Swin Transformer实战目标检测：训练自己的数据集

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Best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

本课程提供项目的数据集和相关Python程序文件。

1 课程介绍.mp4

2 目标检测-任务说明.mp4

3 目标检测-常用数据集.mp4

4 目标检测-性能指标.mp4

5 Transformer及在CV领域的应用.mp4

6 Swin Transformer原理.mp4

7 安装软件环境和PyTorch.mp4

8 安装Swin-Transformer.mp4

9 标注数据集.mp4

10 数据集自动划分及格式转换.mp4

11 修改配置文件.mp4

12 训练Swin Transformer.mp4

13 测试训练出的Swin Transformer网络.mp4

14 安装软件环境和PyTorch.mp4

15 安装Swin-Transformer.mp4

16 标注数据集.mp4

17 数据集自动划分及格式转换.mp4

18 修改配置文件2.mp4

19 训练Swin Transformer.mp4

20 测试训练出的Swin Transformer网络.mp4

课程资料.zip