1. 全面：涵盖6个常用目标检测框架（YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOX、YOLOv7）的发展状况、技术原理和代码实现。 2. 流行：涵盖3个流行目标检测框架（DETR、YOLOF 和 FCOS）的网络结构、技术原理和代码实现。 3. 复现：每个代码实现章节均配备完整的YOLO项目代码，帮助读者轻松复现、优化和调试项目代码。 4. 丰富：附赠丰富的目标检测项目代码和全书彩图文件，帮助读者更直观地理解YOLO目标检测。
售 价：¥
纸质售价：¥89.90购买纸书
6.3
温馨提示：数字商品不支持退换货，不提供源文件，不支持导出打印
为你推荐
内 容 提 要
前 言
本书的组织结构
本书特色
本书读者对象
阅读本书需具备的基础知识
致谢
资源与支持
资源获取
提交勘误
与我们联系
关于异步社区和异步图书
第1部分 背景知识
第1章 目标检测架构浅析
1.1 目标检测发展简史
1.2 目标检测网络框架概述
1.3 目标检测网络框架浅析
1.4 小结
第2章 常用的数据集
2.1 PASCAL VOC数据集
2.2 MS COCO数据集
2.3 小结
第2部分 学习YOLO框架
第3章 YOLOv1
3.1 YOLOv1的网络结构
3.2 YOLOv1的检测原理
3.3 YOLOv1的制作训练正样本的方法
3.4 YOLOv1的损失函数
3.5 YOLOv1的前向推理
3.6 小结
第4章 搭建YOLOv1网络
4.1 改进YOLOv1
4.2 搭建YOLOv1网络
4.3 YOLOv1的后处理
4.4 小结
第5章 训练YOLOv1网络
5.1 读取VOC数据
5.2 数据预处理
5.3 制作训练正样本
5.4 计算训练损失
5.5 开始训练YOLOv1
5.6 可视化检测结果
5.7 使用COCO数据集 (选读)
5.8 小结
第6章 YOLOv2
6.1 YOLOv2详解
6.2 搭建YOLOv2网络
6.3 基于k均值聚类算法的先验框聚类
6.4 基于先验框机制的正样本制作方法
6.5 损失函数
6.6 训练YOLOv2网络
6.7 可视化检测结果与计算mAP
6.8 使用COCO数据集（选读）
6.9 小结
第7章 YOLOv3
7.1 YOLOv3解读
7.2 搭建YOLOv3网络
7.3 正样本匹配策略
7.4 损失函数
7.5 数据预处理
7.6 训练YOLOv3
7.7 测试YOLOv3
7.8 小结
第8章 YOLOv4
8.1 YOLOv4解读
8.2 搭建YOLOv4网络
8.3 制作训练正样本
8.4 测试YOLOv4
8.5 小结
第3部分 较新的YOLO框架
第9章 YOLOX
9.1 解读YOLOX
9.2 搭建YOLOX网络
9.3 YOLOX的标签匹配：SimOTA
9.4 YOLOX风格的混合增强
9.5 测试YOLOX
9.6 小结
第10章 YOLOv7
10.1 YOLOv7的主干网络
10.2 YOLOv7的特征金字塔网络
10.3 测试YOLOv7
10.4 小结
第4部分 其他流行的目标检测框架
第11章 DETR
11.1 解读DETR
11.2 实现DETR
11.3 测试DETR检测器
11.4 小结
第12章 YOLOF
12.1 YOLOF解读
12.2 搭建YOLOF
12.3 训练YOLOF检测器
12.4 测试YOLOF检测器
12.5 计算mAP
12.6 小结
第13章 FCOS
13.1 FCOS解读
13.2 搭建FCOS
13.3 测试FCOS检测器
13.4 小结
参考文献
后 记
买过这本书的人还买过
读了这本书的人还在读
同类图书排行榜
购物车
个人中心
