目标检测-YOLO-V4基于PyTorch从零复现（与行人车辆检测实战）百度网盘下载

　　资源目录 ：

　　1-1课程介绍

　　1-2代码与项目介绍

　　2-1图像卷积

　　2-2卷积和步长的巧妙配合

　　2-3人工卷积核产生的效果

　　2-4Yolov4里的卷积例子

　　2-5最大池化操作

　　2-6全连接层讲解

　　2-7卷积神经网络VGG16_01

　　2-8卷积神经网络VGG16_02

　　2-13YOLOV4里的one-hot编码

　　2-14softmax原理和计算

　　2-15sigmod和代替softmax

　　2-16BN操作01

　　2-17BN操作02

　　2-18激活函数原理和作用

　　2-91X1卷积核的用处01

　　2-101X1卷积核的用处02

　　2-111X1卷积核的用处03

　　2-121X1卷积核的用处04(yolo中的1X1预测思想)

　　3-1YOLOV3网络结构回顾01

　　3-2YOLOV3网络结构回顾02

　　3-3YOLOV3网络结构回顾03

　　3-4强大的模型可视化工具netron

　　3-5YOLOV4网络结构backbone

　　3-6YOLOV4网络结构Neck

　　3-7YOLO网格思想

　　3-8先验框anchors原理

　　3-9头部DECODE

　　3-10YOLO头部总结

　　3-11从零写代码backbone构建01

　　3-12从零写代码backbone构建02

　　3-13从零写代码Neck构建01

　　3-14从零写代码Neck构建02

　　3-15从零写代码头部Decode01

　　3-16从零写代码头部Decode02

　　3-17代码解读模型推断部分

　　3-18代码解读使用yolo.cfg解析方式构造网络01

　　3-19代码解读使用yolo.cfg解析方式构造网络02

　　4-1模型训练超参部分讲解

　　4-2训练整体流程

　　4-3模型训练build_target原理解析01

　　4-4模型训练build_target原理解析02

　　4-5模型训练build_target原理解析03

　　4-6损失函数原理解析01

　　4-7损失函数原理解析02

　　4-8从零写代码build_target训练核心函数01

　　4-9从零写代码build_target训练核心函数02

　　4-10从零写代码build_target训练核心函数03

　　4-11从零写代码训练部分基础函数

　　4-12从零写代码CIOU计算

　　4-13从零写代码损失函数计算

　　4-14代码解读基于PyTorch的模型训练01

　　4-15代码解读基于PyTorch的模型训练02

　　4-16代码解读基于PyTorch的模型训练03

　　5-1项目实战总体介绍

　　5-2权重裁剪技巧(模型训练必备知识)

　　5-3代码实战pytorch权重裁剪01

　　5-4代码实战pytorch权重裁剪02

　　5-5代码实战训练数据集制作

　　5-6tensorboardX训练可视化工具使用

　　5-7map和准确召回率计算工具使用

　　5-8项目效果展示

　　5-9YOLOV4调参总结