注意：只展示部分的文件和文件夹 实际有109个文件
013深度学习-物体检测-YOLO系列
013深度学习-物体检测-YOLO系列 2.0GB
第11章：V5版本项目工程源码解读 754.8MB
87.模型迭代过程.flv 50.5MB
86.各种训练策略概述.flv 108.2MB
85.训练流程解读.flv 25.7MB
84.命令行参数介绍.flv 20.4MB
83.超参数解读.flv 18.1MB
82.输出结果分析.flv 75.2MB
81.上采样与拼接操作.flv 11.1MB
80.SPP层计算细节分析.flv 34.0MB
79.Head层流程解读.flv 17.5MB
78.BottleneckCSP层计算方法.flv 73.1MB
77.前向传播计算.flv 59.7MB
76.完成配置文件解析任务.flv 30.3MB
75.Focus模块流程分析.flv 25.9MB
74.V5网络配置文件解读.flv 20.5MB
73.网络架构图可视化工具安装.flv 51.1MB
72.getItem构建batch.flv 18.9MB
71.数据四合一方法与流程演示.flv 44.6MB
70.Mosaic数据增强方法.flv 15.8MB
69.加载标签数据.flv 14.4MB
68.图像数据源配置.flv 19.5MB
67.数据源DEBUG流程解读.flv 20.3MB
第10章：V5版本项目配置 192.9MB
66.测试DEMO演示.flv 23.9MB
65.训练数据参数配置.flv 78.3MB
64.训练自己的数据集方法.flv 20.6MB
63.整体项目概述.flv 70.1MB
第09章：YOLO-V4版本算法解读 165.7MB
62.激活函数与整体架构总结.flv 21.4MB
61.PAN模块解读.flv 14.5MB
60.SAM注意力机制模块.flv 23.9MB
59.SPP与CSP网络结构.flv 10.9MB
58.NMS细节改进.flv 10.9MB
57.CIOU损失函数定义.flv 7.8MB
56.损失函数遇到的问题.flv 10.9MB
55.DropBlock与标签平滑方法.flv 14.2MB
54.数据增强策略分析.flv 26.8MB
53.V4版本贡献解读.flv 7.3MB
52.V4版本整体概述.flv 17.1MB
第08章：基础补充-物体检测FasterRcnn系列 352.0MB
99.论文解读.flv 52.0MB
98.faster-rcnn概述.flv 21.0MB
97.深度学习经典检测方法.flv 29.5MB
96.Faster-rcnn物体检测概述.flv 25.7MB
102.网络细节.flv 92.6MB
101.损失函数定义.flv 78.6MB
100.RPN网络结构.flv 52.5MB
第07章：基础补充-迁移学习与Resnet网络架构 204.0MB
95.迁移学习效果对比.flv 24.8MB
94.加载训练好的权重.flv 18.1MB
93.shortcut模块.flv 54.3MB
92.Resnet基本处理操作.flv 15.7MB
91.Resnet网络细节.flv 24.3MB
90.Resnet原理.flv 45.8MB
89.迁移学习策略.flv 11.9MB
88.迁移学习的目标.flv 9.0MB
第06章：基于YOLO-V3训练自己的数据与任务 292.4MB
51.训练模型并测试效果.flv 54.1MB
50.训练代码与参数配置更改.flv 25.0MB
49.完成输入数据准备工作.flv 81.7MB
48.json格式转换成yolo-v3所需输入.flv 39.4MB
47.生成模型所需配置文件.flv 19.8MB
46.完成标签制作.flv 16.4MB
45.数据信息标注.flv 47.5MB
44.Labelme工具安装.flv 8.4MB
第05章：项目实战-基于V3版本进行源码解读 51.0MB
43.预测效果展示.flv 51.0MB
