深度学习之商品物体检测项目实战

体系课

0 人浏览发布 2026-06-09更新 2026-06-09

从目标检测算法出发，对各个算法进行细致讲解，并讲解数据集标记与处理的相关内容，以实战项目“商品物体检测”为例，学习整个项目的架构设计及整个项目的开发流程。学完本

* 第一章图片商品物体检测项目第一阶段-检测算法原理/

* 目标检测概述/

* 01_课程要求以及目标

* 02_项目演示结果

* 03_项目结构以及课程安排

* 04_图像识别背景

* 05_目标检测的定义和技术历史

* 06_目标检测应用场景

* 07_目标检测算法原理铺垫

* 08_目标检测任务描述

* RCNN原理/

* 01_Overfeat模型

* 02_RCNN：步骤流程介绍

* 03_RCNN：候选区域以及特征提取

* 04_RCNN：SVM分类器

* 05_RCNN：非极大抑制（NMS）

* 06_RCNN：候选区域修正

* 07_RCNN：训练过程与测试过程介绍

* 08_RCNN：总结、优缺点与问题自测

* SPPNet原理/

* 01_SPPNet：与RCNN的区别、网络流程

* 02_SPPNet：映射

* 03_SPPNet：SPP层的作用

* 04_SPPNet：总结、优缺点与问题自测

* FastRCNN原理/

* 01_FastRCNN：改进之处以及网络流程

* 02_FastRCNN：RoI pooling结构以及SPP对比

* 03_FastRCNN：多任务损失

* 04_FastRCNN：总结与问题自测

* FasterRCNN原理/

* 01_FasterRCNN：网络结构与步骤

* 02_FasterRCNN：RPN网络的原理

* 03_FasterRCNN：总结与问题自测

* YOLO原理/

* 01_YOLO：算法特点与流程介绍

* 02_YOLO：单元格原理过程

* 03_YOLO：训练过程样本标记

* 04_YOLO：总结

* SSD原理/

* 01_SSD：网络结构与Detected结构

* 02_SSD：localization与confidence

* 03_SSD：训练与测试流程总结

* 04_TensorflowSSD接口介绍

* 05_第一阶段算法总结

* 第二章图片商品物体检测项目第二阶段-数据集制作与处理/

* 数据集标记/

* 01_目标检测数据集介绍

* 02_商品数据集标记

* 数据集格式转换/

* 01_数据集格式转换介绍

* 02_格式转换：代码介绍

* 03_格式转换：文件读取以及存储逻辑

* 04_格式转换：图片数据以及XML读取

* 05_格式转换：example封装、总结

* TFRecords读取/

* 01_slim库介绍

* 02_TFRecord读取：Dataset准备

* 03_TFRecord读取：provider读取

* 04_第二阶段总结

* 第三章图片商品物体检测项目第三阶段-项目实现与部署/

* 项目架构/

* 01_项目架构设计

* 02_训练与测试整体结构设计

* 数据接口实现/

* 01_数据接口：商品格式转换实现

* 02_数据接口：读取数据接口设计以及基类如何定义

* 03_数据接口：商品数据读取子类实现

* 04_数据接口：数据读取工厂逻辑实现

* 05_数据接口：代码运行与数据模块总结

* 模型接口实现/

* 01_模型接口：接口设置以及模型工厂代码

* 预处理接口实现/

* 01_预处理接口：预处理需求介绍、数据增强介绍

* 02_预处理接口：预处理工厂代码

* 03_预处理接口：预处理工厂代码参数错误调整

* 04_数据接口、模型接口、预处理接口参数总结

* 训练过程实现/

* 01_训练：训练步骤与设备部署介绍

* 02_训练：model_deploy介绍

* 03_训练：训练运行结果显示与初始配置确定

* 04_训练：1设备配置代码以及全局步数定义

* 05_训练：2图片数据读取与处理逻辑介绍

* 06_训练：2数据模块与网络模型获取结果

* 07_训练：2网络参数修改、provider获取数据、预处理

* 08_训练：2NHWC和NCHW介绍

* 09_训练：2对anchors进行正负样本标记

* 10_训练：2批处理获取以及数据形状变换

* 11_训练：2队列设置

* 12_训练：3复制模型、添加参数观察与4添加学习率和优化器

* 13_训练：5总损失计算与变量平均梯度计算6训练配置

* 14_训练：训练流程总结

* 测试过程实现/

* 01_测试：测试流程介绍、代码

* 02_测试：图片输入、结果标记代码

* 模型部署介绍/

* 01_web服务与模型部署流程关系介绍

* 02_本地TensorFlow Serving演示以及逻辑介绍

* 导出模型/

* 01_模型导出：模型输入输出定义

* 02_模型导出：Savedmodel导出模型

* 开启模型服务/

* 01_开启模型服务

* TFServing客户端/

* 01_Tensorflow serving client逻辑

* 02_Client：用户输入图片处理

* 03_Client：grpc与serving apis介绍

* 04_Client：客户端建立连接获取结果代码

* 05_Client：结果解析

* 06_Client：结果标记返回

* 服务器部署/

* 01_服务器部署：服务器部署的代码文件需求、服务开启

* 02_项目总结

深度学习之商品物体检测项目实战

体系课

0 人浏览发布 2026-06-09更新 2026-06-09

* 第一章图片商品物体检测项目第一阶段-检测算法原理/

* 目标检测概述/

* 01_课程要求以及目标

* 02_项目演示结果

* 03_项目结构以及课程安排

* 04_图像识别背景

* 05_目标检测的定义和技术历史

* 06_目标检测应用场景

* 07_目标检测算法原理铺垫

* 08_目标检测任务描述

* RCNN原理/

* 01_Overfeat模型

* 02_RCNN：步骤流程介绍

* 03_RCNN：候选区域以及特征提取

* 04_RCNN：SVM分类器

* 05_RCNN：非极大抑制（NMS）

* 06_RCNN：候选区域修正

* 07_RCNN：训练过程与测试过程介绍

* 08_RCNN：总结、优缺点与问题自测

* SPPNet原理/

* 01_SPPNet：与RCNN的区别、网络流程

* 02_SPPNet：映射

* 03_SPPNet：SPP层的作用

* 04_SPPNet：总结、优缺点与问题自测

* FastRCNN原理/

* 01_FastRCNN：改进之处以及网络流程

* 02_FastRCNN：RoI pooling结构以及SPP对比

* 03_FastRCNN：多任务损失

* 04_FastRCNN：总结与问题自测

* FasterRCNN原理/

* 01_FasterRCNN：网络结构与步骤

* 02_FasterRCNN：RPN网络的原理

* 03_FasterRCNN：总结与问题自测

* YOLO原理/

* 01_YOLO：算法特点与流程介绍

* 02_YOLO：单元格原理过程

* 03_YOLO：训练过程样本标记

* 04_YOLO：总结

* SSD原理/

* 01_SSD：网络结构与Detected结构

* 02_SSD：localization与confidence

* 03_SSD：训练与测试流程总结

* 04_TensorflowSSD接口介绍

* 05_第一阶段算法总结

* 第二章图片商品物体检测项目第二阶段-数据集制作与处理/

* 数据集标记/

* 01_目标检测数据集介绍

* 02_商品数据集标记

* 数据集格式转换/

* 01_数据集格式转换介绍

* 02_格式转换：代码介绍

* 03_格式转换：文件读取以及存储逻辑

* 04_格式转换：图片数据以及XML读取

* 05_格式转换：example封装、总结

* TFRecords读取/

* 01_slim库介绍

* 02_TFRecord读取：Dataset准备

* 03_TFRecord读取：provider读取

* 04_第二阶段总结

* 第三章图片商品物体检测项目第三阶段-项目实现与部署/

* 项目架构/

* 01_项目架构设计

* 02_训练与测试整体结构设计

* 数据接口实现/

* 01_数据接口：商品格式转换实现

* 02_数据接口：读取数据接口设计以及基类如何定义

* 03_数据接口：商品数据读取子类实现

* 04_数据接口：数据读取工厂逻辑实现

* 05_数据接口：代码运行与数据模块总结

* 模型接口实现/

* 01_模型接口：接口设置以及模型工厂代码

* 预处理接口实现/

* 01_预处理接口：预处理需求介绍、数据增强介绍

* 02_预处理接口：预处理工厂代码

* 03_预处理接口：预处理工厂代码参数错误调整

* 04_数据接口、模型接口、预处理接口参数总结

* 训练过程实现/

* 01_训练：训练步骤与设备部署介绍

* 02_训练：model_deploy介绍

* 03_训练：训练运行结果显示与初始配置确定

* 04_训练：1设备配置代码以及全局步数定义

* 05_训练：2图片数据读取与处理逻辑介绍

* 06_训练：2数据模块与网络模型获取结果

* 07_训练：2网络参数修改、provider获取数据、预处理

* 08_训练：2NHWC和NCHW介绍

* 09_训练：2对anchors进行正负样本标记

* 10_训练：2批处理获取以及数据形状变换

* 11_训练：2队列设置

* 12_训练：3复制模型、添加参数观察与4添加学习率和优化器

* 13_训练：5总损失计算与变量平均梯度计算6训练配置

* 14_训练：训练流程总结

* 测试过程实现/

* 01_测试：测试流程介绍、代码

* 02_测试：图片输入、结果标记代码

* 模型部署介绍/

* 01_web服务与模型部署流程关系介绍

* 02_本地TensorFlow Serving演示以及逻辑介绍

* 导出模型/

* 01_模型导出：模型输入输出定义

* 02_模型导出：Savedmodel导出模型

* 开启模型服务/

* 01_开启模型服务

* TFServing客户端/

* 01_Tensorflow serving client逻辑

* 02_Client：用户输入图片处理

* 03_Client：grpc与serving apis介绍

* 04_Client：客户端建立连接获取结果代码

* 05_Client：结果解析

* 06_Client：结果标记返回

* 服务器部署/

* 01_服务器部署：服务器部署的代码文件需求、服务开启

* 02_项目总结