【16360】-唐宇迪深度学习-目标追踪与姿态估计实战
01 课程介绍
02姿态估计OpenPose系列算法解读
01姿态估计要解决的问题分析.mp4
02 姿态估计应用领域概述.mp4
03 传统topdown方法的问题.mp4
04 要解决的两个问题分析.mp4
05基于高斯分布预测关键点位置.mp4
06 各模块输出特征图解读.mp4
07 PAF向量登场.mp4
08 PAF标签设计方法.mp4
09预测时PAF积分计算方法.mp4
10 匹配方法解读.mp4
11 CPM模型特点.mp4
12 算法流程与总结.mp4
03 OpenPose算法源码分析
01数据集与路径配置解读.mp4
02 读取图像与标注信息.mp4
03关键点与躯干特征图初始化.mp4
04根据关键点位置设计关键点标签.mp4
05 准备构建PAF躯干标签.mp4
06 各位置点归属判断.mp4
07特征图各点累加向量计算.mp4
08 完成PAF特征图制作.mp4
09 网络模型一阶段输出.mp4
10 多阶段输出与预测.mp4
04 deepsort算法知识点解读
01 卡尔曼滤波通俗解释.mp4
02 卡尔曼滤波要完成的任务.mp4
03任务本质分析.mp4
04 基于观测值进行最优估计.mp4
05 预测与更新操作.mp4
06追踪中的状态量.mp4
07匈牙利匹配算法概述.mp4
08 匹配小例子分析.mp4
09 REID特征的作用.mp4
10 sort与deepsort建模流程分析.mp4
11 预测与匹配流程解读.mp4
12 追踪任务流程拆解.mp4
05 deepsort源码解读
01 项目环境配置.mp4
02参数与DEMO演示.mp4
03针对检测结果初始化track.mp4
04 对track执行预测操作.mp4
05状态量预测结果.mp4
06 IOU代价矩阵计算.mp4
07 参数更新操作.mp4
08 级联匹配模块.mp4
09 ReID特征代价矩阵计算.mp4
10匹配结果与总结.mp4
06 YOLO-V4版本算法解读
01 V4版本整体概述.mp4
02 V4版本贡献解读.mp4
03 数据增强策略分析.mp4
04 DropBlock与标签平滑方法.mp4
05 损失函数遇到的问题.mp4
06 CIOU损失函数定义.mp4
07 NMS细节改进.mp4
08 SPP与CSP网络结构.mp4
09 SAM注意力机制模块.mp4
10 PAN模块解读.mp4
11激活函数与整体架构总结.mp4
07 V5版本项目配置
01 整体项目概述.mp4
02 训练自己的数据集方法.mp4
03 训练数据参数配置.mp4
04 测试DEMO演示.mp4
08 V5项目工程源码解读
01 数据源DEBUG流程解读.mp4
02 图像数据源配置.mp4
03 加载标签数据.mp4
04 Mosaic数据增强方法.mp4
05数据四合一方法与流程演示.mp4
06 getItem构建batch.mp4
07网络架构图可视化工具安装.mp4
08 V5网络配置文件解读.mp4
09 Focus模块流程分析.mp4
10 完成配置文件解析任务.mp4
11前向传播计算.mp4
12 BottleneckCSP层计算方法.mp4
13 1-SPP层计算细节分析.mp4
14 2-Head层流程解读.mp4
15 上采样与拼接操作.mp4
16 输出结果分析.mp4
17超参数解读.mp4
配套资源
18 命令行参数介绍.mp4
19 训练流程解读.mp4
20 各种训练策略概述.mp4
21模型迭代过程.mp4
