目标检测算法模型YOLOV3原理及其实战 课程简介

前言

在移植目标检测算法模型到海思AI引擎上运行的过程中，深切感受到理解和掌握算法模型原理的重要性。 基于此，我出了一门专门来讲目标检测算法模型原理及实战的课程。虽然讲的是YOLOV3模型，但是对理解其它目标检测算法模型也非常有帮助，毕竟很多概念都是相通的。课程具体信息，详见：http://www.dataguru.cn/article-15123-1.html?union_site=banner

简介

    本课程以实战为主，主要是基于一个来自实际开发项目的无人零售商品数据集（训练集和测试集总共有8000多张图片）来讲解如何一步一步地训练出YOLOV3算法模型并进行性能评估。当然，在讲解过程中，不仅仅教大家如何使用，而且还会把背后的原理以及容易犯的错误都讲清楚。让大家学完本课程后能知其然而且知其所以然，从而真正地掌握它，并应用到实际环境中去。

大纲

第一课：课程内容、目标、特色以及平台环境等介绍。

 

第二课：目标检测基础知识。包括常用数据集介绍、性能指标以及各种目标检测算法模型的演进。

 

第三课：YOLOV3目标检测原理介绍，包括网络层结构、多通道卷积，感受野，检测框回归和分类，IOU，NMS等概念。

 

第四课：开源框架darknet代码下载、编译及其重点细节讲解，包括训练预处理（图像颜色转换、不变形缩放等）和推理后处理。

 

第五课：YOLOV3模型训练上部分 包括无人零售商品数据集准备、标注、格式转换。

 

第六课：YOLOV3模型训练下部分 包括cfg配置文件修改、anchors计算 模型训练、训练日志分析。

 

第七课：模型性能评估，包括mAP, AP及recall等值计算和画出PR曲线等。

 

第八课：模型部署和推理，包括基于darknet框架以及OpenCV python接口的图像识别。

 

第九课：YOLOV3 darknet模型转换成caffe1.0 model以及验证。

 

第十课：YOLOV3模型性能改进方法汇总、实现以及探讨。