适用人群
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。
课程目录：
├──1-1 课程简介.mp4 12.11M
├──1-2 Mask-Rcnn开源项目简介.mp4 32.91M
├──1-3 开源项目数据集.mp4 21.28M
├──1-4 参数配置.mp4 62.20M
├──2-1 FPN网络架构实现解读.mp4 58.68M
├──2-10 RoiPooling层的作用与目的.mp4 36.93M
├──2-11 RorAlign操作的效果.mp4 27.42M
├──2-12 整体框架回顾.mp4 30.93M
├──2-2 FPN层特征提取原理解读.mp4 44.46M
├──2-3 生成框比例设置.mp4 30.55M
├──2-4 基于不同尺度特征图生成所有框.mp4 33.37M
├──2-5 RPN层的作用与实现解读.mp4 30.56M
├──2-6 候选框过滤方法.mp4 15.75M
├──2-7 Proposal层实现方法.mp4 33.06M
├──2-8 DetectionTarget层的作用.mp4 26.69M
├──2-9 正负样本选择与标签定义.mp4 27.13M
├──3-1 Labelme工具安装.mp4 12.17M
├──3-2 使用labelme进行数据与标签标注.mp4 22.20M
├──3-3 完成训练数据准备工作.mp4 24.90M
├──3-4 maskrcnn源码修改方法.mp4 54.80M
├──3-5 基于标注数据训练所需任务.mp4 33.44M
├──3-6 测试与展示模块.mp4 28.22M
├──4-1 COCO数据集与人体姿态识别简介.mp4 34.85M
├──4-2 网络架构概述.mp4 33.36M
├──4-3 流程与结果演示.mp4 41.08M
├──5-1 迁移学习的目标.mp4 13.29M
├──5-2 迁移学习策略.mp4 16.08M
├──5-3 Resnet原理.mp4 60.19M
├──5-4 Resnet网络细节.mp4 38.11M
├──5-5 Resnet基本处理操作.mp4 25.70M
├──5-6 shortcut模块.mp4 37.39M
├──5-7 加载训练好的权重.mp4 31.69M
├──5-8 迁移学习效果对比.mp4 42.61M
├──6-1 物体检测概述.mp4 42.57M
├──6-2 深度学习经典检测方法.mp4 39.26M
├──6-3 faster-rcnn概述.mp4 31.13M
├──6-4 论文解读.mp4 79.82M
├──6-5 RPN网络架构.mp4 70.55M
├──6-6 损失函数定义.mp4 101.14M
└──6-7 网络细节.mp4 80.13M
