目标检测算法原理与实战应用
这门课聚焦于目标检测领域中的主流算法，通过 YOLO、Faster RCNN、SSD 及文本检测等案例，解析其核心原理与工程实现。课程重点解决工作中常见的模型训练、测试及数据预处理问题，适合需要系统掌握目标检测技术的学员。特别是对模型架构设计、特征提取和后处理环节的讲解，能帮助学员理解不同算法的适用场景和性能差异，例如 YOLO 的实时性优势、Faster RCNN 的精度表现等。通过人脸检测、车辆识别等实际项目演练，学员可以熟悉从数据标注到模型部署的全流程。
基础要求与学习路径
适合具备 Linux 操作基础、机器学习与深度学习理论的学员，优先推荐有 Caffe 或 TensorFlow 框架使用经验的用户。课程资料包含算法伪代码解析和工程代码片段，建议先学习 YOLO 的基础实现部分，掌握单阶段检测框架；随后通过 Faster RCNN 了解双阶段检测的精度优化方法；最后结合 SSD 和文本检测案例，拓展对多尺度特征融合与回退检测机制的理解。资料中附带的数据处理脚本和预训练模型可用于快速验证算法效果，配合课后练习题巩固模型调优技巧。
实践能力与资料配合
学完后，学员能够独立完成简单场景下的目标检测模型训练与部署，包括数据格式转换、超参数设置、性能评估等环节。资料中的工程模板基于 PyTorch 框架，但提供了可移植的抽象层代码，方便其他框架的适配。建议结合课程中的项目案例进行实践，例如使用提供的数据集搭建行人车辆检测模型，通过修改锚框配置或特征金字塔结构对比算法差异。每节的代码示例均包含单元测试，可直接运行验证结果，资料还收录了常见问题排查指南，有助于应对训练过程中的梯度消失、过拟合等技术挑战。
课程目录
： 第1章 课程介绍 试看 1 节 | 23分钟 本章节主要介绍课程的主要内容、核心知识点、课程涉及到的应用案例、深度学习算法设计通用流程、适应人群、学习本门课程的前置条件、学习后达到的效果等，帮助大家从整体上了解本门课程的整体脉络。 视频： 1-1 课程导学 (22:58) 试看 第2章 目标检测算法基础介绍 13 节 | 122分钟 本章节主要介绍目标检测算法的基本概念、传统的目标检测算法、目前深度学习目标检测主流方法（one-stage、two-stage、多任务网络）、相关算法的基本流程、算法性能的评价指标、不同算法的优缺点和性能比较等，并结合实际的应用场景和案例来介绍目标检测算法的重要性和实用性。… 视频： 2-1 目标检测问题定义 (12:10) 视频： 2-2 目标检测问题方法 (15:11) 视频： 2-3 传统目标检测方法基本流程 (05:33) 视频： 2-4 常见传统目标检测方法-Viola-Jones（人脸检测） (08:58) 视频： 2-5 常见传统目标检测方法-HOG+SVM（行人检测、Opencv） (09:21) 视频： 2-6 常见传统目标检测方法-DPM（物体检测） (06:34) 视频： 2-7 常见传统目标检测方法-Sofe-NMS（非极大值抑制算法） (05:54) 视频： 2-8 Two-stage基本介绍，流程与常见算法 (08:25) 视频： 2-9 Two-stage核心组件 (21:06) 视频： 2- 10 One-stage基本介绍、流程与常见算法 (04:36) 视频： 2- 11 One-stage核心组件 (18:52) 视频： 2- 12 One-stage与Two-stage优缺点对比 (05:14) 作业： 2- 13 【讨论题】如何理解目标检测中的度量指标？ 第3章 SSD系列算法原理精讲 试看 5 节 | 55分钟 本章节主要针对SSD系列目标检测算法原理进行介绍，其中涉及到了one-stage目标检测算法流程，SSD及其变种网络（DSSD、DSOD、FSSD、RSSD等）的核心思想、主干网络设计思想、框架结构、Default box、Prior box、样本构造、数据增强、损失函数，对比不同算法优缺点以及介绍算法应用场景等。… 视频： 3-1 SSD系列算法介绍（主干网络、多尺度Feature Map预测） (12:18) 试看 视频： 3-2 Prior Box Layer、样本构造、损失函数介绍 (19:34) 视频： 3-3 DSSD、DSOD算法 (13:29) 视频： 3-4 FSSD、RSSD算法 (09:29) 图文： 3-5 思考题 第4章 基于SSD的人脸检测项目实战 试看 12 节 | 150分钟 本章节以人脸检测实际业务场景为例，利用SSD来解决人脸检测问题，涉及到了Wider Face数据集介绍、VOC数据集格式、打包、SSD框架解读、环境搭建、SSD-Face人脸检测模型训练、测试等内容，帮助大家从实际案例的角度出发，快速入门SSD算法框架的实战项目。… 视频： 4-1 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） (20:54) 视频： 4-2 Wider Face数据集介绍、标注格式、下载等 (15:01) 视频： 4-3 Wider Face数据集介绍 (06:36) 视频： 4-4 Wider Face数据集转VOC格式数据集编程实现 (24:29) 视频： 4-5 使用Caffe-SSD打包Wider Face为LMDB格式样本实操 (06:01) 视频： 4-6 Caffe-SSD框架搭建及训练脚本解读 (15:45) 视频： 4-7 Caffe-SSD人脸检测模型训练实操讲解 (11:19) 视频： 4-8 Caffe-SSD框架主干网络脚本讲解+实操 (08:58) 视频： 4-9 Caffe-SSD框架训练脚本讲解+实操 (13:47) 视频： 4- 10 Caffe-SSD框架模型测试介绍与脚本编程实现 (15:31) 视频： 4-11 Caffe-SSD框架测试结果可视化与人脸检测技巧说明 (11:09) 试看 图文： 4- 12 思考题 第5章 Faster RCNN系列算法原理精讲 8 节 | 89分钟 本章节主要针对Faster RCNN系列目标检测算法原理进行介绍，其中涉及到了two-stage目标检测算法流程、从RCNN到Faster RCNN以及Faster RCNN的系列变种网络（HyperNet、RFCN、Light-Head RCNN、Mask-RCNN、Cascade RCNN、CoupleNet）的核心思想、主干网络设计思想、框架结构、RPN网络、OHEM、Soft-NMS等，对比不同算法优… 视频： 5-1 Faseter-Rcnn系列介绍 (06:38) 视频： 5-2 RCNN介绍 (14:19) 视频： 5-3 SPPNet介绍 (10:23) 视频： 5-4 Fast rcnn介绍 (21:02) 视频： 5-5 HyperNet、RFCN介绍 (12:47) 视频： 5-6 Light-Head RCNN、Mask-RCNN介绍 (10:35) 视频： 5-7 Cascade RCNN、CoupleNet、OHEM、Soft-NMS介绍 (13:00) 图文： 5-8 思考题 第6章 基于Faster RCNN的ADAS场景目标检测项目实战 13 节 | 138分钟 本章节以ADAS实际业务场景为例，利用Faster RCNN来解决机动车、非机动车、行人等驾驶场景中的目标检测问题，涉及到Kitti数据集介绍、VOC格式数据转换、Faster rcnn框架解读、环境搭建、Faster rcnn-ADAS目标检测模型训练、测试等内容，帮助大家从实战的角度快速掌握Faster RCNN系列算法框架的使用。… 视频： 6-1 ADAS业务场景介绍 (15:04) 视频： 6-2 Kitti数据集介绍、标注格式、下载等 (10:22) 视频： 6-3 Kitti数据集类别提取编程实现 (14:13) 视频： 6-4 Kitti数据集转VOC格式数据脚本编程实现 (16:13) 视频： 6-5 Faster RCNN目标检测模型环境搭建介绍 (10:51) 视频： 6-6 Faster RCNN目标检测环境搭建实操 (05:34) 视频： 6-7 Faster RCNN目标检测框架介绍 (09:10) 视频： 6-8 Faster RCNN目标检测框架训练脚本参数配置介绍 (14:38) 视频： 6-9 Faster RCNN目标检测框架配置修改实操 (14:47) 视频： 6- 10 Faster RCNN目标检测模型训练及其优化 (06:58) 视频： 6- 11 利用Faster RCNN测试脚本进行模型测试 (06:25) 视频： 6- 12 自己动手编程实现Faster RCNN模型测试脚本 (13:19) 图文： 6- 13 思考题 第7章 YOLO系列算法原理精讲 6 节 | 62分钟 本章节主要针对YOLO系列目标检测算法原理进行介绍，其中涉及到了算法基本流程、主干网络结构、设计思路、YOLOV1/V2/V3/9000、Anchor Boxes、Multi-Scale Training、Darknet-19网络、Darknet框架等，对比不同算法优缺点和模型性能等。 视频： 7-1 Yolov1算法 (21:28) 视频： 7-2 Yolov2算法（1） (12:38) 视频： 7-3 Yolov2算法（2） (11:42) 视频： 7-4 Yolo9000算法 (05:12) 视频： 7-5 Yolov3算法 (10:44) 图文： 7-6 思考题 第8章 基于YOLOV3的通用物体检测项目实战 7 节 | 88分钟 本章节以通用物体检测（coco）实际业务场景为例，利用YOLOV3来解决通用物体检测问题，涉及到coco数据集介绍、darknet框架解读，环境搭建、YOLOV3-coco通用物体检测模型训练、测试等内容，帮助大家了解理论的前提下，快速入门YOLO系列算法实战项目。… 视频： 8-1 物体检测业务场景综述 (17:53) 视频： 8-2 COCO数据集介绍、标注格式、下载脚本等 (09:46) 视频： 8-3 YOLOV3DarkNet框架介绍和环境搭建 (13:54) 视频： 8-4 DarkNet框架解读及相关配置说明 (18:06) 视频： 8-5 利用DarkNet框架进行YOLOV3模型训练实操 (15:08) 视频： 8-6 YoloV3检测模型的测试介绍及编程实例 (12:15) 图文： 8-7 思考题 第9章 文本检测系列算法原理精讲 13 节 | 190分钟 本章节主要针对文本检测系列算法原理进行介绍，其中涉及到了算法基本流程、传统的文本检测算法（Top-down、bottom-up）、物体检测算法VS文本检测算法、文本检测算法优化方向、常用文本检测算法模型（CTPN、RRPN、FTSN、DMPNet、EAST、SegLink、Pixel Link、Textboxes、Textboxes++等）、文本检测数据集（ICDAR、CTW、RCTW-… 视频： 9-1 文本检测算法原理介绍 (12:50) 视频： 9-2 CTPN模型 (10:38) 视频： 9-3 RRPN模型 (19:11) 视频： 9-4 FTSN模型 (11:41) 视频： 9-5 DMPNet模型 (15:56) 视频： 9-6 EAST模型 (09:17) 视频： 9-7 SegLink模型 (13:01) 视频： 9-8 PixelLink模型 (16:35) 视频： 9-9 Textboxes讲解 (18:41) 视频： 9- 10 Textboxes++模型介绍 (25:34) 视频： 9- 11 文本检测常见数据集 (21:16) 视频： 9- 12 其他检测模型方法介绍 (14:56) 作业： 9- 13 【讨论题】如何理解基于分割的文字检测算法 第10章 基于EAST的自然场景文本检测项目实战 6 节 | 62分钟 本章节以自然场景下的文本检测实际业务场景为例，利用EAST框架来解决文本检测问题，涉及到ICDAR数据集介绍、ICDAR数据下载、标注格式解读、EAST框架解读、环境搭建、模型训练、测试等，帮助大家从实际案例的角度出发，快速入门文本检测算法框架的实战项目。… 视频： 10-1 自然场景下文本检测业务场景综述 (15:26) 视频： 10-2 ICDAR数据集介绍、标注格式、下载等 (11:00) 视频： 10-3 EAST文本检测框架环境搭建 (09:03) 视频： 10-4 EAST文本检测框架解读与训练实操 (16:23) 视频： 10-5 EAST文本检测模型测试脚本编程实例 (09:26) 作业： 10-6 【讨论题】如何理解倾斜物体检测，与通用目标检测的区别？ 第11章 多任务网络原理介绍 4 节 | 19分钟 本章节主要针对文本检测系列算法原理进行介绍，其中涉及到了算法基本流程、传统的文本检测算法（Top-down、bottom-up）、物体检测算法VS文本检测算法、文本检测算法优化方向、常用文本检测算法模型（CTPN、RRPN、FTSN、DMPNet、EAST、SegLink、Pixel Link、Textboxes、Textboxes++等）、文本检测数据集（ICDAR、CTW、RCTW-… 视频： 11-1 多任务网络业务场景综述 (07:49) 视频： 11-2 人脸检测+关键点多任务网络模型MTCNN介绍 (05:16) 视频： 11-3 人脸检测+关键点多任务网络数据集介绍 (05:30) 图文： 11-4 思考题 第12章 基于人脸检测+关键点定位的多任务网络项目实战 7 节 | 76分钟 本章节以人脸检测+关键点定位的实际业务场景为例，利用MTCNN多任务网络来解决多个任务的数据打包、环境搭建、模型训练、测试等实战项目，帮助大家从实际案例的角度出发，快速入门多任务网络的实战项目。 视频： 12-1 MTCNN环境配置、框架解读、数据打包 (18:41) 视频： 12-2 MTCNN数据打包（PNet、RNet、ONet）实操（1） (14:57) 视频： 12-3 MTCNN数据打包（PNet、RNet、ONet）实操（2） (13:45) 视频： 12-4 MTCNN模型训练介绍 (03:33) 视频： 12-5 MTCNN模型训练（PNet、RNet、ONet）实操 (15:50) 视频： 12-6 MTCNN模型（PNet、RNet、ONet）测试实操 (09:01) 图文： 12-7 思考题 第13章 课程总结 11 节 | 123分钟 针对课程进行最后总结，回顾课程核心内容，分享目标检测行业实战经验，再次帮助大家理清学习内容进一步的给出后续学习和提升给出建设性意见。 视频： 13-1 one-stage vs two-stage (13:13) 视频： 13-2 不同目标检测算法的优缺点对比 (12:52) 作业： 13-3 【讨论题】如何理解Anchor-free的技术方案？ 视频： 13-4 不同目标检测算法的精度对比 (10:42) 作业： 13-5 【讨论题】深入探讨目标检测问题和相关优化技巧 视频： 13-6 常见目标检测研究对象与数据集 (10:37) 视频： 13-7 目标检测常见任务与性能评价指标 (18:23) 视频： 13-8 目标检测行业应用现状-人脸检测 (17:31) 视频： 13-9 目标检测行业应用现状-ADAS (10:20) 视频： 13- 10 目标检测行业应用现状-文本检测 (09:05) 视频： 13- 11 课程总结 (19:30) 本课程已完结 声明： 本站所有资料均来源于网络以及用户发布，如对资源有争议请联系微信客服我们可以安排下架！
