YOLO目標檢測 楊建華 李瑞峰 9787115627094 【台灣高等教育出版社】
圖書均為代購，正常情形下，訂後約兩周可抵台。
物品所在地：中國大陸
原出版社：人民郵電
物品所在地：中國大陸
原出版社：人民郵電
NT$635
商品編號:
供貨狀況:
尚有庫存
加入最愛
此商品 「 最高 」可以折抵紅利
0
點
(約等於 NT$0 )
商品介紹
| *數量非實際在台庫存 *完成訂單後正常情形下約兩周可抵台。 *本賣場提供之資訊僅供參考，以到貨標的為實際資訊。 印行年月：202312*若逾兩年請先於私訊洽詢存貨情況，謝謝。 台灣(台北市)在地出版社，每筆交易均開具統一發票，祝您中獎最高1000萬元。 書名：YOLO目標檢測 ISBN：9787115627094 出版社：人民郵電 著編譯者：楊建華 李瑞峰 頁數：272 所在地：中國大陸 *此為代購商品 書號：1596258 可大量預訂，請先連絡。 內容簡介 本書主要介紹基於視覺的YOLO框架的技術原理和代碼實現，並講解目標檢測領域中的諸多基礎概念和基本原理，在YOLO框架的基礎上介紹流行目標檢測框架。本書分為4個部分，共13章。第1部分介紹目標檢測領域的發展簡史、主流的目標檢測框架和該領域常用的數據集。第2部分詳細講解從YOLOv1到YOLOv4這四代YOLO框架的網路結構、檢測原理和訓練策略，以及搭建和訓練的YOLO框架的代碼實現。第3部分介紹兩個較新的YOLO框架——YOLOX和YOLOv7，著重講解其設計理念、網路結構和檢測原理。第4部分介紹DETR、YOLOF和FCOS在內的流行目標檢測框架和相應的代碼實現。本書側重目標檢測的基礎知識，包含豐富的實踐內容，是目標檢測領域的入門書，適合對目標檢測領域感興趣的初學者、演算法工程師、軟體工程師等人員學習和閱讀。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ID：Kissrabbit）。目錄 第1部分 背景知識第1章 目標檢測架構淺析 1 1 目標檢測發展簡史 1 2 目標檢測網路框架概述 1 3 目標檢測網路框架淺析 1 3 1 主幹網路 1 3 2 頸部網路 1 3 3 檢測頭 1 4 小結 第2章 常用的數據集 2 1 PASCALVOC數據集 2 2 MSCOCO數據集 2 3 小結 第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 3 1 邊界框的位置參數tx、ty、w、h 3 3 2 邊界框的置信度 3 3 3 類別置信度 3 4 YOLOv1的損失函數 3 5 YOLOv1的前向推理 3 6 小結 第4章 搭建YOLOv1網路 4 1 改進YOLOv1 4 1 1 改進主幹網路 4 1 2 添加一個頸部網路 4 1 3 修改檢測頭 4 1 4 修改預測層 4 1 5 修改損失函數 4 2 搭建YOLOv1網路 4 2 1 搭建主幹網路 4 2 2 搭建頸部網路 4 2 3 搭建檢測頭 4 2 4 YOLOv1前向推理 4 3 YOLOv1的后處理 4 3 1 求解預測邊界框的坐標 4 3 2 后處理 4 4 小結 第5章 訓練YOLOv1網路 5 1 讀取VOC數據 5 2 數據預處理 5 2 1 基礎變換 5 2 2 數據增強 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 可視化檢測結果 5 7 使用COCO數據集(選讀) 5 8 小結 第6章 YOLOv2 6 1 YOLOv2詳解 6 1 1 引入批歸一化層 6 1 2 高解析度主幹網路 6 1 3 先驗框機制 6 1 4 全卷積網路與先驗框機制 6 1 5 使用新的主幹網路 6 1 6 基於k均值聚類演算法的先驗框聚類 6 1 7 融合高解析度特徵圖 6 1 8 多尺度訓練策略 6 2 搭建YOLOv2網路 6 2 1 搭建DarkNet-19網路 6 2 2 先驗框 6 2 3 搭建預測層 6 2 4 YOLOv2的前向推理 6 3 基於k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 4 1 基於先驗框的正樣本匹配策略 6 4 2 正樣本匹配的代碼 6 5 損失函數 6 6 訓練YOLOv2網路 6 7 可視化檢測結果與計算mAP 6 8 使用COCO數據集（選讀） 6 9 小結 第7章 YOLOv3 7 1 YOLOv3解讀 7 1 1 更好的主幹網路：DarkNet-53 7 1 2 多級檢測與特徵金字塔 7 1 3 修改損失函數 7 2 搭建YOLOv3網路 7 2 1 搭建DarkNet-53網路 7 2 2 搭建頸部網路 7 2 3 搭建解耦檢測頭 7 2 4 多尺度的先驗框 7 2 5 YOLOv3的前向推理 7 3 正樣本匹配策略 7 4 損失函數 7 5 數據預處理 7 5 1 保留長寬比的resize操作 7 5 2 馬賽克增強 7 5 3 混合增強 7 6 訓練YOLOv3 7 7 測試YOLOv3 7 8 小結 第8章 YOLOv4 8 1 YOLOv4解讀 8 1 1 新的主幹網路：CSPDarkNet-53網路 8 1 2 新的特徵金字塔網路：PaFPN 8 1 3 新的數據增強：馬賽克增強 8 1 4 改進邊界框的解算公式 8 1 5 multianchor策略 8 1 6 改進邊界框的回歸損失函數 8 2 搭建YOLOv4網路 8 2 1 搭建CSPDarkNet-53網路 8 2 2 搭建基於CSP結構的SPP模塊 8 2 3 搭建PaFPN結構 8 3 製作訓練正樣本 8 4 測試YOLOv 8 5 小結 第3部分 最新的YOLO框架 第9章 YOLOX 9 1 解讀YOLOX3 9 1 1 baseline的選擇：YOLOv 9 1 2 訓練baseline模型 9 1 3 改進一：解耦檢測頭 9 1 4 改進二：更強大的數據增強 9 1 5 改進三：anchor-free機制 9 1 6 改進四：多正樣本 9 1 7 改進五：SimOTA 9 2 搭建YOLOX網路 9 2 1 搭建CSPDarkNet-53網路 9 2 2 搭建PaFPN結構 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的主幹網路 10 2 YOLOv7的特徵金字塔網路 10 3 測試YOLOv 10 4 小結 第4部分 其他流行的目標檢測框架 第11章 DETR 11 1 解讀DETR 11 1 1 主幹網路 11 1 2 Transformer的編碼器 11 1 3 Transformer的解碼器 11 2 實現DETR 11 2 1 DETR網路 11 2 2 數據預處理 11 2 3 正樣本匹配：Hungarian Matcher 11 2 4 損失函數 11 3 測試DETR檢測器 11 4 小結 第12章 YOLOF 12 1 YOLOF解讀 12 1 1 YOLOF的網路結構 12 1 2 新的正樣本 詳細資料或其他書籍請至台灣高等教育出版社查詢，查後請於PChome商店街私訊告知ISBN或書號，我們即儘速上架。 |
