目标检测-YOLO-V4基于PyTorch从零复现(与行人车辆检测实战)
目标检测-YOLO-V4基于PyTorch从零复现(与行人车辆检测实战)

从零使用PyTorch构建YOLOV4完整的训练代码,并完成车辆行人检测实战

〖资源截图〗:

目标检测-YOLO-V4基于PyTorch从零复现(与行人车辆检测实战)
目标检测-YOLO-V4基于PyTorch从零复现(与行人车辆检测实战)

〖资源目录〗:

  • ├──资料
  • | ├──ppt和手工图.zip 5.73M
  • | └──yolov4代码和数据集.zip 916.51M
  • ├──1-1 课程介绍_ok (2).mp4 73.78M
  • ├──1-2 代码与项目介绍_ok (2).mp4 43.93M
  • ├──2-1 图像卷积_ok (2).mp4 25.50M
  • ├──2-10 1X1卷积核的用处02_ok (2).mp4 15.26M
  • ├──2-11 1X1卷积核的用处03_ok (2).mp4 10.08M
  • ├──2-12 1X1卷积核的用处04(yolo中的1X1预测思想)_ok (2).mp4 76.34M
  • ├──2-13 YOLOV4里的one-hot编码_ok (2).mp4 8.97M
  • ├──2-14 softmax原理和计算_ok (2).mp4 8.69M
  • ├──2-15 sigmod和代替softmax_ok (2).mp4 21.97M
  • ├──2-16 BN操作01_ok (2).mp4 20.89M
  • ├──2-17 BN操作02_ok (2).mp4 24.56M
  • ├──2-18 激活函数原理和作用_ok (2).mp4 34.60M
  • ├──2-2 卷积和步长的巧妙配合_ok (2).mp4 20.61M
  • ├──2-3 人工卷积核产生的效果_ok (2).mp4 28.96M
  • ├──2-4 Yolov4里的卷积例子_ok (2).mp4 12.04M
  • ├──2-5 最大池化操作_ok (2).mp4 14.70M
  • ├──2-6 全连接层讲解_ok (2).mp4 14.99M
  • ├──2-7 卷积神经网络VGG16_01_ok (2).mp4 24.17M
  • ├──2-8 卷积神经网络VGG16_02_ok (2).mp4 47.39M
  • ├──2-9 1X1卷积核的用处01_ok (2).mp4 24.86M
  • ├──3-1 YOLOV3网络结构回顾01_ok (2).mp4 37.26M
  • ├──3-10 YOLO头部总结_ok (2).mp4 18.53M
  • ├──3-11 从零写代码backbone构建01_ok (2).mp4 113.58M
  • ├──3-12 从零写代码backbone构建02_ok (2).mp4 70.08M
  • ├──3-13 从零写代码Neck构建01_ok (2).mp4 71.49M
  • ├──3-14 从零写代码Neck构建02_ok (2).mp4 125.70M
  • ├──3-15 从零写代码头部Decode01_ok (2).mp4 94.40M
  • ├──3-16 从零写代码头部Decode02_ok (2).mp4 140.42M
  • ├──3-17 代码解读模型推断部分_ok (2).mp4 87.70M
  • ├──3-18 代码解读使用yolo.cfg解析方式构造网络01_ok (2).mp4 67.89M
  • ├──3-19 代码解读使用yolo.cfg解析方式构造网络02_ok (2).mp4 106.10M
  • ├──3-2 YOLOV3网络结构回顾02_ok (2).mp4 38.93M
  • ├──3-3 YOLOV3网络结构回顾03_ok (2).mp4 23.15M
  • ├──3-4 强大的模型可视化工具netron_ok (2).mp4 38.04M
  • ├──3-5 YOLOV4网络结构backbone_ok (2).mp4 35.55M
  • ├──3-6 YOLOV4网络结构Neck_ok (2).mp4 49.32M
  • ├──3-7 YOLO网格思想_ok (2).mp4 47.95M
  • ├──3-8 先验框anchors原理_ok (2).mp4 54.52M
  • ├──3-9 头部DECODE_ok (2).mp4 18.92M
  • ├──4-1 模型训练超参部分讲解_ok (2).mp4 69.72M
  • ├──4-10 从零写代码build_target训练核心函数03_ok (2).mp4 102.13M
  • ├──4-11 从零写代码训练部分基础函数_ok (2).mp4 40.12M
  • ├──4-12 从零写代码CIOU计算_ok (2).mp4 58.88M
  • ├──4-13 从零写代码损失函数计算_ok (2).mp4 72.65M
  • ├──4-14 代码解读基于PyTorch的模型训练01_ok (2).mp4 57.88M
  • ├──4-15 代码解读基于PyTorch的模型训练02_ok (2).mp4 46.73M
  • ├──4-16 代码解读基于PyTorch的模型训练03_ok (2).mp4 83.87M
  • ├──4-2 训练整体流程_ok (2).mp4 12.64M
  • ├──4-3 模型训练build_target原理解析01_ok (2).mp4 27.99M
  • ├──4-4 模型训练build_target原理解析02_ok (2).mp4 76.62M
  • ├──4-5 模型训练build_target原理解析03_ok (2).mp4 38.95M
  • ├──4-6 损失函数原理解析01_ok (2).mp4 30.24M
  • ├──4-7 损失函数原理解析02_ok (2).mp4 27.02M
  • ├──4-8 从零写代码build_target训练核心函数01_ok (2).mp4 27.47M
  • ├──4-9 从零写代码build_target训练核心函数02_ok (2).mp4 69.26M
  • ├──5-1 项目实战总体介绍_ok (2).mp4 19.16M
  • ├──5-2 权重裁剪技巧(模型训练必备知识)_ok (2).mp4 50.57M
  • ├──5-3 代码实战pytorch权重裁剪01_ok (2).mp4 62.18M
  • ├──5-4 代码实战pytorch权重裁剪02_ok (2).mp4 63.64M
  • ├──5-5 代码实战训练数据集制作_ok (2).mp4 60.97M
  • ├──5-6 tensorboardX训练可视化工具使用_ok (2).mp4 65.57M
  • ├──5-7 map和准确召回率计算工具使用_ok (2).mp4 100.50M
  • ├──5-8 项目效果展示_ok (2).mp4 82.45M
  • └──5-9 YOLOV4调参总结_ok (2).mp4 39.23M

本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。

最常见的情况是下载不完整: 可对比下载完压缩包的与网盘上的容量,若小于网盘提示的容量则是这个原因。这是浏览器下载的bug,建议用百度网盘软件或迅雷下载。 若排除这种情况,可在对应资源底部留言,或联络我们。

对于会员专享、整站源码、程序插件、网站模板、网页模版等类型的素材,文章内用于介绍的图片通常并不包含在对应可供下载素材包内。这些相关商业图片需另外购买,且本站不负责(也没有办法)找到出处。 同样地一些字体文件也是这种情况,但部分素材会在素材包内有一份字体下载链接清单。

如果您已经成功付款但是网站没有弹出成功提示,请联系站长提供付款信息为您处理

源码素材属于虚拟商品,具有可复制性,可传播性,一旦授予,不接受任何形式的退款、换货要求。请您在购买获取之前确认好 是您所需要的资源