欢迎来到《深度学习之目标检测》课程相关直播
这是我们的第03期直播
本次直播主题是
“旋转目标检测简介”
本次直播为免费直播
本课程内容包括目标检测的各个经典领域的算法与实践，时长超过30个小时，理论与实践内容非常丰富：
(1) 理论部分内容包括：two-stage算法-FasterRCNN系列详解、one-stage 算法-YOLO系列详解(从YOLO v1到YOLO v5)，Anchor-free算法系列详解（包括Densebox，CenterNet ，CornetNet等）；会非常详细地讲解算法中的细节，帮助彻底消化算法原理；
下面是当前理论部分课程的大纲脑图：
(2)实践部分内容包括：YOLOv3实战 (工业缺陷检测)、Faster- RCNN实战(猫脸检测)，CenterNet(电路板缺陷检测)，MMdetection框架使用；基于Pytorch框架进行实战，逐行剖析代码，完全掌握实战细节；
下面是当前实践部分课程的大纲脑图：
下面简单了解一下课程各部分的大体内容：
(1) 目标检测基础讲解，包括问题定义，数据集，评价指标，算法发展总览，传统检测流程，基于深度学习的检测算法流程及分类，Anchor-base算 法结构，本小节内容可以免费收听，共计130分钟。
(2) 二阶段目标检测模型详解，包括RCNN，SPP，Fast-RCNN，Faster- RCNN，one-stage 算法引入，约75分钟。
(3) 一阶段目标检测模型详解，包括YOLO v1，YOLO v2，YOLO v3，YOLO v4，YOLO v5模型，约250分钟。
(4) Anchor-free 模型详解，包括DenseNet，CornerNet，CenterNet，约240分钟。
(5) YOLO v3，Faster- RCNN，CenterNet项目实战，约500分钟。
(6) MMdetection目标检测框架使用，包括框架的简介与安装，框架总体讲解，推理相关源码分析，训练相关源码分析，训练过程可视化分析，检测结果可视化分析，工程应用技巧（C++调python，C++调torchscript）等内容，约420分钟。
本课程适合人群：
(1)所有学习人工智能/深度学习算法，并有志于从事该领域的人员。
(2)掌握了Python，深度学习基础概念等预备知识的技术人员。
(3)学习与从事计算机视觉领域的技术人员。
学习完本课程你将掌握：
(1) 目标检测领域的主流算法。
(2) 熟悉Pytorch项目实践。
(3) MMdetection框架的使用。
《深度学习之目标检测》课程二维码如下，感兴趣的小伙伴们快来加入吧！
如果你对本课程感兴趣，需要咨询该课程，可以添加“有三AI小助手”微信号，微信号为坨坨瑜，微信二维码如下：
微信小助手: 坨坨瑜
同时欢迎在深度学习领域有沉淀积累的同学加入有三AI生态，让更多人受益！
往期相关
533
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
