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适合人群：
1.刚刚研究生或者本科毕业的同学，想在图像领域发展，需要进一步提炼算法能力
2.有一定开发经验，想转到算法岗的朋友们，YOLOV4则是面试的敲门砖
课程简介：
YOLOV4之PyTorch版本从零复现和人车检测实战
1. 800行代码现场从零敲，带你深入浅出YOLOV4所有核心
1）YOLOV4损失函数，训练核心流程build_target
2) YOLOV4整体网络结构，和所有子模块组件从零编写
教程目录：
1-1 课程介绍.mp4
1-2 代码与项目介绍.mp4
2-1 图像卷积.mp4
2-2 卷积和步长的巧妙配合.mp4
2-3 人工卷积核产生的效果.mp4
2-4 Yolov4里的卷积例子.mp4
2-5 最大池化操作.mp4
2-6 全连接层讲解.mp4
2-7 卷积神经网络VGG16_01.mp4
2-8 卷积神经网络VGG16_02.mp4
2-9 1X1卷积核的用处01.mp4
2-10 1X1卷积核的用处02.mp4
2-11 1X1卷积核的用处03.mp4
2-12 1X1卷积核的用处04（yolo中的1X1预测思想）.mp4
2-13 YOLOV4里的one-hot编码.mp4
2-14 softmax原理和计算.mp4
2-15 sigmod和代替softmax.mp4
2-16 BN操作01.mp4
2-17 BN操作02.mp4
2-18 激活函数原理和作用.mp4
3-1 YOLOV3网络结构回顾01.mp4
3-2 YOLOV3网络结构回顾02.mp4
3-3 YOLOV3网络结构回顾03.mp4
3-4 强大的模型可视化工具netron.mp4
3-5 YOLOV4网络结构backbone.mp4
3-6 YOLOV4网络结构Neck.mp4
3-7 YOLO网格思想.mp4
3-8 先验框anchors原理.mp4
3-9 头部DECODE.mp4
3-10 YOLO头部总结.mp4
3-11 从零写代码backbone构建01.mp4
3-12 从零写代码backbone构建02.mp4
3-13 从零写代码Neck构建01.mp4
3-14 从零写代码Neck构建02.mp4
3-15 从零写代码头部Decode01.mp4
3-16 从零写代码头部Decode02.mp4
3-17 代码解读模型推断部分.mp4
3-18 代码解读使用yolo.cfg解析方式构造网络01.mp4
3-19 代码解读使用yolo.cfg解析方式构造网络02.mp4
4-1 模型训练超参部分讲解.mp4
4-2 训练整体流程.mp4
4-3 模型训练build_target原理解析01.mp4
4-4 模型训练build_target原理解析02.mp4
4-5 模型训练build_target原理解析03.mp4
4-6 损失函数原理解析01.mp4
4-7 损失函数原理解析02.mp4
4-8 从零写代码build_target训练核心函数01.mp4
4-9 从零写代码build_target训练核心函数02.mp4
4-10 从零写代码build_target训练核心函数03.mp4
4-11 从零写代码训练部分基础函数.mp4
4-12 从零写代码CIOU计算.mp4
4-13 从零写代码损失函数计算.mp4
4-14 代码解读基于PyTorch的模型训练01.mp4
4-15 代码解读基于PyTorch的模型训练02.mp4
4-16 代码解读基于PyTorch的模型训练03.mp4
5-1 项目实战总体介绍.mp4
5-2 权重裁剪技巧（模型训练必备知识）.mp4
5-3 代码实战pytorch权重裁剪01.mp4
5-4 代码实战pytorch权重裁剪02.mp4
5-5 代码实战训练数据集制作.mp4
5-6 tensorboardX训练可视化工具使用.mp4
5-7 map和准确召回率计算工具使用.mp4
5-8 项目效果展示.mp4
5-9 YOLOV4调参总结.mp4
ppt和手工图.zip
yolov4代码和数据集.zip
视频截图
资源存放>百度网盘
下载地址
**** Hidden Message *****
VIP会员全站免金币
IT直通车已为全国各地程序员提供上千G课程资源
如您需要购买本站VIP会员，请点击「开通VIP」享受全站资源免金币无限制下载！
失效反馈
IT直通车所有资源都存放在自己注册的百度网盘，失效可修复，确保持续可用
如您需要的资源链接提示失效，请尽情反馈给我们，将在收到反馈后尽快修复「点击反馈」
获得帮助
需要帮助吗？点击网站右侧在线客服，7X12小时在线！
讲的很详细，对于新手的我有帮助 6666666666666 6666太强了
太好了，正是我需要的资源 感谢分享66666 6666666666666 目标检测-YOLO-V4基于PyTorch从零复现 楼主辛苦了！ 真好~~~~~~~~~~~~~