网站首页  软件下载  游戏下载  翻译软件  电子书下载  电影下载  电视剧下载  教程攻略

请输入您要查询的图书:

 

书名 YOLO目标检测
分类 教育考试-考试-计算机类
作者 杨建华//李瑞峰
出版社 人民邮电出版社
下载
简介
内容推荐
本书主要介绍基于视觉的YOLO框架的技术原理和代码实现,并讲解目标检测领域中的诸多基础概念和基本原理,在YOLO框架的基础上介绍流行目标检测框架。本书分为4个部分,共13章。第1部分介绍目标检测领域的发展简史、主流的目标检测框架和该领域常用的数据集。第2部分详细讲解从YOLOv1到YOLOv4这四代YOLO框架的网络结构、检测原理和训练策略,以及搭建和训练的YOLO框架的代码实现。第3部分介绍两个较新的YOLO框架——YOLOX和YOLOv7,着重讲解其设计理念、网络结构和检测原理。第4部分介绍DETR、YOLOF和FCOS在内的流行目标检测框架和相应的代码实现。本书侧重目标检测的基础知识,包含丰富的实践内容,是目标检测领域的入门书,适合对目标检测领域感兴趣的初学者、算法工程师、软件工程师等人员学习和阅读。
作者简介
杨建华
哈尔滨工业大学在读博士,主要研究方向为基于视觉的目标检测与人体时空行为分析,长期耕耘于多个知乎专栏(知乎ID:Kissrabbit)。
目录
第1部分 背景知识
第1章 目标检测架构浅析
1.1 目标检测发展简史
1.2 目标检测网络框架概述
1.3 目标检测网络框架浅析
1.3.1 主干网络
1.3.2 颈部网络
1.3.3 检测头
1.4 小结
第2章 常用的数据集
2.1 PASCALVOC数据集
2.2 MSCOCO数据集
2.3 小结
第2部分 学习YOLO框架
第3章 YOLOv1
3.1 YOLOv1的网络结构
3.2 YOLOv1的检测原理
3.3 YOLOv1的制作训练正样本的方法
3.3.1 边界框的位置参数tx、ty、w、h
3.3.2 边界框的置信度
3.3.3 类别置信度
3.4 YOLOv1的损失函数
3.5 YOLOv1的前向推理
3.6 小结
第4章 搭建YOLOv1网络
4.1 改进YOLOv1
4.1.1 改进主干网络
4.1.2 添加一个颈部网络
4.1.3 修改检测头
4.1.4 修改预测层
4.1.5 修改损失函数
4.2 搭建YOLOv1网络
4.2.1 搭建主干网络
4.2.2 搭建颈部网络
4.2.3 搭建检测头
4.2.4 YOLOv1前向推理
4.3 YOLOv1的后处理
4.3.1 求解预测边界框的坐标
4.3.2 后处理
4.4 小结
第5章 训练YOLOv1网络
5.1 读取VOC数据
5.2 数据预处理
5.2.1 基础变换
5.2.2 数据增强
5.3 制作训练正样本
5.4 计算训练损失
5.5 开始训练YOLOv1
5.6 可视化检测结果
5.7 使用COCO数据集(选读)
5.8 小结
第6章 YOLOv2
6.1 YOLOv2详解
6.1.1 引入批归一化层
6.1.2 高分辨率主干网络
6.1.3 先验框机制
6.1.4 全卷积网络与先验框机制
6.1.5 使用新的主干网络
6.1.6 基于k均值聚类算法的先验框聚类
6.1.7 融合高分辨率特征图
6.1.8 多尺度训练策略
6.2 搭建YOLOv2网络
6.2.1 搭建DarkNet-19网络
6.2.2 先验框
6.2.3 搭建预测层
6.2.4 YOLOv2的前向推理
6.3 基于k均值聚类算法的先验框聚类
6.4 基于先验框机制的正样本制作方法
6.4.1 基于先验框的正样本匹配策略
6.4.2 正样本匹配的代码
6.5 损失函数
6.6 训练YOLOv2网络
6.7 可视化检测结果与计算mAP
6.8 使用COCO数据集(选读)
6.9 小结
第7章 YOLOv3
7.1 YOLOv3解读
7.1.1 更好的主干网络:DarkNet-53
7.1.2 多级检测与特征金字塔
7.1.3 修改损失函数
7.2 搭建YOLOv3网络
7.2.1 搭建DarkNet-53网络
7.2.2 搭建颈部网络
7.2.3 搭建解耦检测头
7.2.4 多尺度的先验框
7.2.5 YOLOv3的前向推理
7.3 正样本匹配策略
7.4 损失函数
7.5 数据预处理
7.5.1 保留长宽比的resize操作
7.5.2 马赛克增强
7.5.3 混合增强
7.6 训练YOLOv3
7.7 测试YOLOv3
7.8 小结
第8章 YOLOv4
8.1 YOLOv4解读
8.1.1 新的主干网络:CSPDarkNet-53网络
8.1.2 新的特征金字塔网络:PaFPN
8.1.3 新的数据增强:马赛克增强
8.1.4 改进边界框的解算公式
8.1.5 multianchor策略
8.1.6 改进边界框的回归损失函数
8.2 搭建YOLOv4网络
8.2.1 搭建CSPDarkNet-53网络
8.2.2 搭建基于CSP结构的SPP模块
8.2.3 搭建PaFPN结构
8.3 制作训练正样本
8.4 测试YOLOv
8.5 小结
第3部分 最新的YOLO框架
第9章 YOLOX
9.1 解读YOLOX3
9.1.1 baseline的选择:YOLOv
9.1.2 训练baseline模型
9.1.3 改进一:解耦检测头
9.1.4 改进二:更强大的数据增强
9.1.5 改进三:anchor-free机制
9.1.6 改进四:多正样本
9.1.7 改进五:SimOTA
9.2 搭建YOLOX网络
9.2.1 搭建CSPDarkNet-53网络
9.2.2 搭建PaFPN结构
9.3 YOLOX的标签匹配:SimOTA
9.4 YOLOX风格的混合增强
9.5 测试YOLOX
9.6 小结
第10章 YOLOv7
10.1 YOLOv7的主干网络
10.2 YOLOv7的特征金字塔网络
10.3 测试YOLOv
10.4 小结
第4部分 其他流行的目标检测框架
第11章 DETR
11.1 解读DETR
11.1.1 主干网络
11.1.2 Transformer的编码器
11.1.3 Transformer的解码器
11.2 实现DETR
11.2.1 DETR网络
11.2.2 数据预处理
11.2.3 正样本匹配:Hungarian Matcher
11.2.4 损失函数
11.3 测试DETR检测器
11.4 小结
第12章 YOLOF
12.1 YOLOF解读
12.1.1 YOLOF的网络结构
12.1.2 新的正样本
随便看

 

霍普软件下载网电子书栏目提供海量电子书在线免费阅读及下载。

 

Copyright © 2002-2024 101bt.net All Rights Reserved
更新时间:2025/2/23 8:50:11