课程介绍

深度学习常用的目标检测算法包括以下几种：

  1. R-CNN系列算法：包括R-CNN、Fast R-CNN、Faster R-CNN。R-CNN是一种基于区域提取的算法，通过选择性搜索提取候选区域，并对每个候选区域进行卷积特征提取和分类。Fast R-CNN在R-CNN的基础上，将整个图像输入网络，共享卷积特征提取，提高了检测速度。Faster R-CNN进一步引入了区域生成网络（Region Proposal Network，RPN），将候选区域的生成和分类统一在一个网络中，提高了检测的准确性和速度。

  2. YOLO系列算法：包括YOLO、YOLOv2、YOLOv3。YOLO（You Only Look Once）是一种实时目标检测算法，通过将图像划分为网格，每个网格预测固定数量和类别的边界框，并同时预测类别概率。YOLOv2在YOLO的基础上引入了多尺度预测和锚框机制，提高了小目标的检测效果。YOLOv3进一步改进了YOLOv2的网络结构，引入了FPN（Feature Pyramid Network）和多尺度预测等技术，提高了检测的准确性和速度。

  3. SSD（Single Shot MultiBox Detector）：SSD是一种单阶段的目标检测算法，通过在不同尺度的特征图上预测不同大小和宽高比的边界框，并同时预测类别概率，实现目标检测。SSD通过多尺度特征融合和多尺度预测，提高了小目标的检测效果。

  4. RetinaNet：RetinaNet是一种基于特征金字塔网络（Feature Pyramid Network，FPN）和Focal Loss的目标检测算法。FPN用于提取不同尺度的特征图，Focal Loss用于解决目标检测中正负样本不平衡的问题。RetinaNet通过使用FPN和Focal Loss，实现了高效的多尺度目标检测。

这些目标检测算法在实际应用中具有不同的特点和适用场景，选择合适的算法需要根据具体的需求和应用场景进行综合考虑。

课程目录

/【imooc-298】深度学习常用的目标检测算法-499元-完结—-深度学习常用的目标检测算法/
│├─(全)深度学习之目标检测常用算法原理+实践精讲-2018年M课网
│├─视频
│├─资料
(全)深度学习之目标检测常用算法原理+实践精讲/
│├─第1章课程介绍请到官网试看.txt 47byte
│├─第2章 目标检测算法基础介绍.zip 740.9MB
│├─第3章 SSD系列算法原理精讲.zip 377MB
│├─第4章 基于SSD的人脸检测项目实战.zip 1.5GB
│├─第5章 Faster RCNN系列算法原理精讲.zip 736.8MB
│├─第6章 基于Faster RCNN的ADAS场景目标检测项目实战.zip 1.5GB
│├─第7章 YOLO系列算法原理精讲.zip 490.4MB
│├─第8章 基于YOLOV3的通用物体检测项目实战.zip 904.1MB
│├─第9章 文本检测系列算法原理精讲.zip 1.6GB
│├─第10章 基于EAST的自然场景文本检测项目实战.zip 680.2MB
│├─第11章 多任务网络原理介绍.zip 134MB
│├─第12章 基于人脸检测+关键点定位的多任务网络项目实战.zip 880.7MB
│├─第13章 课程总结.zip 881.9MB
│├─资料.zip 670.1KB
视频/
│├─02-01 目标检测问题定义.mp4 98.8MB
│├─02-02 目标检测问题方法.mp4 123.7MB
│├─02-03 传统目标检测方法基本流程.mp4 45.1MB
│├─02-04 常见传统目标检测方法-Viola-Jones（人脸检测）.mp4 73MB
│├─02-05 常见传统目标检测方法-HOG+SVM（行人检测、Opencv）.mp4 76MB
│├─02-06 常见传统目标检测方法-DPM（物体检测）.mp4 53.6MB
│├─02-07 常见传统目标检测方法-Sofe-NMS（非极大值抑制算法）.mp4 48.1MB
│├─02-08 Two-stage基本介绍，流程与常见算法.mp4 68.3MB
│├─02-09 Two-stage核心组件.mp4 171.7MB
│├─02-10 One-stage基本介绍、流程与常见算法.mp4 37.4MB
│├─02-11 One-stage核心组件.mp4 153.4MB
│├─02-12 One-stage与Two-stage优缺点对比.mp4 42.6MB
│├─03-01 SSD系列算法介绍（主干网络、多尺度Feature Map预测）.mp4 99.9MB
│├─03-02 Prior Box Layer、样本构造、损失函数介绍.mp4 159.3MB
│├─03-03 DSSD、DSOD算法.mp4 109.6MB
│├─03-04 FSSD、RSSD算法.mp4 77.5MB
│├─04-01 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）.mp4 170.1MB
│├─04-02 Wider Face数据集介绍、标注格式、下载等.mp4 122.2MB
│├─04-03 Wider Face数据集介绍.mp4 53.9MB
│├─04-04 Wider Face数据集转VOC格式数据集编程实现.mp4 199.3MB
│├─04-05 使用Caffe-SSD打包Wider Face为LMDB格式样本实操.mp4 49.1MB
│├─04-06 Caffe-SSD框架搭建及训练脚本解读.mp4 128MB
│├─04-07 Caffe-SSD人脸检测模型训练实操讲解.mp4 92.2MB
│├─04-08 Caffe-SSD框架主干网络脚本讲解+实操.mp4 73MB
│├─04-09 Caffe-SSD框架训练脚本讲解+实操.mp4 112.7MB
│├─04-10 Caffe-SSD框架模型测试介绍与脚本编程实现.mp4 126.2MB
│├─04-11 Caffe-SSD框架测试结果可视化与人脸检测技巧说明.mp4 91MB
│├─05-01 Faseter-Rcnn系列介绍.mp4 53.9MB
│├─05-02 RCNN介绍.mp4 116.5MB
│├─05-03 SPPNet介绍.mp4 84.7MB
│├─05-04 Fast rcnn介绍.mp4 171MB
│├─05-05 HyperNet、RFCN介绍.mp4 103.9MB
│├─05-06 Light-Head RCNN、Mask-RCNN介绍.mp4 86.5MB
│├─05-07 CasCADe RCNN、CoupleNet、OHEM、Soft-NMS介绍.mp4 105.8MB
│├─06-01 ADAS业务场景介绍.mp4 122.6MB
│├─06-02 Kitti数据集介绍、标注格式、下载等.mp4 84.5MB
│├─06-03 Kitti数据集类别提取编程实现.mp4 115.9MB
│├─06-04 Kitti数据集转VOC格式数据脚本编程实现.mp4 132.1MB
│├─06-05 Faster RCNN目标检测模型环境搭建介绍.mp4 88.3MB
│├─06-06 Faster RCNN目标检测环境搭建实操.mp4 45.3MB
│├─06-07 Faster RCNN目标检测框架介绍.mp4 74.6MB
│├─06-08 Faster RCNN目标检测框架训练脚本参数配置介绍.mp4 119.1MB
│├─06-09 Faster RCNN目标检测框架配置修改实操.mp4 120.6MB
│├─06-10 Faster RCNN目标检测模型训练及其优化.mp4 57MB
│├─06-11 利用Faster RCNN测试脚本进行模型测试.mp4 52.2MB
│├─06-12 自己动手编程实现Faster RCNN模型测试脚本.mp4 108.7MB
│├─07-01 Yolov1算法.mp4 174.7MB
│├─07-02 Yolov2算法（1）.mp4 102.8MB
│├─07-03 Yolov2算法（2）.mp4 95.2MB
│├─07-04 Yolo9000算法.mp4 42.3MB
│├─07-05 Yolov3算法.mp4 87.4MB
│├─08-01 物体检测业务场景综述.mp4 145.5MB
│├─08-02 COCO数据集介绍、标注格式、下载脚本等.mp4 79.5MB
│├─08-03 YOLOV3DarkNet框架介绍和环境搭建.mp4 113.2MB
│├─08-04 DarkNet框架解读及相关配置说明.mp4 147.2MB
│├─08-05 利用DarkNet框架进行YOLOV3模型训练实操.mp4 123.6MB
│├─08-06 YoloV3检测模型的测试介绍及编程实例.mp4 99.8MB
│├─09-01 文本检测算法原理介绍.mp4 104.3MB
│├─09-02 CTPN模型.mp4 86.6MB
│├─09-03 RRPN模型.mp4 156.2MB
│├─09-04 FTSN模型.mp4 95.4MB
│├─09-05 DMPNet模型.mp4 129.8MB
│├─09-06 EAST模型.mp4 75.8MB
│├─09-07 SegLink模型.mp4 106.1MB
│├─09-08 PixelLink模型.mp4 135.2MB
│├─09-09 Textboxes讲解.mp4 152.2MB
│├─09-10 Textboxes++模型介绍.mp4 208.3MB
│├─09-11 文本检测常见数据集.mp4 173.2MB
│├─09-12 其他检测模型方法介绍.mp4 121.7MB
│├─10-01 自然场景下文本检测业务场景综述.mp4 125.9MB
│├─10-02 ICDAR数据集介绍、标注格式、下载等.mp4 89.8MB
│├─10-03 EAST文本检测框架环境搭建.mp4 74MB
│├─10-04 EAST文本检测框架解读与训练实操.mp4 133.6MB
│├─10-05 EAST文本检测模型测试脚本编程实例.mp4 76.8MB
│├─11-1 多任务网络业务场景综述.mp4 63.5MB
│├─11-2 人脸检测+关键点多任务网络模型MTCNN介绍.mp4 41.6MB
│├─11-3 人脸检测+关键点多任务网络数据集介绍.mp4 44.9MB
│├─12-1 MTCNN环境配置、框架解读、数据打包.mp4 152.1MB
│├─12-2 MTCNN数据打包（PNet、RNet、ONet）实操（1）.mp4 121.7MB
│├─12-3 MTCNN数据打包（PNet、RNet、ONet）实操（2）.mp4 112MB
│├─12-4 MTCNN模型训练介绍.mp4 29MB
│├─12-5 MTCNN模型训练（PNet、RNet、ONet）实操.mp4 129MB
│├─12-6 MTCNN模型（PNet、RNet、ONet）测试实操.mp4 73.5MB
│├─13-01 one-stage vs two-stage.mp4 107.7MB
│├─13-02 不同目标检测算法的优缺点对比.mp4 104.3MB
│├─13-03 不同目标检测算法的精度对比.mp4 86.6MB
│├─13-04 常见目标检测研究对象与数据集.mp4 86.1MB
│├─13-05 目标检测常见任务与性能评价指标.mp4 149.4MB
│├─13-06 目标检测行业应用现状-人脸检测.mp4 142MB
│├─13-07 目标检测行业应用现状-ADAS.mp4 84.2MB
│├─13-08 目标检测行业应用现状-文本检测.mp4 74MB
│├─13-09 课程总结.mp4 158.7MB
资料/
│├─caffe-ssd-master.zip 118.1KB
│├─dl_detection_files-master.zip 154.2KB
│├─目标识别思考题
│├─目标识别思考题.zip 395.9KB
│目标识别思考题/
││├─目标识别思考题
││目标识别思考题/
│││├─10-6.jpg 29.1KB
│││├─11-4.jpg 35KB
│││├─12-7.jpg 34.8KB
│││├─2-13.png 21.9KB
│││├─3-5.jpg 64KB
│││├─4-12.jpg 58.8KB
│││├─5-8.jpg 60.1KB
│││├─6-13.jpg 54.2KB
│││├─7-6.jpg 54.7KB
│││├─8-7.jpg 56.2KB
│││├─9-13.jpg 65.4KB