【新書簡介】
本書共分為四大部分13章，首章介紹了從深度學習時代開始的物件辨識發展，包括R-CNN及YOLO系列，第二章則介紹PASCAL VOC和MS COCO等重要資料集，從第三章到第八章，深入講解YOLO系列從YOLOv1到YOLOv4的發展，包括網路架構、檢測原理和訓練策略等，並提供程式實作的指導，幫助讀者建立對物件辨識任務的全面認識。第九章和第十章，介紹了YOLOX和YOLOv7的技術進展和實現細節，展示了對YOLOv3的改進及新型標籤分配的動態策略。


第十一章詳細介紹了DETR，這是一種基於Transformer的物件辨識框架，改變了傳統物件辨識的方法。第十二章探討了YOLOF，一種新型的單級物件辨識網路，而第十三章則專注於FCOS，這是一種無先驗框的檢測器，為物件辨識領域帶來新的思路。第四部分重點介紹了大型語言模型的擴充應用和評估。包括與外部工具和知識源連接的LangChain 技術。


【本書看點】
★物件辨識架構淺析
★Pascal、COCO資料集詳解
★YOLOv1、YOLOv2、YOLOv3網路介紹及架設、訓練實作
★新的YOLO架構YOLOX、YOLOv7網路介紹及架設、訓練實作
★DETR網路介紹及架設、訓練實作
★YOLOF網路介紹及架設、訓練實作
★FCOS網路介紹及架設、訓練實作

楊建華，哈爾濱工業大學在讀博士，主要研究方向為基於視覺的目標檢測與人體時空行為分析，長期耕耘于多個知乎專欄(知乎ID：Kissrabbit)。


李瑞峰，哈爾濱工業大學教授、機器人研究所副所長，中國人工智能學會智能機器人專業委員會秘書長，黑龍江省機器人學會理事長。

第1 部分 背景知識


第 1 章 物件辨識架構淺析
1.1 物件辨識發展簡史
1.2 物件辨識網路框架概述
1.3 物件辨識網路框架淺析
1.4 小結


第 2 章 常用的資料集
2.1 PASCAL VOC 資料集
2.2 MS COCO 資料集
2.3 小結


第2 部分 學習YOLO 框架


第 3 章 YOLOv1
3.1 YOLOv1 的網路結構
3.2 YOLOv1 的檢測原理
3.3 YOLOv1 的製作訓練正樣本的方法
3.4 YOLOv1 的損失函數
3.5 YOLOv1 的前向推理
3.6 小結


第 4 章 架設 YOLOv1 網路
4.1 改進 YOLOv1
4.2 架設 YOLOv1 網路
4.3 YOLOv1 的後處理
4.4 小結


第 5 章 訓練 YOLOv1 網路
5.1 讀取 VOC 資料
5.2 資料前置處理
5.3 製作訓練正樣本
5.4 計算訓練損失
5.5 開始訓練 YOLOv1
5.6 視覺化檢測結果
5.7 使用 COCO 資料集 ( 選讀 )
5.8 小結


第 6 章 YOLOv2
6.1 YOLOv2 詳解
6.2 架設 YOLOv2 網路
6.3 基於 k 平均值聚類演算法的先驗框聚類
6.4 基於先驗框機制的正樣本製作方法
6.5 損失函數
6.6 訓練 YOLOv2 網路
6.7 視覺化檢測結果與計算 mAP
6.8 使用 COCO 資料集（選讀）
6.9 小結


第 7 章 YOLOv3
7.1 YOLOv3 解讀
7.2 架設 YOLOv3 網路
7.3 正樣本匹配策略
7.4 損失函數
7.5 資料前置處理
7.6 訓練 YOLOv3
7.7 測試 YOLOv3
7.8 小結


第 8 章 YOLOv4
8.1 YOLOv4 解讀
8.2 架設 YOLOv4 網路
8.3 製作訓練正樣本
8.4 測試 YOLOv4
8.5 小結


第3 部分 較新的YOLO 框架


第 9 章 YOLOX
9.1 解讀 YOLOX
9.2 架設 YOLOX 網路
9.3 YOLOX 的標籤匹配：SimOTA
9.4 YOLOX 風格的混合增強
9.5 測試 YOLOX
9.6 小結


第 10 章 YOLOv7
10.1 YOLOv7 的主幹網絡
10.2 YOLOv7 的特徵金字塔網路
10.3 測試 YOLOv7
10.4 小結


第4 部分 其他流行的物件辨識框架


第 11 章 DETR
11.1 解讀 DETR
11.2 實現 DETR
11.3 測試 DETR 檢測器
11.4 小結


第 12 章 YOLOF
12.1 YOLOF 解讀
12.2 架設 YOLOF
12.3 訓練 YOLOF 檢測器
12.4 測試 YOLOF 檢測器
12.5 計算 mAP
12.6 小結


第 13 章 FCOS
13.1 FCOS 解讀
13.2 架設 FCOS
13.3 測試 FCOS 檢測器
13.4 小結


參考文獻
後記