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 ↗