深度学习之PyTorch物体检测实战
董洪义
3935人在读
22.4万字总字数
¥53定价
董洪义
本书从物体检测的概念、发展、经典实现方法等几个方面系统地介绍了物体检测的相关知识，重点介绍了Faster RCNN、SDD和YOLO这三个经典的检测器，并利用PyTorch框架从代码角度进行了细致讲解。另外，本书进一步介绍了物体检测的轻量化网络、细节处理、难点问题及未来的发展趋势，从实战角度给出了多种的解决方法，便于读者更深入地掌握物体检测技术，从而做到在实际项目中灵活应用。 本书共10章，涵盖的主要内容有物体检测与PyTorch框架基础概念与背景；PyTorch基础知识；基础卷积网络Backbone；两阶经典检测器Faster RCNN；单阶多层检测器SSD；单阶经典检测器YOLO；模型加速之轻量化网络；物体检测细节处理；物体检测难点问题；物体检测的未来发展。本书适合PyTorch框架爱好者和物体检测相关从业人员阅读，也适合深度学习和计算机视觉领域的研究人员阅读。
2022年四月第35本书 阅读速度4000字/分钟 1、本书主题：PyTorch物体检测实战教学 2、速读建议：先看章节末尾小结。 上次接触物体检测的知识还是13年，刚开始学MATLAB。这本算上补充近几年的知识空缺，作为入门读物挺不错。 >> 本书的初衷是对物体检测算法做一个全面而深入的总结，希望能够帮助到入门者与初学者。也希望本书能作为一个工具书，当你想要了解某个方法、某个实现细节时，可以速查获取。
写的挺好的，基础知识讲的挺好，实战还得写代码。
本文写的很好，适合有一定基础的人看。 对 VGGNet、Inception、ResNet、DenseNet、FPN、DetNet 和 Faster RCNN、SSD、YOLO 都基于PyTorch 做了简单的实现。同时也对优缺点做了解释。 还介绍了物体检测难点与发展，包括模型加速、物体检测细节处理、难点与未来发展。 不过，个人觉得还是要将论文、实现代码与这本书结合着看，能对Backbone 和物体检测框架有更深入的了解。 引用文中一句话 “这并不是学习的结束，而是新的开始”
大概可以了解主流算法的演进情况，截止2018年的算法
对于物体检测介绍得算比较全面了，而且辅助于pytorch代码，就更易于理解了。
内容比较新，pytorch版本也跟得上，针对于目标检测技术，讲的也很全面，虽然有些地方讲的还是有点点不清楚，代码也是展示了小部分，具体就需要自己去更深入地了解了，就像作者说的，不要以为了解了一点就算是懂得了算法的核心，这不是学习的结束，而仅仅是一个开始。
目标检测不错的一本书，经典的几个模型都有讲解，从RCNN，SSD 到 YOLO。前置知识介绍的也很不错，像Pytorch基础，Vgg，Inception，Resnet，Mobilenet 等 backbone模型。而且有源码实现，几个经典模型动手实现一遍，收获挺大的。可惜就是版本有点旧了，CV这几年出的很多新成果没有。
适顺风行，人工智能；系统介绍，物体检测；细解精准，实战方法。
这本书涉及到深度学习图像检测的很多方面的知识，但讲解的比较浅显，没有对各种算法的具体原理、代码进行讲解，不过作为入门学习还是可以。推荐看了这本书后可以去看《YOLO目标检测》其书是对YOLO算法的精讲，不过主要也是做算法的讲解，代码的讲解推荐在B站找相关的视频看
Anchor————->Anchor-free，从入门到调通FairMOT项目。通过这本书开了个头，然后从github最新效果最好(其实是星星最多)的项目拿下来跑通了。可以对视频中的人进行多目标跟踪。