全新正版现货 YOLO目标检测 9787115627094
正版新书现货 可以下单一般就是有货的 下午5点前订单当天发货
￥ 58.88 5.9折 ￥ 99.8 全新
库存43件
北京丰台
认证卖家担保交易快速发货售后保障
作者杨建华,李瑞峰
出版社人民邮电出版社
ISBN9787115627094
出版时间2023-12
版次1
装帧平装
开本16开
纸张胶版纸
定价99.8元
货号R_14486577
上书时间2024-05-07
- 在售商品 暂无
- 平均发货时间 7小时
- 好评率 暂无
商品详情
- 品相描述：全新
- 商品描述
-
基本信息
书名:YOLO目标检测
定价：99.80元
作者:杨建华,李瑞峰
出版社：人民邮电出版社
出版日期：2023-12-01
ISBN：9787115627094
字数：
页码：
版次：
装帧：平装
开本：128开
商品重量：
编辑推荐
1. 全面：涵盖6个常用目标检测框架（YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOX、YOLOv7）的发展状况、技术原理和代码实现。 2. 流行：涵盖3个流行目标检测框架（DETR、YOLOF 和 FCOS）的网络结构、技术原理和代码实现。3. 复现：每个代码实现章节均配备完整的YOLO项目代码，帮助读者轻松复现、优化和调试项目代码。 4. 丰富：附赠丰富的目标检测项目代码和全书彩图文件，帮助读者更直观地理解YOLO目标检测。
内容提要
本书主要介绍基于视觉的YOLO框架的技术原理和代码实现，并讲解目标检测领域中的诸多基础概念和基本原理，在YOLO框架的基础上介绍流行目标检测框架。本书分为4个部分，共13章。部分介绍目标检测领域的发展简史、主流的目标检测框架和该领域常用的数据集。第2部分详细讲解从YOLOv1到YOLOv4这四代YOLO框架的网络结构、检测原理和训练策略，以及搭建和训练的YOLO框架的代码实现。第3部分介绍两个较新的YOLO框架——YOLOX和YOLOv7，着重讲解其设计理念、网络结构和检测原理。第4部分介绍DETR、YOLOF和FCOS在内的流行目标检测框架和相应的代码实现。本书侧重目标检测的基础知识，包含丰富的实践内容，是目标检测领域的入门书，适合对目标检测领域感兴趣的初学者、算法工程师、软件工程师等人员学习和阅读。
目录
目 录第 1部分 背景知识第 1章 目标检测架构浅析 21.1 目标检测发展简史 21.2 目标检测网络框架概述 51.3 目标检测网络框架浅析 51.3.1 主干网络 51.3.2 颈部网络 71.3.3 检测头 91.4 小结 10第 2章 常用的数据集 112.1 PASCAL VOC 数据集 112.2 MS COCO 数据集 122.3 小结 14第 2部分 学习YOLO框架第3章 YOLOv1 163.1 YOLOv1 的网络结构 163.2 YOLOv1 的检测原理 183.3 YOLOv1 的制作训练正样本的方法 213.3.1 边界框的位置参数 tx、ty、w、h 213.3.2 边界框的置信度 233.3.3 类别置信度 263.4 YOLOv1 的损失函数 263.5 YOLOv1 的前向推理 273.6 小结 29第4章 搭建YOLOv1网络 304.1 改进 YOLOv1 304.1.1 改进主干网络 314.1.2 添加一个颈部网络 324.1.3 修改检测头 334.1.4 修改预测层 354.1.5 修改损失函数 374.2 搭建 YOLOv1 网络 374.2.1 搭建主干网络 394.2.2 搭建颈部网络 414.2.3 搭建检测头 414.2.4 YOLOv1 前向推理 414.3 YOLOv1 的后处理 444.3.1 求解预测边界框的坐标 444.3.2 后处理 464.4 小结 48第5章 训练YOLOv1网络 495.1 读取 VOC 数据 495.2 数据预处理 565.2.1 基础变换 565.2.2 数据增强 595.3 制作训练正样本 615.4 计算训练损失 645.5 开始训练 YOLOv1 675.6 可视化检测结果 745.7 使用 COCO 数据集 ( 选读 ) 755.8 小结 76第6章 YOLOv2 776.1 YOLOv2 详解 776.1.1 引入批归一化层 786.1.2 高分辨率主干网络 786.1.3 先验框机制 796.1.4 全卷积网络与先验框机制 806.1.5 使用新的主干网络 816.1.6 基于 k 均值聚类算法的先验框聚类 826.1.7 融合高分辨率特征图 846.1.8 多尺度训练策略 856.2 搭建 YOLOv2 网络 876.2.1 搭建 DarkNet-19 网络 876.2.2 先验框 916.2.3 搭建预测层 926.2.4 YOLOv2 的前向推理 926.3 基于 k 均值聚类算法的先验框聚类 956.4 基于先验框机制的正样本制作方法 966.4.1 基于先验框的正样本匹配策略 966.4.2 正样本匹配的代码 976.5 损失函数 1036.6 训练 YOLOv2 网络 1056.7 可视化检测结果与计算 mAP 1056.8 使用 COCO 数据集（选读） 1066.9 小结 108第7章 YOLOv3 1107.1 YOLOv3 解读 1107.1.1 更好的主干网络 : DarkNet-53 1117.1.2 多级检测与特征金字塔 1127.1.3 修改损失函数 1167.2 搭建 YOLOv3 网络 1187.2.1 搭建 DarkNet-53 网络 1187.2.2 搭建颈部网络 1217.2.3 搭建解耦检测头 1237.2.4 多尺度的先验框 1257.2.5 YOLOv3 的前向推理 1277.3 正样本匹配策略 1307.4 损失函数 1337.5 数据预处理 1337.5.1 保留长宽比的 resize 操作 1337.5.2 马赛克增强 1367.5.3 混合增强 1387.6 训练 YOLOv3 1407.7 测试 YOLOv3 1407.8 小结 142第8章 YOLOv4 1438.1 YOLOv4 解读 1448.1.1 新的主干网络：CSPDarkNet-53 网络 1448.1.2 新的特征金字塔网络：PaFPN 1468.1.3 新的数据增强：马赛克增强 1478.1.4 改进边界框的解算公式 1488.1.5 multi anchor 策略 1498.1.6 改进边界框的回归损失函数 1498.2 搭建 YOLOv4 网络 1508.2.1 搭建 CSPDarkNet-53 网络 1518.2.2 搭建基于 CSP 结构的 SPP 模块 1538.2.3 搭建 PaFPN 结构 1558.3 制作训练正样本 1578.4 测试 YOLOv4 1598.5 小结 161第3部分 的YOLO框架第9章 YOLOX 1649.1 解读 YOLOX 1669.1.1 baseline 的选择：YOLOv3 1669.1.2 训练 baseline 模型 1669.1.3 改进一：解耦检测头 1679.1.4 改进二：更强大的数据增强 1689.1.5 改进三：anchor-free 机制 1699.1.6 改进四：多正样本 1699.1.7 改进五：SimOTA 1699.2 搭建 YOLOX 网络 1739.2.1 搭建 CSPDarkNet-53 网络 1739.2.2 搭建 PaFPN 结构 1759.3 YOLOX 的标签匹配：SimOTA 1789.4 YOLOX 风格的混合增强 1829.5 测试 YOLOX 1859.6 小结 187第 10章 YOLOv7 18810.1 YOLOv7 的主干网络 18910.2 YOLOv7 的特征金字塔网络 19510.3 测试 YOLOv7 19910.4 小结 200第4部分 其他流行的目标检测框架第 11章 DETR 20411.1 解读 DETR 20511.1.1 主干网络 20511.1.2 Transformer 的编码器 20811.1.3 Transformer 的解码器 21111.2 实现 DETR 21711.2.1 DETR 网络 21711.2.2 数据预处理 22111.2.3 正样本匹配 : Hungarian Matcher 22211.2.4 损失函数 22511.3 测试 DETR 检测器 22811.4 小结 228第 12章 YOLOF 23012.1 YOLOF 解读 23212.1.1 YOLOF 的网络结构 23212.1.2 新的正样本匹配规则：Uniform Matcher 23412.1.3 与其他先进工作的对比 23612.2 搭建 YOLOF 23712.2.1 搭建主干网络 23812.2.2 搭建 DilatedEncoder 模块 24112.2.3 搭建解码器模块 24212.2.4 数据预处理 24412.2.5 正样本匹配 : Uniform Matcher 24612.2.6 损失函数 24812.3 训练 YOLOF 检测器 25012.4 测试 YOLOF 检测器 25012.5 计算 mAP 25112.6 小结 251第 13章 FCOS 25213.1 FCOS 解读 25313.1.1 FCOS 网络结构 25313.1.2 正样本匹配策略 25513.1.3 损失函数 25813.2 搭建 FCOS 25813.2.1 搭建主干网络 25913.2.2 正样本匹配 26213.3 测试 FCOS 检测器 26613.4 小结 267参考文献 268后记 272
作者介绍
杨建华，哈尔滨工业大学在读博士，主要研究方向为基于视觉的目标检测与人体时空行为分析，长期耕耘于多个知乎专栏（知乎ID：Kissrabbit）。 李瑞峰，哈尔滨工业大学教授、机器人研究所副所长，中国人工智能学会智能机器人专业委员会秘书长，黑龙江省机器人学会理事长。
序言
-
【封面】
— 没有更多了 —
以下为对购买帮助不大的评价