CONTENT LIBRARY

全部内容

按主题整理的内容条目。打开单条内容,可查看详细说明、流程、关联资料和来源。

exp01 · 入门

Exp01 · 目标检测与小目标问题导论

先看目标占据多少像素,再理解尺寸、密度、背景与检测难度之间的关系。

打开内容 ↗
exp02 · 基础

Exp02 · 边界框与 IoU 家族

从坐标换算和框重叠出发,比较 IoU 及扩展度量对定位误差的响应。

打开内容 ↗
exp03 · 进阶

Exp03 · 锚框机制与标签分配

从目标框形状归纳锚框,再检查不同匹配规则如何分配正负样本。

打开内容 ↗
exp04 · 进阶

Exp04 · 评价指标从零实现

从 TP、FP 和排序规则手算 AP,再理解 mAP 与小目标指标的适用口径。

打开内容 ↗
exp05 · 进阶

Exp05 · YOLO 范式与网格解码

把网格位置、目标置信度和框参数连起来,理解一阶段预测的解码过程。

打开内容 ↗
exp06 · 基础

Exp06 · 数据增强与小目标增广

观察翻转、缩放、拼接等增强如何改变目标像素尺度和样本分布。

打开内容 ↗
exp07 · 进阶

Exp07 · NMS 家族与重复框抑制

通过重叠候选框和阈值扫描,理解 NMS 与 Soft-NMS 对密集目标的取舍。

打开内容 ↗
exp08 · 挑战

Exp08 · YOLO 损失与微型检测器训练

把检测训练信号放进微型检测器的学习流程,检查损失变化与预测输出。

打开内容 ↗
exp09 · 进阶

Exp09 · SSD 多尺度特征图与默认框

沿多层特征图统计默认框数量,理解不同尺度检测头的覆盖方式。

打开内容 ↗
exp10 · 进阶

Exp10 · 感受野、特征金字塔与小目标

比较感受野大小与特征融合方式,理解细节分辨率和语义上下文的平衡。

打开内容 ↗
exp11 · 挑战

Exp11 · 候选区域生成与 R-CNN 流程

沿候选区域生成、特征提取与分类回归理解 R-CNN 两阶段流程。

打开内容 ↗
exp12 · 挑战

Exp12 · RoI 对齐与 RPN

从特征图量化误差出发,检查 RoI 对齐和区域提议网络的分工。

打开内容 ↗
exp13 · 进阶

Exp13 · 切片推理 SAHI 从零实现

把大幅图像切成重叠子图,再将局部检测框映射回原图坐标。

打开内容 ↗
exp14 · 挑战

Exp14 · 注意力机制与特征可视化

比较 SE、CBAM、CoordAtt 等注意力结构,并用特征可视化辅助解释。

打开内容 ↗
exp15 · 挑战

Exp15 · 端到端小目标检测实战

把数据生成、训练、增广、评价与消融串成完整的小目标检测实验。

打开内容 ↗
exp16 · 挑战

Exp16 · 模型轻量化与 CPU 部署

从模型结构和推理成本出发,梳理轻量化、量化与本地 CPU 运行链路。

打开内容 ↗
route · 课程说明

课程路线 · 从基础概念到本地部署

按 8、20 或 39 学时选择实验组合,了解从检测表示到工程部署的递进结构。

打开内容 ↗
datasets · 阅读指南

数据说明 · 合成实验与真实数据集的边界

区分实验输入、数据集背景阅读与真实检测评估,避免把合成样本结果误读为真实表现。

打开内容 ↗