本课程在介绍计算机视觉深度学习基本概念基础上，详尽讲解YOLOV3和YOLOV4的算法模型原理，并基于实际项目中的无人零售商品数据集来手把手教大家如何将它训练成YOLOV3和V4模型，最后对训练出来的模型集进行性能评估，从而挑选出最优模型。
课程主要分为九大章：
1。课程内容介绍、特色及其答疑2。计算机视觉深度学习基本概念及其yolo1,2,3的模型结构讲解3。darknet框架介绍及其安装4。darknet训练和推理代码的梳理5。基于darknet框架训练一个无人零售商品数据集 上半部6。基于darknet框架训练一个无人零售商品数据集 下半部7。模型评估指标（训练过程的loss和iou曲线显示，PR，RECALL，AP以及MAP的计算）8。YOLOV4算法模型原理讲解9。YOLOV4算法模型的训练和测试
2021-12-14 21:53:58
1.41GB
1
在介绍Adam之前首先介绍一下momentum和RMSprop优化算法。
一、momentum
1、指数加权平均数
指数加权平均数不仅考虑了当前数值也涵盖了以前的数据对现在的影响。
解释指数加权平均值名称的由来：
指数加权平均值的应用：
使用这种方法进行数据的估计可能不是最精确的，但是这种方法计算简单，节省内存。
指数加权平均数因为设置的第0个值为0，所以对于前几个数都会出现严重的偏差，所以引入了偏差修正。
2.指数加权平均数的偏差修正
3.momentum算法
此算法是梯度下降算法的一种改进，在神经网络的反向传播过程中，不再只依赖当前参数的下降梯度进行参数的更新，也依赖以前几轮的参数和参数
2021-12-09 16:26:35
454KB
1