首页

投稿

草履虫都能学会！OpenCV+YOLO 实时目标检测，计算机博士手把手带你做毕设！（深度学习丨计算机视觉丨YOLO丨OpenCV）

30.1万

259

2025-04-16 18:13:25

OpenCV+YOLO 实时目标检测，比啃书强多了，点个关注不迷路

计算机视觉项目

计算机视觉

计算机技术

唐宇迪AI入门课发消息

一起学AI人工智能，1V1学习规划、就业指导咨询、论文辅导、AI资料包分享/公棕号【迪哥谈AI】回暗号【77B】

草履虫都能学会！OpenCV+YOLO 实时目标检测，计算机博士手把手带你做毕设！

01:47

AI-CV+NLP方向必看的学习路线

13:12

0-课程简介

02:28

1-Python与Opencv配置安装

10:12

2-Notebook与IDE环境

11:44

1-计算机眼中的图像

09:20

2-视频的读取与处理

10:57

3-ROI区域

04:19

4-边界填充

05:08

5-数值计算

09:17

1-腐蚀操作

06:50

2-膨胀操作

03:06

3-开运算与闭运算

02:56

4-梯度计算

02:45

5-礼帽与黑帽

03:22

1-Sobel算子

09:34

2-梯度计算方法

08:33

3-scharr与lapkacian算子

06:42

图像阈值

07:52

1-图像平滑处理

07:55

2-高斯与中值滤波

06:15

1-Canny边缘检测流程

05:39

2-非极大值抑制

05:25

3-边缘检测效果

08:10

1-图像金字塔定义

06:38

2-金字塔制作方法

07:26

1-轮廓检测方法

06:01

2-轮廓检测结果

07:49

3-轮廓特征与近似

11:58

1-模板匹配方法

11:13

2-匹配效果展示

05:48

1-检测任务中阶段的意义.mp4

06:22

2-不同阶段算法优缺点分析.mp4

04:43

3-IOU指标计算.mp4

05:10

4-评估所需参数计算.mp4

10:01

5-map指标计算.mp4

07:27

1.YOLO算法整体思路解读.mp4

07:12

2-检测算法要得到的结果.mp4

06:18

3-整体网络架构解读.mp4

11:39

4-位置损失计算.mp4

08:13

5-置信度误差与优缺点分析.mp4

11:49

1.V2版本细节升级概述.mp4

05:43

2-网络结构特点.mp4

06:03

3-架构细节解读.mp4

06:53

4-基于聚类来选择先验框尺寸.mp4

10:22

5-偏移量计算方法.mp4

10:49

6-坐标映射与还原.mp4

03:37

7-感受野的作用.mp4

11:07

8-特征融合改进.mp4

07:56

1-V3版本改进概述.mp4

08:19

2-多scale方法改进与特征融合.mp4

07:38

3-经典变换方法对比分析.mp4

04:56

4-残差连接方法解读.mp4

07:46

5-整体网络模型架构分析.mp4

05:01

6-先验框设计改进.mp4

05:25

7-sotfmax层改进.mp4

04:25

1-数据与环境配置.mp4

12:43

2-训练参数设置.mp4

04:49

3-数据与标签读取.mp4

08:42

4-标签文件读取与处理.mp4

05:51

5-debug模式介绍.mp4

04:28

6-基于配置文件构建网络模型.mp4

07:24

7-路由层与shortcut层的作用.mp4

07:25

8-YOLO层定义解析.mp4

09:53

9-预测结果计算.mp4

10:51

10-网格偏移计算.mp4

08:14

11-模型要计算的损失概述.mp4

06:35

12-标签值格式修改.mp4

06:56

13-坐标相对位置计算.mp4

08:26

14-完成所有损失函数所需计算指标.mp4

08:57

15-模型训练与总结.mp4

14:04

16-预测效果展示.mp4

06:14

1-Labelme工具安装.mp4

04:10

2-数据信息标注.mp4

04:55

3-完成标签制作.mp4

06:09

4-生成模型所需配置文件.mp4

08:19

5-json格式转换成yolo-v3所需输入.mp4

06:15

6-完成输入数据准备工作.mp4

08:46

7-训练代码与参数配置更改.mp4

10:30

8-训练模型并测试效果.mp4

07:08

1-V4版本整体概述.mp4

06:04

2-V4版本贡献解读.mp4

04:36

3-数据增强策略分析.mp4

09:00

4-DropBlock与标签平滑方法.mp4

08:20

5-损失函数遇到的问题.mp4

06:46

6-CIOU损失函数定义.mp4

04:46

7-NMS细节改进.mp4

05:39

8-SPP与CSP网络结构.mp4

06:50

9-SAM注意力机制模块.mp4

09:00

10-PAN模块解读.mp4

08:42

11-激活函数与整体架构总结.mp4

08:18

1-整体项目概述.mp4

06:36

2-训练自己的数据集方法.mp4

07:28

3-训练数据参数配置.mp4

08:21

4-测试DEMO演示.mp4

06:49

顶部