最近更新:
分类: 目标检测教程
AI 教程网络
专题导读
文章分组
基础、实践、扩展三个阶段,按文章顺序排列。
图文教程
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「目标检测的定义 -> 应用场景 -> 图像输入 -> 候选区域」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「图像分类与目标检测的基本概念 -> 图像分类 -> 目标检测 -> 关键区别」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「图像处理基础 -> 图像的概念 -> 图像的表示 -> 图像预处理」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「COCO数据集 -> 例子 -> 下载与使用 -> PASCAL VOC」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「R-CNN 概述 -> 算法步骤详解 -> R-CNN 的优缺点 -> 图像输入」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「YOLO的基本概念 -> YOLO的工作原理 -> YOLO系列演变 -> YOLOv3详细介绍」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「SSD算法概述 -> SSD的工作原理 -> SSD架构示意图 -> 关键技术」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「数据预处理的重要性 -> 数据清洗 -> 示例代码 -> 数据增强」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「模型选择的原则 -> 常见的目标检测模型 -> 模型配置的注意事项 -> 输入参数设置」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「训练参数的定义 -> 学习率 -> 批量大小 -> 迭代周期」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「评估指标概述 -> 精确度 -> 召回率 -> 平均精度」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「什么是精确度与召回率? -> 精确度 -> 召回率 -> 精确度与召回率的关系」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「mAP 概述 -> AP 的计算步骤 -> 示例代码 -> mAP 的应用案例」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「自动驾驶中的目标检测任务 -> 行人检测 -> 交通标志识别 -> 车辆检测与追踪」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「目标检测技术概述 -> 安防监控中的应用实例 -> 人员检测与行为分析 -> 道路监控与交通管理」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「自监督学习 -> 轻量化模型 -> 应用实例 -> 跨域学习」建立结构,再回到正文里的代码、案例或指标做验证。
目标检测的关键是同时完成识别和定位,评估时要看类别、位置和真实场景错例。阅读时可以按「多任务学习的基本概念 -> 公式概述 -> 多任务学习与目标检测的结合 -> 案例分析:Faster R-CNN」建立结构,再回到正文里的代码、案例或指标做验证。