|
所在平台: Udemy |
课程主页: https://www.udemy.com/course/swint-objdetect/
课程评论：没有评论
**课程名称：** Swin Transformer实战目标检测：训练自己的数据集 **课程概述：** 本课程旨在教授学员如何利用Swin Transformer这一强大的计算机视觉骨干网络，在自己的数据集上进行目标检测的训练。Swin Transformer作为Transformer模型在计算机视觉领域的创新应用，已经在图像分类、目标检测、实例分割等多个任务中取得了最先进（SOTA）的性能，并荣获ICCV 2021最佳论文奖。 课程将从Transformer在自然语言处理（NLP）领域的发展讲起，深入浅出地介绍其在计算机视觉（CV）领域的应用，以及Swin Transformer的核心原理。通过实际操作演示，学员将学会如何使用labelImg工具标注自己的数据集，并利用Swin Transformer模型进行训练。 课程将以一个多目标检测的实例（识别足球和梅西）来展示完整的Swin Transformer实战流程。演示将涵盖Windows和Ubuntu两种操作系统环境，具体包括： * **环境搭建：** 安装必要的软件环境，如PyTorch。 * **模型安装：** 部署Swin Transformer目标检测库。 * **数据处理：** * 使用labelImg进行数据集标注。 * 准备和整理自己的数据集，包括自动划分训练集和验证集。 * 通过Python脚本完成数据集格式转换。 * **模型训练：** * 修改配置文件以适应自定义数据集。 * 进行Swin Transformer模型的训练。 * **模型评估：** * 测试训练好的模型。 * 进行性能统计和日志分析。 通过本课程的学习，学员将掌握Swin Transformer在目标检测任务中的应用技巧，并能够独立完成自定义数据集的训练和部署。
Transformer发轫于NLP（自然语言处理），并跨界应用到CV（计算机视觉）领域。 Swin Transformer是基于Transformer的计算机视觉骨干网，在图像分类、目标检测、实例分割、语义分割等多项下游CV应用中取得了SOTA的性能。该项工作也获得了ICCV 2021顶会最佳论文奖。本课程将手把手地教大家使用labelImg标注和使用Swin Transformer训练自己的数据集。本课程将介绍Transformer及在CV领域的应用、Swin Transformer的原理。 课程以多目标检测（足球和梅西同时检测）为例进行Swin Transformer实战演示。课程在Windows和Ubuntu系统上分别做项目演示。包括：安装软件环境、安装Pytorch、安装Swin-Transformer-Object-Detection、标注自己的数据集、准备自己的数据集（自动划分训练集和验证集）、数据集格式转换（Python脚本完成）、修改配置文件、训练自己的数据集、测试训练出的网络模型、性能统计、日志分析。
