深度學習之PyTorch物體檢測實戰
董洪義
3935人在讀
22.4萬字總字數
¥53定價
董洪義
本書從物體檢測的概念、發展、經典實現方法等幾個方面系統地介紹了物體檢測的相關知識，重點介紹了Faster RCNN、SDD和YOLO這三個經典的檢測器，並利用PyTorch框架從代碼角度進行了細緻講解。另外，本書進一步介紹了物體檢測的輕量化網絡、細節處理、難點問題及未來的發展趨勢，從實戰角度給出了多種的解決方法，便於讀者更深入地掌握物體檢測技術，從而做到在實際項目中靈活應用。 本書共10章，涵蓋的主要內容有物體檢測與PyTorch框架基礎概念與背景；PyTorch基礎知識；基礎卷積網絡Backbone；兩階經典檢測器Faster RCNN；單階多層檢測器SSD；單階經典檢測器YOLO；模型加速之輕量化網絡；物體檢測細節處理；物體檢測難點問題；物體檢測的未來發展。本書適合PyTorch框架愛好者和物體檢測相關從業人員閱讀，也適合深度學習和計算機視覺領域的研究人員閱讀。
2022年四月第35本書 閱讀速度4000字/分鐘 1、本書主題：PyTorch物體檢測實戰教學 2、速讀建議：先看章節末尾小結。 上次接觸物體檢測的知識還是13年，剛開始學MATLAB。這本算上補充近幾年的知識空缺，作爲入門讀物挺不錯。 >> 本書的初衷是對物體檢測算法做一個全面而深入的總結，希望能夠幫助到入門者與初學者。也希望本書能作爲一個工具書，當你想要了解某個方法、某個實現細節時，可以速查獲取。
寫的挺好的，基礎知識講的挺好，實戰還得寫代碼。
本文寫的很好，適合有一定基礎的人看。 對 VGGNet、Inception、ResNet、DenseNet、FPN、DetNet 和 Faster RCNN、SSD、YOLO 都基於PyTorch 做了簡單的實現。同時也對優缺點做了解釋。 還介紹了物體檢測難點與發展，包括模型加速、物體檢測細節處理、難點與未來發展。 不過，個人覺得還是要將論文、實現代碼與這本書結合着看，能對Backbone 和物體檢測框架有更深入的瞭解。 引用文中一句話 “這並不是學習的結束，而是新的開始”
大概可以瞭解主流算法的演進情況，截止2018年的算法
對於物體檢測介紹得算比較全面了，而且輔助於pytorch代碼，就更易於理解了。
內容比較新，pytorch版本也跟得上，針對於目標檢測技術，講的也很全面，雖然有些地方講的還是有點點不清楚，代碼也是展示了小部分，具體就需要自己去更深入地瞭解了，就像作者說的，不要以爲了解了一點就算是懂得了算法的核心，這不是學習的結束，而僅僅是一個開始。
目標檢測不錯的一本書，經典的幾個模型都有講解，從RCNN，SSD 到 YOLO。前置知識介紹的也很不錯，像Pytorch基礎，Vgg，Inception，Resnet，Mobilenet 等 backbone模型。而且有源碼實現，幾個經典模型動手實現一遍，收穫挺大的。可惜就是版本有點舊了，CV這幾年出的很多新成果沒有。
適順風行，人工智能；系統介紹，物體檢測；細解精準，實戰方法。
這本書涉及到深度學習圖像檢測的很多方面的知識，但講解的比較淺顯，沒有對各種算法的具體原理、代碼進行講解，不過作爲入門學習還是可以。推薦看了這本書後可以去看《YOLO目標檢測》其書是對YOLO算法的精講，不過主要也是做算法的講解，代碼的講解推薦在B站找相關的視頻看
Anchor————->Anchor-free，從入門到調通FairMOT項目。通過這本書開了個頭，然後從github最新效果最好(其實是星星最多)的項目拿下來跑通了。可以對視頻中的人進行多目標跟蹤。