第1章 课程介绍
1-1 课程导学 (22:58)
第2章 目标检测算法基础介绍
2-1 目标检测问题定义 (12:10)
2-2 目标检测问题方法 (15:11)
2-3 传统目标检测方法基本流程 (05:33)
2-4 常见传统目标检测方法-Viola-Jones（人脸检测） (08:58)
2-5 常见传统目标检测方法-HOG+SVM（行人检测、Opencv） (09:21)
2-6 常见传统目标检测方法-DPM（物体检测） (06:34)
2-7 常见传统目标检测方法-Sofe-NMS（非极大值抑制算法） (05:54)
2-8 Two-stage基本介绍，流程与常见算法 (08:25)
2-9 Two-stage核心组件 (21:06)
2-10 One-stage基本介绍、流程与常见算法 (04:36)
2-11 One-stage核心组件 (18:52)
2-12 One-stage与Two-stage优缺点对比 (05:14)
2-13 【讨论题】如何理解目标检测中的度量指标？
第3章 SSD系列算法原理精讲
3-1 SSD系列算法介绍（主干网络、多尺度Feature Map预测） (12:18)
3-2 Prior Box Layer、样本构造、损失函数介绍 (19:34)
3-3 DSSD、DSOD算法 (13:29)
3-4 FSSD、RSSD算法 (09:29)
3-5 思考题
第4章 基于SSD的人脸检测项目实战
4-1 人脸业务场景介绍（常见问题、标注方法、算法性能好坏、人脸采集常用方法） (20:54)
4-2 Wider Face数据集介绍、标注格式、下载等 (15:01)
4-3 Wider Face数据集介绍 (06:36)
4-4 Wider Face数据集转VOC格式数据集编程实现 (24:29)
4-5 使用Caffe-SSD打包Wider Face为LMDB格式样本实操 (06:01)
4-6 Caffe-SSD框架搭建及训练脚本解读 (15:45)
4-7 Caffe-SSD人脸检测模型训练实操讲解 (11:19)
4-8 Caffe-SSD框架主干网络脚本讲解+实操 (08:58)
4-9 Caffe-SSD框架训练脚本讲解+实操 (13:47)
4-10 Caffe-SSD框架模型测试介绍与脚本编程实现 (15:31)
4-11 Caffe-SSD框架测试结果可视化与人脸检测技巧说明 (11:09)
4-12 思考题
第5章 Faster RCNN系列算法原理精讲
5-1 Faseter-Rcnn系列介绍 (06:38)
5-2 RCNN介绍 (14:19)
5-3 SPPNet介绍 (10:23)
5-4 Fast rcnn介绍 (21:02)
5-5 HyperNet、RFCN介绍 (12:47)
5-6 Light-Head RCNN、Mask-RCNN介绍 (10:35)
5-7 Cascade RCNN、CoupleNet、OHEM、Soft-NMS介绍 (13:00)
5-8 思考题
第6章 基于Faster RCNN的ADAS场景目标检测项目实战
6-1 ADAS业务场景介绍 (15:04)
6-2 Kitti数据集介绍、标注格式、下载等 (10:22)
6-3 Kitti数据集类别提取编程实现 (14:13)
6-4 Kitti数据集转VOC格式数据脚本编程实现 (16:13)
6-5 Faster RCNN目标检测模型环境搭建介绍 (10:51)
6-6 Faster RCNN目标检测环境搭建实操 (05:34)
6-7 Faster RCNN目标检测框架介绍 (09:10)
6-8 Faster RCNN目标检测框架训练脚本参数配置介绍 (14:38)
6-9 Faster RCNN目标检测框架配置修改实操 (14:47)
6-10 Faster RCNN目标检测模型训练及其优化 (06:58)
6-11 利用Faster RCNN测试脚本进行模型测试 (06:25)
6-12 自己动手编程实现Faster RCNN模型测试脚本 (13:19)
6-13 思考题
第7章 YOLO系列算法原理精讲
7-1 Yolov1算法 (21:28)
7-2 Yolov2算法（1） (12:38)
7-3 Yolov2算法（2） (11:42)
7-4 Yolo9000算法 (05:12)
7-5 Yolov3算法 (10:44)
7-6 思考题
第8章 基于YOLOV3的通用物体检测项目实战
8-1 物体检测业务场景综述 (17:53)
8-2 COCO数据集介绍、标注格式、下载脚本等 (09:46)
8-3 YOLOV3DarkNet框架介绍和环境搭建 (13:54)
8-4 DarkNet框架解读及相关配置说明 (18:06)
8-5 利用DarkNet框架进行YOLOV3模型训练实操 (15:08)
8-6 YoloV3检测模型的测试介绍及编程实例 (12:15)
8-7 思考题
第9章 文本检测系列算法原理精讲
9-1 文本检测算法原理介绍 (12:50)
9-2 CTPN模型 (10:38)
9-3 RRPN模型 (19:11)
9-4 FTSN模型 (11:41)
9-5 DMPNet模型 (15:56)
9-6 EAST模型 (09:17)
9-7 SegLink模型 (13:01)
9-8 PixelLink模型 (16:35)
9-9 Textboxes讲解 (18:41)
9-10 Textboxes++模型介绍 (25:34)
9-11 文本检测常见数据集 (21:16)
9-12 其他检测模型方法介绍 (14:56)
9-13 【讨论题】如何理解基于分割的文字检测算法
第10章 基于EAST的自然场景文本检测项目实战
10-1 自然场景下文本检测业务场景综述 (15:26)
10-2 ICDAR数据集介绍、标注格式、下载等 (11:00)
10-3 EAST文本检测框架环境搭建 (09:03)
10-4 EAST文本检测框架解读与训练实操 (16:23)
10-5 EAST文本检测模型测试脚本编程实例 (09:26)
10-6 【讨论题】如何理解倾斜物体检测，与通用目标检测的区别？
第11章 多任务网络原理介绍
11-1 多任务网络业务场景综述 (07:49)
11-2 人脸检测+关键点多任务网络模型MTCNN介绍 (05:16)
11-3 人脸检测+关键点多任务网络数据集介绍 (05:30)
11-4 思考题
第12章 基于人脸检测+关键点定位的多任务网络项目实战
12-1 MTCNN环境配置、框架解读、数据打包 (18:41)
12-2 MTCNN数据打包（PNet、RNet、ONet）实操（1） (14:57)
12-3 MTCNN数据打包（PNet、RNet、ONet）实操（2） (13:45)
12-4 MTCNN模型训练介绍 (03:33)
12-5 MTCNN模型训练（PNet、RNet、ONet）实操 (15:50)
12-6 MTCNN模型（PNet、RNet、ONet）测试实操 (09:01)
12-7 思考题
第13章 课程总结
13-1 one-stage vs two-stage (13:13)
13-2 不同目标检测算法的优缺点对比 (12:52)
13-3 【讨论题】如何理解Anchor-free的技术方案？
13-4 不同目标检测算法的精度对比 (10:42)
13-5 【讨论题】深入探讨目标检测问题和相关优化技巧
13-6 常见目标检测研究对象与数据集 (10:37)
13-7 目标检测常见任务与性能评价指标 (18:23)
13-8 目标检测行业应用现状-人脸检测 (17:31)
13-9 目标检测行业应用现状-ADAS (10:20)
13-10 目标检测行业应用现状-文本检测 (09:05)
13-11 课程总结 (19:30)
