课程介绍：
计算机视觉-物体检测-通用解决框架Mask-Rcnn实战课程旨在帮助同学们快速掌握物体检测领域当下主流解决方案与网络框架构建原理，基于开源项目解读其应用领域与使用方法。
通过debug方式，详细解读项目中每一模块核心源码，从代码角度理解网络实现方法与建模流程。为了方便同学们能将项目应用到自己的数据与任务中，实例演示如何针对自己的数据集制作标签与代码调整方法，全程实战操作，通俗讲解其中复杂的网络架构。
课程目录：
| 教程 |
| 教程1-1 课程简介.mp4 |
| 教程1-2 Mask-Rcnn开源项目简介.mp4 |
| 教程1-3 开源项目数据集.mp4 |
| 教程1-4 参数配置.mp4 |
| 教程2-1 FPN网络架构实现解读.mp4 |
| 教程2-10 RoiPooling层的作用与目的.mp4 |
| 教程2-11 RorAlign操作的效果.mp4 |
| 教程2-12 整体框架回顾.mp4 |
| 教程2-2 FPN层特征提取原理解读.mp4 |
| 教程2-3 生成框比例设置.mp4 |
| 教程2-4 基于不同尺度特征图生成所有框.mp4 |
| 教程2-5 RPN层的作用与实现解读.mp4 |
| 教程2-6 候选框过滤方法.mp4 |
| 教程2-7 Proposal层实现方法.mp4 |
| 教程2-8 DetectionTarget层的作用.mp4 |
| 教程2-9 正负样本选择与标签定义.mp4 |
| 教程3-1 Labelme工具安装.mp4 |
| 教程3-2 使用labelme进行数据与标签标注.mp4 |
| 教程3-3 完成训练数据准备工作.mp4 |
| 教程3-4 maskrcnn源码修改方法.mp4 |
| 教程3-5 基于标注数据训练所需任务.mp4 |
| 教程3-6 测试与展示模块.mp4 |
| 教程4-1 COCO数据集与人体姿态识别简介.mp4 |
| 教程4-2 网络架构概述.mp4 |
| 教程4-3 流程与结果演示.mp4 |
| 教程5-1 迁移学习的目标.mp4 |
| 教程5-2 迁移学习策略.mp4 |
| 教程5-3 Resnet原理.mp4 |
| 教程5-4 Resnet网络细节.mp4 |
| 教程5-5 Resnet基本处理操作.mp4 |
| 教程5-6 shortcut模块.mp4 |
| 教程5-7 加载训练好的权重.mp4 |
| 教程5-8 迁移学习效果对比.mp4 |
| 教程6-1 物体检测概述.mp4 |
| 教程6-2 深度学习经典检测方法.mp4 |
| 教程6-3 faster-rcnn概述.mp4 |
| 教程6-4 论文解读.mp4 |
| 教程6-5 RPN网络架构.mp4 |
| 教程6-6 损失函数定义.mp4 |
| 教程6-7 网络细节.mp4 |
