台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰

楊建華、李瑞峰 著

  • 出版商: 深智數位
  • 出版日期: 2024-07-19
  • 定價: $800
  • 售價: 7.9$632
  • 語言: 繁體中文
  • 頁數: 384
  • ISBN: 6267383849
  • ISBN-13: 9786267383841
  • 尚未上市,歡迎預購

  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-1
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-2
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-3
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-4
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-5
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-6
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-7
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-8
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-9
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-10
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-11
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-12
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-13
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-14
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-15
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-16
  • 台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-17
台灣之光物件辨識 - 最新 YOLO 原理精讀+實戰-preview-1

買這商品的人也買了...

商品描述

【新書簡介】

本書共分為四大部分13章,首章介紹了從深度學習時代開始的物件辨識發展,包括R-CNNYOLO系列,第二章則介紹PASCAL VOCMS COCO等重要資料集,從第三章到第八章,深入講解YOLO系列從YOLOv1YOLOv4的發展,包括網路架構、檢測原理和訓練策略等,並提供程式實作的指導,幫助讀者建立對物件辨識任務的全面認識。第九章和第十章,介紹了YOLOXYOLOv7的技術進展和實現細節,展示了對YOLOv3的改進及新型標籤分配的動態策略。

第十一章詳細介紹了DETR,這是一種基於Transformer的物件辨識框架,改變了傳統物件辨識的方法。第十二章探討了YOLOF,一種新型的單級物件辨識網路,而第十三章則專注於FCOS,這是一種無先驗框的檢測器,為物件辨識領域帶來新的思路。第四部分重點介紹了大型語言模型的擴充應用和評估。包括與外部工具和知識源連接的LangChain 技術。

 

【本書看點】

物件辨識架構淺析

PascalCOCO資料集詳解

YOLOv1YOLOv2YOLOv3網路介紹及架設、訓練實作

★新的YOLO架構YOLOXYOLOv7網路介紹及架設、訓練實作

DETR網路介紹及架設、訓練實作

YOLOF網路介紹及架設、訓練實作

FCOS網路介紹及架設、訓練實作

作者簡介

楊建華

哈爾濱工業大學在讀博士,主要研究方向為基於視覺的目標檢測與人體時空行為分析,長期耕耘于多個知乎專欄(知乎IDKissrabbit)

李瑞峰

哈爾濱工業大學教授、機器人研究所副所長,中國人工智能學會智能機器人專業委員會秘書長,黑龍江省機器人學會理事長。

目錄大綱

1 部分 背景知識

 

第 1 章 物件辨識架構淺析

1.1 物件辨識發展簡史

1.2 物件辨識網路框架概述

1.3 物件辨識網路框架淺析

1.4 小結

 

第 2 章 常用的資料集

2.1 PASCAL VOC 資料集

2.2 MS COCO 資料集

2.3 小結

 

2 部分 學習YOLO 框架

 

第 3 章 YOLOv1

3.1 YOLOv1 的網路結構

3.2 YOLOv1 的檢測原理

3.3 YOLOv1 的製作訓練正樣本的方法

3.4 YOLOv1 的損失函數

3.5 YOLOv1 的前向推理

3.6 小結

 

第 4 章 架設 YOLOv1 網路

4.1 改進 YOLOv1

4.2 架設 YOLOv1 網路

4.3 YOLOv1 的後處理

4.4 小結

 

第 5 章 訓練 YOLOv1 網路

5.1 讀取 VOC 資料

5.2 資料前置處理

5.3 製作訓練正樣本

5.4 計算訓練損失

5.5 開始訓練 YOLOv1

5.6 視覺化檢測結果

5.7 使用 COCO 資料集 ( 選讀 )

5.8 小結

 

第 6 章 YOLOv2

6.1 YOLOv2 詳解

6.2 架設 YOLOv2 網路

6.3 基於 k 平均值聚類演算法的先驗框聚類

6.4 基於先驗框機制的正樣本製作方法

6.5 損失函數

6.6 訓練 YOLOv2 網路

6.7 視覺化檢測結果與計算 mAP

6.8 使用 COCO 資料集(選讀)

6.9 小結

 

第 7 章 YOLOv3

7.1 YOLOv3 解讀

7.2 架設 YOLOv3 網路

7.3 正樣本匹配策略

7.4 損失函數

7.5 資料前置處理

7.6 訓練 YOLOv3

7.7 測試 YOLOv3

7.8 小結

 

第 8 章 YOLOv4

8.1 YOLOv4 解讀

8.2 架設 YOLOv4 網路

8.3 製作訓練正樣本

8.4 測試 YOLOv4

8.5 小結

 

3 部分 較新的YOLO 框架

 

第 9 章 YOLOX

9.1 解讀 YOLOX

9.2 架設 YOLOX 網路

9.3 YOLOX 的標籤匹配:SimOTA

9.4 YOLOX 風格的混合增強

9.5 測試 YOLOX

9.6 小結

 

第 10 章 YOLOv7

10.1 YOLOv7 的主幹網絡

10.2 YOLOv7 的特徵金字塔網路

10.3 測試 YOLOv7

10.4 小結

 

4 部分 其他流行的物件辨識框架

 

第 11 章 DETR

11.1 解讀 DETR

11.2 實現 DETR

11.3 測試 DETR 檢測器

11.4 小結

 

第 12 章 YOLOF

12.1 YOLOF 解讀

12.2 架設 YOLOF

12.3 訓練 YOLOF 檢測器

12.4 測試 YOLOF 檢測器

12.5 計算 mAP

12.6 小結

 

第 13 章 FCOS

13.1 FCOS 解讀

13.2 架設 FCOS

13.3 測試 FCOS 檢測器

13.4 小結

 

參考文獻

後記