【13827】-目标检测-YOLO-V4基于PyTorch从零复现（与行人车辆检测实战）

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
课程资料