更好的阅读体验请点击:更好的阅读体验
各位读者们好,本专栏最近刚推出,限于个人能力有限,不免会有诸多错误,敬请私信反馈给我,接受善意的提示,后期我会改正,谢谢,感谢。
购买指南:
第一步:</font>[购买点击跳转]
第二步:
代码函数调用关系图(全网最详尽-重要)
因文档特殊,不能在博客正确显示,请移步以下链接!
图解YOLOv5_v7.0代码结构与调用关系(点击进入可以放大缩小等操作)
结构图有诸多问题,还请理性看待!
预览:
专栏介绍:
[点击进入专栏]本专栏集成 Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程,力争详尽系统的阐述知识点,后续文章会陆续更新,期待与你共研人工智能。
专栏详情介绍:
全流程的专栏内容带你一起走进人工智能,本专栏只讲会用到的知识点与工具,实用性会贯穿整个专栏。本专栏以YOLOv5与YOLOv8及其两者改进为主线,我们会详细的介绍以下内容:
前期所要具备的基础知识与工具使用,如下:
具体包括 环境搭建(包括GPU) | 代码调试技巧 | 连接使用服务器 | Python与Python有关 | 机器学习(线性回归 | 决策树 | 逻辑回归 | 梯度下降 | 支持向量机 | 集成学习 | 朴素贝叶斯等) | PyCharm-VSCode-Anaconda-AutoDL与恒源云云服务器-Roboflow-labelimg等 | 走进神经网络 | 深度神经网络DNN | 卷积神经网络CNN | 区域卷积神经网络RNN | 目标检测 | 经典网络模型二十余种(LeNet-5 | AlexNet | ZFNet | VGGNet | GoogLeNet | ResNet | DenseNet | SeNet | MobileNet | ShuffleNet | RepVGG | MobileOne | FasterNet | R-CNN | SPPNet | Fast RNN | Faster RNN | R-FCN | SSD )| 等等 |
YOLOv5及其改进学习详细规划,我们分为五个阶段,如下:
第一个阶段:模型的原理与网络结构的详细解读,包括每个文件夹及其所包含的文件(初步了解),以及每个函数的具体注释(初步了解),最后会给出整个模型的函数调用关系图。
第二阶段:局部解析,我们会逐步剖析每个文件,并逐行注释解读。详解网络结构的构建过程。
第三阶段:代码的整体理解(结合上述的函数调用图),整体调试与验证模型。
第四阶段:对评估指标与保存结果进行详细的解读。
第五阶段:对模型进行改进,包括添加或修改模块的详细解读以及具体实施步骤。具体包括 :添加注意力机制SE CBAM ECA CA SimAM S2-MLPv2 NAMAttention Criss-CrossAttention等| 更换激活函数SiLU,ReLU,ELU,Hardswish,Mish,Softplus,AconC等 | 更换backbone主干MobileNetV3,ShuffleNetV2,EfficientNetv2,GhostNet,SwinTransformer | 更换Neck之BiFPN,AFPN,BiFusion | 更换空间金字塔池化改进 SPP / SPPF / SimSPPF / ASPP / RFB / SPPCSPC / SPPFCSPC | 更换损失函数GIoU,DIoU,CIoU,EIoU,AlphaIoU,SIoU,WIoU | 更换NMS非极大抑制DIoU-NMS、CIoU-NMS、EIoU-NMS、GIoU-NMS 、SIoU-NMS、Soft-NMS | 更换Yolov8 C2f模块 | 引入RepVGG重参数化模块 | 增加小目标检测层 | 密集连接卷积网络DenseNet思想 | 更换减轻模型的复杂度同时提升精度GSConv+Slim-neck | <font color=#8A2BE2 >更换YOLOX解耦头 | 引入反向残差注意力模块iRMB | 在 C3 模块中添加 12 种注意力机制C3_SimAM, C3_CoT, C3_Double, C3_SK, C3_EffSE, C3_GatherE等 | 8种热力图可视化方式GradCAM XGradCAM ScoreCAM LayerCAM HiResCAM EigenCAM...... | 更换Google的优化器Lion | 更换动态卷积之CondConv | 更换全维动态卷积OMNI | 绿色 | 等等 |
进一步学习YOLOv8及其改进:大致改进点和YOLOv5近似,可参阅YOLOv5介绍
查阅购买地址:[查阅购买点击跳转]
更新计划:
截止1.02号更新到100篇 | 截止1.10号更新到110篇 | 截止1.18号更新到120篇 | 远期规划(2024年4月)150篇 |
收费标准:
1月2号以内特惠(49.9元) | 1月8号以内(89元) | 1月18号以内(119元) | 1月18号以后(139元) | 2024年4月(169元) | 一年后优化内容价格将调整到199元 | 一次订阅专栏即可享受后续更新 |
整体目录规划:
推荐阅读:
各部分详情:(持续更新中...)
1. 机器学习
机器学习(一) 本文(3万字) | 机器学习概述 |-CSDN博客
机器学习(二) 本文(2.5万字) | KNN算法原理及Python复现 |-CSDN博客
机器学习(三) 本文(3万字) | 线性回归LR原理 | Python复现 |-CSDN博客
机器学习(四) 本文(2万字) | 梯度下降GD原理 | Python复现 |-CSDN博客
机器学习(五) 本文(4万字) | 逻辑回归 (Logistic Regression,LR) | Python复现 |-CSDN博客
机器学习(六) 本文(3.5万字) | 特征工程(Feature Engineering) | Python复现 |-CSDN博客
机器学习(七) 本文(4万字) | 决策树(Decision Tree) | Python复现 |-CSDN博客
2. 深度学习与目标检测
深度学习与目标检测系列(一) 本文约(17万字),覆盖 走进神经网络 | 深度神经网络DNN | 卷积神经网络CNN | 区域卷积神经网络RNN | 目标检测 | 经典网络模型二十余种-CSDN博客
深度学习与目标检测系列(二) 本文约(7万字) | 全面解读复现YOLOv1 | PyTorch |-CSDN博客
深度学习与目标检测系列(三) 本文约(4万字) | 全面解读复现AlexNet | Pytorch |-CSDN博客
深度学习与目标检测系列(四) 本文约(4.5万字) | 全面解读复现VGGNet | Pytorch |-CSDN博客
深度学习与目标检测系列(五) 本文约(9万字) | 全面解读复现GoogleNet_InceptionV1-V4 | Pytorch |-CSDN博客
深度学习与目标检测系列(六) 本文约(4.5万字) | 全面解读复现ResNet | Pytorch |-CSDN博客
深度学习与目标检测系列(七) 本文约(8万字) | 全面解读复现MobileNetV1-V3 | Pytorch |-CSDN博客
深度学习与目标检测系列(八) 本文约(6万字) | 全面解读复现ShuffleNetV1-V2 | Pytorch |-CSDN博客
3. YOLOv5
YOLOv5系列(一) 本文(1.2万字) | 项目结构 | 罗列全部函数与方法 | 全网最全代码调用关系图 |-CSDN博客
YOLOv5系列(二) 本文(1.1万字) | 解析配置文件yolov5s.yaml |_yolov5配置文件中-1可以用其它来代替吗-CSDN博客
YOLOv5系列(三) 本文(4万字) | 解析推理部分detect | 逐行代码注释解析-CSDN博客
YOLOv5系列(四) 本文(4万字) | 解析网络结构yolo | 逐行代码注释解析-CSDN博客
YOLOv5系列(五) 本文(5万字) | 解析网络结构common | 逐行代码注释解析-CSDN博客
YOLOv5系列(六) 本文(5万字) | 解析数据集部分datasets | 逐行代码注释解析-CSDN博客
YOLOv5系列(七) 本文(2万字) | 解析损失部分loss | 逐行代码注释解析-CSDN博客
YOLOv5系列(八) 本文(4万字) | 解析通用部分general | 逐行代码注释解析-CSDN博客
YOLOv5系列(九) 本文(3万字) | 解析绘图部分plots | 逐行代码注释解析-CSDN博客
YOLOv5系列(十) 本文(1万字) | 解析激活函数部分activations | 逐行代码注释解析-CSDN博客
YOLOv5系列(十一) 本文(2万字) | 解析性能指标部分metrics | 逐行代码注释解析-CSDN博客
YOLOv5系列(十二) 本文(1.5万字) | 解析数据增强部分augmentations | 逐行代码注释解析-CSDN博客
YOLOv5系列(十三) 本文(2万字) | 解析torch工具部分torch_utils | 逐行代码注释解析-CSDN博客
YOLOv5系列(十四) 本文(1.3万字) | 解析数据集处理部分dataloaders | 逐行代码注释解析-CSDN博客
YOLOv5系列(十六) 本文(5万字) | 解析验证部分val | 逐行代码注释解析-CSDN博客
YOLOv5系列(十七) 本文(8万字) | 解析训练部分train | 逐行代码注释解析-CSDN博客
YOLOv5系列(十八) 本文(1.1万字) | 解析训练调参train | 逐行代码注释解析-CSDN博客
YOLOv5系列(十九) 本文(5000字) | 解析验证调参val | 逐行代码注释解析-CSDN博客
YOLOv5系列(二十) 本文(4万字) | 训练自己的数据集 |利用labelimg标注数据集 | 划分自建数据集 | 从环境配置到数据及划分再到训练-CSDN博客
YOLOv5系列(二十三) 本文(2.5万字) | 自动混合精度AMP | 指数移动平均EMA | Test Time Augmentation(TTA) |-CSDN博客
YOLOv5系列(二十五) 本文(2万字) | 从二值损失基本原理到YOLOv5损失 | Binary Cross-Entropy | YOLOv5 LOSS |-CSDN博客
YOLOv5系列(二十六) 本文(1万字) | C3 | Focus | 替换为6*6卷积 |-CSDN博客
YOLOv5系列(二十七) 本文(2万字) | YOLOv5插值 | | Upsample | UpsamplingBilinear2D | UpsamplingNearest2D |-CSDN博客
YOLOv5系列(二十八) 本文(2万字) | 可视化工具 | Comet | ClearML | Wandb | Visdom |-CSDN博客
YOLOv5系列(二十九) 本文(1万字) | 多模型推理预测(Model Ensemble) | 参数重结构化(融合Conv+BatchNorm2d) |-CSDN博客
YOLOv5系列(三十) 本文(2万字) | 模型剪枝与Pytorch剪枝策略 |-CSDN博客
YOLOv5系列(三十一) 本文(1.5万字) | 标签平滑(Label Smoothing) | Focal Loss损失函数 | 学习率预热Warmup |-CSDN博客
YOLOv5系列(三十二) 本文(2.5万字) | 再次解读yaml文件 | 从yaml到模型结构的具体实施细节 | 魔改模型结构两头 | 四头 | 等 |-CSDN博客
4. YOLOv5改进
YOLOv5改进系列(四) 本文(2.5万字) | 更换Neck | BiFPN | AFPN | BiFusion |-CSDN博客
YOLOv5改进系列(六) 本文(5万字) | 更换损失函数 | GIoU | DIoU | CIoU | EIoU | AlphaIoU | SIoU | WIoU |-CSDN博客
YOLOv5改进系列(八) 本文(6000字) | 更换Yolov8的C2f模块 |-CSDN博客
YOLOv5改进系列(九) 本文(8000字) | 增加小目标检测层 |-CSDN博客
YOLOv5改进系列(十) 本文(5000字) | 更换Google的优化器Lion |-CSDN博客
YOLOv5改进系列(十一) 本文(1万字) | 引入RepVGG重参数化模块 |-CSDN博客
YOLOv5改进系列(十二) 本文(5000字) | 引入密集连接卷积网络DenseNet思想 |-CSDN博客
YOLOv5系列(十三) 本文(7000字) | 引入用于低分辨率图像和小物体的模块SPD-Conv |-CSDN博客
YOLOv5改进系列(十四) 本文(1.2万字) | 更换减轻模型的复杂度同时提升精度GSConv+Slim-neck |-CSDN博客
YOLOv5改进系列(十五) 本文(6000字) | 头部解耦 |更换YOLOX解耦头 |-CSDN博客
YOLOv5改进系列(十六) 本文(1.2万字) |引入FasterNet | PConv |backbone |-CSDN博客
YOLOv5改进系列(十七) 本文(1.2万字) | 引入反向残差注意力模块iRMB |-CSDN博客
YOLOv5改进系列(十八) 本文(1.2万字) | 引入STSViT |-CSDN博客
YOLOv5改进系列(十九) 本文(1万字) | 引入动态卷积OMNI |-CSDN博客
YOLOv5改进系列(二十) 本文(5000字) | 引入选择性注意力 LSK |-CSDN博客
YOLOv5改进系列(二十三) 本文(1.2万字) | 更换动态卷积之CondConv |-CSDN博客
5. YOLOv8及其改进
YOLOv8及其改进(一) 本文(5万字)共四部分 | 初探(简要介绍) | 再探(介绍-快速上手) | 原理解析(究其细节) | 实践操作-CSDN博客
6. Python与PyTorch
Python与Pytorch系列(二) 本文(1.8万字) | 解析Opencv, Matplotlib, PIL | 三者之间的转换 | 三者对JPG和PNG读取和写入 |-CSDN博客
Python与PyTorch系列(三) 本文(4.2万字) | 解读Python中的装饰器 | 复现各种装饰器 | 给出众多实用装饰器 |-CSDN博客
Python与PyTorch系列(四) 本文(1万字) | 解析python中的魔术方法 |-CSDN博客
Python与PyTorch系列(五) 本文(5万字) | 解析PyTorch中Hook函数 |-CSDN博客
7. 工具
Python与PyTorch系列(三) 本文(4.2万字) | 解读Python中的装饰器 | 复现各种装饰器 | 给出众多实用装饰器 |-CSDN博客
工具系列(二) 本文(3万字) | 解读在Windows下配置GPU环境(以YOLOv5为例) | 并使用Pytorch训练一个简单的图像分类模型(GPU) |-CSDN博客
工具系列(三) 本文(1.5万字) | 解析glob.glob | os.walk |-CSDN博客
工具系列(四) 本文(5万字) | pytorch中使用tensorboard进行可视化 | 可视化 | tensorboard |-CSDN博客
8. 小知识点
小知识点系列(一) 本文(2.2万字) | 图像变换 | 平移缩放旋转翻错切 | 仿射变换与透视变换 | 代码复现 |-CSDN博客
小知识点系列(四) 本文(1万字) | 解析Bounding Box Regression | 边界框回归 |-CSDN博客
小知识点系列(五) 本文(5万字) | 解读深度学习中的八种卷积 | pytorch中Conv1d、Conv2d,Conv3d | 空洞卷积 | 转置卷积 | 深度可分离卷积 |-CSDN博客
小知识点系列(六) 本文(1.5万字) | 理解深度学习中计算量(FLOPs)和参数量(Params) | 四种计算方法总结 |-CSDN博客
小知识点系列(七) 本文(2万字) | 解读深度学习中模型大小与推理速度 |-CSDN博客
小知识点系列(八) 本文(1.5万字) | 解读Batch Size对训练神经网络的影响 |-CSDN博客
小知识点系列(九) | 本文(2000字) | 解析归纳偏置 (Inductive Bias) |-CSDN博客
小知识点系列(十) 本文(1.2万字) | 解析PyTorch数据归一化处理 |-CSDN博客
9. 杂记
杂记(一) 本文(3万字) | Python总教程 | 包含Python基础语法 | 精简具有系统性 |-CSDN博客
杂记(二) 本文(4万字) | 解读Linux |-CSDN博客
杂记(三) 本文(2万字) | 彻底解决PyCharm运行Jupyter .ipynb文件 | 多种方案 |-CSDN博客