课程目录

• 1-1课程介绍
• 1-2代码与项目介绍
• 2-1图像卷积
• 2-2卷积和步长的巧妙配合
• 2-3人工卷积核产生的效果
• 2-4Yolov4里的卷积例子
• 2-5最大池化操作
• 2-6全连接层讲解
• 2-7卷积神经网络VGG16_01
• 2-8卷积神经网络VGG16_02
• 2-13YOLOV4里的one-hot编码
• 2-14softmax原理和计算
• 2-15sigmod和代替softmax
• 2-16BN操作01
• 2-17BN操作02
• 2-18激活函数原理和作用
• 2-91X1卷积核的用处01
• 2-101X1卷积核的用处02
• 2-111X1卷积核的用处03
• 2-121X1卷积核的用处04（yolo中的1X1预测思想）
• 3-1YOLOV3网络结构回顾01
• 3-2YOLOV3网络结构回顾02
• 3-3YOLOV3网络结构回顾03
• 3-4强大的模型可视化工具netron
• 3-5YOLOV4网络结构backbone
• 3-6YOLOV4网络结构Neck
• 3-7YOLO网格思想
• 3-8先验框anchors原理
• 3-9头部DECODE
• 3-10YOLO头部总结
• 3-11从零写代码backbone构建01
• 3-12从零写代码backbone构建02
• 3-13从零写代码Neck构建01
• 3-14从零写代码Neck构建02
• 3-15从零写代码头部Decode01
• 3-16从零写代码头部Decode02
• 3-17代码解读模型推断部分
• 3-18代码解读使用yolo.cfg解析方式构造网络01
• 3-19代码解读使用yolo.cfg解析方式构造网络02
• 4-1模型训练超参部分讲解
• 4-2训练整体流程
• 4-3模型训练build_target原理解析01
• 4-4模型训练build_target原理解析02
• 4-5模型训练build_target原理解析03
• 4-6损失函数原理解析01
• 4-7损失函数原理解析02
• 4-8从零写代码build_target训练核心函数01
• 4-9从零写代码build_target训练核心函数02
• 4-10从零写代码build_target训练核心函数03
• 4-11从零写代码训练部分基础函数
• 4-12从零写代码CIOU计算
• 4-13从零写代码损失函数计算
• 4-14代码解读基于PyTorch的模型训练01
• 4-15代码解读基于PyTorch的模型训练02
• 4-16代码解读基于PyTorch的模型训练03
• 5-1项目实战总体介绍
• 5-2权重裁剪技巧（模型训练必备知识）
• 5-3代码实战pytorch权重裁剪01
• 5-4代码实战pytorch权重裁剪02
• 5-5代码实战训练数据集制作
• 5-6tensorboardX训练可视化工具使用
• 5-7map和准确召回率计算工具使用
• 5-8项目效果展示
• 5-9YOLOV4调参总结