[298] 深度学习之目标检测常用算法原理+实践精讲 - 从算法原理到模型解读再到编程实践的深度学习目标检测课程

网盘链接：

1. 课程介绍

• 1-1 课程导学

2. 目标检测算法基础介绍

• 2-1 目标检测问题定义
• 2-2 目标检测问题方法
• 2-3 传统目标检测方法基本流程
• 2-4 常见传统目标检测方法-Viola-Jones（人脸检测）
• 2-5 常见传统目标检测方法-HOG+SVM（行人检测、Opencv）
• 2-6 常见传统目标检测方法-DPM（物体检测）
• 2-7 常见传统目标检测方法-Sofe-NMS（非极大值抑制算法）
• 2-8 Two-stage基本介绍，流程与常见算法
• 2-9 Two-stage核心组件
• 2-10 One-stage基本介绍、流程与常见算法
• 2-11 One-stage核心组件
• 2-12 One-stage与Two-stage优缺点对比
• 2-13 【讨论题】如何理解目标检测中的度量指标？

3. SSD系列算法原理精讲

• 3-1 SSD系列算法介绍（主干网络、多尺度Feature Map预测）
• 3-2 Prior Box Layer、样本构造、损失函数介绍
• 3-3 DSSD、DSOD算法
• 3-4 FSSD、RSSD算法
• 3-5 思考题

4. 基于SSD的人脸检测项目实战

• 4-1 人脸业务场景介绍（常见问题、标注方法、算法性能好坏、人脸采集常用方法）
• 4-2 Wider Face数据集介绍、标注格式、下载等
• 4-3 Wider Face数据集介绍
• 4-4 Wider Face数据集转VOC格式数据集编程实现
• 4-5 使用Caffe-SSD打包Wider Face为LMDB格式样本实操
• 4-6 Caffe-SSD框架搭建及训练脚本解读
• 4-7 Caffe-SSD人脸检测模型训练实操讲解
• 4-8 Caffe-SSD框架主干网络脚本讲解+实操
• 4-9 Caffe-SSD框架训练脚本讲解+实操
• 4-10 Caffe-SSD框架模型测试介绍与脚本编程实现
• 4-11 Caffe-SSD框架测试结果可视化与人脸检测技巧说明
• 4-12 思考题

5. Faster RCNN系列算法原理精讲

• 5-1 Faseter-Rcnn系列介绍
• 5-2 RCNN介绍
• 5-3 SPPNet介绍
• 5-4 Fast rcnn介绍
• 5-5 HyperNet、RFCN介绍
• 5-6 Light-Head RCNN、Mask-RCNN介绍
• 5-7 Cascade RCNN、CoupleNet、OHEM、Soft-NMS介绍
• 5-8 思考题

6. 基于Faster RCNN的ADAS场景目标检测项目实战

• 6-1 ADAS业务场景介绍
• 6-2 Kitti数据集介绍、标注格式、下载等
• 6-3 Kitti数据集类别提取编程实现
• 6-4 Kitti数据集转VOC格式数据脚本编程实现
• 6-5 Faster RCNN目标检测模型环境搭建介绍
• 6-6 Faster RCNN目标检测环境搭建实操
• 6-7 Faster RCNN目标检测框架介绍
• 6-8 Faster RCNN目标检测框架训练脚本参数配置介绍
• 6-9 Faster RCNN目标检测框架配置修改实操
• 6-10 Faster RCNN目标检测模型训练及其优化
• 6-11 利用Faster RCNN测试脚本进行模型测试
• 6-12 自己动手编程实现Faster RCNN模型测试脚本
• 6-13 思考题

7. YOLO系列算法原理精讲

• 7-1 Yolov1算法
• 7-2 Yolov2算法（1）
• 7-3 Yolov2算法（2）
• 7-4 Yolo9000算法
• 7-5 Yolov3算法
• 7-6 思考题

8. 基于YOLOV3的通用物体检测项目实战

• 8-1 物体检测业务场景综述
• 8-2 COCO数据集介绍、标注格式、下载脚本等
• 8-3 YOLOV3DarkNet框架介绍和环境搭建
• 8-4 DarkNet框架解读及相关配置说明
• 8-5 利用DarkNet框架进行YOLOV3模型训练实操
• 8-6 YoloV3检测模型的测试介绍及编程实例
• 8-7 思考题

9. 文本检测系列算法原理精讲

• 9-1 文本检测算法原理介绍
• 9-2 CTPN模型
• 9-3 RRPN模型
• 9-4 FTSN模型
• 9-5 DMPNet模型
• 9-6 EAST模型
• 9-7 SegLink模型
• 9-8 PixelLink模型
• 9-9 Textboxes讲解
• 9-10 Textboxes++模型介绍
• 9-11 文本检测常见数据集
• 9-12 其他检测模型方法介绍
• 9-13 【讨论题】如何理解基于分割的文字检测算法

10. 基于EAST的自然场景文本检测项目实战

• 10-1 自然场景下文本检测业务场景综述
• 10-2 ICDAR数据集介绍、标注格式、下载等
• 10-3 EAST文本检测框架环境搭建
• 10-4 EAST文本检测框架解读与训练实操
• 10-5 EAST文本检测模型测试脚本编程实例
• 10-6 【讨论题】如何理解倾斜物体检测，与通用目标检测的区别？

11. 多任务网络原理介绍

• 11-1 多任务网络业务场景综述
• 11-2 人脸检测+关键点多任务网络模型MTCNN介绍
• 11-3 人脸检测+关键点多任务网络数据集介绍
• 11-4 思考题

12. 基于人脸检测+关键点定位的多任务网络项目实战

• 12-1 MTCNN环境配置、框架解读、数据打包
• 12-2 MTCNN数据打包（PNet、RNet、ONet）实操（1）
• 12-3 MTCNN数据打包（PNet、RNet、ONet）实操（2）
• 12-4 MTCNN模型训练介绍
• 12-5 MTCNN模型训练（PNet、RNet、ONet）实操
• 12-6 MTCNN模型（PNet、RNet、ONet）测试实操
• 12-7 思考题

13. 课程总结

• 13-1 one-stage vs two-stage
• 13-2 不同目标检测算法的优缺点对比
• 13-3 【讨论题】如何理解Anchor-free的技术方案？
• 13-4 不同目标检测算法的精度对比
• 13-5 【讨论题】深入探讨目标检测问题和相关优化技巧
• 13-6 常见目标检测研究对象与数据集
• 13-7 目标检测常见任务与性能评价指标
• 13-8 目标检测行业应用现状-人脸检测
• 13-9 目标检测行业应用现状-ADAS
• 13-10 目标检测行业应用现状-文本检测
• 13-11 课程总结