当前播放: 28 | 应用:使用TensorFlow 2训练RetinaNet
00:00 / 00:00
高清
  • 高清
1.0x
  • 2.0x
  • 1.5x
  • 1.25x
  • 1.0x
  • 0.5x
网页全屏
全屏
00:00
付费课程,可试看
课程目录
课程简介 (2讲)
01 | 课程介绍:AI进阶需要落地实战
免费
02 | 内容综述:如何快速⾼效学习AI与TensorFlow 2
免费
基础理论篇:TensorFlow 2设计思想 (4讲)
03 | TensorFlow 2新特性
免费
04 | TensorFlow 2核心模块
05 | TensorFlow 2 vs TensorFlow 1.x
06 | TensorFlow 2落地应⽤
快速上手篇:动⼿训练模型和部署服务 (7讲)
07 | TensorFlow 2开发环境搭建
08 | TensorFlow 2数据导入与使⽤
09 | 使用tf.keras.datasets加载数据
10 | 使用tf.keras管理Sequential模型
11 | 使用tf.keras管理functional API
12 | Fashion MNIST数据集介绍
13 | 使用TensorFlow2训练分类网络
方案设计篇:如何设计可落地的AI解决方案 (6讲)
14 | 行业背景:AI新零售是什么?
15 | 用户需求:线下门店业绩如何提升?
16 | 长期⽬标:货架数字化与业务智能化
17 | 短期目标:自动化陈列审核和促销管理
18 | 方案设计:基于深度学习的检测/分类的AI流水线
19 | 方案交付:支持在线识别和API调用的AI SaaS
商品检测篇:使用RetinaNet瞄准你的货架商品 (12讲)
20 | 基础:目标检测问题定义与说明
21 | 基础:深度学习在目标检测中的应用
22 | 理论:R-CNN系列二阶段模型综述
23 | 理论:YOLO系列一阶段模型概述
24 | 应用:RetinaNet 与 Facol Loss 带来了什么
25 | 应用:检测数据标注方法与流程
26 | 应用:划分检测训练集与测试集
27 | 应用:生成 CSV 格式数据集与标注
28 | 应用:使用TensorFlow 2训练RetinaNet
29 | 应用:使用RetinaNet检测货架商品
30 | 扩展:目标检测常用数据集综述
31 | 扩展:目标检测更多应用场景介绍
商品识别篇:使⽤ResNet识别你的货架商品 (8讲)
32 | 基础:图像分类问题定义与说明
33 | 基础:越来越深的图像分类网络
34 | 应⽤:检测SKU抠图与分类标注流程
35 | 应⽤:分类训练集与验证集划分
36 | 应⽤:使⽤TensorFlow 2训练ResNet
37 | 应用:使用ResNet识别货架商品
38 | 扩展:图像分类常用数据集综述
39 | 扩展:图像分类更多应⽤场景介绍
业务落地篇:实现货架洞察Web应用 (5讲)
40 | 串联AI流程理论:商品检测与商品识别
41 | 串联AI流程实战:商品检测与商品识别
42 | 展现AI效果理论:使用OpenCV可视化识别结果
43 | 展现AI效果实战:使用OpenCV可视化识别结果
44 | 搭建AI SaaS理论:Web框架选型
28 | 应用:使用TensorFlow 2训练RetinaNet

28 | 应用:使用TensorFlow 2训练RetinaNet

彭靖田
Google Developer Expert、《TensorFlow 快速入门与实战》作者
每周四12点更新2111
新人首单 ¥29.9 原价 ¥129
2
登录 后留言

精选留言(4)

  • 子曰
    最新的的Keras 版本 keras.optimizers.adam 改为 keras.optimizers.Adam了
    train.py中的一处修改
    2020-07-29
  • 子曰
    最新版本里好像找不到 keras.initializers.normal,官方文档中给到的是initializers.RandomNormal
    2020-07-29
  • 小黑🐷
    老师,关于RetinaNet的训练出现一个error,安装github上测试的例子,“ResNet-50-model.keras.h5”已下载并放在当前目录,进入python命令行,执行如下:
    from keras_retinanet.models import load_model
    model = load_model('ResNet-50-model.keras.h5',backbone_name='resnet50')
    报:
        /root/.local/lib/python3.7/site-packages/keras_resnet/layers/_batch_normalization.py:17 call *
            return super(BatchNormalization, self).call(training=(not self.freeze), *args, **kwargs)

        TypeError: type object got multiple values for keyword argument 'training'
    2020-07-13
    1
  • @.@
    老师,能不能说下之前提的那个如果某个类别检测效果比较差,如何对这个类别数据做二次训练的具体流程方法。假如我有10个类别其中两个效果比较差,那我在当前模型的基础上单独训练这两个类别的数据,我训练完后,是不是还要切回到10个类别的数据再去训练几轮,然后这个模型才能用。
    2020-07-13
收起评论
看过的人还看
NLP实战高手课

王然  众微科技AI Lab技术负责人、阿姆斯特丹大学数学和计量经济学双硕士

128讲 | 3257 人已学习

新人首单 ¥29.9 原价 ¥129
TensorFlow快速入门与实战

彭靖田  Google Developers Expert,《深入理解TensorFlow》作者

67讲 | 8325 人已学习

新人首单 ¥29.9 原价 ¥129
分布式系统案例课

杨波  前携程/拍拍贷技术总监,微服务技术专家

55讲 | 3237 人已学习

新人首单 ¥29.9 原价 ¥129
编译原理实战课

宫文学  北京物演科技CEO

53讲 | 2981 人已学习

新人首单 ¥29.9 原价 ¥129