任务的数据打包、环境搭建、模型训练、测试等实战项目，帮助大家从实际案例的角度出发，快速入门多任务网络的实战项目。
12-1 MTCNN环境配置、框架解读、数据打包
12-2 MTCNN数据打包（PNet、RNet、ONet）实操（1）
12-3 MTCNN数据打包（PNet、RNet、ONet）实操（2）
12-4 MTCNN模型训练介绍
12-5 MTCNN模型训练（PNet、RNet、ONet）实操
12-6 MTCNN模型（PNet、RNet、ONet）测试实操
12-7 思考题
第13章 课程总结
针对课程进行最后总结，回顾课程核心内容，分享目标检测行业实战经验，再次帮助大家理清学习内容进一步的给出后续学习和提升给出建设性意见。
13-1 one-stage vs two-stage
13-2 不同目标检测算法的优缺点对比
13-3 不同目标检测算法的精度对比
13-4 常见目标检测研究对象与数据集
13-5 目标检测常见任务与性能评价指标
13-6 目标检测行业应用现状-人脸检测
13-7 目标检测行业应用现状-ADAS
13-8 目标检测行业应用现状-文本检测
13-9 课程总结
下载地址:深度学习之目标检测常用算法原理+实践精讲
深度学习之目标检测常用算法原理+实践精讲
...,一步步带大家了解和完成目标检测实战案例，尽快进入深度学习领域.课程目录:第1章课程介绍本章节主要介绍课程的主要内容、核心知识点、课程涉及到的应用案例、深度学习算法设计通用流程、适应人群、学习本门课程的前... 查看详情
深度学习之目标检测常用算法原理+实践精讲yolo/fasterrcnn/ssd/文本检测/多任务网络
深度学习之目标检测常用算法原理+实践精讲YOLO/FasterRCNN/SSD/文本检测/多任务网络资源获取链接：点击这里第1章课程介绍本章节主要介绍课程的主要内容、核心知识点、课程涉及到的应用案例、深度学习算法设计通用流程、适应... 查看详情
深度学习之目标检测(代码片段)
...对的关联性，目标定位检测即目标定位+检测。在深度学习中比较常用的目标定位检测方法有RCNN系列方法和YOLO系列方法。其中RCNN系列方法的定位过程和检测过程是分开的，即先定位目标，然后对定位出的目标进行... 查看详情
《深度学习与计算机视觉算法原理框架应用》pdf+《深度学习之pytorch实战计算机视觉》pdf
下载：https://pan.baidu.com/s/12-s95JrHek82tLRk3UQO_w《深度学习与计算机视觉算法原理、框架应用》PDF，带书签，347页。《大数据架构详解：从数据获取到深度学习》PDF，带书签，373页。配套源代码。下载：https://pan.baidu.com/s/1P0-o29x0ZrXp8Wo... 查看详情
深度学习之算法选择
一、所有算法归结成四种算法分类：识别某个对象属于哪个类别，常用的算法有：SVM（支持向量机）、nearestneighbors（最近邻）、randomforest（随机森林），常见的应用有：垃圾邮件识别、图像识别。回归：预测与对象相关联的连... 查看详情
机器学习之逐次下降法(机器学习算法原理与实践）郑捷
逐次下降法的定义：对于给定的方程组，使用公式： 其中k为迭代次数（k=0,1,2,…） 逐步代入求近似解的方法称为迭代法如果存在（记为），称此迭代法收敛，显然就是方程组的解，否则称此迭代法发散。研究的收敛... 查看详情
深度学习之四：卷积神经网络基础
计算机视觉在深度学习的帮助下取得了令人惊叹的进展，其中发挥重要作用的是卷积神经网络。本节总结了卷积神经的原理与实现方法。1卷积神经网络1.1计算机视觉与深度学习计算机视觉要解决的问题是如何让机器理解现实... 查看详情
如何快速入门深度学习目标检测？
学习目标了解目标检测的任务知道目标检测的常用数据集知道目标检测算法的评价指标掌握非极大值NMS算法的应用了解常用的目标检测算法分类1.目标检测目标检测（ObjectDetection）的任务是找出图像中所有感兴趣的目标，并确定... 查看详情
深度剖析目标检测算法yolov4
深度剖析目标检测算法YOLOV4 目录 简述yolo的发展历程介绍 yolov3 算法原理介绍 yolov4 算法原理（相比于yolov3，有哪些改进点）YOLOV4 源代码日志解读 yolo 发展历程 采用卷积神... 查看详情
深度学习之图片压缩算法
近年来，深度学习在计算机视觉领域已经占据主导地位，不论是在图像识别还是超分辨重现上，深度学习已成为图片研究的重要技术；现在深度学习技术已进入图片压缩领域。以图鸭科技最新研发的图片压缩——TinyNetworkGraphics(T... 查看详情
如何快速入门深度学习目标检测？(代码片段)
学习目标了解目标检测的任务知道目标检测的常用数据集知道目标检测算法的评价指标掌握非极大值NMS算法的应用了解常用的目标检测算法分类1.目标检测目标检测（ObjectDetection）的任务是找出图像中所有感兴趣的目标&#x... 查看详情
深度学习之二：神经网络的实践与优化
本文内容为Andrewng深度学习课程的第二部分的笔记，本篇总结了如何神经网络的训练和学习过程的实践经验与优化方法。1深度学习的实践技巧应用机器学习是一个需要不断迭代的过程，众多经验参数如层数，隐层单元... 查看详情
麦子深度学习之-机器学习算法高级进阶
麦子深度学习之-机器学习算法高级进阶随笔背景：在很多时候，很多入门不久的朋友都会问我：我是从其他语言转到程序开发的，有没有一些基础性的资料给我们学习学习呢，你的框架感觉一下太大了，希望有个循序渐进的教... 查看详情
深度学习之gru算法例子(代码片段)
首先下载代码：https://github.com/whk6688/rnn例子1：预测下文privatevoidtrain(CharTextctext,doublelr)Map<Integer,String>indexChar=ctext.getIndexChar();Map<String,DoubleMatrix>charVector=ctext.getCharVect 查看详情
分享《深度学习之tensorflow：入门原理与进阶实战》pdf+源代码
下载：https://pan.baidu.com/s/1IAfr-tigqGE_njrfSATT_w《深度学习之TensorFlow：入门、原理与进阶实战》，李金洪著。中文PDF，939页，带书签目录，文字可以复制粘贴。配套源代码。如图： 查看详情
分享《深度学习之tensorflow：入门原理与进阶实战》pdf+源代码
下载：https://pan.baidu.com/s/1zI-pblJ5dEwjGVe-QQP9hQ更多资料：http://blog.51cto.com/3215120《深度学习之TensorFlow：入门、原理与进阶实战》，李金洪著。中文PDF，939页，带书签目录，文字可以复制粘贴。配套源代码。如图： 查看详情
分享《深度学习之tensorflow：入门原理与进阶实战》pdf+源代码
下载：https://pan.baidu.com/s/1zI-pblJ5dEwjGVe-QQP9hQ更多资料：http://blog.51cto.com/3215120《深度学习之TensorFlow：入门、原理与进阶实战》，李金洪著。中文PDF，939页，带书签目录，文字可以复制粘贴。配套源代码。如图： 查看详情
机器学习之k-近邻算法实践学习
关于本文说明，笔者原博客地址位于http://blog.csdn.net/qq_37608890，本文来自笔者于2017年12月04日22:54:26所撰写内容（http://blog.csdn.net/qq_37608890/article/details/78714664）。 查看详情