admin 发表于 2023-2-23 17:09:21

GP-P5人工智能深度学习高薪就业班5-2022年-价值16800元24章完结无秘

08.GP-P5人工智能深度学习高薪就业班5-2022年-价值16800元24章完结无秘
├─10_图神经网络实战
│├─1_图神经网络基础
││├┈1-图神经网络应用领域分析.mp4.mp4
││├┈2-图基本模块定义.mp4.mp4
││├┈3-邻接矩阵的定义.mp4.mp4
││├┈4-GNN中常见任务.mp4.mp4
││├┈5-消息传递计算方法.mp4.mp4
││└┈6-多层GCN的作用.mp4.mp4
│├─2_图卷积GCN模型
││├┈1-GCN基本模型概述.mp4.mp4
││├┈2-图卷积的基本计算方法.mp4.mp4
││├┈3-邻接的矩阵的变换.mp4.mp4
││└┈4-GCN变换原理解读.mp4.mp4
│├─3_图模型必备神器PyTorch Geometric安装与使用
││├┈1-PyTorch Geometric工具包安装与配置方法.mp4.mp4
││├┈2-数据集与邻接矩阵格式.mp4.mp4
││├┈3-模型定义与训练方法.mp4.mp4
││└┈4-文献引用数据集分类案例实战.mp4.mp4
│├─4_使用PyTorch Geometric构建自己的图数据集
││├┈1-构建数据集基本方法.mp4.mp4
││├┈2-数据集与任务背景概述.mp4.mp4
││├┈3-数据集基本预处理.mp4.mp4
││├┈4-用户行为图结构创建.mp4.mp4
││├┈5-数据集创建函数介绍.mp4.mp4
││├┈6-网络结构定义模块.mp4.mp4
││├┈7-TopkPooling进行下采样任务.mp4.mp4
││├┈8-获取全局特征.mp4.mp4
││└┈9-模型训练与总结.mp4.mp4
│├─5_图注意力机制与序列图模型
││├┈1-图注意力机制的作用与方法.mp4.mp4
││├┈2-邻接矩阵计算图Attention.mp4(1).mp4
││├┈2-邻接矩阵计算图Attention.mp4.mp4
││├┈3-序列图神经网络TGCN应用.mp4.mp4
││└┈4-序列图神经网络细节.mp4.mp4
│├─6_图相似度论文解读
││├┈1-要完成的任务分析.mp4.mp4
││├┈2-基本方法概述解读.mp4.mp4
││├┈3-图模型提取全局与局部特征.mp4.mp4
││├┈4-NTN模块的作用与效果.mp4.mp4
││├┈5-点之间的对应关系计算.mp4.mp4
││└┈6-结果输出与总结.mp4.mp4
│├─7_图相似度计算实战
││├┈1-数据集与任务概述3.mp4.mp4
││├┈2-图卷积特征提取模块3.mp4.mp4
││├┈3-分别计算不同Batch点的分布3.mp4.mp4
││├┈4-获得直方图特征结果.mp4.mp4
││├┈5-图的全局特征构建.mp4.mp4
││├┈6-NTN图相似特征提取.mp4.mp4
││└┈7-预测得到相似度结果.mp4.mp4
│├─8_基于图模型的轨迹估计
││├┈1-数据集与标注信息解读.mp4.mp4
││├┈2-整体三大模块分析.mp4.mp4
││├┈3-特征工程的作用与效果.mp4.mp4
││├┈4-传统方法与现在向量空间对比.mp4.mp4
││├┈5-输入细节分析.mp4.mp4
││├┈6-子图模块构建方法.mp4.mp4
││├┈7-特征融合模块分析.mp4.mp4
││└┈8-VectorNet输出层分析.mp4.mp4
│└─9_图模型轨迹估计实战
│└─├┈1-数据与环境配置4.mp4.mp4
│└─├┈2-训练数据准备4.mp4.mp4
│└─├┈3-Agent特征提取方法4.mp4.mp4
│└─├┈4-DataLoader构建图结构4.mp4.mp4
│└─└┈5-SubGraph与Attention模型流程4.mp4.mp4
├─11_3D点云实战
│├─1_3D点云实战 3D点云应用领域分析
││├┈1-点云数据概述.mp4.mp4
││├┈2-点云应用领域与发展分析.mp4.mp4
││├┈3-点云分割任务.mp4.mp4
││├┈4-点云补全任务.mp4.mp4
││├┈5-点云检测与配准任务.mp4.mp4
││└┈6-点云数据特征提取概述与预告.mp4.mp4
│├─2_3D点云PointNet算法
││├┈1-3D数据应用领域与点云介绍.mp4.mp4
││├┈2-点云数据可视化展示.mp4.mp4
││├┈3-点云数据特性和及要解决的问题.mp4.mp4
││├┈4-PointNet算法出发点解读.mp4.mp4
││└┈5-PointNet算法网络架构解读.mp4.mp4
│├─3_PointNet++算法解读
││├┈10-分类与分割问题解决方案.mp4.mp4
││├┈11-遇到的问题及改进方法分析.mp4.mp4
││├┈6-PointNet升级版算法要解决的问题.mp4.mp4
││├┈7-最远点采样方法.mp4.mp4
││├┈8-分组Group方法原理解读.mp4.mp4
││└┈9-整体流程概述分析.mp4.mp4
│├─4_Pointnet++项目实战
││├┈1-项目文件概述.mp4.mp4
││├┈10-分类任务总结.mp4.mp4
││├┈11-分割任务数据与配置概述.mp4.mp4
││├┈12-分割需要解决的任务概述.mp4.mp4
││├┈13-上采样完成分割任务.mp4.mp4
││├┈2-数据读取模块配置.mp4.mp4
││├┈3-DEBUG解读网络模型架构.mp4.mp4
││├┈4-最远点采样介绍.mp4.mp4
││├┈5-采样得到中心点.mp4.mp4
││├┈6-组区域划分方法.mp4.mp4
││├┈7-实现group操作得到各中心簇.mp4.mp4
││├┈8-特征提取模块整体流程.mp4.mp4
││└┈9-预测结果输出模块.mp4.mp4
│├─5_点云补全PF-Net论文解读
││├┈1-点云补全要解决的问题.mp4.mp4
││├┈2-基本解决方案概述.mp4.mp4
││├┈3-整体网络概述.mp4.mp4
││├┈4-网络计算流程.mp4.mp4
││└┈5-输入与计算结果.mp4.mp4
│├─6_点云补全实战解读
││├┈1-数据与项目配置解读.mp4.mp4
││├┈2-待补全数据准备方法.mp4.mp4
││├┈3-整体框架概述.mp4.mp4
││├┈4-MRE特征提取模块.mp4.mp4
││├┈5-分层预测输出模块.mp4.mp4
││├┈6-补全点云数据.mp4.mp4
││└┈7-判别模块.mp4.mp4
│├─7_点云配准及其案例实战
││├┈1-点云配准任务概述.mp4.mp4
││├┈2-配准要完成的目标解读.mp4.mp4
││├┈3-训练数据构建1.mp4.mp4
││├┈4-任务基本流程.mp4.mp4
││├┈5-数据源配置方法.mp4.mp4
││├┈6-参数计算模块解读.mp4.mp4
││├┈7-基于模型预测输出参数.mp4.mp4
││├┈8-特征构建方法分析.mp4.mp4
││└┈9-任务总结.mp4.mp4
│└─8_基础补充-对抗生成网络架构原理与实战解析
│└─├┈1-对抗生成网络通俗解释.mp4.mp4
│└─├┈2-GAN网络组成.mp4.mp4
│└─├┈3-损失函数解释说明.mp4.mp4
│└─├┈4-数据读取模块.mp4.mp4
│└─└┈5-生成与判别网络定义.mp4.mp4
├─12_目标追踪与姿态估计实战
│├─1_课程介绍
││└┈课程介绍2.mp4.mp4
│├─2_姿态估计OpenPose系列算法解读
││├┈1-姿态估计要解决的问题分析.mp4.mp4
││├┈10-匹配方法解读.mp4.mp4
││├┈11-CPM模型特点.mp4.mp4
││├┈12-算法流程与总结.mp4.mp4
││├┈2-姿态估计应用领域概述.mp4.mp4
││├┈3-传统topdown方法的问题.mp4.mp4
││├┈4-要解决的两个问题分析.mp4.mp4
││├┈5-基于高斯分布预测关键点位置.mp4.mp4
││├┈6-各模块输出特征图解读.mp4.mp4
││├┈7-PAF向量登场.mp4.mp4
││├┈8-PAF标签设计方法.mp4.mp4
││└┈9-预测时PAF积分计算方法.mp4.mp4
│├─3_OpenPose算法源码分析
││├┈1-数据集与路径配置解读.mp4.mp4
││├┈10-多阶段输出与预测.mp4.mp4
││├┈2-读取图像与标注信息.mp4.mp4
││├┈3-关键点与躯干特征图初始化.mp4.mp4
││├┈4-根据关键点位置设计关键点标签.mp4.mp4
││├┈5-准备构建PAF躯干标签.mp4.mp4
││├┈6-各位置点归属判断.mp4.mp4
││├┈7-特征图各点累加向量计算.mp4.mp4
││├┈8-完成PAF特征图制作.mp4.mp4
││└┈9-网络模型一阶段输出.mp4.mp4
│├─4_deepsort算法知识点解读
││├┈1-卡尔曼滤波通俗解释.mp4.mp4
││├┈10-sort与deepsort建模流程分析.mp4.mp4
││├┈11-预测与匹配流程解读.mp4.mp4
││├┈12-追踪任务流程拆解.mp4.mp4
││├┈2-卡尔曼滤波要完成的任务.mp4.mp4
││├┈3-任务本质分析.mp4.mp4
││├┈4-基于观测值进行最优估计.mp4.mp4
││├┈5-预测与更新操作.mp4.mp4
││├┈6-追踪中的状态量.mp4.mp4
││├┈7-匈牙利匹配算法概述.mp4.mp4
││├┈8-匹配小例子分析.mp4.mp4
││└┈9-REID特征的作用.mp4.mp4
│├─5_deepsort源码解读
││├┈1-项目环境配置4.mp4.mp4
││├┈10-匹配结果与总结.mp4.mp4
││├┈2-参数与DEMO演示.mp4.mp4
││├┈3-针对检测结果初始化track.mp4.mp4
││├┈4-对track执行预测操作.mp4.mp4
││├┈5-状态量预测结果.mp4.mp4
││├┈6-IOU代价矩阵计算.mp4.mp4
││├┈7-参数更新操作.mp4.mp4
││├┈8-级联匹配模块.mp4.mp4
││└┈9-ReID特征代价矩阵计算.mp4.mp4
│├─6_YOLO-V4版本算法解读
││├┈1-V4版本整体概述.mp4.mp4
││├┈10-PAN模块解读.mp4.mp4
││├┈11-激活函数与整体架构总结.mp4.mp4
││├┈2-V4版本贡献解读.mp4.mp4
││├┈3-数据增强策略分析.mp4.mp4
││├┈4-DropBlock与标签平滑方法.mp4.mp4
││├┈5-损失函数遇到的问题.mp4.mp4
││├┈6-CIOU损失函数定义.mp4.mp4
││├┈7-NMS细节改进.mp4.mp4
││├┈8-SPP与CSP网络结构.mp4.mp4
││└┈9-SAM注意力机制模块.mp4.mp4
│├─7_V5版本项目配置
││├┈1-整体项目概述.mp4.mp4
││├┈2-训练自己的数据集方法.mp4.mp4
││├┈3-训练数据参数配置.mp4.mp4
││└┈4-测试DEMO演示.mp4.mp4
│└─8_V5项目工程源码解读
│└─├┈1-数据源DEBUG流程解读.mp4.mp4
│└─├┈10-完成配置文件解析任务.mp4.mp4
│└─├┈11-前向传播计算.mp4.mp4
│└─├┈12-BottleneckCSP层计算方法.mp4.mp4
│└─├┈13-Head层流程解读2.mp4.mp4
│└─├┈13-SPP层计算细节分析.mp4.mp4
│└─├┈14-上采样与拼接操作.mp4.mp4
│└─├┈15-输出结果分析.mp4.mp4
│└─├┈16-超参数解读.mp4.mp4
│└─├┈17-命令行参数介绍.mp4.mp4
│└─├┈18-训练流程解读.mp4.mp4
│└─├┈19-各种训练策略概述.mp4.mp4
│└─├┈2-图像数据源配置.mp4.mp4
│└─├┈20-模型迭代过程.mp4.mp4
│└─├┈3-加载标签数据.mp4.mp4
│└─├┈4-Mosaic数据增强方法.mp4.mp4
│└─├┈5-数据四合一方法与流程演示.mp4.mp4
│└─├┈6-getItem构建batch.mp4.mp4
│└─├┈7-网络架构图可视化工具安装.mp4.mp4
│└─├┈8-V5网络配置文件解读.mp4.mp4
│└─└┈9-Focus模块流程分析.mp4.mp4
├─13_面向深度学习的无人驾驶实战
│├─10_NeuralRecon项目源码解读
││├┈1-Backbone得到特征图.mp4.mp4
││├┈2-初始化体素位置.mp4.mp4
││├┈3-坐标映射方法实现.mp4.mp4
││├┈4-得到体素所对应特征图.mp4.mp4
││├┈5-插值得到对应特征向量.mp4.mp4
││├┈6-得到一阶段输出结果.mp4.mp4
││├┈7-完成三个阶段预测结果.mp4.mp4
││└┈8-项目总结2.mp4.mp4
│├─11_TSDF算法与应用
││├┈1-TSDF整体概述分析.mp4.mp4
││├┈2-合成过程DEMO演示.mp4.mp4
││├┈3-布局初始化操作.mp4.mp4
││├┈4-TSDF计算基本流程解读.mp4.mp4
││├┈5-坐标转换流程分析.mp4.mp4
││└┈6-输出结果融合更新.mp4.mp4
│├─12_TSDF实战案例
││├┈1-环境配置概述.mp4.mp4
││├┈2-初始化与数据读取.mp4.mp4
││└┈3-计算得到TSDF输出.mp4.mp4
│├─13_轨迹估计算法与论文解读
││├┈1-数据集与标注信息解读.mp4.mp4
││├┈2-整体三大模块分析.mp4.mp4
││├┈3-特征工程的作用与效果.mp4.mp4
││├┈4-传统方法与现在向量空间对比.mp4.mp4
││├┈5-输入细节分析.mp4.mp4
││├┈6-子图模块构建方法.mp4.mp4
││├┈7-特征融合模块分析.mp4.mp4
││└┈8-VectorNet输出层分析.mp4.mp4
│├─14_轨迹估计预测实战
││├┈1-数据与环境配置..mp4.mp4
││├┈2-训练数据准备.mp4.mp4
││├┈3-Agent特征提取方法.mp4.mp4
││├┈4-DataLoader构建图结构.mp4.mp4
││└┈5-SubGraph与Attention模型流程.mp4.mp4
│├─15_特斯拉无人驾驶解读
││└┈15-特斯拉无人驾驶解读.mp4.mp4
│├─1_深度估计算法原理解读
││├┈1-深度估计效果与应用.mp4.mp4
││├┈10-损失计算.mp4.mp4
││├┈2-kitti数据集介绍.mp4.mp4
││├┈3-使用backbone获取层级特征.mp4.mp4
││├┈4-差异特征计算边界信息.mp4.mp4
││├┈5-SPP层的作用.mp4.mp4
││├┈6-空洞卷积与ASPP.mp4.mp4
││├┈7-特征拼接方法分析.mp4.mp4
││├┈8-网络coarse-to-fine过程.mp4.mp4
││└┈9-权重参数预处理.mp4.mp4
│├─2_深度估计项目实战
││├┈1-项目环境配置解读1.mp4.mp4
││├┈10-模型DEMO输出结果.mp4.mp4
││├┈2-数据与标签定义方法.mp4.mp4
││├┈3-数据集dataloader制作.mp4.mp4
││├┈4-使用backbone进行特征提取.mp4.mp4
││├┈5-计算差异特征.mp4.mp4
││├┈6-权重参数标准化操作.mp4.mp4
││├┈7-网络结构ASPP层.mp4.mp4
││├┈8-输出深度估计结果.mp4.mp4
││├┈8-特征拼接方法解读.mp4.mp4
││└┈9-损失函数通俗解读.mp4.mp4
│├─3_车道线检测算法与论文解读
││├┈1-数据标签与任务分析.mp4.mp4
││├┈2-网络整体框架分析.mp4.mp4
││├┈3-输出结果分析.mp4.mp4
││├┈4-损失函数计算方法.mp4.mp4
││└┈5-论文概述分析.mp4.mp4
│├─4_基于深度学习的车道线检测项目实战
││├┈1-车道数据与标签解读.mp4.mp4
││├┈10-车道线规则损失函数限制.mp4.mp4
││├┈11-DEMO制作与配置.mp4.mp4
││├┈2-项目环境配置演示.mp4.mp4
││├┈3-制作数据集dataloader.mp4.mp4
││├┈4-车道线标签数据处理.mp4.mp4
││├┈5-四条车道线标签位置矩阵.mp4.mp4
││├┈6-grid设置方法.mp4.mp4
││├┈7-完成数据与标签制作.mp4.mp4
││├┈8-算法网络结构解读.mp4.mp4
││└┈9-损失函数计算模块分析.mp4.mp4
│├─5_商汤LoFTR算法解读
││├┈1-特征匹配的应用场景.mp4.mp4
││├┈10-总结分析.mp4.mp4
││├┈2-特征匹配的基本流程分析.mp4.mp4
││├┈3-整体流程梳理分析.mp4.mp4
││├┈4-CrossAttention的作用与效果.mp4.mp4
││├┈5-transformer构建匹配特征.mp4.mp4
││├┈6-粗粒度匹配过程与作用.mp4.mp4
││├┈7-特征图拆解操作.mp4.mp4
││├┈8-细粒度匹配的作用与方法.mp4.mp4
││└┈9-基于期望预测最终位置.mp4.mp4
│├─6_局部特征关键点匹配实战
││├┈1-项目与参数配置解读.mp4.mp4
││├┈10-得到精细化输出结果.mp4.mp4
││├┈11-通过期望计算最终输出.mp4.mp4
││├┈2-DEMO效果演示.mp4.mp4
││├┈3-backbone特征提取模块.mp4.mp4
││├┈4-注意力机制的作用与效果分析.mp4.mp4
││├┈5-特征融合模块实现方法.mp4.mp4
││├┈6-cross关系计算方法实例.mp4.mp4
││├┈7-粗粒度匹配过程.mp4.mp4
││├┈8-完成基础匹配模块.mp4.mp4
││└┈9-精细化调整方法与实例.mp4.mp4
│├─7_三维重建应用与坐标系基础
││├┈1-三维重建概述分析.mp4.mp4
││├┈2-三维重建应用领域概述.mp4.mp4
││├┈3-成像方法概述.mp4.mp4
││├┈4-相机坐标系.mp4.mp4
││├┈5-坐标系转换方法解读.mp4.mp4
││├┈6-相机内外参.mp4.mp4
││├┈7-通过内外参数进行坐标变换.mp4.mp4
││└┈8-相机标定简介.mp4.mp4
│├─8_NeuralRecon算法解读
││├┈1-任务流程分析.mp4.mp4
││├┈2-基本框架熟悉.mp4.mp4
││├┈3-特征映射方法解读.mp4.mp4
││├┈4-片段融合思想.mp4.mp4
││└┈5-整体架构重构方法.mp4.mp4
│└─9_NeuralRecon项目环境配置
│└─├┈1-数据集下载与配置方法.mp4.mp4
│└─├┈2-Scannet数据集内容概述.mp4.mp4
│└─├┈3-TSDF标签生成方法.mp4.mp4
│└─├┈4-ISSUE的作用.mp4.mp4
│└─└┈5-完成依赖环境配置.mp4.mp4
├─14_缺陷检测实战
│├─10_基于视频流水线的Opencv缺陷检测项目
││├┈1-数据与任务概述.mp4.mp4
││├┈2-视频数据读取与轮廓检测.mp4.mp4
││├┈3-目标质心计算.mp4.mp4
││├┈4-视频数据遍历方法.mp4.mp4
││├┈5-缺陷区域提取.mp4.mp4
││├┈6-不同类型的缺陷检测方法.mp4.mp4
││└┈7-检测效果演示.mp4.mp4
│├─11_图像分割deeplab系列算法
││├┈1-deeplab分割算法概述.mp4.mp4
││├┈2-空洞卷积的作用.mp4.mp4
││├┈3-感受野的意义.mp4.mp4
││├┈4-SPP层的作用.mp4.mp4
││├┈5-ASPP特征融合策略.mp4.mp4
││└┈6-deeplabV3Plus版本网络架构.mp4.mp4
│├─12_基于deeplabV3+版本进行VOC分割实战
││├┈1-PascalVoc数据集介绍.mp4.mp4
││├┈2-项目参数与数据集读取.mp4.mp4
││├┈3-网络前向传播流程.mp4.mp4
││├┈4-ASPP层特征融合.mp4.mp4
││└┈5-分割模型训练.mp4.mp4
│├─13_Deeplab铁质材料缺陷检测与开源项目应用流程
││├┈1-数据集与任务概述..mp4.mp4
││├┈2-开源项目应用方法.mp4.mp4
││├┈3-github与kaggle中需要注意的点.mp4.mp4
││├┈4-源码的利用方法.mp4.mp4
││├┈5-数据集制作方法.mp4.mp4
││├┈6-数据路径配置.mp4.mp4
││├┈7-训练模型.mp4.mp4
││└┈8-任务总结.mp4.mp4
│├─1_课程介绍
││└┈课程介绍3.mp4.mp4
│├─2_物体检框架YOLO-V4版本算法解读
││├┈1-V4版本整体概述.mp4.mp4
││├┈10-PAN模块解读.mp4.mp4
││├┈11-激活函数与整体架构总结.mp4.mp4
││├┈2-V4版本贡献解读.mp4.mp4
││├┈3-数据增强策略分析.mp4.mp4
││├┈4-DropBlock与标签平滑方法.mp4.mp4
││├┈5-损失函数遇到的问题.mp4.mp4
││├┈6-CIOU损失函数定义.mp4.mp4
││├┈7-NMS细节改进.mp4.mp4
││├┈8-SPP与CSP网络结构.mp4.mp4
││└┈9-SAM注意力机制模块.mp4.mp4
│├─3_物体检测框架YOLOV5版本项目配置
││├┈1-整体项目概述.mp4.mp4
││├┈2-训练自己的数据集方法.mp4.mp4
││├┈3-训练数据参数配置.mp4.mp4
││└┈4-测试DEMO演示.mp4.mp4
│├─4_物体检测框架YOLOV5项目工程源码解读
││├┈1-数据源DEBUG流程解读.mp4.mp4
││├┈10-完成配置文件解析任务.mp4.mp4
││├┈11-前向传播计算.mp4.mp4
││├┈12-BottleneckCSP层计算方法.mp4.mp4
││├┈13-1 SPP层计算细节分析.mp4.mp4
││├┈13-2Head层流程解读.mp4.mp4
││├┈14-上采样与拼接操作.mp4.mp4
││├┈15-输出结果分析.mp4.mp4
││├┈16-超参数解读.mp4.mp4
││├┈17-命令行参数介绍.mp4.mp4
││├┈18-训练流程解读.mp4.mp4
││├┈19-各种训练策略概述.mp4.mp4
││├┈2-图像数据源配置.mp4.mp4
││├┈20-模型迭代过程.mp4.mp4
││├┈3-加载标签数据.mp4.mp4
││├┈4-Mosaic数据增强方法.mp4.mp4
││├┈5-数据四合一方法与流程演示.mp4.mp4
││├┈6-getItem构建batch.mp4.mp4
││├┈7-网络架构图可视化工具安装.mp4.mp4
││├┈8-V5网络配置文件解读.mp4.mp4
││└┈9-Focus模块流程分析.mp4.mp4
│├─5_基于YOLOV5的钢材缺陷检测实战
││├┈1-任务需求与项目概述.mp4.mp4
││├┈2-数据与标签配置方法.mp4.mp4
││├┈3-标签转换格式脚本制作.mp4.mp4
││├┈4-各版本模型介绍分析.mp4.mp4
││├┈5-项目参数配置.mp4.mp4
││├┈6-缺陷检测模型训练.mp4.mp4
││└┈7-输出结果与项目总结.mp4.mp4
│├─6_Semi-supervised布料缺陷检测实战
││├┈1-任务目标与流程概述.mp4.mp4
││├┈2-论文思想与模型分析.mp4.mp4
││├┈3-项目配置解读.mp4.mp4
││├┈4-网络流程分析.mp4.mp4
││└┈5-输出结果展示.mp4.mp4
│├─7_Opencv图像常用处理方法实例
││├┈1-腐蚀操作.mp4.mp4
││├┈1-计算机眼中的图像.mp4.mp4
││├┈1-图像阈值.mp4.mp4
││├┈2-膨胀操作.mp4.mp4
││├┈2-视频的读取与处理.mp4.mp4
││├┈2-图像平滑处理.mp4.mp4
││├┈3-ROI区域.mp4.mp4
││├┈3-高斯与中值滤波.mp4.mp4
││├┈3-开运算与闭运算.mp4.mp4
││├┈4-边界填充.mp4.mp4
││├┈4-梯度计算.mp4.mp4
││├┈5-礼帽与黑帽.mp4.mp4
││└┈5-数值计算.mp4.mp4
│├─8_Opencv轮廓检测与直方图
││├┈1-图像金字塔定义.mp4.mp4
││├┈1-直方图定义.mp4.mp4
││├┈2-金字塔制作方法.mp4.mp4
││├┈2-均衡化原理.mp4.mp4
││├┈3-均衡化效果.mp4.mp4
││├┈3-轮廓检测方法.mp4.mp4
││├┈4-傅里叶概述.mp4.mp4
││├┈4-轮廓检测结果.mp4.mp4
││├┈5-轮廓特征与近似.mp4.mp4
││├┈5-频域变换结果.mp4.mp4
││├┈6-低通与高通滤波.mp4.mp4
││├┈6-模板匹配方法.mp4.mp4
││└┈7-匹配效果展示.mp4.mp4
│├─8_Opencv梯度计算与边缘检测实例
││├┈1-Canny边缘检测流程.mp4.mp4
││├┈1-Sobel算子.mp4.mp4
││├┈2-非极大值抑制.mp4.mp4
││├┈2-梯度计算方法.mp4.mp4
││├┈3-scharr与lapkacian算子.mp4.mp4
││└┈3-边缘检测效果.mp4.mp4
│└─9_基于Opencv缺陷检测项目实战
│└─├┈1-任务需求与环境配置.mp4.mp4
│└─├┈2-数据读取与基本处理.mp4.mp4
│└─├┈3-缺陷形态学操作.mp4.mp4
│└─├┈4-整体流程解读.mp4.mp4
│└─└┈5-缺陷检测效果演示.mp4.mp4
├─15_行人重识别实战
│├─1_行人重识别原理及其应用
││├┈1-行人重识别要解决的问题.mp4.mp4
││├┈2-挑战与困难分析.mp4.mp4
││├┈3-评估标准rank1指标.mp4.mp4
││├┈4-map值计算方法.mp4.mp4
││├┈5-triplet损失计算实例.mp4.mp4
││└┈6-Hard-Negative方法应用.mp4.mp4
│├─2_基于注意力机制的Reld模型论文解读
││├┈1-论文整体思想及注意力机制的作用解读.mp4.mp4
││├┈2-空间权重值计算流程分析.mp4.mp4
││├┈3-融合空间注意力所需特征.mp4.mp4
││└┈4-基于特征图的注意力计算.mp4.mp4
│├─3_基于Attention的行人重识别项目实战
││├┈1-项目环境与数据集配置.mp4.mp4
││├┈2-参数配置与整体架构分析.mp4.mp4
││├┈3-进入debug模式解读网络计算流程.mp4.mp4
││├┈4-获得空间位置点之间的关系.mp4.mp4
││├┈5-组合关系特征图.mp4.mp4
││├┈6-计算得到位置权重值.mp4.mp4
││├┈7-基于特征图的权重计算.mp4.mp4
││├┈8-损失函数计算实例解读.mp4.mp4
││└┈9-训练与测试模块演示.mp4.mp4
│├─4_AAAI2020顶会算法精讲
││├┈1-论文整体框架概述.mp4.mp4
││├┈2-局部特征与全局关系计算方法.mp4.mp4
││├┈3-特征分组方法.mp4.mp4
││├┈4-GCP模块特征融合方法.mp4.mp4
││├┈5-oneVsReset方法实例.mp4.mp4
││└┈6-损失函数应用位置.mp4.mp4
│├─5_项目实战-基于行人局部特征融合的再识别实战
││├┈1-项目配置与数据集介绍.mp4.mp4
││├┈10-得到所有分组特征结果.mp4.mp4
││├┈11-损失函数与训练过程演示.mp4.mp4
││├┈12-测试与验证模块.mp4.mp4
││├┈2-数据源构建方法分析.mp4.mp4
││├┈3-dataloader加载顺序解读.mp4.mp4
││├┈4-debug模式解读.mp4.mp4
││├┈5-网络计算整体流程演示.mp4.mp4
││├┈6-特征序列构建.mp4.mp4
││├┈7-GCP全局特征提取.mp4.mp4
││├┈8-局部特征提取实例.mp4.mp4
││└┈9-特征组合汇总.mp4.mp4
│├─6_旷视研究院最新算法解读(基于图模型)
││├┈1-关键点位置特征构建.mp4.mp4
││├┈2-图卷积与匹配的作用.mp4.mp4
││├┈3-局部特征热度图计算.mp4.mp4
││├┈4-基于图卷积构建人体拓扑关系.mp4.mp4
││├┈5-图卷积模块实现方法.mp4.mp4
││├┈6-图匹配在行人重识别中的作用.mp4.mp4
││└┈7-整体算法框架分析.mp4.mp4
│└─7_基于拓扑图的行人重识别项目实战
│└─├┈1-数据集与环境配置概述.mp4.mp4
│└─├┈10-整体项目总结.mp4.mp4
│└─├┈2-局部特征准备方法.mp4.mp4
│└─├┈3-得到一阶段热度图结果.mp4.mp4
│└─├┈4-阶段监督训练.mp4.mp4
│└─├┈5-初始化图卷积模型.mp4.mp4
│└─├┈6-mask矩阵的作用.mp4.mp4
│└─├┈7-邻接矩阵学习与更新.mp4.mp4
│└─├┈8-基于拓扑结构组合关键点特征.mp4.mp4
│└─└┈9-图匹配模块计算流程.mp4.mp4
├─16_对抗生成网络实战
│├─1_课程介绍
││└┈课程介绍.mp4.mp4
│├─2_对抗生成网络架构原理与实战解析
││├┈1-对抗生成网络通俗解释.mp4.mp4
││├┈2-GAN网络组成.mp4.mp4
││├┈3-损失函数解释说明.mp4.mp4
││├┈4-数据读取模块.mp4.mp4
││└┈5-生成与判别网络定义.mp4.mp4
│├─3_基于CycleGan开源项目实战图像合成
││├┈1-CycleGan网络所需数据.mp4.mp4
││├┈10-额外补充:VISDOM可视化配置.mp4.mp4
││├┈2-CycleGan整体网络架构.mp4.mp4
││├┈3-PatchGan判别网络原理.mp4.mp4
││├┈4-Cycle开源项目简介.mp4.mp4
││├┈5-数据读取与预处理操作.mp4.mp4
││├┈6-生成网络模块构造.mp4.mp4
││├┈7-判别网络模块构造.mp4.mp4
││├┈8-损失函数:identity loss计算方法.mp4.mp4
││└┈9-生成与判别损失函数指定.mp4.mp4
│├─4_stargan论文架构解析
││├┈1-stargan效果演示分析.mp4.mp4
││├┈2-网络架构整体思路解读.mp4.mp4
││├┈3-建模流程分析.mp4.mp4
││├┈4-V1版本存在的问题及后续改进思路.mp4.mp4
││├┈5-V2版本在整体网络架构.mp4.mp4
││├┈6-编码器训练方法.mp4.mp4
││├┈7-损失函数公式解析.mp4.mp4
││└┈8-训练过程分析.mp4.mp4
│├─5_stargan项目实战及其源码解读
││├┈1-项目配置与数据源下载.mp4.mp4
││├┈10-测试模块效果与实验分析.mp4.mp4
││├┈2-测试效果演示.mp4.mp4
││├┈3-项目参数解析.mp4.mp4
││├┈4-生成器模块源码解读.mp4.mp4
││├┈5-所有网络模块构建实例.mp4.mp4
││├┈6-数据读取模块分析.mp4.mp4
││├┈7-判别器损失计算.mp4.mp4
││├┈8-损失计算详细过程.mp4.mp4
││└┈9-生成模块损失计算.mp4.mp4
│├─6_基于starganvc2的变声器论文原理解读
││├┈1-论文整体思路与架构解读.mp4.mp4
││├┈2-VCC2016输入数据.mp4.mp4
││├┈3-语音特征提取.mp4.mp4
││├┈4-生成器模型架构分析.mp4.mp4
││├┈5-InstanceNorm的作用解读.mp4.mp4
││├┈6-AdaIn的目的与效果.mp4.mp4
││└┈7-判别器模块分析.mp4.mp4
│├─7_starganvc2变声器项目实战及其源码解读
││├┈1-数据与项目文件解读.mp4.mp4
││├┈10-源码损失计算流程.mp4.mp4
││├┈11-测试模块-生成转换语音.mp4.mp4
││├┈2-环境配置与工具包安装.mp4.mp4
││├┈3-数据预处理与声音特征提取.mp4.mp4
││├┈4-生成器构造模块解读.mp4.mp4
││├┈5-下采样与上采样操作.mp4.mp4
││├┈6-starganvc2版本标签输入分析.mp4.mp4
││├┈7-生成器前向传播维度变化.mp4.mp4
││├┈8-判别器模块解读.mp4.mp4
││└┈9-论文损失函数.mp4.mp4
│├─8_图像超分辨率重构实战
││├┈1-论文概述.mp4.mp4
││├┈2-网络架构.mp4.mp4
││├┈3-数据与环境配置.mp4.mp4
││├┈4-数据加载与配置.mp4.mp4
││├┈5-生成模块.mp4.mp4
││├┈6-判别模块.mp4.mp4
││├┈7-VGG特征提取网络.mp4.mp4
││├┈8-损失函数与训练.mp4.mp4
││└┈9-测试模块.mp4.mp4
│└─9_基于GAN的图像补全实战
│└─├┈1-.论文概述.mp4.mp4
│└─├┈2-网络架构11.mp4.mp4
│└─├┈3- 细节设计.mp4.mp4
│└─├┈4- 论文总结.mp4.mp4
│└─├┈5- 数据与项目概述.mp4.mp4
│└─├┈6- 参数基本设计.mp4.mp4
│└─├┈7- 网络结构配置.mp4.mp4
│└─├┈8- 网络迭代训练.mp4.mp4
│└─└┈9- 测试模块.mp4.mp4
├─17_强化学习实战系列
│├─1_强化学习简介及其应用
││├┈1-一张图通俗解释强化学习.mp4.mp4
││├┈2-强化学习的指导依据.mp4.mp4
││├┈3-强化学习AI游戏DEMO.mp4.mp4
││├┈4-应用领域简介.mp4.mp4
││├┈5-强化学习工作流程.mp4.mp4
││└┈6-计算机眼中的状态与行为.mp4.mp4
│├─2_PPO算法与公式推导
││├┈1-基本情况介绍.mp4.mp4
││├┈2-与环境交互得到所需数据.mp4.mp4
││├┈3-要完成的目标分析.mp4.mp4
││├┈4-策略梯度推导.mp4.mp4
││├┈5-baseline方法.mp4.mp4
││├┈6-OnPolicy与OffPolicy策略.mp4.mp4
││├┈7-importance sampling的作用.mp4.mp4
││└┈8-PPO算法整体思路解析.mp4.mp4
│├─3_PPO实战-月球登陆器训练实例
││├┈1-Critic的作用与效果.mp4.mp4
││├┈2-PPO2版本公式解读.mp4.mp4
││├┈3-参数与网络结构定义.mp4.mp4
││├┈4-得到动作结果.mp4.mp4
││├┈5-奖励获得与计算.mp4.mp4
││└┈6-参数迭代与更新.mp4.mp4
│├─4_Q-learning与DQN算法
││├┈1-算法原理通俗解读.mp4.mp4
││├┈2-目标函数与公式解析.mp4.mp4
││├┈3-Qlearning算法实例解读.mp4.mp4
││├┈4-Q值迭代求解.mp4.mp4
││└┈5-DQN简介.mp4.mp4
│├─5_DQN算法实例演示
││├┈1-整体任务流程演示.mp4.mp4
││├┈2-探索与action获取.mp4.mp4
││├┈3-计算target值.mp4.mp4
││└┈4-训练与更新.mp4.mp4
│├─6_DQN改进与应用技巧
││├┈1-DoubleDqn要解决的问题.mp4.mp4
││├┈2-DuelingDqn改进方法.mp4.mp4
││├┈3-Dueling整体网络架构分析.mp4.mp4
││├┈4-MultiSetp策略.mp4.mp4
││└┈5-连续动作处理方法.mp4.mp4
│├─7_Actor-Critic算法分析(A3C)
││├┈1-AC算法回顾与知识点总结.mp4.mp4
││├┈2-优势函数解读与分析.mp4.mp4
││├┈3-计算流程实例.mp4.mp4
││├┈4-A3C整体架构分析.mp4.mp4
││└┈5-损失函数整理.mp4
│└─8_用A3C玩转超级马里奥
│└─├┈1-整体流程与环境配置.mp4.mp4
│└─├┈2-启动游戏环境.mp4.mp4
│└─├┈3-要计算的指标回顾.mp4.mp4
│└─├┈4-初始化局部模型并加载参数.mp4.mp4
│└─├┈5-与环境交互得到训练数据.mp4.mp4
│└─└┈6-训练网络模型.mp4.mp4
├─18_面向医学领域的深度学习实战
│├─10_基于deeplab的心脏视频数据诊断分析
││├┈1-数据集与任务概述1.mp4.mp4
││├┈2-项目基本配置参数1.mp4.mp4
││├┈3-任务流程解读1.mp4.mp4
││├┈4-文献报告分析1.mp4.mp4
││├┈5-补充:视频数据源特征处理方法概述1.mp4.mp4
││└┈6-补充:R(2plus1)D处理方法分析1.mp4.mp4
│├─11_YOLO系列物体检测算法原理解读
││├┈1-V2版本细节升级概述.mp4.mp4
││├┈1-V3版本改进概述.mp4.mp4
││├┈1-V4版本整体概述.mp4.mp4
││├┈1-YOLO算法整体思路解读.mp4.mp4
││├┈1-检测任务中阶段的意义.mp4.mp4
││├┈10-PAN模块解读.mp4.mp4
││├┈11-激活函数与整体架构总结.mp4.mp4
││├┈2-V4版本贡献解读.mp4.mp4
││├┈2-不同阶段算法优缺点分析.mp4.mp4
││├┈2-多scale方法改进与特征融合.mp4.mp4
││├┈2-检测算法要得到的结果.mp4.mp4
││├┈2-网络结构特点.mp4.mp4
││├┈3-IOU指标计算.mp4.mp4
││├┈3-架构细节解读.mp4.mp4
││├┈3-经典变换方法对比分析.mp4.mp4
││├┈3-数据增强策略分析.mp4.mp4
││├┈3-整体网络架构解读.mp4.mp4
││├┈4-DropBlock与标签平滑方法.mp4.mp4
││├┈4-残差连接方法解读.mp4.mp4
││├┈4-基于聚类来选择先验框尺寸.mp4.mp4
││├┈4-评估所需参数计算.mp4.mp4
││├┈4-位置损失计算.mp4.mp4
││├┈5-map指标计算.mp4.mp4
││├┈5-偏移量计算方法.mp4.mp4
││├┈5-损失函数遇到的问题.mp4.mp4
││├┈5-整体网络模型架构分析.mp4.mp4
││├┈5-置信度误差与优缺点分析.mp4.mp4
││├┈6-CIOU损失函数定义.mp4.mp4
││├┈6-先验框设计改进.mp4.mp4
││├┈6-坐标映射与还原.mp4.mp4
││├┈7-NMS细节改进.mp4.mp4
││├┈7-sotfmax层改进.mp4.mp4
││├┈7-感受野的作用.mp4.mp4
││├┈8-SPP与CSP网络结构.mp4.mp4
││├┈8-特征融合改进.mp4.mp4
││├┈9-SAM注意力机制模块.mp4.mp4
││└┈目录.txt
│├─12_基于YOLO5细胞检测实战
││├┈1-任务与细胞数据集介绍.mp4.mp4
││├┈2-模型与算法配置参数解读.mp4.mp4
││├┈3-网络训练流程演示.mp4.mp4
││├┈4-效果评估与展示.mp4.mp4
││└┈5-细胞检测效果演示.mp4.mp4
│├─13_知识图谱原理解读
││├┈1-数据关系抽取分析.mp4.mp4
││├┈1-知识图谱通俗解读.mp4.mp4
││├┈2-常用NLP技术点分析.mp4.mp4
││├┈2-知识图谱在搜索引擎中的应用.mp4.mp4
││├┈3-graph-embedding的作用与效果.mp4.mp4
││├┈3-知识图谱在医疗领域应用实例.mp4.mp4
││├┈4-金融领域图编码实例.mp4.mp4
││├┈4-金融与推荐领域的应用.mp4.mp4
││├┈5-视觉领域图编码实例.mp4.mp4
││├┈5-数据获取分析.mp4.mp4
││├┈6-图谱知识融合与总结分析.mp4.mp4
││└┈目录.txt
│├─14_Neo4j数据库实战
││├┈1-Neo4j图数据库介绍.mp4.mp4
││├┈2-Neo4j数据库安装流程演示.mp4.mp4
││├┈3-可视化例子演示.mp4.mp4
││├┈4-创建与删除操作演示.mp4.mp4
││└┈5-数据库更改查询操作演示.mp4.mp4
│├─15_基于知识图谱的医药问答系统实战
││├┈1-项目概述与整体架构分析.mp4.mp4
││├┈10-完成对话系统构建.mp4.mp4
││├┈2-医疗数据介绍及其各字段含义.mp4.mp4
││├┈3-任务流程概述.mp4.mp4
││├┈4-环境配置与所需工具包安装.mp4.mp4
││├┈5-数据获取分析.mp4.mp4
││├┈5-提取数据中的关键字段信息.mp4.mp4
││├┈6-创建关系边.mp4.mp4
││├┈7-打造医疗知识图谱模型.mp4.mp4
││├┈8-加载所有实体数据.mp4.mp4
││└┈9-实体关键词字典制作.mp4.mp4
│├─16_词向量模型与RNN网络架构
││├┈2-1词向量模型通俗解释.mp4.mp4
││├┈3-1模型整体框架.mp4.mp4
││├┈4-1训练数据构建.mp4.mp4
││├┈5-1CBOW与Skip-gram模型.mp4.mp4
││├┈6-1负采样方案.mp4.mp4
││├┈额外补充-RNN网络模型解读.mp4.mp4
││└┈目录.txt
│├─17_医学糖尿病数据命名实体识别
││├┈1-数据与任务介绍1.mp4.mp4
││├┈2-整体模型架构1.mp4.mp4
││├┈3-数据-标签-语料库处理1.mp4.mp4
││├┈4-输入样本填充补齐1.mp4.mp4
││├┈5-训练网络模型1.mp4.mp4
││└┈6-医疗数据集(糖尿病)实体识别1.mp4.mp4
│├─1_卷积神经网络原理与参数解读
││├┈1-1卷积神经网络应用领域.mp4.mp4
││├┈10-1VGG网络架构.mp4.mp4
││├┈11-1残差网络Resnet.mp4.mp4
││├┈12-感受野的作用.mp4.mp4
││├┈2-1卷积的作用.mp4.mp4
││├┈3-1卷积特征值计算方法.mp4.mp4
││├┈4-1得到特征图表示.mp4.mp4
││├┈5-1步长与卷积核大小对结果的影响.mp4.mp4
││├┈6-1边缘填充方法.mp4.mp4
││├┈7-1特征图尺寸计算与参数共享.mp4.mp4
││├┈8-1池化层的作用.mp4.mp4
││└┈9-1整体网络架构.mp4.mp4
│├─2_PyTorch框架基本处理操作
││├┈1-PyTorch实战课程简介.mp4.mp4
││├┈2-PyTorch框架发展趋势简介1.mp4.mp4
││├┈3-框架安装方法(CPU与GPU版本)1.mp4.mp4
││├┈4-PyTorch基本操作简介1.mp4.mp4
││├┈5-自动求导机制.mp4.mp4
││├┈6线性回归DEMO-数据与参数配置1.mp4.mp4
││├┈7线性回归DEMO-训练回归模型1.mp4.mp4
││├┈8常见tensor格式1.mp4.mp4
││└┈9Hub模块简介1.mp4.mp4
│├─3_PyTorch框架必备核心模块解读
││├┈1-卷积网络参数定义1.mp4.mp4
││├┈10-加载训练好的网络模型1.mp4.mp4
││├┈11-优化器模块配置1.mp4.mp4
││├┈12-实现训练模块1.mp4.mp4
││├┈13-训练结果与模型保存1.mp4.mp4
││├┈14-加载模型对测试数据进行预测1.mp4.mp4
││├┈15-额外补充-Resnet论文解读1.mp4.mp4
││├┈16-额外补充-Resnet网络架构解读1.mp4.mp4
││├┈2-网络流程解读1.mp4.mp4
││├┈3-Vision模块功能解读1.mp4.mp4
││├┈4-分类任务数据集定义与配置1.mp4.mp4
││├┈5-图像增强的作用1.mp4.mp4
││├┈6-数据预处理与数据增强模块1.mp4.mp4
││├┈7-Batch数据制作1.mp4.mp4
││├┈8-迁移学习的目标1.mp4.mp4
││└┈9-迁移学习策略1.mp4.mp4
│├─4_基于Resnet的医学数据集分类实战
││├┈1-医学疾病数据集介绍.mp4.mp4
││├┈2-Resnet网络架构原理分析.mp4.mp4
││├┈3-dataloader加载数据集.mp4.mp4
││├┈4-Resnet网络前向传播.mp4.mp4
││├┈5-残差网络的shortcut操作.mp4.mp4
││├┈6-特征图升维与降采样操作.mp4.mp4
││└┈7-网络整体流程与训练演示.mp4.mp4
│├─5_图像分割及其损失函数概述
││├┈1-语义分割与实例分割概述.mp4.mp4
││├┈2-分割任务中的目标函数定义.mp4.mp4
││└┈3-MIOU评估标准.mp4.mp4
│├─6_Unet系列算法讲解
││├┈1-Unet网络编码与解码过程.mp4.mp4
││├┈2-网络计算流程1.mp4.mp4
││├┈3-Unet升级版本改进1.mp4.mp4
││└┈4-后续升级版本介绍1.mp4.mp4
│├─7_unet医学细胞分割实战
││├┈1-医学细胞数据集介绍与参数配置.mp4.mp4
││├┈2-数据增强工具.mp4.mp4
││├┈3-Debug模式演示网络计算流程.mp4.mp4
││├┈4-特征融合方法演示.mp4.mp4
││├┈5-迭代完成整个模型计算任务.mp4.mp4
││└┈6-模型效果验证.mp4.mp4
│├─8_deeplab系列算法
││├┈1-deeplab分割算法概述.mp4.mp4
││├┈2-空洞卷积的作用.mp4.mp4
││├┈3-感受野的意义.mp4.mp4
││├┈4-SPP层的作用.mp4.mp4
││├┈5-ASPP特征融合策略.mp4.mp4
││└┈6-deeplabV3Plus版本网络架构.mp4.mp4
│└─9_基于deeplabV3+版本进行VOC分割实战
│└─├┈1-PascalVoc数据集介绍.mp4.mp4
│└─├┈2-项目参数与数据集读取.mp4.mp4
│└─├┈3-网络前向传播流程.mp4.mp4
│└─├┈4-ASPP层特征融合.mp4.mp4
│└─└┈5-分割模型训练.mp4.mp4
├─19_深度学习模型部署与剪枝优化实战
│├─3_pyTorch框架部署实践
││├┈0-课程简介12.mp4.mp4
││├┈1-所需基本环境配置.mp4.mp4
││├┈2-模型加载与数据预处理.mp4.mp4
││├┈3-接收与预测模块实现.mp4.mp4
││└┈4-效果实例演示.mp4.mp4
│├─4_YOLO-V3物体检测部署实例
││├┈1-项目所需配置文件介绍.mp4.mp4
││├┈2-加载参数与模型权重.mp4.mp4
││├┈3-数据预处理.mp4.mp4
││└┈4-返回线性预测结果.mp4.mp4
│├─5_docker实例演示
││├┈1-docker简介.mp4.mp4
││├┈2-docker安装与配置.mp4.mp4
││├┈3-阿里云镜像配置.mp4.mp4
││├┈4-基于docker配置pytorch环境.mp4.mp4
││├┈5-安装演示环境所需依赖.mp4.mp4
││├┈6-复制所需配置到容器中.mp4.mp4
││└┈7-上传与下载配置好的项目.mp4.mp4
│├─6_tensorflow-serving实战
││├┈1-tf-serving项目获取与配置.mp4.mp4
││├┈2-加载并启动模型服务.mp4.mp4
││├┈3-测试模型部署效果.mp4.mp4
││├┈4-fashion数据集获取.mp4.mp4
││└┈5-加载fashion模型启动服务.mp4.mp4
│├─7_模型剪枝-Network Slimming算法分析
││├┈1-论文算法核心框架概述.mp4.mp4
││├┈2-BatchNorm要解决的问题.mp4.mp4
││├┈3-BN的本质作用.mp4.mp4
││├┈4-额外的训练参数解读.mp4.mp4
││└┈5-稀疏化原理与效果.mp4.mp4
│├─8_模型剪枝-Network Slimming实战解读
││├┈1-整体案例流程解读.mp4.mp4
││├┈2-加入L1正则化来进行更新.mp4.mp4
││├┈3-剪枝模块介绍.mp4.mp4
││├┈4-筛选需要的特征图.mp4.mp4
││├┈5-剪枝后模型参数赋值.mp4.mp4
││└┈6-微调完成剪枝模型.mp4.mp4
│└─9_Mobilenet三代网络模型架构
│└─├┈1-模型剪枝分析.mp4.mp4
│└─├┈10-V2整体架构与效果分析.mp4.mp4
│└─├┈11-V3版本网络架构分析.mp4.mp4
│└─├┈12-SE模块作用与效果解读.mp4.mp4
│└─├┈13-代码实现mobilenetV3网络架构.mp4.mp4
│└─├┈2-常见剪枝方法介绍.mp4.mp4
│└─├┈3-mobilenet简介.mp4.mp4
│└─├┈4-经典卷积计算量与参数量分析.mp4.mp4
│└─├┈5-深度可分离卷积的作用与效果.mp4.mp4
│└─├┈6-参数与计算量的比较.mp4.mp4
│└─├┈7-V1版本效果分析.mp4.mp4
│└─├┈8-V2版本改进以及Relu激活函数的问题.mp4.mp4
│└─└┈9-倒残差结构的作用.mp4.mp4
├─1_直播课回放
│├─10_直播7:GPT系列算法与实战
││└┈GPT系列算法与实战.mp4
│├─11_额外补充:GPT建模与预测流程
││├┈1.生成模型可以完成的任务概述.mp4
││├┈2-数据样本生成方法.mp4
││├┈3-训练所需参数解读.mp4
││├┈4-模型训练过程.mp4
││└┈5-部署与网页预测展示.mp4
│├─12_额外补充:文本摘要建模
││├┈1-中文商城评价数据处理方法.mp4
││├┈2-模型训练与测试结果.mp4
││├┈3-文本摘要数据标注方法.mp4
││└┈4-训练自己标注的数据并测试.mp4
│├─13_直播8:知识抽取实战
││└┈知识抽取实战.mp4
│├─14_直播9:Openai CLIP模型
││└┈Openai CLIP模型.mp4
│├─15_直播10:DeformableDetr算法解读
││└┈DeformableDetr算法解读.mp4
│├─16_直播11:OCR算法解读
││└┈OCR算法解读.mp4
│├─17_直播12:KIE关键信息抽取与视频超分辨率重构
││└┈KIE关键信息抽取与视频超分辨率重构.mp4
│├─18_直播13:对比学习
││└┈1对比学习.mp4
│├─1_直播1:开班典礼
││└┈1人工智能CV NLP高薪实战班.mp4
│├─2_Pycharm环境配置与Debug演示(没用过的同学必看)
││└┈Pycharm环境配置与Debug演示(没用过的同学必看).mp4
│├─3_直播2:深度学习必备基础-神经网络与卷积网络
││└┈1.深度学习必备基础-神经网络与卷积网络.mp4
│├─4_直播3:Transformer原理及其各领域应用分析
││└┈Transformer原理及其各领域应用分析.mp4
│├─5_额外补充:时间序列预测
││└┈额外补充:时间序列预测.mp4
│├─6_直播4:Informer时间序列预测源码解读
││└┈Informer时间序列预测源码解读.mp4
│├─7_额外补充:Huggingface与NLP(讲故事)
││└┈Huggingface与NLP(讲故事).mp4
│├─8_直播5:Huggingface核心模块解读
││└┈Huggingface核心模块解读.mp4
│└─9_直播6:BERT系列模型与命名实体识别实例
│└─└┈BERT系列模型与命名实体识别实例.mp4
├─20_自然语言处理经典案例实战
│└┈20_自然语言处理经典案例实战.zip
├─21_自然语言处理通用框架-BERT实战
│└┈21_自然语言处理通用框架-BERT实战.zip
├─22_知识图谱实战系列
│└┈22_知识图谱实战系列.zip
├─23_语音识别实战系列
│└┈23_语音识别实战系列.zip
├─24_推荐系统实战系列
│└┈24_推荐系统实战系列.zip
├─2_深度学习必备核心算法
│├─1_神经网络算法解读
││└┈1-神经网络算法解读.mp4
│├─2_卷积神经网络算法解读
││└┈2-卷积神经网络算法解读.mp4
│└─3_递归神经网络算法解读
│└─└┈3-递归神经网络算法解读.mp4
├─3_深度学习核心框架PyTorch
│├─1_PyTorch框架介绍与配置安装
││├┈1-PyTorch框架与其他框架区别分析1.mp4.mp4
││└┈2-CPU与GPU版本安装方法解读1.mp4.mp4
│├─2_使用神经网络进行分类任务
││├┈1-数据集与任务概述2.mp4.mp4
││├┈2-基本模块应用测试2.mp4.mp4
││├┈3-网络结构定义方法2.mp4.mp4
││├┈4-数据源定义简介2.mp4.mp4
││├┈5-损失与训练模块分析2.mp4.mp4
││├┈6-训练一个基本的分类模型2.mp4.mp4
││└┈7-参数对结果的影响2.mp4.mp4
│├─3_神经网络回归任务-气温预测
││└┈神经网络回归任务-气温预测1.mp4.mp4
│├─4_卷积网络参数解读分析
││├┈1-输入特征通道分析2.mp4.mp4
││├┈2-卷积网络参数解读2.mp4.mp4
││└┈3-卷积网络模型训练2.mp4.mp4
│├─5_图像识别模型与训练策略(重点)
││├┈1-任务分析与图像数据基本处理2.mp4.mp4
││├┈10-测试结果演示分析1.mp4.mp4
││├┈2-数据增强模块2.mp4.mp4
││├┈3-数据集与模型选择1.mp4.mp4
││├┈4-迁移学习方法解读1.mp4.mp4
││├┈5-输出层与梯度设置1.mp4.mp4
││├┈6-输出类别个数修改1.mp4.mp4
││├┈7-优化器与学习率衰减1.mp4.mp4
││├┈8-模型训练方法1.mp4.mp4
││└┈9-重新训练全部模型1.mp4.mp4
│├─6_DataLoader自定义数据集制作
││├┈1-Dataloader要完成的任务分析1.mp4.mp4
││├┈2-图像数据与标签路径处理1.mp4.mp4
││├┈3-Dataloader中需要实现的方法分析1.mp4.mp4
││└┈4-实用Dataloader加载数据并训练模型1.mp4.mp4
│├─7_LSTM文本分类实战
││├┈1-数据集与任务目标分析1.mp4.mp4
││├┈2-文本数据处理基本流程分析1.mp4.mp4
││├┈3-命令行参数与DEBUG1.mp4.mp4
││├┈4-训练模型所需基本配置参数分析1.mp4.mp4
││├┈5-预料表与字符切分1.mp4.mp4
││├┈6-字符预处理转换ID1.mp4.mp4
││├┈7-LSTM网络结构基本定义1.mp4.mp4
││├┈8-网络模型预测结果输出1.mp4.mp4
││└┈9-模型训练任务与总结1.mp4.mp4
│└─8_PyTorch框架Flask部署例子
│└─├┈1-基本结构与训练好的模型加载.mp4.mp4
│└─├┈2-服务端处理与预测函数.mp4.mp4
│└─└┈3-基于Flask测试模型预测结果.mp4.mp4
├─4_MMLAB实战系列
│├─10_第四模块:DBNET文字检测
││├┈1-文字检测数据概述与配置文件.mp4.mp4
││├┈2-配置文件参数设置.mp4.mp4
││├┈3-Neck层特征组合.mp4.mp4
││├┈4-损失函数模块概述.mp4.mp4
││└┈5-损失计算方法.mp4.mp4
│├─11_第四模块:ANINET文字识别
││├┈1-数据集与环境概述.mp4.mp4
││├┈2-配置文件修改方法.mp4.mp4
││├┈3-Bakbone模块得到特征.mp4.mp4
││├┈4-视觉Transformer模块的作用.mp4.mp4
││├┈5-视觉模型中的编码与解码的效果.mp4.mp4
││├┈6-文本模型中的结构分析.mp4.mp4
││├┈7-迭代修正模块.mp4.mp4
││└┈8-输出层与损失计算.mp4.mp4
│├─12_第四模块:KIE基于图模型的关键信息抽取
││├┈1-配置文件以及要完成的任务解读.mp4.mp4
││├┈2-KIE数据集格式调整方法.mp4.mp4
││├┈3-配置文件与标签要进行处理操作.mp4.mp4
││├┈4-边框要计算的特征分析.mp4.mp4
││├┈5-标签数据处理与关系特征提取.mp4.mp4
││├┈6-特征合并处理.mp4.mp4
││├┈7-准备拼接边与点特征.mp4.mp4
││└┈8-整合得到图模型输入特征.mp4.mp4
│├─12_第五模块:stylegan2源码解读
││├┈1-要完成的任务与基本思想概述.mp4.mp4
││├┈2-得到style特征编码.mp4.mp4
││├┈3-特征编码风格拼接.mp4.mp4
││├┈4-基础风格特征卷积模块.mp4.mp4
││├┈5-上采样得到输出结果.mp4.mp4
││└┈6-损失函数概述.mp4.mp4
│├─13_第六模块:BasicVSR++视频超分辨重构源码解读
││├┈1-要完成的任务分析与配置文件.mp4.mp4
││├┈10-传播流程整体完成一圈.mp4
││├┈11-完成输出结果.mp4.mp4
││├┈2-特征基础提取模块.mp4
││├┈3-光流估计网络模块.mp4
││├┈4-基于光流完成对齐操作.mp4
││├┈5-偏移量计算方法1.mp4.mp4
││├┈6-双向计算特征对齐.mp4
││├┈7-提特征传递流程分析.mp4
││├┈8-序列传播计算.mp4
││└┈9-准备变形卷积模块的输入.mp4.mp4
│├─14_第七模块:多模态3D目标检测算法源码解读
││├┈1-环境配置与数据集概述.mp4
││├┈10-3D卷积特征融合.mp4
││├┈11-输出层预测结果.mp4
││├┈2-数据与标注文件介绍.mp4
││├┈3-基本流程梳理并进入debug模式.mp4
││├┈4-数据与图像特征提取模块.mp4
││├┈5-体素索引位置获取.mp4.mp4
││├┈6-体素特征提取方法解读.mp4
││├┈7-体素特征计算方法分析.mp4
││├┈8-全局体素特征提取.mp4
││└┈9-多模态特征融合.mp4
│├─15_第八模块:模型蒸馏应用实例
││├┈1-任务概述与工具使用.mp4
││├┈2-Teacher与Student网络结构定义.mp4
││├┈3-训练T与S得到蒸馏模型.mp4
││├┈4-开始模型训练过程与问题修正.mp4
││├┈5-日志输出与模型分离.mp4
││├┈6-分别得到Teacher与Student模型.mp4
││└┈7-实际测试效果演示.mp4
│├─16_第八模块:模型剪枝方法概述分析
││├┈1-SuperNet网络结构分析与剪枝概述.mp4
││└┈2-搜索匹配到符合计算量的模型并训练.mp4
│├─17_第九模块:mmaction行为识别
││└┈创建自己的行为识别标注数据集.mp4
│├─18_额外补充
││└┈在源码中加入各种注意力机制方法.mp4
│├─1_MMCV安装方法
││└┈MMCV安装方法.mp4
│├─2_第一模块:分类任务基本操作
││├┈1-准备MMCLS项目.mp4
││├┈2-基本参数配置解读.mp4
││├┈3-各模块配置文件组成.mp4
││├┈4-生成完整配置文件.mp4
││├┈5-根据文件夹定义数据集.mp4
││├┈6-构建自己的数据集.mp4
││├┈7-训练自己的任务.mp4
││└┈MMCLS问题修正1.mp4
│├─3_第一模块:训练结果测试与验证
││├┈1-测试DEMO效果.mp4
││├┈2-测试评估模型效果.mp4
││├┈3-MMCLS中增加一个新的模块.mp4
││├┈4-修改配置文件中的参数.mp4
││├┈5-数据增强流程可视化展示.mp4
││├┈6-Grad-Cam可视化方法.mp4
││├┈7-可视化细节与效果分析.mp4
││├┈8-MMCLS可视化模块应用.mp4
││└┈9-模型分析脚本使用.mp4
│├─4_第一模块:模型源码DEBUG演示
││├┈1-VIT任务概述.mp4
││├┈2-数据增强模块概述分析.mp4
││├┈3-PatchEmbedding层.mp4
││├┈4-前向传播基本模块.mp4
││└┈5-CLS与输出模块.mp4
│├─5_第二模块:使用分割模块训练自己的数据集
││├┈1-项目配置基本介绍.mp4
││├┈2-数据集标注与制作方法.mp4
││├┈3-跟别预测类别数修改配置文件.mp4
││├┈4-加载预训练模型开始训练.mp4
││└┈5-预测DEMO演示.mp4
│├─6_第二模块:基于Unet进行各种策略修改
││├┈1-配置文件解读.mp4
││├┈2-编码层模块.mp4
││├┈3-上采样与输出层.mp4
││├┈4-辅助层的作用.mp4
││├┈5-给Unet添加一个neck层.mp4
││├┈6-如何修改参数适配网络结构.mp4
││├┈7-将Unet特征提取模块替换成transformer.mp4
││└┈8-VIT模块源码分析.mp4
│├─7_第二模块:分割任务CVPR最新Backbone设计及其应用
││├┈1-注册自己的Backbone模块.mp4.mp4
││├┈10-汇总多层级特征进行输出.mp4.mp4
││├┈2-配置文件指定.mp4.mp4
││├┈3-DEBUG解读Backbone设计.mp4.mp4
││├┈4-PatchEmbedding的作用与实现.mp4.mp4
││├┈5-卷积位置编码计算方法.mp4.mp4
││├┈6-近似Attention模块实现.mp4.mp4
││├┈7-完成特征提取与融合模块.mp4.mp4
││├┈8-分割任务输出模块.mp4.mp4
││└┈9-全局特征的作用与实现.mp4.mp4
│├─8_第三模块:mmdet训练自己的数据任务
││├┈1-数据集标注与标签获取.mp4.mp4
││├┈2-COCO数据标注格式.mp4.mp4
││├┈3-通过脚本生成COCO数据格式.mp4.mp4
││├┈4-配置文件数据增强策略分析.mp4.mp4
││├┈5-训练所需配置说明.mp4.mp4
││├┈6-模型训练与DEMO演示.mp4.mp4
││├┈7-模型测试与可视化分析模块.mp4.mp4
││└┈8-补充:评估指标.mp4.mp4
│└─9_第三模块:DeformableDetr物体检测源码分析
│└─├┈1-特征提取与位置编码.mp4
│└─├┈10-分类与回归输出模块.mp4
│└─├┈11-预测输出结果与标签匹配模块.mp4
│└─├┈2-序列特征展开并叠加.mp4
│└─├┈3-得到相对位置点编码.mp4
│└─├┈4-准备Encoder编码层所需全部输入.mp4
│└─├┈5-编码层中的序列分析.mp4
│└─├┈6-偏移量offset计算.mp4
│└─├┈7-偏移量对齐操作.mp4
│└─├┈8-Encoder层完成特征对齐.mp4
│└─└┈9-Decoder要完成的操作.mp4
├─5_Opencv图像处理框架实战
│├─10_项目实战-文档扫描OCR识别
││├┈1-整体流程演示.mp4.mp4
││├┈2-文档轮廓提取.mp4.mp4
││├┈3-原始与变换坐标计算.mp4.mp4
││├┈4-透视变换结果.mp4.mp4
││├┈5-tesseract-ocr安装配置.mp4.mp4
││└┈6-文档扫描识别效果.mp4.mp4
│├─11_图像特征-harris
││├┈1-角点检测基本原理.mp4.mp4
││├┈2-基本数学原理.mp4.mp4
││├┈3-求解化简.mp4.mp4
││├┈4-特征归属划分.mp4.mp4
││└┈5-opencv角点检测效果.mp4.mp4
│├─12_图像特征-sift
││├┈1-尺度空间定义.mp4.mp4
││├┈2-高斯差分金字塔.mp4.mp4
││├┈3-特征关键点定位.mp4.mp4
││├┈4-生成特征描述.mp4.mp4
││├┈5-特征向量生成.mp4.mp4
││└┈6-opencv中sift函数使用.mp4.mp4
│├─13_案例实战-全景图像拼接
││├┈1-特征匹配方法.mp4.mp4
││├┈2-RANSAC算法.mp4.mp4
││├┈2-图像拼接方法.mp4.mp4
││└┈4-流程解读.mp4.mp4
│├─14_项目实战-停车场车位识别
││├┈1-任务整体流程.mp4.mp4
││├┈2-所需数据介绍.mp4.mp4
││├┈3-图像数据预处理.mp4.mp4
││├┈4-车位直线检测.mp4.mp4
││├┈5-按列划分区域.mp4.mp4
││├┈6-车位区域划分.mp4.mp4
││├┈7-识别模型构建.mp4(1).mp4
││├┈7-识别模型构建.mp4.mp4
││└┈8-基于视频的车位检测.mp4.mp4
│├─15_项目实战-答题卡识别判卷
││├┈1-整体流程与效果概述.mp4.mp4
││├┈2-预处理操作.mp4.mp4
││├┈3-填涂轮廓检测.mp4.mp4
││└┈4-选项判断识别.mp4.mp4
│├─16_背景建模
││├┈1-背景消除-帧差法.mp4.mp4
││├┈2-混合高斯模型.mp4.mp4
││├┈3-学习步骤.mp4.mp4
││└┈4-背景建模实战.mp4.mp4
│├─17_光流估计
││├┈1-基本概念.mp4.mp4
││├┈2-Lucas-Kanade算法.mp4.mp4
││├┈3-推导求解.mp4.mp4
││└┈4-光流估计实战.mp4.mp4
│├─18_Opencv的DNN模块
││├┈1-dnn模块.mp4.mp4
││└┈2-模型加载结果输出.mp4.mp4
│├─19_项目实战-目标追踪
││├┈1-目标追踪概述.mp4.mp4
││├┈2-多目标追踪实战.mp4.mp4
││├┈3-深度学习检测框架加载.mp4.mp4
││├┈4-基于dlib与ssd的追踪.mp4.mp4
││├┈5-多进程目标追踪.mp4.mp4
││└┈6-多进程效率提升对比.mp4.mp4
│├─1_课程简介与环境配置
││├┈0-课程简介2.mp4.mp4
││├┈2-Notebook与IDE环境.mp4.mp4
││└┈2-Python与Opencv配置安装.mp4.mp4
│├─20_卷积原理与操作
││├┈1-卷积神经网络的应用.mp4.mp4
││├┈1-卷积效果演示.mp4.mp4
││├┈2-卷积操作流程.mp4.mp4
││├┈2-卷积层解释.mp4.mp4
││├┈3-卷积计算过程.mp4.mp4
││├┈4-pading与stride.mp4.mp4
││├┈5-卷积参数共享.mp4.mp4
││└┈6-池化层原理.mp4.mp4
│├─21_项目实战-疲劳检测
││├┈1-关键点定位概述.mp4.mp4
││├┈2-获取人脸关键点.mp4.mp4
││├┈3-定位效果演示.mp4.mp4
││├┈4-闭眼检测.mp4.mp4
││└┈5-检测效果.mp4.mp4
│├─2_图像基本操作
││├┈1-计算机眼中的图像.mp4.mp4
││├┈2-视频的读取与处理.mp4.mp4
││├┈3-ROI区域.mp4.mp4
││├┈4-边界填充.mp4.mp4
││└┈5-数值计算.mp4.mp4
│├─3_阈值与平滑处理
││├┈1-图像平滑处理.mp4.mp4
││├┈2-高斯与中值滤波.mp4.mp4
││└┈图像阈值.mp4.mp4
│├─4_图像形态学操作
││├┈1-腐蚀操作.mp4.mp4
││├┈2-膨胀操作.mp4.mp4
││├┈3-开运算与闭运算.mp4.mp4
││├┈4-梯度计算.mp4.mp4
││└┈5-礼帽与黑帽.mp4.mp4
│├─5_图像梯度计算
││├┈1-Sobel算子.mp4.mp4
││├┈2-梯度计算方法.mp4.mp4
││└┈3-scharr与lapkacian算子.mp4.mp4
│├─666JAVA下载必看
││├┈高薪学习it网【海量资源:666java.com】.url
││├┈海量优质it资源【www.666java.com】.url
││├┈看看我【www.666java.com】.zip
││├┈课程总结【海量资源:666java.com】.mp4
││├┈面试合集【海量资源:666java.com】.txt
││├┈软件下载【海量资源:666java.com】.txt
││├┈下载必看.txt
││└┈资料2【海量资源:666java.com】.zip
│├─6_边缘检测
││├┈1-Canny边缘检测流程.mp4.mp4
││├┈2-非极大值抑制.mp4.mp4
││└┈3-边缘检测效果.mp4.mp4
│├─7_图像金字塔与轮廓检测
││├┈1-轮廓检测方法.mp4.mp4
││├┈1-模板匹配方法.mp4.mp4
││├┈1-图像金字塔定义.mp4.mp4
││├┈2-金字塔制作方法.mp4.mp4
││├┈2-轮廓检测结果.mp4.mp4
││├┈2-匹配效果展示.mp4.mp4
││└┈3-轮廓特征与近似.mp4.mp4
│├─8_直方图与傅里叶变换
││├┈1-傅里叶概述.mp4.mp4
││├┈1-直方图定义.mp4.mp4
││├┈2-均衡化原理.mp4.mp4
││├┈2-频域变换结果.mp4.mp4
││├┈3-低通与高通滤波.mp4.mp4
││└┈3-均衡化效果.mp4.mp4
│└─9_项目实战-信用卡数字识别
│└─├┈2-环境配置与预处理.mp4.mp4
│└─├┈3-模板处理方法.mp4.mp4
│└─├┈4-输入数据处理方法.mp4.mp4
│└─├┈5-模板匹配得出识别结果.mp4.mp4
│└─└┈总体流程与方法讲解.mp4.mp4
├─6_综合项目-物体检测经典算法实战
│├─10_EfficientNet网络
││└┈第八课:EfficientNet网络模型.mp4.mp4
│├─11_EfficientDet检测算法
││└┈第十一章:EfficientDet检测算法.mp4.mp4
│├─12_基于Transformer的detr目标检测算法
││├┈1-DETR目标检测基本思想解读.mp4.mp4
││├┈2-整体网络架构分析.mp4.mp4
││├┈3-位置信息初始化query向量.mp4.mp4
││├┈4-注意力机制的作用方法.mp4.mp4
││└┈5-训练过程的策略.mp4.mp4
│├─13_detr目标检测源码解读
││├┈1-项目环境配置解读.mp4.mp4
││├┈2-数据处理与dataloader.mp4.mp4
││├┈3-位置编码作用分析.mp4.mp4
││├┈4-backbone特征提取模块.mp4.mp4
││├┈5-mask与编码模块.mp4.mp4
││├┈6-编码层作用方法.mp4.mp4
││├┈7-Decoder层操作与计算.mp4.mp4
││├┈8-输出预测结果.mp4.mp4
││└┈9-损失函数与预测输出.mp4.mp4
│├─1_深度学习经典检测方法概述
││├┈1-检测任务中阶段的意义.mp4.mp4
││├┈2-不同阶段算法优缺点分析.mp4.mp4
││├┈3-IOU指标计算.mp4.mp4
││├┈4-评估所需参数计算.mp4.mp4
││└┈5-map指标计算.mp4.mp4
│├─2_YOLO-V1整体思想与网络架构
││├┈2-检测算法要得到的结果.mp4.mp4
││├┈3-整体网络架构解读.mp4.mp4
││├┈4-位置损失计算.mp4.mp4
││├┈5-置信度误差与优缺点分析.mp4.mp4
││└┈YOLO算法整体思路解读.mp4.mp4
│├─3_YOLO-V2改进细节详解
││├┈2-网络结构特点.mp4.mp4
││├┈3-架构细节解读.mp4.mp4
││├┈4-基于聚类来选择先验框尺寸.mp4.mp4
││├┈5-偏移量计算方法.mp4.mp4
││├┈6-坐标映射与还原.mp4.mp4
││├┈7-感受野的作用.mp4.mp4
││├┈8-特征融合改进.mp4.mp4
││└┈V2版本细节升级概述.mp4.mp4
│├─4_YOLO-V3核心网络模型
││├┈1-V3版本改进概述.mp4.mp4
││├┈2-多scale方法改进与特征融合.mp4.mp4
││├┈3-经典变换方法对比分析.mp4.mp4
││├┈4-残差连接方法解读.mp4.mp4
││├┈5-整体网络模型架构分析.mp4.mp4
││├┈6-先验框设计改进.mp4.mp4
││└┈7-sotfmax层改进.mp4.mp4
│├─5_项目实战-基于V3版本进行源码解读
││├┈1-数据与环境配置.mp4.mp4
││├┈10-网格偏移计算.mp4.mp4
││├┈11-模型要计算的损失概述.mp4.mp4
││├┈12-标签值格式修改.mp4.mp4
││├┈13-坐标相对位置计算.mp4.mp4
││├┈14-完成所有损失函数所需计算指标.mp4.mp4
││├┈15-模型训练与总结.mp4.mp4
││├┈16-预测效果展示.mp4.mp4
││├┈2-训练参数设置.mp4.mp4
││├┈3-数据与标签读取.mp4.mp4
││├┈4-标签文件读取与处理.mp4.mp4
││├┈5-debug模式介绍.mp4.mp4
││├┈6-基于配置文件构建网络模型.mp4.mp4
││├┈7-路由层与shortcut层的作用.mp4.mp4
││├┈8-YOLO层定义解析.mp4.mp4
││└┈9-预测结果计算.mp4.mp4
│├─6_基于YOLO-V3训练自己的数据集与任务
││├┈1-Labelme工具安装.mp4.mp4
││├┈2-数据信息标注.mp4.mp4
││├┈3-完成标签制作.mp4.mp4
││├┈4-生成模型所需配置文件.mp4.mp4
││├┈5-json格式转换成yolo-v3所需输入.mp4.mp4
││├┈6-完成输入数据准备工作.mp4.mp4
││├┈7-训练代码与参数配置更改.mp4.mp4
││└┈8-训练模型并测试效果.mp4.mp4
│├─7_YOLO-V4版本算法解读
││├┈1-V4版本整体概述.mp4.mp4
││├┈10-PAN模块解读.mp4.mp4
││├┈11-激活函数与整体架构总结.mp4.mp4
││├┈2-V4版本贡献解读.mp4.mp4
││├┈3-数据增强策略分析.mp4.mp4
││├┈4-DropBlock与标签平滑方法.mp4.mp4
││├┈5-损失函数遇到的问题.mp4.mp4
││├┈6-CIOU损失函数定义.mp4.mp4
││├┈7-NMS细节改进.mp4.mp4
││├┈8-SPP与CSP网络结构.mp4.mp4
││└┈9-SAM注意力机制模块.mp4.mp4
│├─8_V5版本项目配置
││├┈1-整体项目概述.mp4.mp4
││├┈2-训练自己的数据集方法.mp4.mp4
││├┈3-训练数据参数配置.mp4.mp4
││└┈4-测试DEMO演示.mp4.mp4
│└─9_V5项目工程源码解读
│└─├┈1-数据源DEBUG流程解读.mp4.mp4
│└─├┈10-完成配置文件解析任务.mp4.mp4
│└─├┈11-前向传播计算.mp4.mp4
│└─├┈12-BottleneckCSP层计算方法.mp4.mp4
│└─├┈13-1 SPP层计算细节分析.mp4.mp4
│└─├┈13-Head层流程解读.mp4.mp4
│└─├┈14-上采样与拼接操作.mp4.mp4
│└─├┈15-输出结果分析.mp4.mp4
│└─├┈16-超参数解读.mp4.mp4
│└─├┈17-命令行参数介绍.mp4.mp4
│└─├┈18-训练流程解读.mp4.mp4
│└─├┈19-各种训练策略概述.mp4.mp4
│└─├┈2-图像数据源配置.mp4.mp4
│└─├┈20-模型迭代过程.mp4.mp4
│└─├┈3-加载标签数据.mp4.mp4
│└─├┈4-Mosaic数据增强方法.mp4.mp4
│└─├┈5-数据四合一方法与流程演示.mp4.mp4
│└─├┈6-getItem构建batch.mp4.mp4
│└─├┈7-网络架构图可视化工具安装.mp4.mp4
│└─├┈8-V5网络配置文件解读.mp4.mp4
│└─└┈9-Focus模块流程分析.mp4.mp4
├─7_图像分割实战
│├─10_MaskRcnn网络框架源码详解
││├┈1-FPN层特征提取原理解读.mp4.mp4
││├┈10-RoiPooling层的作用与目的.mp4.mp4
││├┈11-RorAlign操作的效果.mp4.mp4
││├┈12-整体框架回顾.mp4.mp4
││├┈2-FPN网络架构实现解读.mp4.mp4
││├┈3-生成框比例设置.mp4.mp4
││├┈4-基于不同尺度特征图生成所有框.mp4.mp4
││├┈5-RPN层的作用与实现解读.mp4.mp4
││├┈6-候选框过滤方法.mp4.mp4
││├┈7-Proposal层实现方法.mp4.mp4
││├┈8-DetectionTarget层的作用.mp4.mp4
││└┈9-正负样本选择与标签定义.mp4.mp4
│├─11_基于MASK-RCNN框架训练自己的数据与任务
││├┈1-Labelme工具安装.mp4.mp4
││├┈2-使用labelme进行数据与标签标注.mp4.mp4
││├┈3-完成训练数据准备工作.mp4.mp4
││├┈4-maskrcnn源码修改方法.mp4.mp4
││├┈5-基于标注数据训练所需任务.mp4.mp4
││└┈6-测试与展示模块.mp4.mp4
│├─1_图像分割及其损失函数概述
││├┈1-语义分割与实例分割概述.mp4.mp4
││├┈2-分割任务中的目标函数定义.mp4.mp4
││└┈3-MIOU评估标准.mp4.mp4
│├─2_卷积神经网络原理与参数解读
││├┈1-卷积神经网络应用领域.mp4.mp4
││├┈10-VGG网络架构.mp4.mp4
││├┈11-残差网络Resnet.mp4.mp4
││├┈12-感受野的作用.mp4.mp4
││├┈2-卷积的作用.mp4.mp4
││├┈3-卷积特征值计算方法.mp4.mp4
││├┈4-得到特征图表示.mp4.mp4
││├┈5-步长与卷积核大小对结果的影响.mp4.mp4
││├┈6-边缘填充方法.mp4.mp4
││├┈7-特征图尺寸计算与参数共享.mp4.mp4
││├┈8-池化层的作用.mp4.mp4
││└┈9-1整体网络架构.mp4.mp4
│├─3_Unet系列算法讲解
││├┈1-Unet网络编码与解码过程.mp4.mp4
││├┈2-网络计算流程.mp4.mp4
││├┈3-Unet升级版本改进.mp4.mp4
││└┈4-后续升级版本介绍.mp4.mp4
│├─4_unet医学细胞分割实战
││├┈1-医学细胞数据集介绍与参数配置.mp4.mp4
││├┈2-数据增强工具.mp4.mp4
││├┈3-Debug模式演示网络计算流程.mp4.mp4
││├┈4-特征融合方法演示.mp4.mp4
││├┈5-迭代完成整个模型计算任务.mp4.mp4
││└┈6-模型效果验证.mp4.mp4
│├─5_U2NET显著性检测实战
││├┈1-任务目标与网络整体介绍.mp4.mp4
││├┈2-显著性检测任务与目标概述.mp4.mp4
││├┈3-编码器模块解读.mp4.mp4
││├┈4-解码器输出结果.mp4.mp4
││└┈5-损失函数与应用效果.mp4.mp4
│├─6_deeplab系列算法
││├┈1-deeplab分割算法概述.mp4.mp4
││├┈2-空洞卷积的作用.mp4.mp4
││├┈3-感受野的意义.mp4.mp4
││├┈4-SPP层的作用.mp4.mp4
││├┈5-ASPP特征融合策略.mp4.mp4
││└┈6-deeplabV3Plus版本网络架构.mp4.mp4
│├─7_基于deeplabV3+版本进行VOC分割实战
││├┈1-PascalVoc数据集介绍.mp4.mp4
││├┈2-项目参数与数据集读取.mp4.mp4
││├┈3-网络前向传播流程.mp4.mp4
││├┈4-ASPP层特征融合.mp4.mp4
││└┈5-分割模型训练.mp4.mp4
│├─8_医学心脏视频数据集分割建模实战
││├┈1-数据集与任务概述.mp4.mp4
││├┈2-项目基本配置参数.mp4.mp4
││├┈3-任务流程解读.mp4.mp4
││├┈4-文献报告分析.mp4.mp4
││├┈5-补充:视频数据源特征处理方法概述.mp4.mp4
││└┈6-补充:R(2plus1)D处理方法分析.mp4.mp4
│└─9_物体检测框架-MaskRcnn项目介绍与配置
│└─├┈0-Mask-Rcnn开源项目简介.mp4.mp4
│└─├┈0-参数配置.mp4.mp4
│└─└┈0-开源项目数据集.mp4.mp4
├─8_行为识别实战
│├─1_slowfast算法知识点通俗解读
││├┈1-slowfast核心思想解读.mp4.mp4
││├┈2-核心网络结构模块分析.mp4.mp4
││├┈3-数据采样曾的作用.mp4.mp4
││├┈4-模型网络结构设计.mp4.mp4
││└┈5-特征融合模块与总结分析.mp4.mp4
│├─2_slowfast项目环境配置与配置文件
││├┈1-环境基本配置解读.mp4.mp4
││├┈2-目录各文件分析.mp4.mp4
││├┈3-配置文件作用解读.mp4.mp4
││├┈4-测试DEMO演示1.mp4.mp4
││├┈5-训练所需标签文件说明.mp4.mp4
││├┈6-训练所需视频数据准备.mp4.mp4
││├┈7-视频数据集切分操作.mp4.mp4
││└┈8-完成视频分帧操作.mp4.mp4
│├─3_slowfast源码详细解读
││├┈1-模型所需配置文件参数读取1.mp4.mp4
││├┈10-RoiAlign与输出层1.mp4.mp4
││├┈2-数据处理概述1.mp4.mp4
││├┈3-dataloader数据遍历方法1.mp4.mp4
││├┈4-数据与标签读取实例1.mp4.mp4
││├┈5-图像数据所需预处理方法1.mp4.mp4
││├┈6-slow与fast分别执行采样操作1.mp4.mp4
││├┈7-分别计算特征图输出结果1.mp4.mp4
││├┈8-slow与fast特征图拼接操作1.mp4.mp4
││└┈9-resnetBolock操作1.mp4.mp4
│├─4_基于3D卷积的视频分析与动作识别
││├┈1-3D卷积原理解读.mp4.mp4
││├┈2-UCF101动作识别数据集简介.mp4.mp4
││├┈3-测试效果与项目配置.mp4.mp4
││├┈4-视频数据预处理方法.mp4.mp4
││├┈5-数据Batch制作方法.mp4.mp4
││├┈6-3D卷积网络所涉及模块.mp4.mp4
││└┈7-训练网络模型.mp4.mp4
│├─5_视频异常检测算法与元学习
││├┈1-异常检测要解决的问题与数据集介绍.mp4.mp4
││├┈2-基本思想与流程分析.mp4.mp4
││├┈3-预测与常见问题.mp4.mp4
││├┈4-Meta-Learn要解决的问题.mp4.mp4
││├┈5-学习能力与参数定义.mp4.mp4
││├┈6-如何找到合适的初始化参数.mp4.mp4
││└┈7-MAML算法流程解读.mp4.mp4
│├─666JAVA下载必看
││├┈高薪学习it网【海量资源:666java.com】.url
││├┈海量优质it资源【www.666java.com】.url
││├┈看看我【www.666java.com】.zip
││├┈课程总结【海量资源:666java.com】.mp4
││├┈面试合集【海量资源:666java.com】.txt
││├┈软件下载【海量资源:666java.com】.txt
││├┈下载必看.txt
││└┈资料2【海量资源:666java.com】.zip
│├─6_视频异常检测CVPR2021论文及其源码解读
││├┈1-论文概述与环境配置.mp4.mp4
││├┈2-数据集配置与读取.mp4.mp4
││├┈3-模型编码与解码结构.mp4.mp4
││├┈4-注意力机制模块打造.mp4.mp4
││├┈5-损失函数的目的.mp4.mp4
││├┈6-特征图生成.mp4.mp4
││└┈7-MetaLearn与输出.mp4.mp4
│└─7_基础补充-Resnet模型及其应用实例
│└─├┈1-医学疾病数据集介绍.mp4.mp4
│└─├┈2-Resnet网络架构原理分析.mp4.mp4
│└─├┈3-dataloader加载数据集.mp4.mp4
│└─├┈4-Resnet网络前向传播.mp4.mp4
│└─├┈5-残差网络的shortcut操作.mp4.mp4
│└─├┈6-特征图升维与降采样操作.mp4.mp4
│└─└┈7-网络整体流程与训练演示.mp4.mp4
├─9_2022论文必备-Transformer实战系列
│├─10_MedicalTransformer源码解读
││├┈1-项目环境配置1.mp4.mp4
││├┈2-医学数据介绍与分析1.mp4.mp4
││├┈3-基本处理操作1.mp4.mp4
││├┈4-AxialAttention实现过程1.mp4.mp4
││├┈5-位置编码向量解读1.mp4.mp4
││├┈6-注意力计算过程与方法1.mp4.mp4
││└┈7-局部特征提取与计算1.mp4.mp4
│├─11_商汤LoFTR算法解读
││├┈1-特征匹配的应用场景.mp4.mp4
││├┈10-总结分析.mp4.mp4
││├┈2-特征匹配的基本流程分析.mp4.mp4
││├┈3-整体流程梳理分析.mp4.mp4
││├┈4-CrossAttention的作用与效果.mp4.mp4
││├┈5-transformer构建匹配特征.mp4.mp4
││├┈6-粗粒度匹配过程与作用.mp4.mp4
││├┈7-特征图拆解操作.mp4.mp4
││├┈8-细粒度匹配的作用与方法.mp4.mp4
││└┈9-基于期望预测最终位置.mp4.mp4
│├─12_局部特征关键点匹配实战
││├┈1-项目与参数配置解读1.mp4.mp4
││├┈10-得到精细化输出结果1.mp4.mp4
││├┈11-通过期望计算最终输出1.mp4.mp4
││├┈2-DEMO效果演示1.mp4.mp4
││├┈3-backbone特征提取模块1.mp4.mp4
││├┈4-注意力机制的作用与效果分析1.mp4.mp4
││├┈5-特征融合模块实现方法1.mp4.mp4
││├┈6-cross关系计算方法实例1.mp4.mp4
││├┈7-粗粒度匹配过程1.mp4.mp4
││├┈8-完成基础匹配模块1.mp4.mp4
││└┈9-精细化调整方法与实例1.mp4.mp4
│├─13_项目补充-谷歌开源项目BERT源码解读与应用实例
││├┈1-BERT开源项目简介1.mp4.mp4
││├┈10-构建QKV矩阵1.mp4.mp4
││├┈11-完成Transformer模块构建1.mp4.mp4
││├┈12-训练BERT模型1.mp4.mp4
││├┈2-项目参数配置1.mp4.mp4
││├┈3-数据读取模块1.mp4.mp4
││├┈4-数据预处理模块1.mp4.mp4
││├┈6-Embedding层的作用1.mp4.mp4
││├┈7-加入额外编码特征1.mp4.mp4
││├┈8-加入位置编码特征1.mp4.mp4
││├┈9-mask机制1.mp4.mp4
││└┈tfrecord制作1.mp4.mp4
│├─14_项目补充-基于BERT的中文情感分析实战
││├┈1-中文分类数据与任务概述1.mp4.mp4
││├┈2-读取处理自己的数据集1.mp4.mp4
││└┈3-训练BERT中文分类模型1.mp4.mp4
│├─1_课程介绍
││└┈课程介绍1.mp4.mp4
│├─2_自然语言处理通用框架BERT原理解读
││├┈1-BERT任务目标概述.mp4.mp4
││├┈10-训练实例.mp4.mp4
││├┈2-传统解决方案遇到的问题1.mp4.mp4
││├┈3-注意力机制的作用1.mp4.mp4
││├┈4-self-attention计算方法1.mp4.mp4
││├┈5-特征分配与softmax机制1.mp4.mp4
││├┈6-Multi-head的作用1.mp4.mp4
││├┈7-位置编码与多层堆叠1.mp4.mp4
││├┈8-transformer整体架构梳理.mp4.mp4
││└┈9-BERT模型训练方法.mp4.mp4
│├─3_Transformer在视觉中的应用VIT算法
││├┈1-transformer发家史介绍1.mp4.mp4
││├┈2-对图像数据构建patch序列1.mp4.mp4
││├┈3-VIT整体架构解读1.mp4.mp4
││├┈4-CNN遇到的问题与窘境1.mp4.mp4
││├┈5-计算公式解读1.mp4.mp4
││├┈6-位置编码与TNT模型1.mp4.mp4
││└┈7-TNT模型细节分析1.mp4.mp4
│├─4_VIT算法模型源码解读
││├┈1-项目配置说明1.mp4.mp4
││├┈2-输入序列构建方法解读1.mp4.mp4
││├┈3-注意力机制计算1.mp4.mp4
││└┈4-输出层计算结果1.mp4.mp4
│├─5_swintransformer算法原理解析
││├┈1-swintransformer整体概述1.mp4.mp4
││├┈10-分层计算方法1.mp4.mp4
││├┈2-要解决的问题及其优势分析1.mp4.mp4
││├┈3-一个block要完成的任务1.mp4.mp4
││├┈4-获取各窗口输入特征1.mp4.mp4
││├┈5-基于窗口的注意力机制解读1.mp4.mp4
││├┈6-窗口偏移操作的实现1.mp4.mp4
││├┈7-偏移细节分析及其计算量概述1.mp4.mp4
││├┈8-整体网络架构整合1.mp4.mp4
││└┈9-下采样操作实现方法1.mp4.mp4
│├─6_swintransformer源码解读
││├┈1-数据与环境配置解读1.mp4.mp4
││├┈2-图像数据patch编码1.mp4.mp4
││├┈3-数据按window进行划分计算1.mp4.mp4
││├┈4-基础attention计算模块1.mp4.mp4
││├┈5-窗口位移模块细节分析1.mp4.mp4
││├┈6-patchmerge下采样操作1.mp4.mp4
││├┈7-各block计算方法解读1.mp4.mp4
││└┈8-输出层概述1.mp4.mp4
│├─7_基于Transformer的detr目标检测算法
││├┈1-DETR目标检测基本思想解读1.mp4.mp4
││├┈2-整体网络架构分析1.mp4.mp4
││├┈3-位置信息初始化query向量1.mp4.mp4
││├┈4-注意力机制的作用方法1.mp4.mp4
││└┈5-训练过程的策略1.mp4.mp4
│├─8_detr目标检测源码解读
││├┈1-项目环境配置解读2.mp4.mp4
││├┈2-数据处理与dataloader2.mp4.mp4
││├┈3-位置编码作用分析2.mp4.mp4
││├┈4-backbone特征提取模块1.mp4.mp4
││├┈5-mask与编码模块1.mp4.mp4
││├┈6-编码层作用方法1.mp4.mp4
││├┈7-Decoder层操作与计算1.mp4.mp4
││├┈8-输出预测结果1.mp4.mp4
││└┈9-损失函数与预测输出1.mp4.mp4
│└─9_MedicalTrasnformer论文解读
│└─├┈1-论文整体分析.mp4.mp4
│└─├┈2-核心思想分析.mp4.mp4
│└─├┈3-网络结构计算流程概述.mp4.mp4
│└─├┈4-论文公式计算分析.mp4.mp4
│└─├┈5-位置编码的作用与效果.mp4.mp4
│└─└┈6-拓展应用分析.mp4.mp4
└┈资料.zip

**** Hidden Message *****

页: [1]
查看完整版本: GP-P5人工智能深度学习高薪就业班5-2022年-价值16800元24章完结无秘