会员
YOLO目标检测
计算机网络计算机理论、基础知识17.1万字
更新时间：2024-09-03 14:27:10 最新章节：后记
书籍简介
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。第1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。
品牌：人邮图书
上架时间：2023-12-01 00:00:00
出版社：人民邮电出版社
本书数字版权由人邮图书提供，并由其授权上海阅文信息技术有限公司制作发行
最新章节
杨建华 李瑞峰
同类热门书
最新上架
- 会员本书比较全面、系统地介绍了深度强化学习的理论和算法，并配有大量的案例和编程实现。全书核心内容可以分为3部分，第一部分为经典强化学习，包括第2、3、4章，主要内容有动态规划法，蒙特卡洛法、时序差分法；第二部分为深度强化学习，包括第6、7、8章，主要内容有值函数近似法、策略梯度法、策略梯度法进阶；第三部分重点介绍了深度强化学习的经典应用——AlphaGo系列算法。另外，作为理论和算法的辅助，第1章介绍计算机12.5万字
- 会员《Web3.0》针对当下火热的Web3.0话题，介绍Web3.0的相关专业知识、技术实现方法及应用前景。全书共9章，第1章介绍了Web3.0的基本知识；第2、3章介绍了Web3.0的基础技术栈和拓展技术栈；第4章介绍了Web3.0的生态构建，包括去中心化自治组织、开放式金融、加密货币、代币经济与数字市场、数字身份、创造者经济、注意力经济等；第5章阐述了Web3.0的行业应用；第6章介计算机13万字
- 会员在区块链、人工智能、3D、AR等底层技术的支持下，Web3.0高速发展，获得了更多的关注。从Web1.0到Web3.0，互联网由中心化走向去中心化，由以平台为中心转向以用户为中心，经济由实体经济转向数字经济。可以说，Web3.0正在全方位赋能数字时代科技发展，重构商业模式。本书以Web3.0如何重构数字时代科技与商业新生态为切入点，面向互联网领域的创业者、从业者、企业家与投资人等。读者可以计算机12.9万字
- 会员本书以SPSS28.0中文版为平台，以实用为原则，由浅入深，全面系统地介绍SPSS的基本功能和实际应用方法。本书涉及面广，从SPSS基本操作开始介绍，覆盖大部分常用功能和高级统计分析方法。本书共11章，内容包括SPSS基础知识、建立与整理数据、SPSS基本统计分析、假设检验、非参数检验、方差分析、相关分析、回归分析、聚类和判别分析、统计图形和SPSS数据分析综合应用。在介绍的过程中，图文并茂地对计算机10.2万字
- 会员《剪映短视频剪辑与运营标准教程（全彩微课版）》围绕剪映短视频的创作展开，由浅入深、全面系统地对短视频的拍摄、剪辑、发布、运营等环节进行介绍，不仅能让新手制作出精彩的短视频，还可以让有一定后期剪辑基础的读者掌握更多创意效果的制作方法。《剪映短视频剪辑与运营标准教程（全彩微课版）》共9章，内容包括短视频剪辑基础知识、素材拍摄技法、短视频剪辑工具—剪映的基本功能、短视频字幕处理、音效的添加、视频转场特效计算机6.3万字
- 会员本书共共15章，主要包括多源信息融合处理理论与方法及多源信息目标检测、识别和应用两部分内容。书中具体讲述了多源信息融合处理的基本概念以及多源信息融合发展的核心理论方法，如Dempster-Shafer证据理论等；介绍了多源高冲突信息鲁棒性证据推理方法、多辨识框架下异构证据融合方法以及多值迁移融合方法等多种融合技术；给出了多源信息融合的典型应用，特别是在不确定数据分类、多源信息融合检测与识别领域的实计算机17万字
- 会员本书以网络安全为主线，对计算机网络安全所面对的各种威胁、表现形式、解决技术、应对方案等知识进行讲解，让读者全面掌握网络安全技术的应用方法和防范措施。全书共10章，内容包括计算机网络安全概述、网络模型中的安全体系、常用渗透手段及防范、病毒与木马的防范、加密与解密技术、局域网与网站安全、身份认证及访问控制、远程控制及代理技术、灾难恢复技术等。在正文讲解过程中，穿插了知识点拨注意事项动手练等板块，以助读计算机12.3万字
- 会员《细说机器学习：从理论到实践》从数学知识入手，详尽细致地阐述机器学习各方面的理论知识、常用算法与流行框架，并以大量代码示例进行实践。本书内容分为三篇：第一篇为基础知识，包括机器学习概述、开发环境和常用模块、特征工程、模型评估、降维方法等内容。本篇详细而友好地介绍机器学习的核心概念与原理，并结合大量示例帮助读者轻松入门。第二篇为算法应用，涵盖机器学习最重要与高频使用的模型，包括K-Means聚类、K计算机17.6万字