深度学习之目标检测常用算法原理+实践精讲

《深度学习之目标检测常用算法原理+实践精讲》是一门围绕计算机视觉目标检测技术打造的实战课程，课程从深度学习基础出发，系统讲解目标检测算法的发展历程、核心原理及工程实践，帮助学员深入理解目标检测模型的设计思想，并具备独立完成目标检测项目开发的能力。课程兼顾理论分析与代码实现，适合具有Python基础、深度学习基础以及希望深入学习计算机视觉的开发者、算法工程师和人工智能从业人员学习。

课程内容涵盖目标检测的基本概念、数据集构建、图像预处理、标注格式、评价指标（如Precision、Recall、mAP、IoU）等基础知识，并详细讲解卷积神经网络（CNN）在目标检测中的应用。课程重点分析经典目标检测算法的发展路线，包括R-CNN、Fast R-CNN、Faster R-CNN、Mask R-CNN等两阶段检测算法，以及YOLO系列、SSD、RetinaNet等单阶段检测算法，从网络结构、特征提取、候选框生成、损失函数设计到训练流程进行深入解析，帮助学员理解各类算法之间的区别、优势及适用场景。

在实践部分，课程结合真实数据集，带领学员完成目标检测模型的训练、验证和部署全过程。内容包括数据增强、模型训练参数配置、迁移学习、预训练模型应用、模型调优、推理加速以及检测结果可视化等关键技术，同时讲解如何利用主流深度学习框架构建完整的目标检测项目，提升模型的准确率与推理效率。

课程还介绍了目标检测在智慧安防、自动驾驶、工业质检、无人零售、医学影像、智能交通等多个行业中的典型应用案例，并分析遮挡、小目标检测、复杂背景、多尺度目标、类别不平衡等实际开发过程中常见的问题及优化方案，使学员能够更好地应对真实项目中的技术挑战。

总体而言，《深度学习之目标检测常用算法原理+实践精讲》是一门理论与实践并重的计算机视觉课程，既深入解析了主流目标检测算法的核心原理，又通过完整项目帮助学员掌握模型训练、优化与部署的完整流程。完成课程学习后，学员能够建立系统的目标检测知识体系，具备独立开发目标检测应用的能力，并为进一步学习实例分割、目标跟踪、多目标检测、视觉大模型等更高级的计算机视觉技术打下坚实基础。

课程截图：

课程目录：

📂 298 – 深度学习常用的目标检测算法
├── 📂 课程资料
│ ├── 📂 目标识别思考题
│ │ └── 📂 目标识别思考题
│ │ ├── 9-13.jpg (65.43 KB)
│ │ ├── 8-7.jpg (56.20 KB)
│ │ ├── 7-6.jpg (54.74 KB)
│ │ ├── 6-13.jpg (54.25 KB)
│ │ ├── 5-8.jpg (60.06 KB)
│ │ ├── 4-12.jpg (58.83 KB)
│ │ ├── 3-5.jpg (63.99 KB)
│ │ ├── 2-13.png (21.86 KB)
│ │ ├── 12-7.jpg (34.78 KB)
│ │ ├── 11-4.jpg (35.01 KB)
│ │ └── 10-6.jpg (29.14 KB)
│ ├── 目标识别思考题.zip (395.90 KB)
│ ├── dl_detection_files-master.zip (154.24 KB)
│ └── caffe-ssd-master.zip (118.09 KB)
├── 📂 第9章 文本检测系列算法原理精讲
│ ├── 09-12 其他检测模型方法介绍.mp4 (121.73 MB)
│ ├── 09-11 文本检测常见数据集.mp4 (173.18 MB)
│ ├── 09-10 Textboxes++模型介绍.mp4 (208.26 MB)
│ ├── 09-09 Textboxes讲解.mp4 (152.17 MB)
│ ├── 09-08 PixelLink模型.mp4 (135.18 MB)
│ ├── 09-07 SegLink模型.mp4 (106.14 MB)
│ ├── 09-06 EAST模型.mp4 (75.80 MB)
│ ├── 09-05 DMPNet模型.mp4 (129.77 MB)
│ ├── 09-04 FTSN模型.mp4 (95.38 MB)
│ ├── 09-03 RRPN模型.mp4 (156.20 MB)
│ ├── 09-02 CTPN模型.mp4 (86.62 MB)
│ └── 09-01 文本检测算法原理介绍.mp4 (104.28 MB)
├── 📂 第8章 基于YOLOV3的通用物体检测项目实战
│ ├── 08-06 YoloV3检测模型的测试介绍及编程实例.mp4 (99.79 MB)
│ ├── 08-05 利用DarkNet框架进行YOLOV3模型训练实操.mp4 (123.63 MB)
│ ├── 08-04 DarkNet框架解读及相关配置说明.mp4 (147.21 MB)
│ ├── 08-03 YOLOV3DarkNet框架介绍和环境搭建.mp4 (113.17 MB)
│ ├── 08-02 COCO数据集介绍、标注格式、下载脚本等.mp4 (79.50 MB)
│ └── 08-01 物体检测业务场景综述.mp4 (145.48 MB)
├── 📂 第7章 YOLO系列算法原理精讲
│ ├── 07-05 Yolov3算法.mp4 (87.35 MB)
│ ├── 07-04 Yolo9000算法.mp4 (42.34 MB)
│ ├── 07-03 Yolov2算法（2）.mp4 (95.18 MB)
│ ├── 07-02 Yolov2算法（1）.mp4 (102.77 MB)
│ └── 07-01 Yolov1算法.mp4 (174.68 MB)
├── 📂 第6章 基于Faster RCNN的ADAS场景目标检测项目实战
│ ├── 06-12 自己动手编程实现Faster RCNN模型测试脚本.mp4 (108.67 MB)
│ ├── 06-11 利用Faster RCNN测试脚本进行模型测试.mp4 (52.17 MB)
│ ├── 06-10 Faster RCNN目标检测模型训练及其优化.mp4 (57.01 MB)
│ ├── 06-09 Faster RCNN目标检测框架配置修改实操.mp4 (120.60 MB)
│ ├── 06-08 Faster RCNN目标检测框架训练脚本参数配置介绍.mp4 (119.11 MB)
│ ├── 06-07 Faster RCNN目标检测框架介绍.mp4 (74.59 MB)
│ ├── 06-06 Faster RCNN目标检测环境搭建实操.mp4 (45.26 MB)
│ ├── 06-05 Faster RCNN目标检测模型环境搭建介绍.mp4 (88.34 MB)
│ ├── 06-04 Kitti数据集转VOC格式数据脚本编程实现.mp4 (132.12 MB)
│ ├── 06-03 Kitti数据集类别提取编程实现.mp4 (115.87 MB)
│ ├── 06-02 Kitti数据集介绍、标注格式、下载等.mp4 (84.47 MB)
│ └── 06-01 ADAS业务场景介绍.mp4 (122.57 MB)
├── 📂 第5章 Faster RCNN系列算法原理精讲
│ ├── 05-07 Cascade RCNN、CoupleNet、OHEM、Soft-NMS介绍.mp4 (105.82 MB)
│ ├── 05-06 Light-Head RCNN、Mask-RCNN介绍.mp4 (86.48 MB)
│ ├── 05-05 HyperNet、RFCN介绍.mp4 (103.95 MB)
│ ├── 05-04 Fast rcnn介绍.mp4 (170.99 MB)
│ ├── 05-03 SPPNet介绍.mp4 (84.72 MB)
│ ├── 05-02 RCNN介绍.mp4 (116.51 MB)
│ └── 05-01 Faseter-Rcnn系列介绍.mp4 (53.92 MB)
├── 📂 第4章 基于SSD的人脸检测项目实战
│ ├── 04-11 Caffe-SSD框架测试结果可视化与人脸检测技巧说明.mp4 (91.04 MB)
│ ├── 04-10 Caffe-SSD框架模型测试介绍与脚本编程实现.mp4 (126.19 MB)
│ ├── 04-09 Caffe-SSD框架训练脚本讲解+实操.mp4 (112.67 MB)
│ ├── 04-08 Caffe-SSD框架主干网络脚本讲解+实操.mp4 (72.99 MB)
│ ├── 04-07 Caffe-SSD人脸检测模型训练实操讲解.mp4 (92.24 MB)
│ ├── 04-06 Caffe-SSD框架搭建及训练脚本解读.mp4 (127.97 MB)
│ ├── 04-05 使用Caffe-SSD打包Wider Face为LMDB格式样本实操.mp4 (49.10 MB)
│ ├── 04-04 Wider Face数据集转VOC格式数据集编程实现.mp4 (199.27 MB)
│ ├── 04-03 Wider Face数据集介绍.mp4 (53.86 MB)
│ ├── 04-02 Wider Face数据集介绍、标注格式、下载等.mp4 (122.15 MB)
│ └── 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 (170.13 MB)
├── 📂 第3章 SSD系列算法原理精讲
│ ├── 03-04 FSSD、RSSD算法.mp4 (77.48 MB)
│ ├── 03-03 DSSD、DSOD算法.mp4 (109.61 MB)
│ ├── 03-02 Prior Box Layer、样本构造、损失函数介绍.mp4 (159.28 MB)
│ └── 03-01 SSD系列算法介绍（主干网络、多尺度Feature Map预测）.mp4 (99.94 MB)
├── 📂 第2章 目标检测算法基础介绍
│ ├── 02-12 One-stage与Two-stage优缺点对比.mp4 (42.64 MB)
│ ├── 02-11 One-stage核心组件.mp4 (153.44 MB)
│ ├── 02-10 One-stage基本介绍、流程与常见算法.mp4 (37.36 MB)
│ ├── 02-09 Two-stage核心组件.mp4 (171.67 MB)
│ ├── 02-08 Two-stage基本介绍，流程与常见算法.mp4 (68.33 MB)
│ ├── 02-07 常见传统目标检测方法-Sofe-NMS（非极大值抑制算法）.mp4 (48.14 MB)
│ ├── 02-06 常见传统目标检测方法-DPM（物体检测）.mp4 (53.60 MB)
│ ├── 02-05 常见传统目标检测方法-HOG+SVM（行人检测、Opencv）.mp4 (76.03 MB)
│ ├── 02-04 常见传统目标检测方法-Viola-Jones（人脸检测）.mp4 (72.96 MB)
│ ├── 02-03 传统目标检测方法基本流程.mp4 (45.10 MB)
│ ├── 02-02 目标检测问题方法.mp4 (123.68 MB)
│ └── 02-01 目标检测问题定义.mp4 (98.80 MB)
├── 📂 第13章 课程总结
│ ├── 13-09 课程总结.mp4 (158.72 MB)
│ ├── 13-08 目标检测行业应用现状-文本检测.mp4 (73.99 MB)
│ ├── 13-07 目标检测行业应用现状-ADAS.mp4 (84.21 MB)
│ ├── 13-06 目标检测行业应用现状-人脸检测.mp4 (142.00 MB)
│ ├── 13-05 目标检测常见任务与性能评价指标.mp4 (149.36 MB)
│ ├── 13-04 常见目标检测研究对象与数据集.mp4 (86.11 MB)
│ ├── 13-03 不同目标检测算法的精度对比.mp4 (86.64 MB)
│ ├── 13-02 不同目标检测算法的优缺点对比.mp4 (104.34 MB)
│ └── 13-01 one-stage vs two-stage.mp4 (107.70 MB)
├── 📂 第12章 基于人脸检测+关键点定位的多任务网络项目实战
│ ├── 12-6 MTCNN模型（PNet、RNet、ONet）测试实操.mp4 (73.49 MB)
│ ├── 12-5 MTCNN模型训练（PNet、RNet、ONet）实操.mp4 (128.96 MB)
│ ├── 12-4 MTCNN模型训练介绍.mp4 (28.95 MB)
│ ├── 12-3 MTCNN数据打包（PNet、RNet、ONet）实操（2）.mp4 (112.04 MB)
│ ├── 12-2 MTCNN数据打包（PNet、RNet、ONet）实操（1）.mp4 (121.71 MB)
│ └── 12-1 MTCNN环境配置、框架解读、数据打包.mp4 (152.12 MB)
├── 📂 第11章 多任务网络原理介绍
│ ├── 11-3 人脸检测+关键点多任务网络数据集介绍.mp4 (44.90 MB)
│ ├── 11-2 人脸检测+关键点多任务网络模型MTCNN介绍.mp4 (41.64 MB)
│ └── 11-1 多任务网络业务场景综述.mp4 (63.48 MB)
└── 📂 第10章 基于EAST的自然场景文本检测项目实战
├── 10-05 EAST文本检测模型测试脚本编程实例.mp4 (76.82 MB)
├── 10-04 EAST文本检测框架解读与训练实操.mp4 (133.60 MB)
├── 10-03 EAST文本检测框架环境搭建.mp4 (73.97 MB)
├── 10-02 ICDAR数据集介绍、标注格式、下载等.mp4 (89.75 MB)
└── 10-01 自然场景下文本检测业务场景综述.mp4 (125.91 MB)