本書共分為四大部分13章，首章介紹了從深度學習時代開始的物件辨識發展，包括R-CNN及YOLO系列，第二章則介紹PASCAL VOC和MS COCO等重要資料集，從第三章到第八章，深入講解YOLO系列從YOLOv1到YOLOv4的發展，包括網路架構、檢測原理和訓練策略等，並提供程式實作的指導，幫助讀者建立對物件辨識任務的全面認識。第九章和第十章，介紹了YOLOX和YOLOv7的技術進展和實現細節，展示了對YOLOv3的改進及新型標籤分配的動態策略。
第十一章詳細介紹了DETR，這是一種基於Transformer的物件辨識框架，改變了傳統物件辨識的方法。第十二章探討了YOLOF，一種新型的單級物件辨識網路，而第十三章則專注於FCOS，這是一種無先驗框的檢測器，為物件辨識領域帶來新的思路。第四部分重點介紹了大型語言模型的擴充應用和評估。包括與外部工具和知識源連接的LangChain 技術。
本書特色
★物件辨識架構淺析
★Pascal、COCO資料集詳解
★YOLOv1、YOLOv2、YOLOv3網路介紹及架設、訓練實作
★新的YOLO架構YOLOX、YOLOv7網路介紹及架設、訓練實作
★DETR網路介紹及架設、訓練實作
★YOLOF網路介紹及架設、訓練實作
★FCOS網路介紹及架設、訓練實作
