课程介绍(A001023)：
课程内容全面覆盖深度学习算法及其项目实战，主要应用于计算机视觉与自然语言处理两大核心领域，配套实战案例与项目全部基于真实数据集与实际任务展开。大型项目完美结合当下行业趋势，培养满足企业就业需求的中高级人工智能算法工程师。
文件目录：
| GP-P5人工智能深度学习高薪就业班5期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 26.99MB |
| │ │ │ ├─2-图基本模块定义.mp4.mp4 11.1MB |
| │ │ │ ├─3-邻接矩阵的定义.mp4.mp4 16.65MB |
| │ │ │ ├─4-GNN中常见任务.mp4.mp4 19.76MB |
| │ │ │ ├─5-消息传递计算方法.mp4.mp4 14.82MB |
| │ │ │ └─6-多层GCN的作用.mp4.mp4 13.58MB |
| │ │ ├─2图卷积GCN模型 |
| │ │ │ ├─1-GCN基本模型概述.mp4.mp4 13.83MB |
| │ │ │ ├─2-图卷积的基本计算方法.mp4.mp4 13.15MB |
| │ │ │ ├─3-邻接的矩阵的变换.mp4.mp4 18.96MB |
| │ │ │ └─4-GCN变换原理解读.mp4.mp4 21.71MB |
| │ │ ├─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 45.66MB |
| │ │ │ ├─2-数据集与邻接矩阵格式.mp4.mp4 52.51MB |
| │ │ │ ├─3-模型定义与训练方法.mp4.mp4 42.51MB |
| │ │ │ └─4-文献引用数据集分类案例实战.mp4.mp4 48.33MB |
| │ │ ├─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 14.06MB |
| │ │ │ ├─2-数据集与任务背景概述.mp4.mp4 22.22MB |
| │ │ │ ├─3-数据集基本预处理.mp4.mp4 32.09MB |
| │ │ │ ├─4-用户行为图结构创建.mp4.mp4 37.26MB |
| │ │ │ ├─5-数据集创建函数介绍.mp4.mp4 35.45MB |
| │ │ │ ├─6-网络结构定义模块.mp4.mp4 37.46MB |
| │ │ │ ├─7-TopkPooling进行下采样任务.mp4.mp4 31.89MB |
| │ │ │ ├─8-获取全局特征.mp4.mp4 26.29MB |
| │ │ │ └─9-模型训练与总结.mp4.mp4 36.43MB |
| │ │ ├─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 17.12MB |
| │ │ │ ├─2-邻接矩阵计算图Attention.mp4(1).mp4 21.99MB |
| │ │ │ ├─2-邻接矩阵计算图Attention.mp4.mp4 21.99MB |
| │ │ │ ├─3-序列图神经网络TGCN应用.mp4.mp4 13.18MB |
| │ │ │ └─4-序列图神经网络细节.mp4.mp4 24.26MB |
| │ │ ├─6图相似度论文解读 |
| │ │ │ ├─1-要完成的任务分析.mp4.mp4 48.38MB |
| │ │ │ ├─2-基本方法概述解读.mp4.mp4 53.26MB |
| │ │ │ ├─3-图模型提取全局与局部特征.mp4.mp4 48MB |
| │ │ │ ├─4-NTN模块的作用与效果.mp4.mp4 41.68MB |
| │ │ │ ├─5-点之间的对应关系计算.mp4.mp4 51.8MB |
| │ │ │ └─6-结果输出与总结.mp4.mp4 71.77MB |
| │ │ ├─7图相似度计算实战 |
| │ │ │ ├─1-数据集与任务概述3.mp4.mp4 18.7MB |
| │ │ │ ├─2-图卷积特征提取模块3.mp4.mp4 56.51MB |
| │ │ │ ├─3-分别计算不同Batch点的分布3.mp4.mp4 32.29MB |
| │ │ │ ├─4-获得直方图特征结果.mp4.mp4 21.7MB |
| │ │ │ ├─5-图的全局特征构建.mp4.mp4 32.04MB |
| │ │ │ ├─6-NTN图相似特征提取.mp4.mp4 39.84MB |
| │ │ │ └─7-预测得到相似度结果.mp4.mp4 19.23MB |
| │ │ ├─8基于图模型的轨迹估计 |
| │ │ │ ├─1-数据集与标注信息解读.mp4.mp4 58.12MB |
| │ │ │ ├─2-整体三大模块分析.mp4.mp4 72.42MB |
| │ │ │ ├─3-特征工程的作用与效果.mp4.mp4 42.33MB |
| │ │ │ ├─4-传统方法与现在向量空间对比.mp4.mp4 52.41MB |
| │ │ │ ├─5-输入细节分析.mp4.mp4 50.54MB |
| │ │ │ ├─6-子图模块构建方法.mp4.mp4 43.14MB |
| │ │ │ ├─7-特征融合模块分析.mp4.mp4 48.26MB |
| │ │ │ └─8-VectorNet输出层分析.mp4.mp4 86.04MB |
| │ │ └─9图模型轨迹估计实战 |
| │ │ ├─1-数据与环境配置4.mp4.mp4 35.95MB |
| │ │ ├─2-训练数据准备4.mp4.mp4 28.28MB |
| │ │ ├─3-Agent特征提取方法4.mp4.mp4 38.46MB |
| │ │ ├─4-DataLoader构建图结构4.mp4.mp4 29.19MB |
| │ │ └─5-SubGraph与Attention模型流程4.mp4.mp4 35.14MB |
| │ ├─113D点云实战 |
| │ │ ├─13D点云实战 3D点云应用领域分析 |
| │ │ │ ├─1-点云数据概述.mp4.mp4 48.27MB |
| │ │ │ ├─2-点云应用领域与发展分析.mp4.mp4 86.55MB |
| │ │ │ ├─3-点云分割任务.mp4.mp4 75.05MB |
| │ │ │ ├─4-点云补全任务.mp4.mp4 34.64MB |
| │ │ │ ├─5-点云检测与配准任务.mp4.mp4 63.62MB |
| │ │ │ └─6-点云数据特征提取概述与预告.mp4.mp4 29.79MB |
| │ │ ├─23D点云PointNet算法 |
| │ │ │ ├─1-3D数据应用领域与点云介绍.mp4.mp4 60.69MB |
| │ │ │ ├─2-点云数据可视化展示.mp4.mp4 46.65MB |
| │ │ │ ├─3-点云数据特性和及要解决的问题.mp4.mp4 43.56MB |
| │ │ │ ├─4-PointNet算法出发点解读.mp4.mp4 25.25MB |
| │ │ │ └─5-PointNet算法网络架构解读.mp4.mp4 43.13MB |
| │ │ ├─3PointNet++算法解读 |
| │ │ │ ├─10-分类与分割问题解决方案.mp4.mp4 30.07MB |
| │ │ │ ├─11-遇到的问题及改进方法分析.mp4.mp4 18.14MB |
| │ │ │ ├─6-PointNet升级版算法要解决的问题.mp4.mp4 30.96MB |
| │ │ │ ├─7-最远点采样方法.mp4.mp4 28.87MB |
| │ │ │ ├─8-分组Group方法原理解读.mp4.mp4 45.3MB |
| │ │ │ └─9-整体流程概述分析.mp4.mp4 22.09MB |
| │ │ ├─4Pointnet++项目实战 |
| │ │ │ ├─1-项目文件概述.mp4.mp4 36.49MB |
| │ │ │ ├─10-分类任务总结.mp4.mp4 28.23MB |
| │ │ │ ├─11-分割任务数据与配置概述.mp4.mp4 62.17MB |
| │ │ │ ├─12-分割需要解决的任务概述.mp4.mp4 38.64MB |
| │ │ │ ├─13-上采样完成分割任务.mp4.mp4 59.14MB |
| │ │ │ ├─2-数据读取模块配置.mp4.mp4 41.74MB |
| │ │ │ ├─3-DEBUG解读网络模型架构.mp4.mp4 30.52MB |
| │ │ │ ├─4-最远点采样介绍.mp4.mp4 25MB |
| │ │ │ ├─5-采样得到中心点.mp4.mp4 41.23MB |
| │ │ │ ├─6-组区域划分方法.mp4.mp4 32.14MB |
| │ │ │ ├─7-实现group操作得到各中心簇.mp4.mp4 45.22MB |
| │ │ │ ├─8-特征提取模块整体流程.mp4.mp4 51.49MB |
| │ │ │ └─9-预测结果输出模块.mp4.mp4 49.62MB |
| │ │ ├─5点云补全PF-Net论文解读 |
| │ │ │ ├─1-点云补全要解决的问题.mp4.mp4 25.95MB |
| │ │ │ ├─2-基本解决方案概述.mp4.mp4 24.09MB |
| │ │ │ ├─3-整体网络概述.mp4.mp4 26.88MB |
| │ │ │ ├─4-网络计算流程.mp4.mp4 36.31MB |
| │ │ │ └─5-输入与计算结果.mp4.mp4 120.93MB |
| │ │ ├─6点云补全实战解读 |
| │ │ │ ├─1-数据与项目配置解读.mp4.mp4 64.46MB |
| │ │ │ ├─2-待补全数据准备方法.mp4.mp4 36.74MB |
| │ │ │ ├─3-整体框架概述.mp4.mp4 64.93MB |
| │ │ │ ├─4-MRE特征提取模块.mp4.mp4 48.63MB |
| │ │ │ ├─5-分层预测输出模块.mp4.mp4 30.46MB |
| │ │ │ ├─6-补全点云数据.mp4.mp4 42.46MB |
| │ │ │ └─7-判别模块.mp4.mp4 63.12MB |
| │ │ ├─7点云配准及其案例实战 |
| │ │ │ ├─1-点云配准任务概述.mp4.mp4 21.41MB |
| │ │ │ ├─2-配准要完成的目标解读.mp4.mp4 23.72MB |
| │ │ │ ├─3-训练数据构建1.mp4.mp4 34.44MB |
| │ │ │ ├─4-任务基本流程.mp4.mp4 19.98MB |
| │ │ │ ├─5-数据源配置方法.mp4.mp4 53.59MB |
| │ │ │ ├─6-参数计算模块解读.mp4.mp4 26.55MB |
| │ │ │ ├─7-基于模型预测输出参数.mp4.mp4 32.11MB |
| │ │ │ ├─8-特征构建方法分析.mp4.mp4 44.26MB |
| │ │ │ └─9-任务总结.mp4.mp4 41.29MB |
| │ │ └─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 23.69MB |
| │ │ ├─2-GAN网络组成.mp4.mp4 15.69MB |
| │ │ ├─3-损失函数解释说明.mp4.mp4 49.94MB |
| │ │ ├─4-数据读取模块.mp4.mp4 37.33MB |
| │ │ └─5-生成与判别网络定义.mp4.mp4 67.12MB |
| │ ├─12目标追踪与姿态估计实战 |
| │ │ ├─1课程介绍 |
| │ │ │ └─课程介绍2.mp4.mp4 38.96MB |
| │ │ ├─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 67.82MB |
| │ │ │ ├─10-匹配方法解读.mp4.mp4 26.71MB |
| │ │ │ ├─11-CPM模型特点.mp4.mp4 28.26MB |
| │ │ │ ├─12-算法流程与总结.mp4.mp4 73.88MB |
| │ │ │ ├─2-姿态估计应用领域概述.mp4.mp4 28.39MB |
| │ │ │ ├─3-传统topdown方法的问题.mp4.mp4 68.2MB |
| │ │ │ ├─4-要解决的两个问题分析.mp4.mp4 13.13MB |
| │ │ │ ├─5-基于高斯分布预测关键点位置.mp4.mp4 35.95MB |
| │ │ │ ├─6-各模块输出特征图解读.mp4.mp4 22.36MB |
| │ │ │ ├─7-PAF向量登场.mp4.mp4 15.63MB |
| │ │ │ ├─8-PAF标签设计方法.mp4.mp4 33.56MB |
| │ │ │ └─9-预测时PAF积分计算方法.mp4.mp4 48.2MB |
| │ │ ├─3OpenPose算法源码分析 |
| │ │ │ ├─1-数据集与路径配置解读.mp4.mp4 35.53MB |
| │ │ │ ├─10-多阶段输出与预测.mp4.mp4 66.43MB |
| │ │ │ ├─2-读取图像与标注信息.mp4.mp4 49.04MB |
| │ │ │ ├─3-关键点与躯干特征图初始化.mp4.mp4 44.95MB |
| │ │ │ ├─4-根据关键点位置设计关键点标签.mp4.mp4 66.38MB |
| │ │ │ ├─5-准备构建PAF躯干标签.mp4.mp4 36.57MB |
| │ │ │ ├─6-各位置点归属判断.mp4.mp4 36.5MB |
| │ │ │ ├─7-特征图各点累加向量计算.mp4.mp4 40.69MB |
| │ │ │ ├─8-完成PAF特征图制作.mp4.mp4 42.57MB |
| │ │ │ └─9-网络模型一阶段输出.mp4.mp4 31.21MB |
| │ │ ├─4deepsort算法知识点解读 |
| │ │ │ ├─1-卡尔曼滤波通俗解释.mp4.mp4 31.07MB |
| │ │ │ ├─10-sort与deepsort建模流程分析.mp4.mp4 36.6MB |
| │ │ │ ├─11-预测与匹配流程解读.mp4.mp4 35.92MB |
| │ │ │ ├─12-追踪任务流程拆解.mp4.mp4 40.96MB |
| │ │ │ ├─2-卡尔曼滤波要完成的任务.mp4.mp4 24.77MB |
| │ │ │ ├─3-任务本质分析.mp4.mp4 25.7MB |
| │ │ │ ├─4-基于观测值进行最优估计.mp4.mp4 24.55MB |
| │ │ │ ├─5-预测与更新操作.mp4.mp4 31.45MB |
| │ │ │ ├─6-追踪中的状态量.mp4.mp4 22.18MB |
| │ │ │ ├─7-匈牙利匹配算法概述.mp4.mp4 23.83MB |
| │ │ │ ├─8-匹配小例子分析.mp4.mp4 29.76MB |
| │ │ │ └─9-REID特征的作用.mp4.mp4 30.37MB |
| │ │ ├─5deepsort源码解读 |
| │ │ │ ├─1-项目环境配置4.mp4.mp4 46.25MB |
| │ │ │ ├─10-匹配结果与总结.mp4.mp4 92.63MB |
| │ │ │ ├─2-参数与DEMO演示.mp4.mp4 50.01MB |
| │ │ │ ├─3-针对检测结果初始化track.mp4.mp4 56.34MB |
| │ │ │ ├─4-对track执行预测操作.mp4.mp4 47.51MB |
| │ │ │ ├─5-状态量预测结果.mp4.mp4 44.44MB |
| │ │ │ ├─6-IOU代价矩阵计算.mp4.mp4 40.31MB |
| │ │ │ ├─7-参数更新操作.mp4.mp4 61.07MB |
| │ │ │ ├─8-级联匹配模块.mp4.mp4 50.17MB |
| │ │ │ └─9-ReID特征代价矩阵计算.mp4.mp4 58.37MB |
| │ │ ├─6YOLO-V4版本算法解读 |
| │ │ │ ├─1-V4版本整体概述.mp4.mp4 18.79MB |
| │ │ │ ├─10-PAN模块解读.mp4.mp4 28.36MB |
| │ │ │ ├─11-激活函数与整体架构总结.mp4.mp4 26.78MB |
| │ │ │ ├─2-V4版本贡献解读.mp4.mp4 12.09MB |
| │ │ │ ├─3-数据增强策略分析.mp4.mp4 35.67MB |
| │ │ │ ├─4-DropBlock与标签平滑方法.mp4.mp4 27.03MB |
| │ │ │ ├─5-损失函数遇到的问题.mp4.mp4 20.46MB |
| │ │ │ ├─6-CIOU损失函数定义.mp4.mp4 13.7MB |
| │ │ │ ├─7-NMS细节改进.mp4.mp4 21.84MB |
| │ │ │ ├─8-SPP与CSP网络结构.mp4.mp4 19.01MB |
| │ │ │ └─9-SAM注意力机制模块.mp4.mp4 30.42MB |
| │ │ ├─7V5版本项目配置 |
| │ │ │ ├─1-整体项目概述.mp4.mp4 41.52MB |
| │ │ │ ├─2-训练自己的数据集方法.mp4.mp4 47.36MB |
| │ │ │ ├─3-训练数据参数配置.mp4.mp4 60.98MB |
| │ │ │ └─4-测试DEMO演示.mp4.mp4 60.99MB |
| │ │ └─8V5项目工程源码解读 |
| │ │ ├─1-数据源DEBUG流程解读.mp4.mp4 54.34MB |
| │ │ ├─10-完成配置文件解析任务.mp4.mp4 70.47MB |
| │ │ ├─11-前向传播计算.mp4.mp4 37.25MB |
| │ │ ├─12-BottleneckCSP层计算方法.mp4.mp4 40.5MB |
| │ │ ├─13-Head层流程解读2.mp4.mp4 31.57MB |
| │ │ ├─13-SPP层计算细节分析.mp4.mp4 39.15MB |
| │ │ ├─14-上采样与拼接操作.mp4.mp4 25.36MB |
| │ │ ├─15-输出结果分析.mp4.mp4 58.15MB |
| │ │ ├─16-超参数解读.mp4.mp4 43.03MB |
| │ │ ├─17-命令行参数介绍.mp4.mp4 56.83MB |
| │ │ ├─18-训练流程解读.mp4.mp4 57.16MB |
| │ │ ├─19-各种训练策略概述.mp4.mp4 47.96MB |
| │ │ ├─2-图像数据源配置.mp4.mp4 44.46MB |
| │ │ ├─20-模型迭代过程.mp4.mp4 53.27MB |
| │ │ ├─3-加载标签数据.mp4.mp4 34.21MB |
| │ │ ├─4-Mosaic数据增强方法.mp4.mp4 31.2MB |
| │ │ ├─5-数据四合一方法与流程演示.mp4.mp4 53.58MB |
| │ │ ├─6-getItem构建batch.mp4.mp4 42.66MB |
| │ │ ├─7-网络架构图可视化工具安装.mp4.mp4 41.45MB |
| │ │ ├─8-V5网络配置文件解读.mp4.mp4 42.75MB |
| │ │ └─9-Focus模块流程分析.mp4.mp4 29.69MB |
| │ ├─13面向深度学习的无人驾驶实战 |
| │ │ ├─10NeuralRecon项目源码解读 |
| │ │ │ ├─1-Backbone得到特征图.mp4.mp4 43.34MB |
| │ │ │ ├─2-初始化体素位置.mp4.mp4 47.92MB |
| │ │ │ ├─3-坐标映射方法实现.mp4.mp4 34.17MB |
| │ │ │ ├─4-得到体素所对应特征图.mp4.mp4 61.06MB |
| │ │ │ ├─5-插值得到对应特征向量.mp4.mp4 41.44MB |
| │ │ │ ├─6-得到一阶段输出结果.mp4.mp4 46.6MB |
| │ │ │ ├─7-完成三个阶段预测结果.mp4.mp4 57.13MB |
| │ │ │ └─8-项目总结2.mp4.mp4 135.57MB |
| │ │ ├─11TSDF算法与应用 |
| │ │ │ ├─1-TSDF整体概述分析.mp4.mp4 28.28MB |
| │ │ │ ├─2-合成过程DEMO演示.mp4.mp4 28.03MB |
| │ │ │ ├─3-布局初始化操作.mp4.mp4 15.95MB |
| │ │ │ ├─4-TSDF计算基本流程解读.mp4.mp4 26.63MB |
| │ │ │ ├─5-坐标转换流程分析.mp4.mp4 38.74MB |
| │ │ │ └─6-输出结果融合更新.mp4.mp4 44.79MB |
| │ │ ├─12TSDF实战案例 |
| │ │ │ ├─1-环境配置概述.mp4.mp4 39.62MB |
| │ │ │ ├─2-初始化与数据读取.mp4.mp4 26.26MB |
| │ │ │ └─3-计算得到TSDF输出.mp4.mp4 62.56MB |
| │ │ ├─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 77.26MB |
| │ │ │ ├─2-整体三大模块分析.mp4.mp4 59.41MB |
| │ │ │ ├─3-特征工程的作用与效果.mp4.mp4 54.26MB |
| │ │ │ ├─4-传统方法与现在向量空间对比.mp4.mp4 66.16MB |
| │ │ │ ├─5-输入细节分析.mp4.mp4 48.9MB |
| │ │ │ ├─6-子图模块构建方法.mp4.mp4 64.91MB |
| │ │ │ ├─7-特征融合模块分析.mp4.mp4 55.45MB |
| │ │ │ └─8-VectorNet输出层分析.mp4.mp4 117.68MB |
| │ │ ├─14轨迹估计预测实战 |
| │ │ │ ├─1-数据与环境配置..mp4.mp4 42.48MB |
| │ │ │ ├─2-训练数据准备.mp4.mp4 38.16MB |
| │ │ │ ├─3-Agent特征提取方法.mp4.mp4 50.09MB |
| │ │ │ ├─4-DataLoader构建图结构.mp4.mp4 37.86MB |
| │ │ │ └─5-SubGraph与Attention模型流程.mp4.mp4 43.81MB |
| │ │ ├─15特斯拉无人驾驶解读 |
| │ │ │ └─15-特斯拉无人驾驶解读.mp4.mp4 776.97MB |
| │ │ ├─1深度估计算法原理解读 |
| │ │ │ ├─1-深度估计效果与应用.mp4.mp4 82.18MB |
| │ │ │ ├─10-损失计算.mp4.mp4 49MB |
| │ │ │ ├─2-kitti数据集介绍.mp4.mp4 62.36MB |
| │ │ │ ├─3-使用backbone获取层级特征.mp4.mp4 28.03MB |
| │ │ │ ├─4-差异特征计算边界信息.mp4.mp4 35.66MB |
| │ │ │ ├─5-SPP层的作用.mp4.mp4 20.15MB |
| │ │ │ ├─6-空洞卷积与ASPP.mp4.mp4 26.24MB |
| │ │ │ ├─7-特征拼接方法分析.mp4.mp4 29.27MB |
| │ │ │ ├─8-网络coarse-to-fine过程.mp4.mp4 34.56MB |
| │ │ │ └─9-权重参数预处理.mp4.mp4 38.3MB |
| │ │ ├─2深度估计项目实战 |
| │ │ │ ├─1-项目环境配置解读1.mp4.mp4 63.85MB |
| │ │ │ ├─10-模型DEMO输出结果.mp4.mp4 113.21MB |
| │ │ │ ├─2-数据与标签定义方法.mp4.mp4 103.19MB |
| │ │ │ ├─3-数据集dataloader制作.mp4.mp4 40.39MB |
| │ │ │ ├─4-使用backbone进行特征提取.mp4.mp4 44.08MB |
| │ │ │ ├─5-计算差异特征.mp4.mp4 38.29MB |
| │ │ │ ├─6-权重参数标准化操作.mp4.mp4 49.77MB |
| │ │ │ ├─7-网络结构ASPP层.mp4.mp4 50.74MB |
| │ │ │ ├─8-特征拼接方法解读.mp4.mp4 56.87MB |
| │ │ │ ├─8-输出深度估计结果.mp4.mp4 35.17MB |
| │ │ │ └─9-损失函数通俗解读.mp4.mp4 48.18MB |
| │ │ ├─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 39.18MB |
| │ │ │ ├─2-网络整体框架分析.mp4.mp4 43.46MB |
| │ │ │ ├─3-输出结果分析.mp4(1).mp4 19.97MB |
| │ │ │ ├─3-输出结果分析.mp4.mp4 19.97MB |
| │ │ │ ├─4-损失函数计算方法.mp4(1).mp4 39.71MB |
| │ │ │ ├─4-损失函数计算方法.mp4.mp4 39.71MB |
| │ │ │ └─5-论文概述分析.mp4.mp4 79.32MB |
| │ │ ├─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 78.26MB |
| │ │ │ ├─10-车道线规则损失函数限制.mp4.mp4 57.67MB |
| │ │ │ ├─11-DEMO制作与配置.mp4.mp4 54.12MB |
| │ │ │ ├─2-项目环境配置演示.mp4.mp4 35.73MB |
| │ │ │ ├─3-制作数据集dataloader.mp4.mp4 68.29MB |
| │ │ │ ├─4-车道线标签数据处理.mp4.mp4 38.98MB |
| │ │ │ ├─5-四条车道线标签位置矩阵.mp4.mp4 29.59MB |
| │ │ │ ├─6-grid设置方法.mp4.mp4 62.09MB |
| │ │ │ ├─7-完成数据与标签制作.mp4.mp4 33.52MB |
| │ │ │ ├─8-算法网络结构解读.mp4.mp4 62.27MB |
| │ │ │ └─9-损失函数计算模块分析.mp4.mp4 46.24MB |
| │ │ ├─5商汤LoFTR算法解读 |
| │ │ │ ├─1-特征匹配的应用场景.mp4.mp4 47.83MB |
| │ │ │ ├─10-总结分析.mp4.mp4 74.17MB |
| │ │ │ ├─2-特征匹配的基本流程分析.mp4.mp4 22.73MB |
| │ │ │ ├─3-整体流程梳理分析.mp4.mp4 23.88MB |
| │ │ │ ├─4-CrossAttention的作用与效果.mp4.mp4 22.85MB |
| │ │ │ ├─5-transformer构建匹配特征.mp4.mp4 45.34MB |
| │ │ │ ├─6-粗粒度匹配过程与作用.mp4.mp4 35.69MB |
| │ │ │ ├─7-特征图拆解操作.mp4.mp4 19.1MB |
| │ │ │ ├─8-细粒度匹配的作用与方法.mp4.mp4 27.39MB |
| │ │ │ └─9-基于期望预测最终位置.mp4.mp4 33.25MB |
| │ │ ├─6局部特征关键点匹配实战 |
| │ │ │ ├─1-项目与参数配置解读.mp4.mp4 53.44MB |
| │ │ │ ├─10-得到精细化输出结果.mp4.mp4 24.03MB |
| │ │ │ ├─11-通过期望计算最终输出.mp4.mp4 54.22MB |
| │ │ │ ├─2-DEMO效果演示.mp4.mp4 31.81MB |
| │ │ │ ├─3-backbone特征提取模块.mp4.mp4 32.78MB |
| │ │ │ ├─4-注意力机制的作用与效果分析.mp4.mp4 36.86MB |
| │ │ │ ├─5-特征融合模块实现方法.mp4.mp4 35.1MB |
| │ │ │ ├─6-cross关系计算方法实例.mp4.mp4 36.4MB |
| │ │ │ ├─7-粗粒度匹配过程.mp4.mp4 57.03MB |
| │ │ │ ├─8-完成基础匹配模块.mp4.mp4 73.73MB |
| │ │ │ └─9-精细化调整方法与实例.mp4.mp4 50.28MB |
| │ │ ├─7三维重建应用与坐标系基础 |
| │ │ │ ├─1-三维重建概述分析.mp4.mp4 128.67MB |
| │ │ │ ├─2-三维重建应用领域概述.mp4.mp4 16.74MB |
| │ │ │ ├─3-成像方法概述.mp4.mp4 21.83MB |
| │ │ │ ├─4-相机坐标系.mp4.mp4 24.42MB |
| │ │ │ ├─5-坐标系转换方法解读.mp4.mp4 28.82MB |
| │ │ │ ├─6-相机内外参.mp4.mp4 24.83MB |
| │ │ │ ├─7-通过内外参数进行坐标变换.mp4.mp4 21.24MB |
| │ │ │ └─8-相机标定简介.mp4.mp4 7.31MB |
| │ │ ├─8NeuralRecon算法解读 |
| │ │ │ ├─1-任务流程分析.mp4.mp4 28.2MB |
| │ │ │ ├─2-基本框架熟悉.mp4.mp4 38.67MB |
| │ │ │ ├─3-特征映射方法解读.mp4.mp4 46.56MB |
| │ │ │ ├─4-片段融合思想.mp4.mp4 23.16MB |
| │ │ │ └─5-整体架构重构方法.mp4.mp4 31MB |
| │ │ └─9NeuralRecon项目环境配置 |
| │ │ ├─1-数据集下载与配置方法.mp4.mp4 59.32MB |
| │ │ ├─2-Scannet数据集内容概述.mp4.mp4 41.71MB |
| │ │ ├─3-TSDF标签生成方法.mp4.mp4 68.28MB |
| │ │ ├─4-ISSUE的作用.mp4.mp4 58.83MB |
| │ │ └─5-完成依赖环境配置.mp4.mp4 66.57MB |
| │ ├─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 20.63MB |
| │ │ │ ├─2-视频数据读取与轮廓检测.mp4.mp4 23.59MB |
| │ │ │ ├─3-目标质心计算.mp4.mp4 40.98MB |
| │ │ │ ├─4-视频数据遍历方法.mp4.mp4 39.96MB |
| │ │ │ ├─5-缺陷区域提取.mp4.mp4 42.08MB |
| │ │ │ ├─6-不同类型的缺陷检测方法.mp4.mp4 47.79MB |
| │ │ │ └─7-检测效果演示.mp4.mp4 29.69MB |
| │ │ ├─11图像分割deeplab系列算法 |
| │ │ │ ├─1-deeplab分割算法概述.mp4.mp4 19.73MB |
| │ │ │ ├─2-空洞卷积的作用.mp4.mp4 21.76MB |
| │ │ │ ├─3-感受野的意义.mp4.mp4 27.02MB |
| │ │ │ ├─4-SPP层的作用.mp4.mp4 26.56MB |
| │ │ │ ├─5-ASPP特征融合策略.mp4.mp4 17.6MB |
| │ │ │ └─6-deeplabV3Plus版本网络架构.mp4.mp4 33.76MB |
| │ │ ├─12基于deeplabV3+版本进行VOC分割实战 |
| │ │ │ ├─1-PascalVoc数据集介绍.mp4.mp4 57.45MB |
| │ │ │ ├─2-项目参数与数据集读取.mp4.mp4 70.39MB |
| │ │ │ ├─3-网络前向传播流程.mp4.mp4 40.16MB |
| │ │ │ ├─4-ASPP层特征融合.mp4.mp4 62.46MB |
| │ │ │ └─5-分割模型训练.mp4.mp4 43.96MB |
| │ │ ├─13Deeplab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 37.39MB |
| │ │ │ ├─2-开源项目应用方法.mp4.mp4 40.37MB |
| │ │ │ ├─3-github与kaggle中需要注意的点.mp4.mp4 41.79MB |
| │ │ │ ├─4-源码的利用方法.mp4.mp4 100.65MB |
| │ │ │ ├─5-数据集制作方法.mp4.mp4 86.48MB |
| │ │ │ ├─6-数据路径配置.mp4.mp4 63.51MB |
| │ │ │ ├─7-训练模型.mp4.mp4 38.69MB |
| │ │ │ └─8-任务总结.mp4.mp4 48.18MB |
| │ │ ├─1课程介绍 |
| │ │ │ └─课程介绍3.mp4.mp4 36.32MB |
| │ │ ├─2物体检框架YOLO-V4版本算法解读 |
| │ │ │ ├─1-V4版本整体概述.mp4.mp4 15.65MB |
| │ │ │ ├─10-PAN模块解读.mp4.mp4 21.23MB |
| │ │ │ ├─11-激活函数与整体架构总结.mp4.mp4 19.77MB |
| │ │ │ ├─2-V4版本贡献解读.mp4.mp4 10.64MB |
| │ │ │ ├─3-数据增强策略分析.mp4.mp4 25.29MB |
| │ │ │ ├─4-DropBlock与标签平滑方法.mp4.mp4 19.95MB |
| │ │ │ ├─5-损失函数遇到的问题.mp4.mp4 14.85MB |
| │ │ │ ├─6-CIOU损失函数定义.mp4.mp4 11.41MB |
| │ │ │ ├─7-NMS细节改进.mp4.mp4 17.24MB |
| │ │ │ ├─8-SPP与CSP网络结构.mp4.mp4 15.4MB |
| │ │ │ └─9-SAM注意力机制模块.mp4.mp4 23.07MB |
| │ │ ├─3物体检测框架YOLOV5版本项目配置 |
| │ │ │ ├─1-整体项目概述.mp4.mp4 36.35MB |
| │ │ │ ├─2-训练自己的数据集方法.mp4.mp4 41.91MB |
| │ │ │ ├─3-训练数据参数配置.mp4.mp4 52.07MB |
| │ │ │ └─4-测试DEMO演示.mp4.mp4 51.06MB |
| │ │ ├─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 48.72MB |
| │ │ │ ├─10-完成配置文件解析任务.mp4.mp4 59.39MB |
| │ │ │ ├─11-前向传播计算.mp4.mp4 31.39MB |
| │ │ │ ├─12-BottleneckCSP层计算方法.mp4.mp4 34.41MB |
| │ │ │ ├─13-1 SPP层计算细节分析.mp4.mp4 39.21MB |
| │ │ │ ├─13-2Head层流程解读.mp4.mp4 31.64MB |
| │ │ │ ├─14-上采样与拼接操作.mp4.mp4 22.07MB |
| │ │ │ ├─15-输出结果分析.mp4.mp4 42.3MB |
| │ │ │ ├─16-超参数解读.mp4.mp4 35.53MB |
| │ │ │ ├─17-命令行参数介绍.mp4.mp4 44.85MB |
| │ │ │ ├─18-训练流程解读.mp4.mp4 47.39MB |
| │ │ │ ├─19-各种训练策略概述.mp4.mp4 39.02MB |
| │ │ │ ├─2-图像数据源配置.mp4.mp4 35.24MB |
| │ │ │ ├─20-模型迭代过程.mp4.mp4 39.01MB |
| │ │ │ ├─3-加载标签数据.mp4.mp4 26.92MB |
| │ │ │ ├─4-Mosaic数据增强方法.mp4.mp4 28.78MB |
| │ │ │ ├─5-数据四合一方法与流程演示.mp4.mp4 42.27MB |
| │ │ │ ├─6-getItem构建batch.mp4.mp4 33.62MB |
| │ │ │ ├─7-网络架构图可视化工具安装.mp4.mp4 34.92MB |
| │ │ │ ├─8-V5网络配置文件解读.mp4.mp4 36.33MB |
| │ │ │ └─9-Focus模块流程分析.mp4.mp4 22.52MB |
| │ │ ├─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 16.12MB |
| │ │ │ ├─2-数据与标签配置方法.mp4.mp4 43.65MB |
| │ │ │ ├─3-标签转换格式脚本制作.mp4.mp4 39.25MB |
| │ │ │ ├─4-各版本模型介绍分析.mp4.mp4 37.64MB |
| │ │ │ ├─5-项目参数配置.mp4.mp4 30.84MB |
| │ │ │ ├─6-缺陷检测模型训练.mp4.mp4 33.23MB |
| │ │ │ └─7-输出结果与项目总结.mp4.mp4 53.82MB |
| │ │ ├─6Semi-supervised布料缺陷检测实战 |
| │ │ │ ├─1-任务目标与流程概述.mp4.mp4 61.74MB |
| │ │ │ ├─2-论文思想与模型分析.mp4.mp4 159.07MB |
| │ │ │ ├─3-项目配置解读.mp4.mp4 69.39MB |
| │ │ │ ├─4-网络流程分析.mp4.mp4 43.6MB |
| │ │ │ └─5-输出结果展示.mp4.mp4 50.75MB |
| │ │ ├─7Opencv图像常用处理方法实例 |
| │ │ │ ├─1-图像阈值.mp4.mp4 41.18MB |
| │ │ │ ├─1-腐蚀操作.mp4.mp4 29.3MB |
| │ │ │ ├─1-计算机眼中的图像.mp4.mp4 40.55MB |
| │ │ │ ├─2-图像平滑处理.mp4.mp4 34.82MB |
| │ │ │ ├─2-膨胀操作.mp4.mp4 17.6MB |
| │ │ │ ├─2-视频的读取与处理.mp4.mp4 60.69MB |
| │ │ │ ├─3-ROI区域.mp4.mp4 20.14MB |
| │ │ │ ├─3-开运算与闭运算.mp4.mp4 12.48MB |
| │ │ │ ├─3-高斯与中值滤波.mp4.mp4 29.26MB |
| │ │ │ ├─4-梯度计算.mp4.mp4 10.7MB |
| │ │ │ ├─4-边界填充.mp4.mp4 29.57MB |
| │ │ │ ├─5-数值计算.mp4.mp4 52.95MB |
| │ │ │ └─5-礼帽与黑帽.mp4.mp4 23.45MB |
| │ │ ├─8Opencv梯度计算与边缘检测实例 |
| │ │ │ ├─1-Canny边缘检测流程.mp4.mp4 26.89MB |
| │ │ │ ├─1-Sobel算子.mp4.mp4 37.75MB |
| │ │ │ ├─2-梯度计算方法.mp4.mp4 42.34MB |
| │ │ │ ├─2-非极大值抑制.mp4.mp4 21.1MB |
| │ │ │ ├─3-scharr与lapkacian算子.mp4.mp4 35.06MB |
| │ │ │ └─3-边缘检测效果.mp4.mp4 51.59MB |
| │ │ ├─8Opencv轮廓检测与直方图 |
| │ │ │ ├─1-图像金字塔定义.mp4.mp4 27.72MB |
| │ │ │ ├─1-直方图定义.mp4.mp4 30.82MB |
| │ │ │ ├─2-均衡化原理.mp4.mp4 41.02MB |
| │ │ │ ├─2-金字塔制作方法.mp4.mp4 32.88MB |
| │ │ │ ├─3-均衡化效果.mp4.mp4 36.48MB |
| │ │ │ ├─3-轮廓检测方法.mp4.mp4 27.19MB |
| │ │ │ ├─4-傅里叶概述.mp4.mp4 61.51MB |
| │ │ │ ├─4-轮廓检测结果.mp4.mp4 44.6MB |
| │ │ │ ├─5-轮廓特征与近似.mp4.mp4 53.47MB |
| │ │ │ ├─5-频域变换结果.mp4.mp4 35.79MB |
| │ │ │ ├─6-低通与高通滤波.mp4.mp4 36.84MB |
| │ │ │ ├─6-模板匹配方法.mp4.mp4 61MB |
| │ │ │ └─7-匹配效果展示.mp4.mp4 27.9MB |
| │ │ └─9基于Opencv缺陷检测项目实战 |
| │ │ ├─1-任务需求与环境配置.mp4.mp4 19MB |
| │ │ ├─2-数据读取与基本处理.mp4.mp4 33.87MB |
| │ │ ├─3-缺陷形态学操作.mp4.mp4 34MB |
| │ │ ├─4-整体流程解读.mp4.mp4 28.12MB |
| │ │ └─5-缺陷检测效果演示.mp4.mp4 63.17MB |
| │ ├─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 23.74MB |
| │ │ │ ├─2-挑战与困难分析.mp4.mp4 47.3MB |
| │ │ │ ├─3-评估标准rank1指标.mp4.mp4 17.25MB |
| │ │ │ ├─4-map值计算方法.mp4.mp4 21.1MB |
| │ │ │ ├─5-triplet损失计算实例.mp4.mp4 35.06MB |
| │ │ │ └─6-Hard-Negative方法应用.mp4.mp4 37.53MB |
| │ │ ├─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 48.3MB |
| │ │ │ ├─2-空间权重值计算流程分析.mp4.mp4 28.6MB |
| │ │ │ ├─3-融合空间注意力所需特征.mp4.mp4 29.46MB |
| │ │ │ └─4-基于特征图的注意力计算.mp4.mp4 89.41MB |
| │ │ ├─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 58.62MB |
| │ │ │ ├─2-参数配置与整体架构分析.mp4.mp4 83.86MB |
| │ │ │ ├─3-进入debug模式解读网络计算流程.mp4.mp4 37.84MB |
| │ │ │ ├─4-获得空间位置点之间的关系.mp4.mp4 53.86MB |
| │ │ │ ├─5-组合关系特征图.mp4.mp4 42.57MB |
| │ │ │ ├─6-计算得到位置权重值.mp4.mp4 49.47MB |
| │ │ │ ├─7-基于特征图的权重计算.mp4.mp4 32.79MB |
| │ │ │ ├─8-损失函数计算实例解读.mp4.mp4 75.39MB |
| │ │ │ └─9-训练与测试模块演示.mp4.mp4 91.95MB |
| │ │ ├─4AAAI2020顶会算法精讲 |
| │ │ │ ├─1-论文整体框架概述.mp4.mp4 22.23MB |
| │ │ │ ├─2-局部特征与全局关系计算方法.mp4.mp4 21.63MB |
| │ │ │ ├─3-特征分组方法.mp4.mp4 20.24MB |
| │ │ │ ├─4-GCP模块特征融合方法.mp4.mp4 39.31MB |
| │ │ │ ├─5-oneVsReset方法实例.mp4.mp4 20.87MB |
| │ │ │ └─6-损失函数应用位置.mp4.mp4 20.94MB |
| │ │ ├─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 94.56MB |
| │ │ │ ├─10-得到所有分组特征结果.mp4.mp4 62.25MB |
| │ │ │ ├─11-损失函数与训练过程演示.mp4.mp4 53.57MB |
| │ │ │ ├─12-测试与验证模块.mp4.mp4 64.44MB |
| │ │ │ ├─2-数据源构建方法分析.mp4.mp4 49.22MB |
| │ │ │ ├─3-dataloader加载顺序解读.mp4.mp4 35.23MB |
| │ │ │ ├─4-debug模式解读.mp4.mp4 102.05MB |
| │ │ │ ├─5-网络计算整体流程演示.mp4.mp4 38.63MB |
| │ │ │ ├─6-特征序列构建.mp4.mp4 51.28MB |
| │ │ │ ├─7-GCP全局特征提取.mp4.mp4 48.02MB |
| │ │ │ ├─8-局部特征提取实例.mp4.mp4 58.25MB |
| │ │ │ └─9-特征组合汇总.mp4.mp4 59.12MB |
| │ │ ├─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 26.9MB |
| │ │ │ ├─2-图卷积与匹配的作用.mp4.mp4 30.83MB |
| │ │ │ ├─3-局部特征热度图计算.mp4.mp4 33.27MB |
| │ │ │ ├─4-基于图卷积构建人体拓扑关系.mp4.mp4 39.81MB |
| │ │ │ ├─5-图卷积模块实现方法.mp4.mp4 36.6MB |
| │ │ │ ├─6-图匹配在行人重识别中的作用.mp4.mp4 21.68MB |
| │ │ │ └─7-整体算法框架分析.mp4.mp4 31.68MB |
| │ │ └─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 61.58MB |
| │ │ ├─10-整体项目总结.mp4.mp4 89.06MB |
| │ │ ├─2-局部特征准备方法.mp4.mp4 59.26MB |
| │ │ ├─3-得到一阶段热度图结果.mp4.mp4 52.13MB |
| │ │ ├─4-阶段监督训练.mp4.mp4 96.15MB |
| │ │ ├─5-初始化图卷积模型.mp4.mp4 46.6MB |
| │ │ ├─6-mask矩阵的作用.mp4.mp4 47.13MB |
| │ │ ├─7-邻接矩阵学习与更新.mp4.mp4 58.48MB |
| │ │ ├─8-基于拓扑结构组合关键点特征.mp4.mp4 76.55MB |
| │ │ └─9-图匹配模块计算流程.mp4.mp4 81.57MB |
| │ ├─16对抗生成网络实战 |
| │ │ ├─1课程介绍 |
| │ │ │ └─课程介绍.mp4.mp4 36.03MB |
| │ │ ├─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 23.69MB |
| │ │ │ ├─2-GAN网络组成.mp4.mp4 15.69MB |
| │ │ │ ├─3-损失函数解释说明.mp4.mp4 49.94MB |
| │ │ │ ├─4-数据读取模块.mp4.mp4 37.33MB |
| │ │ │ └─5-生成与判别网络定义.mp4.mp4 67.12MB |
| │ │ ├─3基于CycleGan开源项目实战图像合成 |
| │ │ │ ├─1-CycleGan网络所需数据.mp4.mp4 44.09MB |
| │ │ │ ├─10-额外补充：VISDOM可视化配置.mp4.mp4 46.06MB |
| │ │ │ ├─2-CycleGan整体网络架构.mp4.mp4 30.87MB |
| │ │ │ ├─3-PatchGan判别网络原理.mp4.mp4 16.4MB |
| │ │ │ ├─4-Cycle开源项目简介.mp4.mp4 53.43MB |
| │ │ │ ├─5-数据读取与预处理操作.mp4.mp4 60.29MB |
| │ │ │ ├─6-生成网络模块构造.mp4.mp4 62.04MB |
| │ │ │ ├─7-判别网络模块构造.mp4.mp4 25.01MB |
| │ │ │ ├─8-损失函数：identity loss计算方法.mp4.mp4 45.61MB |
| │ │ │ └─9-生成与判别损失函数指定.mp4.mp4 76.13MB |
| │ │ ├─4stargan论文架构解析 |
| │ │ │ ├─1-stargan效果演示分析.mp4.mp4 40.6MB |
| │ │ │ ├─2-网络架构整体思路解读.mp4.mp4 35.93MB |
| │ │ │ ├─3-建模流程分析.mp4.mp4 57.11MB |
| │ │ │ ├─4-V1版本存在的问题及后续改进思路.mp4.mp4 62.53MB |
| │ │ │ ├─5-V2版本在整体网络架构.mp4.mp4 55.12MB |
| │ │ │ ├─6-编码器训练方法.mp4.mp4 47.09MB |
| │ │ │ ├─7-损失函数公式解析.mp4.mp4 57.87MB |
| │ │ │ └─8-训练过程分析.mp4.mp4 40.18MB |
| │ │ ├─5stargan项目实战及其源码解读 |
| │ │ │ ├─1-项目配置与数据源下载.mp4.mp4 26.87MB |
| │ │ │ ├─10-测试模块效果与实验分析.mp4.mp4 27.22MB |
| │ │ │ ├─2-测试效果演示.mp4.mp4 45.26MB |
| │ │ │ ├─3-项目参数解析.mp4.mp4 34.41MB |
| │ │ │ ├─4-生成器模块源码解读.mp4.mp4 63.01MB |
| │ │ │ ├─5-所有网络模块构建实例.mp4.mp4 56.36MB |
| │ │ │ ├─6-数据读取模块分析.mp4.mp4 61.47MB |
| │ │ │ ├─7-判别器损失计算.mp4.mp4 41.3MB |
| │ │ │ ├─8-损失计算详细过程.mp4.mp4 60.49MB |
| │ │ │ └─9-生成模块损失计算.mp4.mp4 83.03MB |
| │ │ ├─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 42.83MB |
| │ │ │ ├─2-VCC2016输入数据.mp4.mp4 29.03MB |
| │ │ │ ├─3-语音特征提取.mp4.mp4 42.48MB |
| │ │ │ ├─4-生成器模型架构分析.mp4.mp4 21.64MB |
| │ │ │ ├─5-InstanceNorm的作用解读.mp4.mp4 26.65MB |
| │ │ │ ├─6-AdaIn的目的与效果.mp4.mp4 18.3MB |
| │ │ │ └─7-判别器模块分析.mp4.mp4 212.78MB |
| │ │ ├─7starganvc2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 30.19MB |
| │ │ │ ├─10-源码损失计算流程.mp4.mp4 38.83MB |
| │ │ │ ├─11-测试模块-生成转换语音.mp4.mp4 55.73MB |
| │ │ │ ├─2-环境配置与工具包安装.mp4.mp4 55.22MB |
| │ │ │ ├─3-数据预处理与声音特征提取.mp4.mp4 126.53MB |
| │ │ │ ├─4-生成器构造模块解读.mp4.mp4 51.13MB |
| │ │ │ ├─5-下采样与上采样操作.mp4.mp4 43.8MB |
| │ │ │ ├─6-starganvc2版本标签输入分析.mp4.mp4 48.31MB |
| │ │ │ ├─7-生成器前向传播维度变化.mp4.mp4 34.11MB |
| │ │ │ ├─8-判别器模块解读.mp4.mp4 45.8MB |
| │ │ │ └─9-论文损失函数.mp4.mp4 116.67MB |
| │ │ ├─8图像超分辨率重构实战 |
| │ │ │ ├─1-论文概述.mp4.mp4 60.51MB |
| │ │ │ ├─2-网络架构.mp4.mp4 136.66MB |
| │ │ │ ├─3-数据与环境配置.mp4.mp4 37.59MB |
| │ │ │ ├─4-数据加载与配置.mp4.mp4 42.45MB |
| │ │ │ ├─5-生成模块.mp4.mp4 57.36MB |
| │ │ │ ├─6-判别模块.mp4.mp4 50.15MB |
| │ │ │ ├─7-VGG特征提取网络.mp4.mp4 43.81MB |
| │ │ │ ├─8-损失函数与训练.mp4.mp4 117.19MB |
| │ │ │ └─9-测试模块.mp4.mp4 110.18MB |
| │ │ └─9基于GAN的图像补全实战 |
| │ │ ├─1-.论文概述.mp4.mp4 90.54MB |
| │ │ ├─2-网络架构11.mp4.mp4 40.69MB |
| │ │ ├─3- 细节设计.mp4.mp4 77.37MB |
| │ │ ├─4- 论文总结.mp4.mp4 80.92MB |
| │ │ ├─5- 数据与项目概述.mp4.mp4 49.48MB |
| │ │ ├─6- 参数基本设计.mp4.mp4 84.13MB |
| │ │ ├─7- 网络结构配置.mp4.mp4 90.36MB |
| │ │ ├─8- 网络迭代训练.mp4.mp4 122.62MB |
| │ │ └─9- 测试模块.mp4.mp4 87.82MB |
| │ ├─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 22.18MB |
| │ │ │ ├─2-强化学习的指导依据.mp4.mp4 29.88MB |
| │ │ │ ├─3-强化学习AI游戏DEMO.mp4.mp4 29.48MB |
| │ │ │ ├─4-应用领域简介.mp4.mp4 23.77MB |
| │ │ │ ├─5-强化学习工作流程.mp4.mp4 20MB |
| │ │ │ ├─6-计算机眼中的状态与行为.mp4(1).mp4 27.22MB |
| │ │ │ └─6-计算机眼中的状态与行为.mp4.mp4 27.22MB |
| │ │ ├─2PPO算法与公式推导 |
| │ │ │ ├─1-基本情况介绍.mp4.mp4 40.18MB |
| │ │ │ ├─2-与环境交互得到所需数据.mp4.mp4 31.53MB |
| │ │ │ ├─3-要完成的目标分析.mp4.mp4 33.83MB |
| │ │ │ ├─4-策略梯度推导.mp4.mp4 30.51MB |
| │ │ │ ├─5-baseline方法.mp4.mp4 18.63MB |
| │ │ │ ├─6-OnPolicy与OffPolicy策略.mp4.mp4 27.93MB |
| │ │ │ ├─7-importance sampling的作用.mp4.mp4 30.61MB |
| │ │ │ └─8-PPO算法整体思路解析.mp4.mp4 36.85MB |
| │ │ ├─3PPO实战-月球登陆器训练实例 |
| │ │ │ ├─1-Critic的作用与效果.mp4.mp4 43.18MB |
| │ │ │ ├─2-PPO2版本公式解读.mp4.mp4 42.37MB |
| │ │ │ ├─3-参数与网络结构定义.mp4.mp4 38.77MB |
| │ │ │ ├─4-得到动作结果.mp4.mp4 36.61MB |
| │ │ │ ├─5-奖励获得与计算.mp4.mp4 44.24MB |
| │ │ │ └─6-参数迭代与更新.mp4.mp4 63.5MB |
| │ │ ├─4Q-learning与DQN算法 |
| │ │ │ ├─1-算法原理通俗解读.mp4.mp4 30.37MB |
| │ │ │ ├─2-目标函数与公式解析.mp4.mp4 33.16MB |
| │ │ │ ├─3-Qlearning算法实例解读.mp4.mp4 22.06MB |
| │ │ │ ├─4-Q值迭代求解.mp4.mp4 31.73MB |
| │ │ │ └─5-DQN简介.mp4.mp4 19.25MB |
| │ │ ├─5DQN算法实例演示 |
| │ │ │ ├─1-整体任务流程演示.mp4.mp4 26MB |
| │ │ │ ├─2-探索与action获取.mp4.mp4 35.82MB |
| │ │ │ ├─3-计算target值.mp4.mp4 27.92MB |
| │ │ │ └─4-训练与更新.mp4.mp4 40.14MB |
| │ │ ├─6DQN改进与应用技巧 |
| │ │ │ ├─1-DoubleDqn要解决的问题.mp4.mp4 23.95MB |
| │ │ │ ├─2-DuelingDqn改进方法.mp4.mp4 25.02MB |
| │ │ │ ├─3-Dueling整体网络架构分析.mp4.mp4 28.87MB |
| │ │ │ ├─4-MultiSetp策略.mp4.mp4 10.33MB |
| │ │ │ └─5-连续动作处理方法.mp4.mp4 30.98MB |
| │ │ ├─7Actor-Critic算法分析（A3C） |
| │ │ │ ├─1-AC算法回顾与知识点总结.mp4.mp4 24.01MB |
| │ │ │ ├─2-优势函数解读与分析.mp4.mp4 27.35MB |
| │ │ │ ├─3-计算流程实例.mp4.mp4 22.32MB |
| │ │ │ ├─4-A3C整体架构分析.mp4.mp4 22.16MB |
| │ │ │ └─5-损失函数整理.mp4 31.64MB |
| │ │ └─8用A3C玩转超级马里奥 |
| │ │ ├─1-整体流程与环境配置.mp4.mp4 32.47MB |
| │ │ ├─2-启动游戏环境.mp4.mp4 38.09MB |
| │ │ ├─3-要计算的指标回顾.mp4.mp4 45.78MB |
| │ │ ├─4-初始化局部模型并加载参数.mp4.mp4 40.72MB |
| │ │ ├─5-与环境交互得到训练数据.mp4.mp4 50.15MB |
| │ │ └─6-训练网络模型.mp4.mp4 56.12MB |
| │ ├─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 46.53MB |
| │ │ │ ├─2-项目基本配置参数1.mp4.mp4 39.31MB |
| │ │ │ ├─3-任务流程解读1.mp4.mp4 80.76MB |
| │ │ │ ├─4-文献报告分析1.mp4.mp4 141.42MB |
| │ │ │ ├─5-补充：视频数据源特征处理方法概述1.mp4.mp4 35.59MB |
| │ │ │ └─6-补充：R(2plus1)D处理方法分析1.mp4.mp4 25.91MB |
| │ │ ├─11YOLO系列物体检测算法原理解读 |
| │ │ │ ├─1-V2版本细节升级概述.mp4.mp4 17.46MB |
| │ │ │ ├─1-V3版本改进概述.mp4.mp4 23.72MB |
| │ │ │ ├─1-V4版本整体概述.mp4.mp4 18.79MB |
| │ │ │ ├─1-YOLO算法整体思路解读.mp4.mp4 22.84MB |
| │ │ │ ├─1-检测任务中阶段的意义.mp4.mp4 21.76MB |
| │ │ │ ├─10-PAN模块解读.mp4.mp4 28.36MB |
| │ │ │ ├─11-激活函数与整体架构总结.mp4.mp4 26.78MB |
| │ │ │ ├─2-V4版本贡献解读.mp4.mp4 12.09MB |
| │ │ │ ├─2-不同阶段算法优缺点分析.mp4.mp4 14.97MB |
| │ │ │ ├─2-多scale方法改进与特征融合.mp4.mp4 25.22MB |
| │ │ │ ├─2-检测算法要得到的结果.mp4.mp4 20.33MB |
| │ │ │ ├─2-网络结构特点.mp4.mp4 22.89MB |
| │ │ │ ├─3-IOU指标计算.mp4.mp4 17.19MB |
| │ │ │ ├─3-数据增强策略分析.mp4.mp4 35.67MB |
| │ │ │ ├─3-整体网络架构解读.mp4.mp4 44.6MB |
| │ │ │ ├─3-架构细节解读.mp4.mp4 25.87MB |
| │ │ │ ├─3-经典变换方法对比分析.mp4.mp4 16.11MB |
| │ │ │ ├─4-DropBlock与标签平滑方法.mp4.mp4 27.03MB |
| │ │ │ ├─4-位置损失计算.mp4.mp4 27.38MB |
| │ │ │ ├─4-基于聚类来选择先验框尺寸.mp4.mp4 33.24MB |
| │ │ │ ├─4-残差连接方法解读.mp4.mp4 26.04MB |
| │ │ │ ├─4-评估所需参数计算.mp4.mp4 36.51MB |
| │ │ │ ├─5-map指标计算.mp4.mp4 25.93MB |
| │ │ │ ├─5-偏移量计算方法.mp4.mp4 39.39MB |
| │ │ │ ├─5-损失函数遇到的问题.mp4.mp4 20.46MB |
| │ │ │ ├─5-整体网络模型架构分析.mp4.mp4 17.36MB |
| │ │ │ ├─5-置信度误差与优缺点分析.mp4.mp4 39.09MB |
| │ │ │ ├─6-CIOU损失函数定义.mp4.mp4 13.7MB |
| │ │ │ ├─6-先验框设计改进.mp4.mp4 19.9MB |
| │ │ │ ├─6-坐标映射与还原.mp4.mp4 13.72MB |
| │ │ │ ├─7-NMS细节改进.mp4.mp4 21.84MB |
| │ │ │ ├─7-sotfmax层改进.mp4.mp4 15.06MB |
| │ │ │ ├─7-感受野的作用.mp4.mp4 39.08MB |
| │ │ │ ├─8-SPP与CSP网络结构.mp4.mp4 19.01MB |
| │ │ │ ├─8-特征融合改进.mp4.mp4 28.09MB |
| │ │ │ ├─9-SAM注意力机制模块.mp4.mp4 30.42MB |
| │ │ │ └─目录.txt 1.65KB |
| │ │ ├─12基于YOLO5细胞检测实战 |
| │ │ │ ├─1-任务与细胞数据集介绍.mp4.mp4 50.38MB |
| │ │ │ ├─2-模型与算法配置参数解读.mp4.mp4 43.06MB |
| │ │ │ ├─3-网络训练流程演示.mp4.mp4 42.93MB |
| │ │ │ ├─4-效果评估与展示.mp4.mp4 33.24MB |
| │ │ │ └─5-细胞检测效果演示.mp4.mp4 43.8MB |
| │ │ ├─13知识图谱原理解读 |
| │ │ │ ├─1-数据关系抽取分析.mp4.mp4 27.89MB |
| │ │ │ ├─1-知识图谱通俗解读.mp4.mp4 20.46MB |
| │ │ │ ├─2-常用NLP技术点分析.mp4.mp4 22.68MB |
| │ │ │ ├─2-知识图谱在搜索引擎中的应用.mp4.mp4 27.18MB |
| │ │ │ ├─3-graph-embedding的作用与效果.mp4.mp4 26.74MB |
| │ │ │ ├─3-知识图谱在医疗领域应用实例.mp4.mp4 103.48MB |
| │ │ │ ├─4-金融与推荐领域的应用.mp4.mp4 20.98MB |
| │ │ │ ├─4-金融领域图编码实例.mp4.mp4 13.36MB |
| │ │ │ ├─5-数据获取分析.mp4.mp4 36.52MB |
| │ │ │ ├─5-视觉领域图编码实例.mp4.mp4 28.86MB |
| │ │ │ ├─6-图谱知识融合与总结分析.mp4.mp4 34.65MB |
| │ │ │ └─目录.txt 586B |
| │ │ ├─14Neo4j数据库实战 |
| │ │ │ ├─1-Neo4j图数据库介绍.mp4.mp4 73.7MB |
| │ │ │ ├─2-Neo4j数据库安装流程演示.mp4.mp4 33.53MB |
| │ │ │ ├─3-可视化例子演示.mp4.mp4 50.29MB |
| │ │ │ ├─4-创建与删除操作演示.mp4.mp4 33.25MB |
| │ │ │ └─5-数据库更改查询操作演示.mp4.mp4 36.81MB |
| │ │ ├─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 45.01MB |
| │ │ │ ├─10-完成对话系统构建.mp4.mp4 53.96MB |
| │ │ │ ├─2-医疗数据介绍及其各字段含义.mp4.mp4 72.79MB |
| │ │ │ ├─3-任务流程概述.mp4.mp4 43.36MB |
| │ │ │ ├─4-环境配置与所需工具包安装.mp4.mp4 42.48MB |
| │ │ │ ├─5-提取数据中的关键字段信息.mp4.mp4 61.97MB |
| │ │ │ ├─5-数据获取分析.mp4.mp4 47.58MB |
| │ │ │ ├─6-创建关系边.mp4.mp4 45.31MB |
| │ │ │ ├─7-打造医疗知识图谱模型.mp4.mp4 63.26MB |
| │ │ │ ├─8-加载所有实体数据.mp4.mp4 45.08MB |
| │ │ │ └─9-实体关键词字典制作.mp4.mp4 40.13MB |
| │ │ ├─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 22.3MB |
| │ │ │ ├─3-1模型整体框架.mp4.mp4 28.82MB |
| │ │ │ ├─4-1训练数据构建.mp4.mp4 16.44MB |
| │ │ │ ├─5-1CBOW与Skip-gram模型.mp4.mp4 24.42MB |
| │ │ │ ├─6-1负采样方案.mp4.mp4 30.1MB |
| │ │ │ ├─目录.txt 304B |
| │ │ │ └─额外补充-RNN网络模型解读.mp4.mp4 24.34MB |
| │ │ ├─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 23.31MB |
| │ │ │ ├─2-整体模型架构1.mp4.mp4 15.59MB |
| │ │ │ ├─3-数据-标签-语料库处理1.mp4.mp4 40.58MB |
| │ │ │ ├─4-输入样本填充补齐1.mp4.mp4 36.81MB |
| │ │ │ ├─5-训练网络模型1.mp4.mp4 40.96MB |
| │ │ │ └─6-医疗数据集（糖尿病）实体识别1.mp4.mp4 82.02MB |
| │ │ ├─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 32.28MB |
| │ │ │ ├─10-1VGG网络架构.mp4.mp4 25.51MB |
| │ │ │ ├─11-1残差网络Resnet.mp4.mp4 26.37MB |
| │ │ │ ├─12-感受野的作用.mp4.mp4 19.47MB |
| │ │ │ ├─2-1卷积的作用.mp4.mp4 32.95MB |
| │ │ │ ├─3-1卷积特征值计算方法.mp4.mp4 30.45MB |
| │ │ │ ├─4-1得到特征图表示.mp4.mp4 25.41MB |
| │ │ │ ├─5-1步长与卷积核大小对结果的影响.mp4.mp4 28.53MB |
| │ │ │ ├─6-1边缘填充方法.mp4.mp4 23.93MB |
| │ │ │ ├─7-1特征图尺寸计算与参数共享.mp4.mp4 29.54MB |
| │ │ │ ├─8-1池化层的作用.mp4.mp4 14.7MB |
| │ │ │ └─9-1整体网络架构.mp4.mp4 22.59MB |
| │ │ ├─2PyTorch框架基本处理操作 |
| │ │ │ ├─1-PyTorch实战课程简介.mp4.mp4 23.76MB |
| │ │ │ ├─2-PyTorch框架发展趋势简介1.mp4.mp4 35.2MB |
| │ │ │ ├─3-框架安装方法（CPU与GPU版本）1.mp4.mp4 23.96MB |
| │ │ │ ├─4-PyTorch基本操作简介1.mp4.mp4 39.25MB |
| │ │ │ ├─5-自动求导机制.mp4.mp4 48.97MB |
| │ │ │ ├─6线性回归DEMO-数据与参数配置1.mp4.mp4 31.77MB |
| │ │ │ ├─7线性回归DEMO-训练回归模型1.mp4.mp4 53.01MB |
| │ │ │ ├─8常见tensor格式1.mp4.mp4 28.43MB |
| │ │ │ └─9Hub模块简介1.mp4.mp4 69.04MB |
| │ │ ├─3PyTorch框架必备核心模块解读 |
| │ │ │ ├─1-卷积网络参数定义1.mp4.mp4 34.88MB |
| │ │ │ ├─10-加载训练好的网络模型1.mp4.mp4 60.44MB |
| │ │ │ ├─11-优化器模块配置1.mp4.mp4 25.9MB |
| │ │ │ ├─12-实现训练模块1.mp4.mp4 45.74MB |
| │ │ │ ├─13-训练结果与模型保存1.mp4.mp4 58.41MB |
| │ │ │ ├─14-加载模型对测试数据进行预测1.mp4.mp4 83.64MB |
| │ │ │ ├─15-额外补充-Resnet论文解读1.mp4.mp4 159.63MB |
| │ │ │ ├─16-额外补充-Resnet网络架构解读1.mp4.mp4 28.07MB |
| │ │ │ ├─2-网络流程解读1.mp4.mp4 62.81MB |
| │ │ │ ├─3-Vision模块功能解读1.mp4.mp4 32.47MB |
| │ │ │ ├─4-分类任务数据集定义与配置1.mp4.mp4 35.79MB |
| │ │ │ ├─5-图像增强的作用1.mp4.mp4 15.17MB |
| │ │ │ ├─6-数据预处理与数据增强模块1.mp4.mp4 49.35MB |
| │ │ │ ├─7-Batch数据制作1.mp4.mp4 53.25MB |
| │ │ │ ├─8-迁移学习的目标1.mp4.mp4 17.46MB |
| │ │ │ └─9-迁移学习策略1.mp4.mp4 22.23MB |
| │ │ ├─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 27.02MB |
| │ │ │ ├─2-Resnet网络架构原理分析.mp4.mp4 37.42MB |
| │ │ │ ├─3-dataloader加载数据集.mp4.mp4 70.86MB |
| │ │ │ ├─4-Resnet网络前向传播.mp4.mp4 42.54MB |
| │ │ │ ├─5-残差网络的shortcut操作.mp4.mp4 55.11MB |
| │ │ │ ├─6-特征图升维与降采样操作.mp4.mp4 37.25MB |
| │ │ │ └─7-网络整体流程与训练演示.mp4.mp4 83.4MB |
| │ │ ├─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 28.02MB |
| │ │ │ ├─2-分割任务中的目标函数定义.mp4.mp4 26.46MB |
| │ │ │ └─3-MIOU评估标准.mp4.mp4 13.37MB |
| │ │ ├─6Unet系列算法讲解 |
| │ │ │ ├─1-Unet网络编码与解码过程.mp4.mp4 24.86MB |
| │ │ │ ├─2-网络计算流程1.mp4.mp4 21.75MB |
| │ │ │ ├─3-Unet升级版本改进1.mp4.mp4 22.05MB |
| │ │ │ └─4-后续升级版本介绍1.mp4.mp4 26.04MB |
| │ │ ├─7unet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 70.72MB |
| │ │ │ ├─2-数据增强工具.mp4.mp4 65.8MB |
| │ │ │ ├─3-Debug模式演示网络计算流程.mp4.mp4 51.72MB |
| │ │ │ ├─4-特征融合方法演示.mp4.mp4 36.53MB |
| │ │ │ ├─5-迭代完成整个模型计算任务.mp4.mp4 43.73MB |
| │ │ │ └─6-模型效果验证.mp4.mp4 40.16MB |
| │ │ ├─8deeplab系列算法 |
| │ │ │ ├─1-deeplab分割算法概述.mp4.mp4 19.73MB |
| │ │ │ ├─2-空洞卷积的作用.mp4.mp4 21.76MB |
| │ │ │ ├─3-感受野的意义.mp4.mp4 27.02MB |
| │ │ │ ├─4-SPP层的作用.mp4.mp4 26.56MB |
| │ │ │ ├─5-ASPP特征融合策略.mp4.mp4 17.6MB |
| │ │ │ └─6-deeplabV3Plus版本网络架构.mp4.mp4 33.76MB |
| │ │ └─9基于deeplabV3+版本进行VOC分割实战 |
| │ │ ├─1-PascalVoc数据集介绍.mp4.mp4 57.45MB |
| │ │ ├─2-项目参数与数据集读取.mp4.mp4 70.39MB |
| │ │ ├─3-网络前向传播流程.mp4.mp4 40.16MB |
| │ │ ├─4-ASPP层特征融合.mp4.mp4 62.46MB |
| │ │ └─5-分割模型训练.mp4.mp4 43.96MB |
| │ ├─19深度学习模型部署与剪枝优化实战 |
| │ │ ├─3pyTorch框架部署实践 |
| │ │ │ ├─0-课程简介12.mp4.mp4 10.07MB |
| │ │ │ ├─1-所需基本环境配置.mp4.mp4 28.39MB |
| │ │ │ ├─2-模型加载与数据预处理.mp4.mp4 47.06MB |
| │ │ │ ├─3-接收与预测模块实现.mp4.mp4 49.32MB |
| │ │ │ └─4-效果实例演示.mp4.mp4 55.3MB |
| │ │ ├─4YOLO-V3物体检测部署实例 |
| │ │ │ ├─1-项目所需配置文件介绍.mp4.mp4 34.5MB |
| │ │ │ ├─2-加载参数与模型权重.mp4.mp4 46.76MB |
| │ │ │ ├─3-数据预处理.mp4.mp4 61.4MB |
| │ │ │ └─4-返回线性预测结果.mp4.mp4 55.98MB |
| │ │ ├─5docker实例演示 |
| │ │ │ ├─1-docker简介.mp4.mp4 22.05MB |
| │ │ │ ├─2-docker安装与配置.mp4.mp4 61.55MB |
| │ │ │ ├─3-阿里云镜像配置.mp4.mp4 33.03MB |
| │ │ │ ├─4-基于docker配置pytorch环境.mp4.mp4 49.81MB |
| │ │ │ ├─5-安装演示环境所需依赖.mp4.mp4 41.78MB |
| │ │ │ ├─6-复制所需配置到容器中.mp4.mp4 36.9MB |
| │ │ │ └─7-上传与下载配置好的项目.mp4.mp4 59.82MB |
| │ │ ├─6tensorflow-serving实战 |
| │ │ │ ├─1-tf-serving项目获取与配置.mp4.mp4 35.42MB |
| │ │ │ ├─2-加载并启动模型服务.mp4.mp4 41.83MB |
| │ │ │ ├─3-测试模型部署效果.mp4.mp4 56.78MB |
| │ │ │ ├─4-fashion数据集获取.mp4.mp4 43.39MB |
| │ │ │ └─5-加载fashion模型启动服务.mp4.mp4 34.95MB |
| │ │ ├─7模型剪枝-Network Slimming算法分析 |
| │ │ │ ├─1-论文算法核心框架概述.mp4.mp4 26.69MB |
| │ │ │ ├─2-BatchNorm要解决的问题.mp4.mp4 25.36MB |
| │ │ │ ├─3-BN的本质作用.mp4.mp4 27.34MB |
| │ │ │ ├─4-额外的训练参数解读.mp4.mp4 27.81MB |
| │ │ │ └─5-稀疏化原理与效果.mp4.mp4 33.84MB |
| │ │ ├─8模型剪枝-Network Slimming实战解读 |
| │ │ │ ├─1-整体案例流程解读.mp4.mp4 47.59MB |
| │ │ │ ├─2-加入L1正则化来进行更新.mp4.mp4 35.02MB |
| │ │ │ ├─3-剪枝模块介绍.mp4.mp4 35.84MB |
| │ │ │ ├─4-筛选需要的特征图.mp4.mp4 41.81MB |
| │ │ │ ├─5-剪枝后模型参数赋值.mp4.mp4 63.1MB |
| │ │ │ └─6-微调完成剪枝模型.mp4.mp4 55.11MB |
| │ │ └─9Mobilenet三代网络模型架构 |
| │ │ ├─1-模型剪枝分析.mp4.mp4 27.98MB |
| │ │ ├─10-V2整体架构与效果分析.mp4.mp4 15.34MB |
| │ │ ├─11-V3版本网络架构分析.mp4.mp4 15.9MB |
| │ │ ├─12-SE模块作用与效果解读.mp4.mp4 46.35MB |
| │ │ ├─13-代码实现mobilenetV3网络架构.mp4.mp4 88.01MB |
| │ │ ├─2-常见剪枝方法介绍.mp4.mp4 29.43MB |
| │ │ ├─3-mobilenet简介.mp4.mp4 12.07MB |
| │ │ ├─4-经典卷积计算量与参数量分析.mp4.mp4 18.76MB |
| │ │ ├─5-深度可分离卷积的作用与效果.mp4.mp4 19.82MB |
| │ │ ├─6-参数与计算量的比较.mp4.mp4 56.69MB |
| │ │ ├─7-V1版本效果分析.mp4.mp4 35.11MB |
| │ │ ├─8-V2版本改进以及Relu激活函数的问题.mp4.mp4 27.08MB |
| │ │ └─9-倒残差结构的作用.mp4.mp4 22.18MB |
| │ ├─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 661.36MB |
| │ │ ├─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 36.82MB |
| │ │ │ ├─2-数据样本生成方法.mp4 86.03MB |
| │ │ │ ├─3-训练所需参数解读.mp4 69.46MB |
| │ │ │ ├─4-模型训练过程.mp4 68.35MB |
| │ │ │ └─5-部署与网页预测展示.mp4 100.23MB |
| │ │ ├─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 78.54MB |
| │ │ │ ├─2-模型训练与测试结果.mp4 126.49MB |
| │ │ │ ├─3-文本摘要数据标注方法.mp4 58.97MB |
| │ │ │ └─4-训练自己标注的数据并测试.mp4 36.99MB |
| │ │ ├─13直播8：知识抽取实战 |
| │ │ │ └─知识抽取实战.mp4 717.47MB |
| │ │ ├─14直播9：Openai CLIP模型 |
| │ │ │ └─Openai CLIP模型.mp4 1.16GB |
| │ │ ├─15直播10：DeformableDetr算法解读 |
| │ │ │ └─DeformableDetr算法解读.mp4 905.88MB |
| │ │ ├─16直播11：OCR算法解读 |
| │ │ │ └─OCR算法解读.mp4 1.8GB |
| │ │ ├─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 1.04GB |
| │ │ ├─18直播13：对比学习 |
| │ │ │ └─1对比学习.mp4 1.31GB |
| │ │ ├─1直播1：开班典礼 |
| │ │ │ └─1人工智能CV NLP高薪实战班.mp4 1.88GB |
| │ │ ├─2Pycharm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 125.97MB |
| │ │ ├─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 1.06GB |
| │ │ ├─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 518.07MB |
| │ │ ├─5额外补充：时间序列预测 |
| │ │ │ └─额外补充：时间序列预测.mp4 527.76MB |
| │ │ ├─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 2.04GB |
| │ │ ├─7额外补充：Huggingface与NLP（讲故事） |
| │ │ │ └─Huggingface与NLP（讲故事）.mp4 246.56MB |
| │ │ ├─8直播5：Huggingface核心模块解读 |
| │ │ │ └─Huggingface核心模块解读.mp4 815.56MB |
| │ │ └─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 1.21GB |
| │ ├─20自然语言处理经典案例实战 |
| │ │ ├─10_NLP-文本特征方法对比 |
| │ │ │ ├─1.1-任务概述.mp4.mp4 55.93MB |
| │ │ │ ├─2-词袋模型.mp4.mp4 35.5MB |
| │ │ │ ├─3-词袋模型分析.mp4.mp4 72.47MB |
| │ │ │ ├─4-TFIDF模型.mp4.mp4 56.69MB |
| │ │ │ ├─5-word2vec词向量模型.mp4.mp4 73.68MB |
| │ │ │ └─6-深度学习模型.mp4.mp4 43.05MB |
| │ │ ├─11_NLP-相似度模型 |
| │ │ │ ├─1.任务概述.mp4.mp4 14.94MB |
| │ │ │ ├─2-数据展示.mp4.mp4 29.18MB |
| │ │ │ ├─3-正负样本制作.mp4.mp4 43.76MB |
| │ │ │ ├─4-数据预处理.mp4.mp4 40.43MB |
| │ │ │ ├─5-网络模型定义.mp4.mp4 67.73MB |
| │ │ │ ├─6-基于字符的训练.mp4.mp4 77.07MB |
| │ │ │ └─7-基于句子的相似度训练.mp4.mp4 48.78MB |
| │ │ ├─12_LSTM情感分析 |
| │ │ │ ├─1-RNN网络架构.mp4.mp4 26.67MB |
| │ │ │ ├─2-LSTM网络架构.mp4.mp4 28.64MB |
| │ │ │ ├─3-案例：使用LSTM进行情感分类.mp4.mp4 47.3MB |
| │ │ │ ├─4-情感数据集处理.mp4.mp4 48.96MB |
| │ │ │ └─5-基于word2vec的LSTM模型.mp4.mp4 73.7MB |
| │ │ ├─13_机器人写唐诗 |
| │ │ │ ├─1.1.1-任务概述与环境配置.mp4.mp4 14.67MB |
| │ │ │ ├─2-参数配置.mp4.mp4 33.42MB |
| │ │ │ ├─3-数据预处理模块.mp4.mp4 45.85MB |
| │ │ │ ├─4-batch数据制作.mp4.mp4 39.9MB |
| │ │ │ ├─5-RNN模型定义.mp4.mp4 25.66MB |
| │ │ │ ├─6-完成训练模块.mp4.mp4 42.65MB |
| │ │ │ ├─7-训练唐诗生成模型.mp4.mp4 15.84MB |
| │ │ │ └─8-测试唐诗生成效果.mp4.mp4 31.1MB |
| │ │ ├─14_对话机器人 |
| │ │ │ ├─1-效果演示.mp4.mp4 38.46MB |
| │ │ │ ├─2-参数配置与数据加载.mp4.mp4 62.5MB |
| │ │ │ ├─3-数据处理.mp4.mp4 53.1MB |
| │ │ │ ├─4-词向量与投影.mp4.mp4 49.39MB |
| │ │ │ ├─5-seq网络.mp4.mp4 38.79MB |
| │ │ │ └─6-网络训练.mp4.mp4 50.16MB |
| │ │ ├─1_NLP常用工具包实战 |
| │ │ │ ├─1-Python字符串处理.mp4.mp4 65.21MB |
| │ │ │ ├─10-名字实体匹配.mp4.mp4 30.86MB |
| │ │ │ ├─11-恐怖袭击分析.mp4.mp4 50.78MB |
| │ │ │ ├─12-统计分析结果.mp4.mp4 80.26MB |
| │ │ │ ├─13-结巴分词器.mp4.mp4 40.19MB |
| │ │ │ ├─14-词云展示.mp4.mp4 98.53MB |
| │ │ │ ├─2-正则常用符号.mp4.mp4 41.35MB |
| │ │ │ ├─2-正则表达式基本语法.mp4.mp4 36.92MB |
| │ │ │ ├─4-常用函数介绍.mp4.mp4 53.66MB |
| │ │ │ ├─5-NLTK工具包简介.mp4.mp4 42.54MB |
| │ │ │ ├─6-停用词过滤.mp4.mp4 35.19MB |
| │ │ │ ├─7-词性标注.mp4.mp4 45.89MB |
| │ │ │ ├─8-数据清洗实例.mp4.mp4 56.49MB |
| │ │ │ └─9-Spacy工具包.mp4.mp4 53.42MB |
| │ │ ├─2_商品信息可视化与文本分析 |
| │ │ │ ├─1-任务概述.mp4.mp4 40.6MB |
| │ │ │ ├─2-商品类别划分.mp4.mp4 49.73MB |
| │ │ │ ├─3-商品类别可视化展示.mp4.mp4 49.96MB |
| │ │ │ ├─4-描述长度对价格的影响.mp4.mp4 34.27MB |
| │ │ │ ├─5-词云展示.mp4.mp4 67.32MB |
| │ │ │ ├─6-tf-idf结果.mp4.mp4 44.53MB |
| │ │ │ ├─7-降维可视化展示.mp4.mp4 50.84MB |
| │ │ │ └─8-聚类与主题模型.mp4.mp4 73.5MB |
| │ │ ├─3_贝叶斯算法 |
| │ │ │ ├─1-贝叶斯算法概述.mp4.mp4 16.96MB |
| │ │ │ ├─2-贝叶斯推导实例.mp4.mp4 16.69MB |
| │ │ │ ├─3-贝叶斯拼写纠错实例.mp4.mp4 26.18MB |
| │ │ │ ├─4-垃圾邮件过滤实例.mp4.mp4 31.74MB |
| │ │ │ └─5-贝叶斯实现拼写检查器.mp4.mp4 50.89MB |
| │ │ ├─4_新闻分类任务实战 |
| │ │ │ ├─1-文本分析与关键词提取.mp4.mp4 25.51MB |
| │ │ │ ├─2-相似度计算.mp4.mp4 29.54MB |
| │ │ │ ├─3-新闻数据与任务简介.mp4.mp4 43.28MB |
| │ │ │ ├─4-TF-IDF关键词提取.mp4.mp4 64.04MB |
| │ │ │ ├─5-LDA建模.mp4.mp4 40.34MB |
| │ │ │ └─6-基于贝叶斯算法进行新闻分类.mp4.mp4 75.87MB |
| │ │ ├─5_HMM隐马尔科夫模型 |
| │ │ │ ├─1-马尔科夫模型.mp4.mp4 24.79MB |
| │ │ │ ├─10-维特比算法.mp4.mp4 62.72MB |
| │ │ │ ├─2-隐马尔科夫模型基本出发点.mp4.mp4 25.42MB |
| │ │ │ ├─3-组成与要解决的问题.mp4.mp4 18.9MB |
| │ │ │ ├─4-暴力求解方法.mp4.mp4 37.65MB |
| │ │ │ ├─5-复杂度计算.mp4.mp4 19.18MB |
| │ │ │ ├─6-前向算法.mp4.mp4 49.67MB |
| │ │ │ ├─7-前向算法求解实例.mp4.mp4 47.08MB |
| │ │ │ ├─8-Baum-Welch算法.mp4.mp4 36.48MB |
| │ │ │ └─9-参数求解.mp4.mp4 22.8MB |
| │ │ ├─6_HMM工具包实战 |
| │ │ │ ├─1-hmmlearn工具包.mp4.mp4 28.9MB |
| │ │ │ ├─2-工具包使用方法.mp4.mp4 70.32MB |
| │ │ │ ├─3-中文分词任务.mp4.mp4 17.64MB |
| │ │ │ └─4-实现中文分词.mp4.mp4 46.34MB |
| │ │ ├─7_语言模型 |
| │ │ │ ├─1-开篇.mp4.mp4 13.98MB |
| │ │ │ ├─10-负采样模型.mp4.mp4 15.4MB |
| │ │ │ ├─2-语言模型.mp4.mp4 13.62MB |
| │ │ │ ├─3-N-gram模型.mp4.mp4 20.83MB |
| │ │ │ ├─4-词向量.mp4.mp4 19.54MB |
| │ │ │ ├─5-神经网络模型.mp4.mp4 24.67MB |
| │ │ │ ├─6-Hierarchical Softmax.mp4.mp4 24.43MB |
| │ │ │ ├─7-CBOW模型实例.mp4.mp4 30.9MB |
| │ │ │ ├─8-CBOW求解目标.mp4.mp4 14.51MB |
| │ │ │ └─9-锑度上升求解.mp4.mp4 26.69MB |
| │ │ ├─8_使用Gemsim构建词向量 |
| │ │ │ ├─1-使用Gensim库构造词向量.mp4.mp4 25.41MB |
| │ │ │ ├─2-维基百科中文数据处理.mp4.mp4 35.23MB |
| │ │ │ ├─3-Gensim构造word2vec模型.mp4.mp4 31.43MB |
| │ │ │ └─4-测试模型相似度结果.mp4.mp4 29.27MB |
| │ │ └─9_基于word2vec的分类任务 |
| │ │ ├─1-影评情感分类.mp4.mp4 70.07MB |
| │ │ ├─2-基于词袋模型训练分类器.mp4.mp4 36.02MB |
| │ │ ├─3-准备word2vec输入数据.mp4.mp4 35.56MB |
| │ │ └─4-使用gensim构建word2vec词向量（新）.mp4.mp4 85.86MB |
| │ ├─21自然语言处理通用框架-BERT实战 |
| │ │ ├─1_自然语言处理通用框架BERT原理解读 |
| │ │ │ ├─1-BERT课程简介.mp4.mp4 46.22MB |
| │ │ │ ├─10-BERT模型训练方法.mp4.mp4 27.69MB |
| │ │ │ ├─11-训练实例.mp4.mp4 33.62MB |
| │ │ │ ├─2-BERT任务目标概述.mp4.mp4 14.57MB |
| │ │ │ ├─2-传统解决方案遇到的问题.mp4.mp4 31.3MB |
| │ │ │ ├─3-注意力机制的作用.mp4.mp4 20.86MB |
| │ │ │ ├─4-self-attention计算方法.mp4.mp4 33.65MB |
| │ │ │ ├─5-特征分配与softmax机制.mp4.mp4 29.44MB |
| │ │ │ ├─7-Multi-head的作用.mp4.mp4 27.27MB |
| │ │ │ ├─8-位置编码与多层堆叠.mp4.mp4 24MB |
| │ │ │ └─9-transformer整体架构梳理.mp4.mp4 22.93MB |
| │ │ ├─2_谷歌开源项目BERT源码解读与应用实例 |
| │ │ │ ├─1-BERT开源项目简介.mp4.mp4 47.38MB |
| │ │ │ ├─10-构建QKV矩阵.mp4.mp4 63.36MB |
| │ │ │ ├─11-完成Transformer模块构建.mp4.mp4 52.23MB |
| │ │ │ ├─12-训练BERT模型.mp4.mp4 72.26MB |
| │ │ │ ├─2-项目参数配置.mp4.mp4 100.87MB |
| │ │ │ ├─3-数据读取模块.mp4.mp4 56.51MB |
| │ │ │ ├─4-数据预处理模块.mp4.mp4 50.63MB |
| │ │ │ ├─5-tfrecord制作.mp4.mp4 65.87MB |
| │ │ │ ├─6-Embedding层的作用.mp4.mp4 38.96MB |
| │ │ │ ├─7-加入额外编码特征.mp4.mp4 51.67MB |
| │ │ │ ├─8-加入位置编码特征.mp4.mp4 30.09MB |
| │ │ │ └─9-mask机制.mp4.mp4 46.84MB |
| │ │ ├─3_项目实战-基于BERT的中文情感分析实战 |
| │ │ │ ├─1-中文分类数据与任务概述.mp4.mp4 94.2MB |
| │ │ │ ├─2-读取处理自己的数据集.mp4.mp4 61.72MB |
| │ │ │ └─3-训练BERT中文分类模型.mp4.mp4 82.36MB |
| │ │ ├─4_项目实战-基于BERT的中文命名实体识别识别实战 |
| │ │ │ ├─1-命名实体识别数据分析与任务目标.mp4.mp4 43.26MB |
| │ │ │ ├─2-NER标注数据处理与读取.mp4.mp4 78.65MB |
| │ │ │ └─3-构建BERT与CRF模型.mp4.mp4 66MB |
| │ │ ├─5_必备基础知识点-woed2vec模型通俗解读 |
| │ │ │ ├─1-词向量模型通俗解释.mp4.mp4 30.98MB |
| │ │ │ ├─2-模型整体框架.mp4.mp4 32.9MB |
| │ │ │ ├─3-训练数据构建.mp4.mp4 20.39MB |
| │ │ │ ├─4-CBOW与Skip-gram模型.mp4.mp4 33.19MB |
| │ │ │ └─5-负采样方案.mp4.mp4 45.39MB |
| │ │ ├─6_必备基础-掌握Tensorflow如何实现word2vec模型 |
| │ │ │ ├─1-数据与任务流程.mp4.mp4 50.96MB |
| │ │ │ ├─2-数据清洗.mp4.mp4 30.91MB |
| │ │ │ ├─3-batch数据制作.mp4.mp4 62.81MB |
| │ │ │ ├─4-网络训练.mp4.mp4 68.65MB |
| │ │ │ └─5-可视化展示.mp4.mp4 59.59MB |
| │ │ ├─7_必备基础知识点-RNN网络架构与情感分析应用实例 |
| │ │ │ ├─1-RNN网络模型解读.mp4.mp4 35.25MB |
| │ │ │ ├─2-NLP应用领域与任务简介.mp4.mp4 48.21MB |
| │ │ │ ├─3-项目流程解读.mp4.mp4 52.89MB |
| │ │ │ ├─4-加载词向量特征.mp4.mp4 40.74MB |
| │ │ │ ├─5-正负样本数据读取.mp4.mp4 48.23MB |
| │ │ │ ├─6-构建LSTM网络模型.mp4.mp4 58.65MB |
| │ │ │ ├─7-训练与测试效果.mp4.mp4 101.96MB |
| │ │ │ └─第十二课：LSTM情感分析.mp4.mp4 717.68MB |
| │ │ └─8_医学糖尿病数据命名实体识别 |
| │ │ ├─1-数据与任务介绍1.mp4.mp4 23.31MB |
| │ │ ├─2-整体模型架构1.mp4.mp4 15.59MB |
| │ │ ├─3-数据-标签-语料库处理1.mp4.mp4 40.58MB |
| │ │ ├─4-输入样本填充补齐1.mp4.mp4 36.81MB |
| │ │ ├─5-训练网络模型1.mp4.mp4 40.96MB |
| │ │ └─6-医疗数据集（糖尿病）实体识别1.mp4.mp4 82.02MB |
| │ ├─22知识图谱实战系列 |
| │ │ ├─1_知识图谱介绍及其应用领域分析 |
| │ │ │ ├─1-知识图谱通俗解读.mp4.mp4 20.46MB |
| │ │ │ ├─2-知识图谱在搜索引擎中的应用.mp4.mp4 27.18MB |
| │ │ │ ├─3-知识图谱在医疗领域应用实例.mp4.mp4 103.48MB |
| │ │ │ ├─4-金融与推荐领域的应用.mp4.mp4 20.98MB |
| │ │ │ └─5-数据获取分析.mp4.mp4 36.52MB |
| │ │ ├─2_知识图谱涉及技术点分析 |
| │ │ │ ├─1-数据关系抽取分析.mp4.mp4 27.89MB |
| │ │ │ ├─2-常用NLP技术点分析.mp4.mp4 22.68MB |
| │ │ │ ├─3-graph-embedding的作用与效果.mp4.mp4 26.74MB |
| │ │ │ ├─4-金融领域图编码实例.mp4.mp4 13.36MB |
| │ │ │ ├─5-视觉领域图编码实例.mp4.mp4 21.55MB |
| │ │ │ └─6-图谱知识融合与总结分析.mp4.mp4 24.57MB |
| │ │ ├─3_Neo4j数据库实战 |
| │ │ │ ├─1-Neo4j图数据库介绍.mp4.mp4 64.08MB |
| │ │ │ ├─2-Neo4j数据库安装流程演示.mp4.mp4 28.26MB |
| │ │ │ ├─3-可视化例子演示.mp4.mp4 44.18MB |
| │ │ │ ├─4-创建与删除操作演示.mp4.mp4 25.91MB |
| │ │ │ └─5-数据库更改查询操作演示.mp4.mp4 27.73MB |
| │ │ ├─4_使用python操作neo4j实例 |
| │ │ │ ├─1-使用Py2neo建立连接.mp4.mp4 51.36MB |
| │ │ │ ├─2-提取所需的指标信息.mp4.mp4 60.39MB |
| │ │ │ ├─3-在图中创建实体.mp4.mp4 52.46MB |
| │ │ │ └─4-根据给定实体创建关系.mp4.mp4 67.59MB |
| │ │ ├─5_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 37.63MB |
| │ │ │ ├─10-完成对话系统构建.mp4.mp4 40.05MB |
| │ │ │ ├─2-医疗数据介绍及其各字段含义.mp4.mp4 63.23MB |
| │ │ │ ├─3-任务流程概述.mp4.mp4 40.32MB |
| │ │ │ ├─4-环境配置与所需工具包安装.mp4.mp4 36.96MB |
| │ │ │ ├─5-提取数据中的关键字段信息.mp4.mp4 61.92MB |
| │ │ │ ├─6-创建关系边.mp4.mp4 40MB |
| │ │ │ ├─7-打造医疗知识图谱模型.mp4.mp4 59.72MB |
| │ │ │ ├─8-加载所有实体数据.mp4.mp4 43.05MB |
| │ │ │ └─9-实体关键词字典制作.mp4.mp4 32.42MB |
| │ │ ├─6_文本关系抽取实践 |
| │ │ │ ├─1-关系抽取要完成的任务演示与分析.mp4.mp4 23.39MB |
| │ │ │ ├─2-LTP工具包概述介绍.mp4.mp4 58.46MB |
| │ │ │ ├─3-pyltp安装与流程演示.mp4.mp4 46.7MB |
| │ │ │ ├─4-得到分词与词性标注结果.mp4.mp4 45.7MB |
| │ │ │ ├─5-依存句法概述.mp4.mp4 34.65MB |
| │ │ │ ├─6-句法分析结果整理.mp4.mp4 49.65MB |
| │ │ │ ├─7-语义角色构建与分析.mp4.mp4 70.6MB |
| │ │ │ └─8-设计规则完成关系抽取.mp4.mp4 64.76MB |
| │ │ ├─7_金融平台风控模型实践 |
| │ │ │ ├─1-竞赛任务目标.mp4.mp4 25.42MB |
| │ │ │ ├─2-图模型信息提取.mp4.mp4 39.55MB |
| │ │ │ ├─3-节点权重特征提取(PageRank).mp4.mp4 48MB |
| │ │ │ ├─4-deepwalk构建图顶点特征.mp4.mp4 66.68MB |
| │ │ │ ├─5-各项统计特征.mp4.mp4 58.38MB |
| │ │ │ ├─6-app安装特征.mp4.mp4 47.05MB |
| │ │ │ └─7-图中联系人特征.mp4.mp4 102.35MB |
| │ │ └─8_医学糖尿病数据命名实体识别 |
| │ │ ├─1-数据与任务介绍1.mp4.mp4 23.31MB |
| │ │ ├─2-整体模型架构1.mp4.mp4 15.59MB |
| │ │ ├─3-数据-标签-语料库处理1.mp4.mp4 40.58MB |
| │ │ ├─4-输入样本填充补齐1.mp4.mp4 36.81MB |
| │ │ ├─5-训练网络模型1.mp4.mp4 40.96MB |
| │ │ └─6-医疗数据集（糖尿病）实体识别1.mp4.mp4 82.02MB |
| │ ├─23语音识别实战系列 |
| │ │ ├─1_seq2seq序列网络模型 |
| │ │ │ ├─1-序列网络模型概述分析.mp4.mp4 17.3MB |
| │ │ │ ├─2-工作原理概述.mp4.mp4 8.98MB |
| │ │ │ ├─3.注意力机制的作用.txt -1.#INDB |
| │ │ │ ├─4-加入attention的序列模型整体架构.mp4.mp4 20.57MB |
| │ │ │ ├─5-TeacherForcing的作用与训练策略.mp4.mp4 16.61MB |
| │ │ │ └─额外补充-RNN网络模型解读.mp4.mp4 23.75MB |
| │ │ ├─2_LAS模型语音识别实战 |
| │ │ │ ├─1-数据源与环境配置.mp4.mp4 32.23MB |
| │ │ │ ├─2-语料表制作方法.mp4.mp4 25.47MB |
| │ │ │ ├─3-制作json标注数据.mp4.mp4 37.84MB |
| │ │ │ ├─4-声音数据处理模块解读.mp4.mp4 62.84MB |
| │ │ │ ├─5-Pack与Pad操作解析.mp4.mp4 35.92MB |
| │ │ │ ├─6-编码器模块整体流程.mp4.mp4 31.43MB |
| │ │ │ ├─7-加入注意力机制.mp4.mp4 33.29MB |
| │ │ │ ├─8-计算得到每个输出的attention得分.mp4.mp4 36.42MB |
| │ │ │ └─9-解码器与训练过程演示.mp4.mp4 43.78MB |
| │ │ ├─3.注意力机制的作用.txt -1.#INDB |
| │ │ ├─3_starganvc2变声器论文原理解读 |
| │ │ │ ├─1-论文整体思路与架构解读.mp4.mp4 34.66MB |
| │ │ │ ├─2-VCC2016输入数据.mp4.mp4 20.76MB |
| │ │ │ ├─3-语音特征提取.mp4.mp4 30.57MB |
| │ │ │ ├─4-生成器模型架构分析.mp4.mp4 15.81MB |
| │ │ │ ├─5-InstanceNorm的作用解读.mp4.mp4 18.58MB |
| │ │ │ ├─6-AdaIn的目的与效果.mp4.mp4 13.18MB |
| │ │ │ └─7-判别器模块分析.mp4.mp4 114.03MB |
| │ │ ├─4_staeganvc2变声器源码实战 |
| │ │ │ ├─1-数据与项目文件解读.mp4.mp4 21.8MB |
| │ │ │ ├─10-源码损失计算流程.mp4.mp4 34.82MB |
| │ │ │ ├─11-测试模块-生成转换语音.mp4.mp4 47.17MB |
| │ │ │ ├─2-环境配置与工具包安装.mp4.mp4 37.11MB |
| │ │ │ ├─3-数据预处理与声音特征提取.mp4.mp4 88.49MB |
| │ │ │ ├─4-生成器构造模块解读.mp4.mp4 41.33MB |
| │ │ │ ├─5-下采样与上采样操作.mp4.mp4 35.48MB |
| │ │ │ ├─6-starganvc2版本标签输入分析.mp4.mp4 49.96MB |
| │ │ │ ├─7-生成器前向传播维度变化.mp4.mp4 26.49MB |
| │ │ │ ├─8-判别器模块解读.mp4.mp4 35.22MB |
| │ │ │ └─9-论文损失函数.mp4.mp4 100.48MB |
| │ │ ├─5_语音分离ConvTasnet模型 |
| │ │ │ ├─1-语音分离任务分析.mp4.mp4 11.97MB |
| │ │ │ ├─2-经典语音分离模型概述.mp4.mp4 24.58MB |
| │ │ │ ├─3-DeepClustering论文解读.mp4.mp4 21.58MB |
| │ │ │ ├─4-TasNet编码器结构分析.mp4.mp4 37.6MB |
| │ │ │ ├─5-DW卷积的作用与效果.mp4.mp4 11.95MB |
| │ │ │ └─6-基于Mask得到分离结果.mp4.mp4 24.15MB |
| │ │ ├─6_ConvTasnet语音分离实战 |
| │ │ │ ├─1-数据准备与环境配置.mp4.mp4 75.74MB |
| │ │ │ ├─2-训练任务所需参数介绍.mp4.mp4 38.75MB |
| │ │ │ ├─3-DataLoader定义.mp4.mp4 37.75MB |
| │ │ │ ├─4-采样数据特征编码.mp4.mp4 36.57MB |
| │ │ │ ├─5编码器特征提取.mp4.mp4 50.36MB |
| │ │ │ ├─6-构建更大的感受区域.mp4.mp4 70.86MB |
| │ │ │ ├─7-解码得到分离后的语音.mp4.mp4 51.03MB |
| │ │ │ └─8-测试模块所需参数.mp4.mp4 74.96MB |
| │ │ └─7_语音合成tacotron最新版实战 |
| │ │ ├─1-语音合成项目所需环境配置.mp4.mp4 57.24MB |
| │ │ ├─10-得到加权的编码向量.mp4.mp4 70.17MB |
| │ │ ├─11-模型输出结果.mp4.mp4 65.8MB |
| │ │ ├─12-损失函数与预测.mp4.mp4 69MB |
| │ │ ├─2-所需数据集介绍.mp4.mp4 64.58MB |
| │ │ ├─3-路径配置与整体流程解读.mp4.mp4 78.77MB |
| │ │ ├─4-Dataloader构建数据与标签.mp4.mp4 84.24MB |
| │ │ ├─5-编码层要完成的任务.mp4.mp4 41.71MB |
| │ │ ├─6-得到编码特征向量.mp4.mp4 37.73MB |
| │ │ ├─7-解码器输入准备.mp4.mp4 43.01MB |
| │ │ ├─8-解码器流程梳理.mp4.mp4 46.07MB |
| │ │ └─9-注意力机制应用方法.mp4.mp4 71.69MB |
| │ ├─24推荐系统实战系列 |
| │ │ ├─10_基本统计分析的电影推荐 |
| │ │ │ ├─1-电影数据与环境配置.mp4.mp4 86.55MB |
| │ │ │ ├─2-数据与关键词信息展示.mp4.mp4 61.93MB |
| │ │ │ ├─3-关键词云与直方图展示.mp4.mp4 54.4MB |
| │ │ │ ├─4-特征可视化.mp4.mp4 49.36MB |
| │ │ │ ├─5-数据清洗概述.mp4.mp4 78.82MB |
| │ │ │ ├─6-缺失值填充方法.mp4.mp4 46.84MB |
| │ │ │ ├─7-推荐引擎构造.mp4.mp4 59.39MB |
| │ │ │ ├─8-数据特征构造.mp4.mp4 46.32MB |
| │ │ │ └─9-得出推荐结果.mp4.mp4 64.99MB |
| │ │ ├─11_补充-基于相似度的酒店推荐系统 |
| │ │ │ ├─1-酒店数据与任务介绍.mp4.mp4 34.37MB |
| │ │ │ ├─2-文本词频统计.mp4.mp4 33.36MB |
| │ │ │ ├─3-ngram结果可视化展示.mp4.mp4 66.76MB |
| │ │ │ ├─4-文本清洗.mp4.mp4 49.84MB |
| │ │ │ ├─5-相似度计算.mp4.mp4 57.77MB |
| │ │ │ └─6-得出推荐结果.mp4.mp4 86.43MB |
| │ │ ├─1_推荐系统介绍及其应用 |
| │ │ │ ├─1-推荐系统通俗解读.mp4.mp4 24.72MB |
| │ │ │ ├─2-推荐系统发展简介.mp4.mp4 28.5MB |
| │ │ │ ├─3-应用领域与多方位评估指标.mp4.mp4 32.21MB |
| │ │ │ ├─4-任务流程与挑战概述.mp4.mp4 37.16MB |
| │ │ │ ├─5-常用技术点分析.mp4.mp4 22.1MB |
| │ │ │ └─6-与深度学习的结合.mp4.mp4 33.77MB |
| │ │ ├─2_协同过滤与矩阵分解 |
| │ │ │ ├─1-协同过滤与矩阵分解简介.mp4.mp4 14.59MB |
| │ │ │ ├─2-基于用户与商品的协同过滤.mp4.mp4 24.44MB |
| │ │ │ ├─3-相似度计算与推荐实例.mp4.mp4 21.2MB |
| │ │ │ ├─4-矩阵分解的目的与效果.mp4.mp4 28.28MB |
| │ │ │ ├─5-矩阵分解中的隐向量.mp4.mp4 35.55MB |
| │ │ │ ├─6-目标函数简介.mp4.mp4 15.01MB |
| │ │ │ ├─7-隐式情况分析.mp4.mp4 18.63MB |
| │ │ │ └─8-Embedding的作用.mp4.mp4 15.03MB |
| │ │ ├─3_音乐推荐系统实战 |
| │ │ │ ├─1-音乐推荐任务概述.mp4.mp4 101.92MB |
| │ │ │ ├─2-数据集整合.mp4.mp4 65.38MB |
| │ │ │ ├─3-基于物品的协同过滤.mp4.mp4 73.26MB |
| │ │ │ ├─4-物品相似度计算与推荐.mp4.mp4 106.74MB |
| │ │ │ ├─5-SVD矩阵分解.mp4.mp4 44.74MB |
| │ │ │ └─6-基于矩阵分解的音乐推荐.mp4.mp4 126.85MB |
| │ │ ├─4_知识图谱与Neo4j数据库实例 |
| │ │ │ ├─1-Neo4j图数据库介绍.mp4.mp4 64.08MB |
| │ │ │ ├─1-知识图谱通俗解读.mp4.mp4 20.46MB |
| │ │ │ ├─2-Neo4j数据库安装流程演示.mp4.mp4 28.26MB |
| │ │ │ ├─2-知识图谱在搜索引擎中的应用.mp4.mp4 27.18MB |
| │ │ │ ├─3-可视化例子演示.mp4.mp4 44.18MB |
| │ │ │ ├─3-知识图谱在医疗领域应用实例.mp4.mp4 103.48MB |
| │ │ │ ├─4-创建与删除操作演示.mp4.mp4 25.91MB |
| │ │ │ ├─4-金融与推荐领域的应用.mp4.mp4 20.98MB |
| │ │ │ ├─5-数据库更改查询操作演示.mp4.mp4 27.73MB |
| │ │ │ └─5-数据获取分析.mp4.mp4 36.52MB |
| │ │ ├─5_基于知识图谱的电影推荐实战 |
| │ │ │ ├─1-知识图谱推荐系统效果演示.mp4.mp4 29.79MB |
| │ │ │ ├─2-kaggle电影数据集下载与配置.mp4.mp4 73.89MB |
| │ │ │ ├─3-图谱需求与任务流程解读.mp4.mp4 35.9MB |
| │ │ │ ├─4-项目所需环境配置安装.mp4.mp4 59.2MB |
| │ │ │ ├─5-构建用户电影知识图谱.mp4.mp4 66.36MB |
| │ │ │ ├─6-图谱查询与匹配操作.mp4.mp4 25.67MB |
| │ │ │ └─7-相似度计算与推荐引擎构建.mp4.mp4 53.38MB |
| │ │ ├─6_点击率估计FM与DeepFM算法 |
| │ │ │ ├─1-CTR估计及其经典方法概述.mp4.mp4 28.49MB |
| │ │ │ ├─2-高维特征带来的问题.mp4.mp4 16.83MB |
| │ │ │ ├─3-二项式特征的作用与挑战.mp4.mp4 14.11MB |
| │ │ │ ├─4-二阶公式推导与化简.mp4.mp4 27.15MB |
| │ │ │ ├─5-FM算法解析.mp4.mp4 27.97MB |
| │ │ │ ├─6-DeepFm整体架构解读.mp4.mp4 20.6MB |
| │ │ │ ├─7-输入层所需数据样例.mp4.mp4 17.07MB |
| │ │ │ └─8-Embedding层的作用与总结.mp4.mp4 30.21MB |
| │ │ ├─7_DeepFM算法实战 |
| │ │ │ ├─1-数据集介绍与环境配置.mp4.mp4 70.31MB |
| │ │ │ ├─2-广告点击数据预处理实例.mp4.mp4 66.09MB |
| │ │ │ ├─3-数据处理模块Embedding层.mp4.mp4 41.12MB |
| │ │ │ ├─4-Index与Value数据制作.mp4.mp4 39.38MB |
| │ │ │ ├─5-一阶权重参数设计.mp4.mp4 40.22MB |
| │ │ │ ├─6-二阶特征构建方法.mp4.mp4 36.84MB |
| │ │ │ ├─7-特征组合方法实例分析.mp4.mp4 61.01MB |
| │ │ │ ├─8-完成FM模块计算.mp4.mp4 30.85MB |
| │ │ │ └─9-DNN模块与训练过程.mp4.mp4 47.79MB |
| │ │ ├─8_推荐系统常用工具包演示 |
| │ │ │ ├─1-环境配置与数据集介绍.mp4.mp4 49.24MB |
| │ │ │ ├─2-电影数据集预处理分析.mp4.mp4 46.87MB |
| │ │ │ ├─3-surprise工具包基本使用.mp4.mp4 50.26MB |
| │ │ │ ├─4-模型测试集结果.mp4.mp4 41.11MB |
| │ │ │ └─5-评估指标概述.mp4.mp4 109.83MB |
| │ │ └─9_基于文本数据的推荐实例 |
| │ │ ├─1-数据与环境配置介绍.mp4.mp4 25.69MB |
| │ │ ├─2-数据科学相关数据介绍.mp4.mp4 37.9MB |
| │ │ ├─3-文本数据预处理.mp4.mp4 45.2MB |
| │ │ ├─4-TFIDF构建特征矩阵.mp4.mp4 41.77MB |
| │ │ ├─5-矩阵分解演示.mp4.mp4 40.52MB |
| │ │ ├─6-LDA主题模型效果演示.mp4.mp4 67.04MB |
| │ │ └─7-推荐结果分析.mp4.mp4 50.82MB |
| │ ├─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 590.26MB |
| │ │ ├─2卷积神经网络算法解读 |
| │ │ │ └─2-卷积神经网络算法解读.mp4 433.33MB |
| │ │ └─3递归神经网络算法解读 |
| │ │ └─3-递归神经网络算法解读.mp4 336.65MB |
| │ ├─3深度学习核心框架PyTorch |
| │ │ ├─1PyTorch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 33.82MB |
| │ │ │ └─2-CPU与GPU版本安装方法解读1.mp4.mp4 101.16MB |
| │ │ ├─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 43.93MB |
| │ │ │ ├─2-基本模块应用测试2.mp4.mp4 48.21MB |
| │ │ │ ├─3-网络结构定义方法2.mp4.mp4 56.19MB |
| │ │ │ ├─4-数据源定义简介2.mp4.mp4 39.57MB |
| │ │ │ ├─5-损失与训练模块分析2.mp4.mp4 42.9MB |
| │ │ │ ├─6-训练一个基本的分类模型2.mp4.mp4 55.18MB |
| │ │ │ └─7-参数对结果的影响2.mp4.mp4 52.24MB |
| │ │ ├─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 199.14MB |
| │ │ ├─4卷积网络参数解读分析 |
| │ │ │ ├─1-输入特征通道分析2.mp4.mp4 43.07MB |
| │ │ │ ├─2-卷积网络参数解读2.mp4.mp4 32.05MB |
| │ │ │ └─3-卷积网络模型训练2.mp4.mp4 55.73MB |
| │ │ ├─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 42.21MB |
| │ │ │ ├─10-测试结果演示分析1.mp4.mp4 111.57MB |
| │ │ │ ├─2-数据增强模块2.mp4.mp4 41.08MB |
| │ │ │ ├─3-数据集与模型选择1.mp4.mp4 45.91MB |
| │ │ │ ├─4-迁移学习方法解读1.mp4.mp4 45.25MB |
| │ │ │ ├─5-输出层与梯度设置1.mp4.mp4 62.01MB |
| │ │ │ ├─6-输出类别个数修改1.mp4.mp4 49.65MB |
| │ │ │ ├─7-优化器与学习率衰减1.mp4.mp4 53.07MB |
| │ │ │ ├─8-模型训练方法1.mp4.mp4 53.19MB |
| │ │ │ └─9-重新训练全部模型1.mp4.mp4 55.4MB |
| │ │ ├─6DataLoader自定义数据集制作 |
| │ │ │ ├─1-Dataloader要完成的任务分析1.mp4.mp4 39.79MB |
| │ │ │ ├─2-图像数据与标签路径处理1.mp4.mp4 49.57MB |
| │ │ │ ├─3-Dataloader中需要实现的方法分析1.mp4.mp4 47.54MB |
| │ │ │ └─4-实用Dataloader加载数据并训练模型1.mp4.mp4 78.41MB |
| │ │ ├─7LSTM文本分类实战 |
| │ │ │ ├─1-数据集与任务目标分析1.mp4.mp4 53.4MB |
| │ │ │ ├─2-文本数据处理基本流程分析1.mp4.mp4 56.56MB |
| │ │ │ ├─3-命令行参数与DEBUG1.mp4.mp4 37.11MB |
| │ │ │ ├─4-训练模型所需基本配置参数分析1.mp4.mp4 41.51MB |
| │ │ │ ├─5-预料表与字符切分1.mp4.mp4 32.57MB |
| │ │ │ ├─6-字符预处理转换ID1.mp4.mp4 34.96MB |
| │ │ │ ├─7-LSTM网络结构基本定义1.mp4.mp4 35.32MB |
| │ │ │ ├─8-网络模型预测结果输出1.mp4.mp4 39.7MB |
| │ │ │ └─9-模型训练任务与总结1.mp4.mp4 45.74MB |
| │ │ └─8PyTorch框架Flask部署例子 |
| │ │ ├─1-基本结构与训练好的模型加载.mp4.mp4 21.6MB |
| │ │ ├─2-服务端处理与预测函数.mp4.mp4 41.51MB |
| │ │ └─3-基于Flask测试模型预测结果.mp4.mp4 46.84MB |
| │ ├─4MMLAB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 57.19MB |
| │ │ │ ├─2-配置文件参数设置.mp4.mp4 39.33MB |
| │ │ │ ├─3-Neck层特征组合.mp4.mp4 32.63MB |
| │ │ │ ├─4-损失函数模块概述.mp4.mp4 43.7MB |
| │ │ │ └─5-损失计算方法.mp4.mp4 59.93MB |
| │ │ ├─11第四模块：ANINET文字识别 |
| │ │ │ ├─1-数据集与环境概述.mp4.mp4 56.17MB |
| │ │ │ ├─2-配置文件修改方法.mp4.mp4 53.08MB |
| │ │ │ ├─3-Bakbone模块得到特征.mp4.mp4 42.69MB |
| │ │ │ ├─4-视觉Transformer模块的作用.mp4.mp4 46.56MB |
| │ │ │ ├─5-视觉模型中的编码与解码的效果.mp4.mp4 55.08MB |
| │ │ │ ├─6-文本模型中的结构分析.mp4.mp4 39.24MB |
| │ │ │ ├─7-迭代修正模块.mp4.mp4 38.73MB |
| │ │ │ └─8-输出层与损失计算.mp4.mp4 53.39MB |
| │ │ ├─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 58.38MB |
| │ │ │ ├─2-得到style特征编码.mp4.mp4 70.1MB |
| │ │ │ ├─3-特征编码风格拼接.mp4.mp4 37.35MB |
| │ │ │ ├─4-基础风格特征卷积模块.mp4.mp4 55.28MB |
| │ │ │ ├─5-上采样得到输出结果.mp4.mp4 41.34MB |
| │ │ │ └─6-损失函数概述.mp4.mp4 27.15MB |
| │ │ ├─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 52.14MB |
| │ │ │ ├─2-KIE数据集格式调整方法.mp4.mp4 70.05MB |
| │ │ │ ├─3-配置文件与标签要进行处理操作.mp4.mp4 48.42MB |
| │ │ │ ├─4-边框要计算的特征分析.mp4.mp4 36.16MB |
| │ │ │ ├─5-标签数据处理与关系特征提取.mp4.mp4 57.06MB |
| │ │ │ ├─6-特征合并处理.mp4.mp4 44.33MB |
| │ │ │ ├─7-准备拼接边与点特征.mp4.mp4 41.97MB |
| │ │ │ └─8-整合得到图模型输入特征.mp4.mp4 72.57MB |
| │ │ ├─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 27.94MB |
| │ │ │ ├─10-传播流程整体完成一圈.mp4 62.13MB |
| │ │ │ ├─11-完成输出结果.mp4.mp4 52.15MB |
| │ │ │ ├─2-特征基础提取模块.mp4 45.17MB |
| │ │ │ ├─3-光流估计网络模块.mp4 26.26MB |
| │ │ │ ├─4-基于光流完成对齐操作.mp4 40.82MB |
| │ │ │ ├─5-偏移量计算方法1.mp4.mp4 33.06MB |
| │ │ │ ├─6-双向计算特征对齐.mp4 37.56MB |
| │ │ │ ├─7-提特征传递流程分析.mp4 37.82MB |
| │ │ │ ├─8-序列传播计算.mp4 40.47MB |
| │ │ │ └─9-准备变形卷积模块的输入.mp4.mp4 45.3MB |
| │ │ ├─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 52.1MB |
| │ │ │ ├─10-3D卷积特征融合.mp4 57.35MB |
| │ │ │ ├─11-输出层预测结果.mp4 81.39MB |
| │ │ │ ├─2-数据与标注文件介绍.mp4 38.07MB |
| │ │ │ ├─3-基本流程梳理并进入debug模式.mp4 50.92MB |
| │ │ │ ├─4-数据与图像特征提取模块.mp4 58.61MB |
| │ │ │ ├─5-体素索引位置获取.mp4.mp4 65.31MB |
| │ │ │ ├─6-体素特征提取方法解读.mp4 38.16MB |
| │ │ │ ├─7-体素特征计算方法分析.mp4 71.3MB |
| │ │ │ ├─8-全局体素特征提取.mp4 96.54MB |
| │ │ │ └─9-多模态特征融合.mp4 68.95MB |
| │ │ ├─15第八模块：模型蒸馏应用实例 |
| │ │ │ ├─1-任务概述与工具使用.mp4 40.23MB |
| │ │ │ ├─2-Teacher与Student网络结构定义.mp4 46.84MB |
| │ │ │ ├─3-训练T与S得到蒸馏模型.mp4 71.22MB |
| │ │ │ ├─4-开始模型训练过程与问题修正.mp4 57.85MB |
| │ │ │ ├─5-日志输出与模型分离.mp4 70.84MB |
| │ │ │ ├─6-分别得到Teacher与Student模型.mp4 46.32MB |
| │ │ │ └─7-实际测试效果演示.mp4 39.6MB |
| │ │ ├─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 41.16MB |
| │ │ │ └─2-搜索匹配到符合计算量的模型并训练.mp4 47.42MB |
| │ │ ├─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 233.32MB |
| │ │ ├─18额外补充 |
| │ │ │ └─在源码中加入各种注意力机制方法.mp4 123.07MB |
| │ │ ├─1MMCV安装方法 |
| │ │ │ └─MMCV安装方法.mp4 56.34MB |
| │ │ ├─2第一模块：分类任务基本操作 |
| │ │ │ ├─1-准备MMCLS项目.mp4 32.85MB |
| │ │ │ ├─2-基本参数配置解读.mp4 35.11MB |
| │ │ │ ├─3-各模块配置文件组成.mp4 36.4MB |
| │ │ │ ├─4-生成完整配置文件.mp4 25.04MB |
| │ │ │ ├─5-根据文件夹定义数据集.mp4 40.86MB |
| │ │ │ ├─6-构建自己的数据集.mp4 36.92MB |
| │ │ │ ├─7-训练自己的任务.mp4 39.91MB |
| │ │ │ └─MMCLS问题修正1.mp4 24.08MB |
| │ │ ├─3第一模块：训练结果测试与验证 |
| │ │ │ ├─1-测试DEMO效果.mp4 26.08MB |
| │ │ │ ├─2-测试评估模型效果.mp4 28.17MB |
| │ │ │ ├─3-MMCLS中增加一个新的模块.mp4 63.19MB |
| │ │ │ ├─4-修改配置文件中的参数.mp4 68.3MB |
| │ │ │ ├─5-数据增强流程可视化展示.mp4 37.99MB |
| │ │ │ ├─6-Grad-Cam可视化方法.mp4 41.76MB |
| │ │ │ ├─7-可视化细节与效果分析.mp4 124.78MB |
| │ │ │ ├─8-MMCLS可视化模块应用.mp4 72.66MB |
| │ │ │ └─9-模型分析脚本使用.mp4 36.95MB |
| │ │ ├─4第一模块：模型源码DEBUG演示 |
| │ │ │ ├─1-VIT任务概述.mp4 30.55MB |
| │ │ │ ├─2-数据增强模块概述分析.mp4 50.17MB |
| │ │ │ ├─3-PatchEmbedding层.mp4 25.89MB |
| │ │ │ ├─4-前向传播基本模块.mp4 39.46MB |
| │ │ │ └─5-CLS与输出模块.mp4 44.62MB |
| │ │ ├─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 74.82MB |
| │ │ │ ├─2-数据集标注与制作方法.mp4 57.43MB |
| │ │ │ ├─3-跟别预测类别数修改配置文件.mp4 40.07MB |
| │ │ │ ├─4-加载预训练模型开始训练.mp4 87.11MB |
| │ │ │ └─5-预测DEMO演示.mp4 22.47MB |
| │ │ ├─6第二模块：基于Unet进行各种策略修改 |
| │ │ │ ├─1-配置文件解读.mp4 32.7MB |
| │ │ │ ├─2-编码层模块.mp4 33.05MB |
| │ │ │ ├─3-上采样与输出层.mp4 28.84MB |
| │ │ │ ├─4-辅助层的作用.mp4 20.42MB |
| │ │ │ ├─5-给Unet添加一个neck层.mp4 30.96MB |
| │ │ │ ├─6-如何修改参数适配网络结构.mp4 22.31MB |
| │ │ │ ├─7-将Unet特征提取模块替换成transformer.mp4 23MB |
| │ │ │ └─8-VIT模块源码分析.mp4 46.06MB |
| │ │ ├─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 34.89MB |
| │ │ │ ├─10-汇总多层级特征进行输出.mp4.mp4 43.94MB |
| │ │ │ ├─2-配置文件指定.mp4.mp4 36.43MB |
| │ │ │ ├─3-DEBUG解读Backbone设计.mp4.mp4 41.04MB |
| │ │ │ ├─4-PatchEmbedding的作用与实现.mp4.mp4 45.47MB |
| │ │ │ ├─5-卷积位置编码计算方法.mp4.mp4 54.48MB |
| │ │ │ ├─6-近似Attention模块实现.mp4.mp4 80.08MB |
| │ │ │ ├─7-完成特征提取与融合模块.mp4.mp4 56.28MB |
| │ │ │ ├─8-分割任务输出模块.mp4.mp4 58.31MB |
| │ │ │ └─9-全局特征的作用与实现.mp4.mp4 56.93MB |
| │ │ ├─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 31.93MB |
| │ │ │ ├─2-COCO数据标注格式.mp4.mp4 28.75MB |
| │ │ │ ├─3-通过脚本生成COCO数据格式.mp4.mp4 39.14MB |
| │ │ │ ├─4-配置文件数据增强策略分析.mp4.mp4 46.18MB |
| │ │ │ ├─5-训练所需配置说明.mp4.mp4 56.59MB |
| │ │ │ ├─6-模型训练与DEMO演示.mp4.mp4 35.86MB |
| │ │ │ ├─7-模型测试与可视化分析模块.mp4.mp4 78.2MB |
| │ │ │ └─8-补充：评估指标.mp4.mp4 14.65MB |
| │ │ └─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 38.75MB |
| │ │ ├─10-分类与回归输出模块.mp4 50.31MB |
| │ │ ├─11-预测输出结果与标签匹配模块.mp4 44.9MB |
| │ │ ├─2-序列特征展开并叠加.mp4 51.65MB |
| │ │ ├─3-得到相对位置点编码.mp4 29.39MB |
| │ │ ├─4-准备Encoder编码层所需全部输入.mp4 38.5MB |
| │ │ ├─5-编码层中的序列分析.mp4 40.32MB |
| │ │ ├─6-偏移量offset计算.mp4 46.68MB |
| │ │ ├─7-偏移量对齐操作.mp4 40.39MB |
| │ │ ├─8-Encoder层完成特征对齐.mp4 52.42MB |
| │ │ └─9-Decoder要完成的操作.mp4 39.57MB |
| │ ├─5Opencv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 22.09MB |
| │ │ │ ├─2-文档轮廓提取.mp4.mp4 28.4MB |
| │ │ │ ├─3-原始与变换坐标计算.mp4.mp4 26.82MB |
| │ │ │ ├─4-透视变换结果.mp4.mp4 33.46MB |
| │ │ │ ├─5-tesseract-ocr安装配置.mp4.mp4 41.82MB |
| │ │ │ └─6-文档扫描识别效果.mp4.mp4 29.44MB |
| │ │ ├─11图像特征-harris |
| │ │ │ ├─1-角点检测基本原理.mp4.mp4 16.11MB |
| │ │ │ ├─2-基本数学原理.mp4.mp4 31.17MB |
| │ │ │ ├─3-求解化简.mp4.mp4 32.38MB |
| │ │ │ ├─4-特征归属划分.mp4.mp4 43.81MB |
| │ │ │ └─5-opencv角点检测效果.mp4.mp4 31.62MB |
| │ │ ├─12图像特征-sift |
| │ │ │ ├─1-尺度空间定义.mp4.mp4 20.63MB |
| │ │ │ ├─2-高斯差分金字塔.mp4.mp4 22.27MB |
| │ │ │ ├─3-特征关键点定位.mp4.mp4 48.74MB |
| │ │ │ ├─4-生成特征描述.mp4.mp4 25.25MB |
| │ │ │ ├─5-特征向量生成.mp4.mp4 44.32MB |
| │ │ │ └─6-opencv中sift函数使用.mp4.mp4 29.39MB |
| │ │ ├─13案例实战-全景图像拼接 |
| │ │ │ ├─1-特征匹配方法.mp4.mp4 29.15MB |
| │ │ │ ├─2-RANSAC算法.mp4.mp4 35.08MB |
| │ │ │ ├─2-图像拼接方法.mp4.mp4 45.55MB |
| │ │ │ └─4-流程解读.mp4.mp4 22.24MB |
| │ │ ├─14项目实战-停车场车位识别 |
| │ │ │ ├─1-任务整体流程.mp4.mp4 71.98MB |
| │ │ │ ├─2-所需数据介绍.mp4.mp4 34.9MB |
| │ │ │ ├─3-图像数据预处理.mp4.mp4 57.33MB |
| │ │ │ ├─4-车位直线检测.mp4.mp4 62.03MB |
| │ │ │ ├─5-按列划分区域.mp4.mp4 55.25MB |
| │ │ │ ├─6-车位区域划分.mp4.mp4 57.92MB |
| │ │ │ ├─7-识别模型构建.mp4(1).mp4 41.78MB |
| │ │ │ ├─7-识别模型构建.mp4.mp4 41.78MB |
| │ │ │ └─8-基于视频的车位检测.mp4.mp4 136.19MB |
| │ │ ├─15项目实战-答题卡识别判卷 |
| │ │ │ ├─1-整体流程与效果概述.mp4.mp4 30.08MB |
| │ │ │ ├─2-预处理操作.mp4.mp4 24.66MB |
| │ │ │ ├─3-填涂轮廓检测.mp4.mp4 26.25MB |
| │ │ │ └─4-选项判断识别.mp4.mp4 57.71MB |
| │ │ ├─16背景建模 |
| │ │ │ ├─1-背景消除-帧差法.mp4.mp4 21.38MB |
| │ │ │ ├─2-混合高斯模型.mp4.mp4 26.98MB |
| │ │ │ ├─3-学习步骤.mp4.mp4 32.34MB |
| │ │ │ └─4-背景建模实战.mp4.mp4 51.76MB |
| │ │ ├─17光流估计 |
| │ │ │ ├─1-基本概念.mp4.mp4 20.79MB |
| │ │ │ ├─2-Lucas-Kanade算法.mp4.mp4 20.26MB |
| │ │ │ ├─3-推导求解.mp4.mp4 26.53MB |
| │ │ │ └─4-光流估计实战.mp4.mp4 64.81MB |
| │ │ ├─18Opencv的DNN模块 |
| │ │ │ ├─1-dnn模块.mp4.mp4 29.18MB |
| │ │ │ └─2-模型加载结果输出.mp4.mp4 41.09MB |
| │ │ ├─19项目实战-目标追踪 |
| │ │ │ ├─1-目标追踪概述.mp4.mp4 50.33MB |
| │ │ │ ├─2-多目标追踪实战.mp4.mp4 35.21MB |
| │ │ │ ├─3-深度学习检测框架加载.mp4.mp4 44.21MB |
| │ │ │ ├─4-基于dlib与ssd的追踪.mp4.mp4 73.61MB |
| │ │ │ ├─5-多进程目标追踪.mp4.mp4 26.31MB |
| │ │ │ └─6-多进程效率提升对比.mp4.mp4 78.72MB |
| │ │ ├─1课程简介与环境配置 |
| │ │ │ ├─0-课程简介2.mp4.mp4 5.96MB |
| │ │ │ ├─2-Notebook与IDE环境.mp4.mp4 84.98MB |
| │ │ │ └─2-Python与Opencv配置安装.mp4.mp4 33.87MB |
| │ │ ├─20卷积原理与操作 |
| │ │ │ ├─1-卷积效果演示.mp4.mp4 25.17MB |
| │ │ │ ├─1-卷积神经网络的应用.mp4.mp4 36.77MB |
| │ │ │ ├─2-卷积层解释.mp4.mp4 22.9MB |
| │ │ │ ├─2-卷积操作流程.mp4.mp4 41.74MB |
| │ │ │ ├─3-卷积计算过程.mp4.mp4 28.2MB |
| │ │ │ ├─4-pading与stride.mp4.mp4 26.71MB |
| │ │ │ ├─5-卷积参数共享.mp4.mp4 18.28MB |
| │ │ │ └─6-池化层原理.mp4.mp4 16.68MB |
| │ │ ├─21项目实战-疲劳检测 |
| │ │ │ ├─1-关键点定位概述.mp4.mp4 29.04MB |
| │ │ │ ├─2-获取人脸关键点.mp4.mp4 36.66MB |
| │ │ │ ├─3-定位效果演示.mp4.mp4 46.01MB |
| │ │ │ ├─4-闭眼检测.mp4.mp4 71.66MB |
| │ │ │ └─5-检测效果.mp4.mp4 41.19MB |
| │ │ ├─2图像基本操作 |
| │ │ │ ├─1-计算机眼中的图像.mp4.mp4 31.47MB |
| │ │ │ ├─2-视频的读取与处理.mp4.mp4 47.56MB |
| │ │ │ ├─3-ROI区域.mp4.mp4 15.96MB |
| │ │ │ ├─4-边界填充.mp4.mp4 22.05MB |
| │ │ │ └─5-数值计算.mp4.mp4 40.63MB |
| │ │ ├─3阈值与平滑处理 |
| │ │ │ ├─1-图像平滑处理.mp4.mp4 25.28MB |
| │ │ │ ├─2-高斯与中值滤波.mp4.mp4 21.14MB |
| │ │ │ └─图像阈值.mp4.mp4 31.36MB |
| │ │ ├─4图像形态学操作 |
| │ │ │ ├─1-腐蚀操作.mp4.mp4 21.58MB |
| │ │ │ ├─2-膨胀操作.mp4.mp4 12.84MB |
| │ │ │ ├─3-开运算与闭运算.mp4.mp4 9.91MB |
| │ │ │ ├─4-梯度计算.mp4.mp4 8.44MB |
| │ │ │ └─5-礼帽与黑帽.mp4.mp4 16.47MB |
| │ │ ├─5图像梯度计算 |
| │ │ │ ├─1-Sobel算子.mp4.mp4 27.59MB |
| │ │ │ ├─2-梯度计算方法.mp4.mp4 30.88MB |
| │ │ │ └─3-scharr与lapkacian算子.mp4.mp4 27.98MB |
| │ │ ├─6边缘检测 |
| │ │ │ ├─1-Canny边缘检测流程.mp4.mp4 19.55MB |
| │ │ │ ├─2-非极大值抑制.mp4.mp4 18.91MB |
| │ │ │ └─3-边缘检测效果.mp4.mp4 37.22MB |
| │ │ ├─7图像金字塔与轮廓检测 |
| │ │ │ ├─1-图像金字塔定义.mp4.mp4 20.27MB |
| │ │ │ ├─1-模板匹配方法.mp4.mp4 47.93MB |
| │ │ │ ├─1-轮廓检测方法.mp4.mp4 19.9MB |
| │ │ │ ├─2-匹配效果展示.mp4.mp4 21.73MB |
| │ │ │ ├─2-轮廓检测结果.mp4.mp4 34.95MB |
| │ │ │ ├─2-金字塔制作方法.mp4.mp4 26.06MB |
| │ │ │ └─3-轮廓特征与近似.mp4.mp4 38.1MB |
| │ │ ├─8直方图与傅里叶变换 |
| │ │ │ ├─1-傅里叶概述.mp4.mp4 39.38MB |
| │ │ │ ├─1-直方图定义.mp4.mp4 24.23MB |
| │ │ │ ├─2-均衡化原理.mp4.mp4 31.94MB |
| │ │ │ ├─2-频域变换结果.mp4.mp4 26.85MB |
| │ │ │ ├─3-低通与高通滤波.mp4.mp4 27.93MB |
| │ │ │ └─3-均衡化效果.mp4.mp4 27.8MB |
| │ │ └─9项目实战-信用卡数字识别 |
| │ │ ├─2-环境配置与预处理.mp4.mp4 35.43MB |
| │ │ ├─3-模板处理方法.mp4.mp4 24.27MB |
| │ │ ├─4-输入数据处理方法.mp4.mp4 29.47MB |
| │ │ ├─5-模板匹配得出识别结果.mp4.mp4 48.31MB |
| │ │ └─总体流程与方法讲解.mp4.mp4 21.24MB |
| │ ├─6综合项目-物体检测经典算法实战 |
| │ │ ├─10EfficientNet网络 |
| │ │ │ └─第八课：EfficientNet网络模型.mp4.mp4 539.06MB |
| │ │ ├─11EfficientDet检测算法 |
| │ │ │ └─第十一章：EfficientDet检测算法.mp4.mp4 448.6MB |
| │ │ ├─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 19.94MB |
| │ │ │ ├─2-整体网络架构分析.mp4.mp4 32.22MB |
| │ │ │ ├─3-位置信息初始化query向量.mp4.mp4 20.56MB |
| │ │ │ ├─4-注意力机制的作用方法.mp4.mp4 21.44MB |
| │ │ │ └─5-训练过程的策略.mp4.mp4 28.99MB |
| │ │ ├─13detr目标检测源码解读 |
| │ │ │ ├─1-项目环境配置解读.mp4.mp4 41MB |
| │ │ │ ├─2-数据处理与dataloader.mp4.mp4 64.69MB |
| │ │ │ ├─3-位置编码作用分析.mp4.mp4 48.54MB |
| │ │ │ ├─4-backbone特征提取模块.mp4.mp4 36.2MB |
| │ │ │ ├─5-mask与编码模块.mp4.mp4 35.34MB |
| │ │ │ ├─6-编码层作用方法.mp4.mp4 43.45MB |
| │ │ │ ├─7-Decoder层操作与计算.mp4.mp4 30.74MB |
| │ │ │ ├─8-输出预测结果.mp4.mp4 41.87MB |
| │ │ │ └─9-损失函数与预测输出.mp4.mp4 41.77MB |
| │ │ ├─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 15.73MB |
| │ │ │ ├─2-不同阶段算法优缺点分析.mp4.mp4 11.27MB |
| │ │ │ ├─3-IOU指标计算.mp4.mp4 12.32MB |
| │ │ │ ├─4-评估所需参数计算.mp4.mp4 26.82MB |
| │ │ │ └─5-map指标计算.mp4.mp4 20.22MB |
| │ │ ├─2YOLO-V1整体思想与网络架构 |
| │ │ │ ├─2-检测算法要得到的结果.mp4.mp4 14.22MB |
| │ │ │ ├─3-整体网络架构解读.mp4.mp4 31.26MB |
| │ │ │ ├─4-位置损失计算.mp4.mp4 19.56MB |
| │ │ │ ├─5-置信度误差与优缺点分析.mp4.mp4 27.44MB |
| │ │ │ └─YOLO算法整体思路解读.mp4.mp4 15.27MB |
| │ │ ├─3YOLO-V2改进细节详解 |
| │ │ │ ├─2-网络结构特点.mp4.mp4 16.28MB |
| │ │ │ ├─3-架构细节解读.mp4.mp4 19.5MB |
| │ │ │ ├─4-基于聚类来选择先验框尺寸.mp4.mp4 24.82MB |
| │ │ │ ├─5-偏移量计算方法.mp4.mp4 28.13MB |
| │ │ │ ├─6-坐标映射与还原.mp4.mp4 10.67MB |
| │ │ │ ├─7-感受野的作用.mp4.mp4 28.7MB |
| │ │ │ ├─8-特征融合改进.mp4.mp4 19.79MB |
| │ │ │ └─V2版本细节升级概述.mp4.mp4 13.97MB |
| │ │ ├─4YOLO-V3核心网络模型 |
| │ │ │ ├─1-V3版本改进概述.mp4.mp4 18.86MB |
| │ │ │ ├─2-多scale方法改进与特征融合.mp4.mp4 17.66MB |
| │ │ │ ├─3-经典变换方法对比分析.mp4.mp4 11.42MB |
| │ │ │ ├─4-残差连接方法解读.mp4.mp4 19.23MB |
| │ │ │ ├─5-整体网络模型架构分析.mp4.mp4 13.52MB |
| │ │ │ ├─6-先验框设计改进.mp4.mp4 13.63MB |
| │ │ │ └─7-sotfmax层改进.mp4.mp4 11.2MB |
| │ │ ├─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 66.11MB |
| │ │ │ ├─10-网格偏移计算.mp4.mp4 34.51MB |
| │ │ │ ├─11-模型要计算的损失概述.mp4.mp4 23.73MB |
| │ │ │ ├─12-标签值格式修改.mp4.mp4 28.86MB |
| │ │ │ ├─13-坐标相对位置计算.mp4.mp4 33.39MB |
| │ │ │ ├─14-完成所有损失函数所需计算指标.mp4.mp4 35.91MB |
| │ │ │ ├─15-模型训练与总结.mp4.mp4 73.5MB |
| │ │ │ ├─16-预测效果展示.mp4.mp4 35.1MB |
| │ │ │ ├─2-训练参数设置.mp4.mp4 24.44MB |
| │ │ │ ├─3-数据与标签读取.mp4.mp4 43.1MB |
| │ │ │ ├─4-标签文件读取与处理.mp4.mp4 28.07MB |
| │ │ │ ├─5-debug模式介绍.mp4.mp4 27.84MB |
| │ │ │ ├─6-基于配置文件构建网络模型.mp4.mp4 42.63MB |
| │ │ │ ├─7-路由层与shortcut层的作用.mp4.mp4 34.31MB |
| │ │ │ ├─8-YOLO层定义解析.mp4.mp4 61.68MB |
| │ │ │ └─9-预测结果计算.mp4.mp4 46.59MB |
| │ │ ├─6基于YOLO-V3训练自己的数据集与任务 |
| │ │ │ ├─1-Labelme工具安装.mp4.mp4 14.87MB |
| │ │ │ ├─2-数据信息标注.mp4.mp4 32.68MB |
| │ │ │ ├─3-完成标签制作.mp4.mp4 32.33MB |
| │ │ │ ├─4-生成模型所需配置文件.mp4.mp4 37.3MB |
| │ │ │ ├─5-json格式转换成yolo-v3所需输入.mp4.mp4 21.54MB |
| │ │ │ ├─6-完成输入数据准备工作.mp4.mp4 40.69MB |
| │ │ │ ├─7-训练代码与参数配置更改.mp4.mp4 44.88MB |
| │ │ │ └─8-训练模型并测试效果.mp4.mp4 39.08MB |
| │ │ ├─7YOLO-V4版本算法解读 |
| │ │ │ ├─1-V4版本整体概述.mp4.mp4 15.65MB |
| │ │ │ ├─10-PAN模块解读.mp4.mp4 21.23MB |
| │ │ │ ├─11-激活函数与整体架构总结.mp4.mp4 19.77MB |
| │ │ │ ├─2-V4版本贡献解读.mp4.mp4 10.64MB |
| │ │ │ ├─3-数据增强策略分析.mp4.mp4 25.29MB |
| │ │ │ ├─4-DropBlock与标签平滑方法.mp4.mp4 19.95MB |
| │ │ │ ├─5-损失函数遇到的问题.mp4.mp4 14.85MB |
| │ │ │ ├─6-CIOU损失函数定义.mp4.mp4 11.41MB |
| │ │ │ ├─7-NMS细节改进.mp4.mp4 17.24MB |
| │ │ │ ├─8-SPP与CSP网络结构.mp4.mp4 15.4MB |
| │ │ │ └─9-SAM注意力机制模块.mp4.mp4 23.07MB |
| │ │ ├─8V5版本项目配置 |
| │ │ │ ├─1-整体项目概述.mp4.mp4 36.35MB |
| │ │ │ ├─2-训练自己的数据集方法.mp4.mp4 41.91MB |
| │ │ │ ├─3-训练数据参数配置.mp4.mp4 52.07MB |
| │ │ │ └─4-测试DEMO演示.mp4.mp4 51.06MB |
| │ │ └─9V5项目工程源码解读 |
| │ │ ├─1-数据源DEBUG流程解读.mp4.mp4 48.72MB |
| │ │ ├─10-完成配置文件解析任务.mp4.mp4 59.39MB |
| │ │ ├─11-前向传播计算.mp4.mp4 31.39MB |
| │ │ ├─12-BottleneckCSP层计算方法.mp4.mp4 34.41MB |
| │ │ ├─13-1 SPP层计算细节分析.mp4.mp4 29.75MB |
| │ │ ├─13-Head层流程解读.mp4.mp4 29.71MB |
| │ │ ├─14-上采样与拼接操作.mp4.mp4 22.07MB |
| │ │ ├─15-输出结果分析.mp4.mp4 42.3MB |
| │ │ ├─16-超参数解读.mp4.mp4 35.53MB |
| │ │ ├─17-命令行参数介绍.mp4.mp4 44.85MB |
| │ │ ├─18-训练流程解读.mp4.mp4 47.39MB |
| │ │ ├─19-各种训练策略概述.mp4.mp4 39.02MB |
| │ │ ├─2-图像数据源配置.mp4.mp4 35.24MB |
| │ │ ├─20-模型迭代过程.mp4.mp4 39.01MB |
| │ │ ├─3-加载标签数据.mp4.mp4 26.92MB |
| │ │ ├─4-Mosaic数据增强方法.mp4.mp4 28.78MB |
| │ │ ├─5-数据四合一方法与流程演示.mp4.mp4 42.27MB |
| │ │ ├─6-getItem构建batch.mp4.mp4 33.62MB |
| │ │ ├─7-网络架构图可视化工具安装.mp4.mp4 34.92MB |
| │ │ ├─8-V5网络配置文件解读.mp4.mp4 36.33MB |
| │ │ └─9-Focus模块流程分析.mp4.mp4 22.52MB |
| │ ├─7图像分割实战 |
| │ │ ├─10MaskRcnn网络框架源码详解 |
| │ │ │ ├─1-FPN层特征提取原理解读.mp4.mp4 42.9MB |
| │ │ │ ├─10-RoiPooling层的作用与目的.mp4.mp4 34.04MB |
| │ │ │ ├─11-RorAlign操作的效果.mp4.mp4 26.29MB |
| │ │ │ ├─12-整体框架回顾.mp4.mp4 29.44MB |
| │ │ │ ├─2-FPN网络架构实现解读.mp4.mp4 56.36MB |
| │ │ │ ├─3-生成框比例设置.mp4.mp4 28.84MB |
| │ │ │ ├─4-基于不同尺度特征图生成所有框.mp4.mp4 33.52MB |
| │ │ │ ├─5-RPN层的作用与实现解读.mp4.mp4 31.48MB |
| │ │ │ ├─6-候选框过滤方法.mp4.mp4 16.18MB |
| │ │ │ ├─7-Proposal层实现方法.mp4.mp4 33.9MB |
| │ │ │ ├─8-DetectionTarget层的作用.mp4.mp4 26.28MB |
| │ │ │ └─9-正负样本选择与标签定义.mp4.mp4 28.18MB |
| │ │ ├─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 14.87MB |
| │ │ │ ├─2-使用labelme进行数据与标签标注.mp4.mp4 26.88MB |
| │ │ │ ├─3-完成训练数据准备工作.mp4.mp4 27.19MB |
| │ │ │ ├─4-maskrcnn源码修改方法.mp4.mp4 64.15MB |
| │ │ │ ├─5-基于标注数据训练所需任务.mp4.mp4 40.31MB |
| │ │ │ └─6-测试与展示模块.mp4.mp4 39.19MB |
| │ │ ├─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 20.83MB |
| │ │ │ ├─2-分割任务中的目标函数定义.mp4.mp4 20.58MB |
| │ │ │ └─3-MIOU评估标准.mp4.mp4 9.61MB |
| │ │ ├─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 21.79MB |
| │ │ │ ├─10-VGG网络架构.mp4.mp4 19.92MB |
| │ │ │ ├─11-残差网络Resnet.mp4.mp4 18.6MB |
| │ │ │ ├─12-感受野的作用.mp4.mp4 17.45MB |
| │ │ │ ├─2-卷积的作用.mp4.mp4 23.26MB |
| │ │ │ ├─3-卷积特征值计算方法.mp4.mp4 21.81MB |
| │ │ │ ├─4-得到特征图表示.mp4.mp4 18.82MB |
| │ │ │ ├─5-步长与卷积核大小对结果的影响.mp4.mp4 20.45MB |
| │ │ │ ├─6-边缘填充方法.mp4.mp4 17.86MB |
| │ │ │ ├─7-特征图尺寸计算与参数共享.mp4.mp4 22.58MB |
| │ │ │ ├─8-池化层的作用.mp4.mp4 11.9MB |
| │ │ │ └─9-1整体网络架构.mp4.mp4 17.57MB |
| │ │ ├─3Unet系列算法讲解 |
| │ │ │ ├─1-Unet网络编码与解码过程.mp4.mp4 18.88MB |
| │ │ │ ├─2-网络计算流程.mp4.mp4 16.72MB |
| │ │ │ ├─3-Unet升级版本改进.mp4.mp4 16.33MB |
| │ │ │ └─4-后续升级版本介绍.mp4.mp4 18.96MB |
| │ │ ├─4unet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 71.79MB |
| │ │ │ ├─2-数据增强工具.mp4.mp4 62.06MB |
| │ │ │ ├─3-Debug模式演示网络计算流程.mp4.mp4 41.96MB |
| │ │ │ ├─4-特征融合方法演示.mp4.mp4 30.63MB |
| │ │ │ ├─5-迭代完成整个模型计算任务.mp4.mp4 34.14MB |
| │ │ │ └─6-模型效果验证.mp4.mp4 47.88MB |
| │ │ ├─5U2NET显著性检测实战 |
| │ │ │ ├─1-任务目标与网络整体介绍.mp4.mp4 59.25MB |
| │ │ │ ├─2-显著性检测任务与目标概述.mp4.mp4 54.55MB |
| │ │ │ ├─3-编码器模块解读.mp4.mp4 44.25MB |
| │ │ │ ├─4-解码器输出结果.mp4.mp4 28.49MB |
| │ │ │ └─5-损失函数与应用效果.mp4.mp4 34.93MB |
| │ │ ├─6deeplab系列算法 |
| │ │ │ ├─1-deeplab分割算法概述.mp4.mp4 14.39MB |
| │ │ │ ├─2-空洞卷积的作用.mp4.mp4 17.32MB |
| │ │ │ ├─3-感受野的意义.mp4.mp4 19.96MB |
| │ │ │ ├─4-SPP层的作用.mp4.mp4 19.61MB |
| │ │ │ ├─5-ASPP特征融合策略.mp4.mp4 14.04MB |
| │ │ │ └─6-deeplabV3Plus版本网络架构.mp4.mp4 24.67MB |
| │ │ ├─7基于deeplabV3+版本进行VOC分割实战 |
| │ │ │ ├─1-PascalVoc数据集介绍.mp4.mp4 70.71MB |
| │ │ │ ├─2-项目参数与数据集读取.mp4.mp4 60.9MB |
| │ │ │ ├─3-网络前向传播流程.mp4.mp4 33.69MB |
| │ │ │ ├─4-ASPP层特征融合.mp4.mp4 51.77MB |
| │ │ │ └─5-分割模型训练.mp4.mp4 35.56MB |
| │ │ ├─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 46.14MB |
| │ │ │ ├─2-项目基本配置参数.mp4.mp4 33.9MB |
| │ │ │ ├─3-任务流程解读.mp4.mp4 69.71MB |
| │ │ │ ├─4-文献报告分析.mp4.mp4 123.26MB |
| │ │ │ ├─5-补充：视频数据源特征处理方法概述.mp4.mp4 26.91MB |
| │ │ │ └─6-补充：R(2plus1)D处理方法分析.mp4.mp4 19.46MB |
| │ │ └─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 88.76MB |
| │ │ ├─0-参数配置.mp4.mp4 98.44MB |
| │ │ └─0-开源项目数据集.mp4.mp4 43.07MB |
| │ ├─8行为识别实战 |
| │ │ ├─1slowfast算法知识点通俗解读 |
| │ │ │ ├─1-slowfast核心思想解读.mp4.mp4 75.44MB |
| │ │ │ ├─2-核心网络结构模块分析.mp4.mp4 21.57MB |
| │ │ │ ├─3-数据采样曾的作用.mp4.mp4 18.85MB |
| │ │ │ ├─4-模型网络结构设计.mp4.mp4 19.88MB |
| │ │ │ └─5-特征融合模块与总结分析.mp4.mp4 39.88MB |
| │ │ ├─2slowfast项目环境配置与配置文件 |
| │ │ │ ├─1-环境基本配置解读.mp4.mp4 45.94MB |
| │ │ │ ├─2-目录各文件分析.mp4.mp4 37.43MB |
| │ │ │ ├─3-配置文件作用解读.mp4.mp4 51.49MB |
| │ │ │ ├─4-测试DEMO演示1.mp4.mp4 67.36MB |
| │ │ │ ├─5-训练所需标签文件说明.mp4.mp4 49.36MB |
| │ │ │ ├─6-训练所需视频数据准备.mp4.mp4 47.98MB |
| │ │ │ ├─7-视频数据集切分操作.mp4.mp4 40.25MB |
| │ │ │ └─8-完成视频分帧操作.mp4.mp4 33.36MB |
| │ │ ├─3slowfast源码详细解读 |
| │ │ │ ├─1-模型所需配置文件参数读取1.mp4.mp4 33.83MB |
| │ │ │ ├─10-RoiAlign与输出层1.mp4.mp4 79.51MB |
| │ │ │ ├─2-数据处理概述1.mp4.mp4 50.3MB |
| │ │ │ ├─3-dataloader数据遍历方法1.mp4.mp4 57.44MB |
| │ │ │ ├─4-数据与标签读取实例1.mp4.mp4 52.81MB |
| │ │ │ ├─5-图像数据所需预处理方法1.mp4.mp4 67.35MB |
| │ │ │ ├─6-slow与fast分别执行采样操作1.mp4.mp4 66.93MB |
| │ │ │ ├─7-分别计算特征图输出结果1.mp4.mp4 57.23MB |
| │ │ │ ├─8-slow与fast特征图拼接操作1.mp4.mp4 50.28MB |
| │ │ │ └─9-resnetBolock操作1.mp4.mp4 54.21MB |
| │ │ ├─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 21.2MB |
| │ │ │ ├─2-UCF101动作识别数据集简介.mp4.mp4 52.27MB |
| │ │ │ ├─3-测试效果与项目配置.mp4.mp4 56.19MB |
| │ │ │ ├─4-视频数据预处理方法.mp4.mp4 32.84MB |
| │ │ │ ├─5-数据Batch制作方法.mp4.mp4 47.25MB |
| │ │ │ ├─6-3D卷积网络所涉及模块.mp4.mp4 38.35MB |
| │ │ │ └─7-训练网络模型.mp4.mp4 39.4MB |
| │ │ ├─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 22.07MB |
| │ │ │ ├─2-基本思想与流程分析.mp4.mp4 24.85MB |
| │ │ │ ├─3-预测与常见问题.mp4.mp4 27.17MB |
| │ │ │ ├─4-Meta-Learn要解决的问题.mp4.mp4 21.37MB |
| │ │ │ ├─5-学习能力与参数定义.mp4.mp4 14.75MB |
| │ │ │ ├─6-如何找到合适的初始化参数.mp4.mp4 23.95MB |
| │ │ │ └─7-MAML算法流程解读.mp4.mp4 29.57MB |
| │ │ ├─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 27.2MB |
| │ │ │ ├─2-数据集配置与读取.mp4.mp4 39.33MB |
| │ │ │ ├─3-模型编码与解码结构.mp4.mp4 33.96MB |
| │ │ │ ├─4-注意力机制模块打造.mp4.mp4 61.71MB |
| │ │ │ ├─5-损失函数的目的.mp4.mp4 58.55MB |
| │ │ │ ├─6-特征图生成.mp4.mp4 38.61MB |
| │ │ │ └─7-MetaLearn与输出.mp4.mp4 30.38MB |
| │ │ └─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 19.44MB |
| │ │ ├─2-Resnet网络架构原理分析.mp4.mp4 25.39MB |
| │ │ ├─3-dataloader加载数据集.mp4.mp4 65.37MB |
| │ │ ├─4-Resnet网络前向传播.mp4.mp4 36.41MB |
| │ │ ├─5-残差网络的shortcut操作.mp4.mp4 47.93MB |
| │ │ ├─6-特征图升维与降采样操作.mp4.mp4 27.48MB |
| │ │ └─7-网络整体流程与训练演示.mp4.mp4 68.03MB |
| │ ├─92022论文必备-Transformer实战系列 |
| │ │ ├─10MedicalTransformer源码解读 |
| │ │ │ ├─1-项目环境配置1.mp4.mp4 25.87MB |
| │ │ │ ├─2-医学数据介绍与分析1.mp4.mp4 57.27MB |
| │ │ │ ├─3-基本处理操作1.mp4.mp4 26.36MB |
| │ │ │ ├─4-AxialAttention实现过程1.mp4.mp4 37.46MB |
| │ │ │ ├─5-位置编码向量解读1.mp4.mp4 28.39MB |
| │ │ │ ├─6-注意力计算过程与方法1.mp4.mp4 52.72MB |
| │ │ │ └─7-局部特征提取与计算1.mp4.mp4 41.5MB |
| │ │ ├─11商汤LoFTR算法解读 |
| │ │ │ ├─1-特征匹配的应用场景.mp4.mp4 87.94MB |
| │ │ │ ├─10-总结分析.mp4.mp4 40.01MB |
| │ │ │ ├─2-特征匹配的基本流程分析.mp4.mp4 16.5MB |
| │ │ │ ├─3-整体流程梳理分析.mp4.mp4 17.04MB |
| │ │ │ ├─4-CrossAttention的作用与效果.mp4.mp4 16.28MB |
| │ │ │ ├─5-transformer构建匹配特征.mp4.mp4 34.38MB |
| │ │ │ ├─6-粗粒度匹配过程与作用.mp4.mp4 26.59MB |
| │ │ │ ├─7-特征图拆解操作.mp4.mp4 14.92MB |
| │ │ │ ├─8-细粒度匹配的作用与方法.mp4.mp4 20.46MB |
| │ │ │ └─9-基于期望预测最终位置.mp4.mp4 23.67MB |
| │ │ ├─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 45.07MB |
| │ │ │ ├─10-得到精细化输出结果1.mp4.mp4 19.94MB |
| │ │ │ ├─11-通过期望计算最终输出1.mp4.mp4 40.83MB |
| │ │ │ ├─2-DEMO效果演示1.mp4.mp4 40.15MB |
| │ │ │ ├─3-backbone特征提取模块1.mp4.mp4 29.24MB |
| │ │ │ ├─4-注意力机制的作用与效果分析1.mp4.mp4 31.57MB |
| │ │ │ ├─5-特征融合模块实现方法1.mp4.mp4 29.88MB |
| │ │ │ ├─6-cross关系计算方法实例1.mp4.mp4 29.88MB |
| │ │ │ ├─7-粗粒度匹配过程1.mp4.mp4 50.38MB |
| │ │ │ ├─8-完成基础匹配模块1.mp4.mp4 63.92MB |
| │ │ │ └─9-精细化调整方法与实例1.mp4.mp4 43.32MB |
| │ │ ├─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 41.85MB |
| │ │ │ ├─10-构建QKV矩阵1.mp4.mp4 51.24MB |
| │ │ │ ├─11-完成Transformer模块构建1.mp4.mp4 41.31MB |
| │ │ │ ├─12-训练BERT模型1.mp4.mp4 55.17MB |
| │ │ │ ├─2-项目参数配置1.mp4.mp4 107.26MB |
| │ │ │ ├─3-数据读取模块1.mp4.mp4 54.78MB |
| │ │ │ ├─4-数据预处理模块1.mp4.mp4 40.6MB |
| │ │ │ ├─6-Embedding层的作用1.mp4.mp4 31.5MB |
| │ │ │ ├─7-加入额外编码特征1.mp4.mp4 42.95MB |
| │ │ │ ├─8-加入位置编码特征1.mp4.mp4 24.15MB |
| │ │ │ ├─9-mask机制1.mp4.mp4 37.28MB |
| │ │ │ └─tfrecord制作1.mp4.mp4 51.98MB |
| │ │ ├─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 84.06MB |
| │ │ │ ├─2-读取处理自己的数据集1.mp4.mp4 53.59MB |
| │ │ │ └─3-训练BERT中文分类模型1.mp4.mp4 72.79MB |
| │ │ ├─1课程介绍 |
| │ │ │ └─课程介绍1.mp4.mp4 15.41MB |
| │ │ ├─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 12.05MB |
| │ │ │ ├─10-训练实例.mp4.mp4 24.68MB |
| │ │ │ ├─2-传统解决方案遇到的问题1.mp4.mp4 23.17MB |
| │ │ │ ├─3-注意力机制的作用1.mp4.mp4 15.3MB |
| │ │ │ ├─4-self-attention计算方法1.mp4.mp4 24.28MB |
| │ │ │ ├─5-特征分配与softmax机制1.mp4.mp4 21.83MB |
| │ │ │ ├─6-Multi-head的作用1.mp4.mp4 19.88MB |
| │ │ │ ├─7-位置编码与多层堆叠1.mp4.mp4 17.36MB |
| │ │ │ ├─8-transformer整体架构梳理.mp4.mp4 22.83MB |
| │ │ │ └─9-BERT模型训练方法.mp4.mp4 21.17MB |
| │ │ ├─3Transformer在视觉中的应用VIT算法 |
| │ │ │ ├─1-transformer发家史介绍1.mp4.mp4 16.43MB |
| │ │ │ ├─2-对图像数据构建patch序列1.mp4.mp4 22.76MB |
| │ │ │ ├─3-VIT整体架构解读1.mp4.mp4 24.91MB |
| │ │ │ ├─4-CNN遇到的问题与窘境1.mp4.mp4 22.93MB |
| │ │ │ ├─5-计算公式解读1.mp4.mp4 24.69MB |
| │ │ │ ├─6-位置编码与TNT模型1.mp4.mp4 25.79MB |
| │ │ │ └─7-TNT模型细节分析1.mp4.mp4 28.13MB |
| │ │ ├─4VIT算法模型源码解读 |
| │ │ │ ├─1-项目配置说明1.mp4.mp4 43.86MB |
| │ │ │ ├─2-输入序列构建方法解读1.mp4.mp4 30.39MB |
| │ │ │ ├─3-注意力机制计算1.mp4.mp4 28.63MB |
| │ │ │ └─4-输出层计算结果1.mp4.mp4 38.31MB |
| │ │ ├─5swintransformer算法原理解析 |
| │ │ │ ├─1-swintransformer整体概述1.mp4.mp4 15.35MB |
| │ │ │ ├─10-分层计算方法1.mp4.mp4 22.3MB |
| │ │ │ ├─2-要解决的问题及其优势分析1.mp4.mp4 22.92MB |
| │ │ │ ├─3-一个block要完成的任务1.mp4.mp4 17.95MB |
| │ │ │ ├─4-获取各窗口输入特征1.mp4.mp4 19.58MB |
| │ │ │ ├─5-基于窗口的注意力机制解读1.mp4.mp4 30.12MB |
| │ │ │ ├─6-窗口偏移操作的实现1.mp4.mp4 24.86MB |
| │ │ │ ├─7-偏移细节分析及其计算量概述1.mp4.mp4 21MB |
| │ │ │ ├─8-整体网络架构整合1.mp4.mp4 21.47MB |
| │ │ │ └─9-下采样操作实现方法1.mp4.mp4 22.83MB |
| │ │ ├─6swintransformer源码解读 |
| │ │ │ ├─1-数据与环境配置解读1.mp4.mp4 60.18MB |
| │ │ │ ├─2-图像数据patch编码1.mp4.mp4 38.21MB |
| │ │ │ ├─3-数据按window进行划分计算1.mp4.mp4 32.05MB |
| │ │ │ ├─4-基础attention计算模块1.mp4.mp4 28.17MB |
| │ │ │ ├─5-窗口位移模块细节分析1.mp4.mp4 37.4MB |
| │ │ │ ├─6-patchmerge下采样操作1.mp4.mp4 25.83MB |
| │ │ │ ├─7-各block计算方法解读1.mp4.mp4 28.5MB |
| │ │ │ └─8-输出层概述1.mp4.mp4 41.7MB |
| │ │ ├─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 19.86MB |
| │ │ │ ├─2-整体网络架构分析1.mp4.mp4 32.13MB |
| │ │ │ ├─3-位置信息初始化query向量1.mp4.mp4 20.49MB |
| │ │ │ ├─4-注意力机制的作用方法1.mp4.mp4 21.38MB |
| │ │ │ └─5-训练过程的策略1.mp4.mp4 28.93MB |
| │ │ ├─8detr目标检测源码解读 |
| │ │ │ ├─1-项目环境配置解读2.mp4.mp4 40.92MB |
| │ │ │ ├─2-数据处理与dataloader2.mp4.mp4 64.57MB |
| │ │ │ ├─3-位置编码作用分析2.mp4.mp4 48.44MB |
| │ │ │ ├─4-backbone特征提取模块1.mp4.mp4 36.13MB |
| │ │ │ ├─5-mask与编码模块1.mp4.mp4 35.27MB |
| │ │ │ ├─6-编码层作用方法1.mp4.mp4 43.37MB |
| │ │ │ ├─7-Decoder层操作与计算1.mp4.mp4 30.67MB |
| │ │ │ ├─8-输出预测结果1.mp4.mp4 41.79MB |
| │ │ │ └─9-损失函数与预测输出1.mp4.mp4 41.77MB |
| │ │ └─9MedicalTrasnformer论文解读 |
| │ │ ├─1-论文整体分析.mp4.mp4 24.31MB |
| │ │ ├─2-核心思想分析.mp4.mp4 54.85MB |
| │ │ ├─3-网络结构计算流程概述.mp4.mp4 45.05MB |
| │ │ ├─4-论文公式计算分析.mp4.mp4 47.51MB |
| │ │ ├─5-位置编码的作用与效果.mp4.mp4 47.13MB |
| │ │ └─6-拓展应用分析.mp4.mp4 57.11MB |
| │ └─资料 |
| │ ├─1-18 节直播13：对比学习 |
| │ │ ├─trainCLIP.py 1.56KB |
| │ │ └─对比学习.pdf 2.15MB |
| │ ├─直播 |
| │ │ ├─1-10 节直播7：GPT系列算法与实战 |
| │ │ │ ├─GPT.zip 1.25GB |
| │ │ │ └─GPT系列.pdf 1.56MB |
| │ │ ├─1-11 节额外补充：GPT建模与预测流程 |
| │ │ │ └─ChinesePretrainedModels.zip 1.62GB |
| │ │ ├─1-12 节额外补充：文本摘要建模 |
| │ │ │ └─Summarization.zip 2.04GB |
| │ │ ├─1-13 节直播8：知识抽取实战 |
| │ │ │ └─CMeKG.zip 1.32GB |
| │ │ ├─1-14 节直播9：Openai CLIP模型 |
| │ │ │ ├─CLIP.zip 679.68KB |
| │ │ │ └─CLIP及其应用.pdf 2.14MB |
| │ │ ├─1-15 节直播10：DeformableDetr算法解读 |
| │ │ │ └─可变形DETR.pdf 4.68MB |
| │ │ ├─1-16 节直播11：OCR算法解读 |
| │ │ │ ├─ABINET.pdf 1.42MB |
| │ │ │ └─DBNET.pdf 4.01MB |
| │ │ ├─1-17 节直播12：KIE关键信息抽取与视频超分辨率重构 |
| │ │ │ ├─BasicVSR++.pdf 13.22MB |
| │ │ │ ├─KIE.pdf 2.45MB |
| │ │ │ └─spynet.pdf 5.98MB |
| │ │ ├─1-3 节直播2：深度学习必备基础-神经网络与卷积网络 |
| │ │ │ ├─PyTorch.pdf 2.9MB |
| │ │ │ └─深度学习.pdf 10.34MB |
| │ │ ├─1-4 节直播3：Transformer原理及其各领域应用分析 |
| │ │ │ ├─BERT.pdf 2.29MB |
| │ │ │ └─transformer课件.pdf 1.35MB |
| │ │ ├─1-6 节直播4：Informer时间序列预测源码解读 |
| │ │ │ ├─Informer.pdf 1.32MB |
| │ │ │ └─Informer.zip 18.29MB |
| │ │ ├─1-8 节直播5：Huggingface核心模块解读 |
| │ │ │ ├─1-Transformers.zip 383.62MB |
| │ │ │ ├─2-Finetuning.zip 2.05GB |
| │ │ │ └─Huggingface初识_.pdf 579.99KB |
| │ │ └─1-9 节直播6：BERT系列模型与命名实体识别实例 |
| │ │ ├─BERT.pdf 2.29MB |
| │ │ ├─BERT系列.pdf 1.14MB |
| │ │ └─ner.zip 121.6MB |
| │ ├─第一十一章 3D点云实战 |
| │ │ ├─第1节：3D点云应用领域分析 |
| │ │ │ └─点云.pdf 1.32MB |
| │ │ ├─第2节：3D点云PointNet算法 |
| │ │ │ ├─CloudCompare.zip 68.07MB |
| │ │ │ └─PointNet++.pdf 1.92MB |
| │ │ ├─第3节：PointNet++算法解读 |
| │ │ │ └─PointNet++.pdf 1.92MB |
| │ │ ├─第4节：Pointnet++项目实战 |
| │ │ │ └─Pointnet2.zip 2.33GB |
| │ │ ├─第5节：点云补全PF-Net论文解读 |
| │ │ │ ├─2003.00410.pdf 4.2MB |
| │ │ │ └─点云补全.pdf 779.73KB |
| │ │ ├─第6节：点云补全实战解读 |
| │ │ │ └─PF-Net-Point-Fractal-Network.zip 646.12MB |
| │ │ ├─第7节：点云配准及其案例实战 |
| │ │ │ ├─2003.13479.pdf 1.82MB |
| │ │ │ ├─RPMNet.zip 447.43MB |
| │ │ │ └─点云匹配.pdf 732.18KB |
| │ │ └─第8节：基础补充-对抗生成网络架构原理与实战解析 |
| │ │ └─第八章：对抗生成网络架构原理与实战解析.zip 35.28MB |
| │ ├─第一十三章 ?向深度学习的??驾驶实战 -1.#INDB |
| │ ├─第一十九章 深度学习模型部署与剪枝优化实战 |
| │ │ ├─Docker使用命令.zip 7.83MB |
| │ │ ├─mobilenetv3.py 7.31KB |
| │ │ ├─Mobilenet.pdf 2.64MB |
| │ │ ├─pytorch-slimming.zip 356.43MB |
| │ │ ├─PyTorch模型部署实例.zip 103.13KB |
| │ │ ├─TensorFlow-serving.zip 2.96MB |
| │ │ ├─YOLO部署实例.zip 876.45MB |
| │ │ └─剪枝算法.pdf 690.5KB |
| │ ├─第一十二章 ?标追踪与姿态估计实战 -1.#INDB |
| │ ├─第一十二章 第十模块：缺陷检测实战 |
| │ │ └─缺陷检测实战 |
| │ │ ├─DeepLab铁质材料缺陷检测与开源项目应用流程.zip 3.58GB |
| │ │ ├─PyTorch基础 |
| │ │ │ ├─1-PyTorch框架基本处理操作.zip 98.58MB |
| │ │ │ ├─2-神经网络实战分类与回归任务.zip 15.82MB |
| │ │ │ └─3-图像识别核心模块实战解读.zip 336.95MB |
| │ │ ├─Resnet分类实战 |
| │ │ │ ├─Resnet.pdf 382.92KB |
| │ │ │ └─基于Resnet的医学数据集分类实战.zip 461MB |
| │ │ ├─第1-4章：YOLOV5缺陷检测 |
| │ │ │ ├─Defective_Insulators.zip 54.69MB |
| │ │ │ ├─NEU-DET.zip 26.68MB |
| │ │ │ ├─YOLO5.zip 469.64MB |
| │ │ │ └─YOLO新版.pdf 3.89MB |
| │ │ ├─第10章：基于视频流水线的Opnecv缺陷检测项目.zip 13.96MB |
| │ │ ├─第11-12章：deeplab |
| │ │ │ ├─DeepLabV3Plus.zip 1.92GB |
| │ │ │ └─DeepLab.pdf 889.33KB |
| │ │ ├─第5章：Semi-supervised布料缺陷检测实战.zip 212.33MB |
| │ │ ├─第6-8章：Opencv各函数使用实例 |
| │ │ │ ├─第一部分notebook课件.zip 7.28MB |
| │ │ │ └─第二部分notebook课件.zip 1.29MB |
| │ │ └─第9章：基于Opencv缺陷检测项目实战.zip 11.38MB |
| │ ├─第一十五章 ??重识别实战 -1.#INDB |
| │ ├─第一十五章 第十三模块：强化学习实战 |
| │ │ ├─第1节：强化学习简介及其应用.pdf 923.75KB |
| │ │ ├─第2节：PPO算法与公式推导.pdf 1.07MB |
| │ │ ├─第3节：策略梯度实战-月球登陆器训练实例.zip 4.34MB |
| │ │ ├─第4节：DQN算法.pdf 1.63MB |
| │ │ ├─第5节：DQN算法实例演示.zip 2.3KB |
| │ │ ├─第7节：Actor-Critic算法分析(A3C).pdf 743.97KB |
| │ │ └─第8节：A3C算法玩转超级马里奥.zip 97.62MB |
| │ ├─第一十六章 对抗?成?络实战 -1.#INDB |
| │ ├─第一十六章 第十四模块：面向医学领域的深度学习实战 |
| │ │ ├─1-神经网络算法PPT |
| │ │ │ └─深度学习.pdf 10.34MB |
| │ │ ├─10-基于deeplab的心脏视频数据诊断分析 |
| │ │ │ └─基于deeplab的心脏视频数据诊断分析.zip 748.28MB |
| │ │ ├─11-YOLO系列物体检测算法原理解读 |
| │ │ │ ├─YOLOv4.pdf 4.03MB |
| │ │ │ └─YOLO.pdf 2.27MB |
| │ │ ├─12-基于YOLO5细胞检测实战 |
| │ │ │ └─基于YOLO5细胞检测实战.zip 584.81MB |
| │ │ ├─13-知识图谱原理解读 |
| │ │ │ └─知识图谱.pdf 2.34MB |
| │ │ ├─14-Neo4j数据库实战 |
| │ │ │ └─NEO4J.pdf 441.56KB |
| │ │ ├─15-基于知识图谱的医药问答系统实战 |
| │ │ │ ├─医药问答.zip 15.81MB |
| │ │ │ └─配置与安装.pdf 274.48KB |
| │ │ ├─16-词向量模型与RNN网络架构.zip 2.15MB |
| │ │ ├─17-医学糖尿病数据命名实体识别 |
| │ │ │ ├─eclipse-命名实体识别.zip 18.19MB |
| │ │ │ └─notebook-瑞金.zip 4.96MB |
| │ │ ├─2-PyTorch框架基本处理操作.zip 98.58MB |
| │ │ ├─3-PyTorch框架必备核心模块解读.zip 336.95MB |
| │ │ ├─4-基于Resnet的医学数据集分类实战 |
| │ │ │ ├─Resnet.pdf 382.92KB |
| │ │ │ └─基于Resnet的医学数据集分类实战.zip 461MB |
| │ │ ├─5-图像分割及其损失函数概述 |
| │ │ │ └─深度学习分割任务.pdf 1.33MB |
| │ │ ├─6-Unet系列算法讲解 |
| │ │ │ └─深度学习分割任务.pdf 1.33MB |
| │ │ ├─7-unet医学细胞分割实战 |
| │ │ │ ├─unet++.zip 409.6MB |
| │ │ │ └─新建文件夹 |
| │ │ ├─8-deeplab系列算法 |
| │ │ │ └─DeepLab.pdf 889.33KB |
| │ │ └─9-基于deeplabV3+版本进行VOC分割实战 |
| │ │ └─DeepLabV3Plus.zip 1.92GB |
| │ ├─第一十四章 缺陷检测实战 |
| │ │ ├─DeepLab铁质材料缺陷检测与开源项目应用流程.zip 3.58GB |
| │ │ ├─PyTorch基础 |
| │ │ │ ├─1-PyTorch框架基本处理操作.zip 98.58MB |
| │ │ │ ├─2-神经网络实战分类与回归任务.zip 15.82MB |
| │ │ │ └─3-图像识别核心模块实战解读.zip 336.95MB |
| │ │ ├─Resnet分类实战 |
| │ │ │ ├─Resnet.pdf 382.92KB |
| │ │ │ └─基于Resnet的医学数据集分类实战.zip 461MB |
| │ │ ├─第1-4章：YOLOV5缺陷检测 |
| │ │ │ ├─Defective_Insulators.zip 54.69MB |
| │ │ │ ├─NEU-DET.zip 26.68MB |
| │ │ │ ├─YOLO5.zip 469.64MB |
| │ │ │ └─YOLO新版.pdf 3.89MB |
| │ │ ├─第10章：基于视频流水线的Opnecv缺陷检测项目.zip 13.96MB |
| │ │ ├─第11-12章：deeplab |
| │ │ │ ├─DeepLabV3Plus.zip 1.92GB |
| │ │ │ └─DeepLab.pdf 889.33KB |
| │ │ ├─第5章：Semi-supervised布料缺陷检测实战.zip 212.33MB |
| │ │ ├─第6-8章：Opencv各函数使用实例 |
| │ │ │ ├─第一部分notebook课件.zip 7.28MB |
| │ │ │ └─第二部分notebook课件.zip 1.29MB |
| │ │ └─第9章：基于Opencv缺陷检测项目实战.zip 11.38MB |
| │ ├─第一十章 图神经?络实战 -1.#INDB |
| │ ├─第七章 图像分割实战 |
| │ │ ├─f112c9fda85536ee3eba662c9043e683.bat 70B |
| │ │ ├─mask-rcnn.pdf 1.16MB |
| │ │ ├─MaskRcnn网络框架源码详解.zip 1.14GB |
| │ │ ├─PyTorch框架基本处理操作.zip 98.58MB |
| │ │ ├─R(2+1)D网络.pdf 686.52KB |
| │ │ ├─图像识别核心模块实战解读.zip 336.95MB |
| │ │ ├─基于MASK-RCNN框架训练自己的数据与任务.zip 439.38MB |
| │ │ ├─基于Resnet的医学数据集分类实战 |
| │ │ │ ├─Resnet.pdf 382.92KB |
| │ │ │ └─基于Resnet的医学数据集分类实战.zip 461MB |
| │ │ ├─第1节：图像分割算法 |
| │ │ │ └─深度学习分割任务.pdf 1.33MB |
| │ │ ├─第2节：卷积网络 |
| │ │ │ └─深度学习.pdf 10.34MB |
| │ │ ├─第3节：Unet系列算法讲解 |
| │ │ │ └─深度学习分割任务.pdf 1.33MB |
| │ │ ├─第4节：unet医学细胞分割实战 |
| │ │ │ ├─unet++.zip 409.6MB |
| │ │ │ └─新建文件夹 |
| │ │ ├─第5节：U-2-Net.zip 636.25MB |
| │ │ ├─第6节：deeplab系列算法 |
| │ │ │ └─DeepLab.pdf 889.33KB |
| │ │ ├─第7节：基于deeplabV3+版本进行VOC分割实战 |
| │ │ │ └─DeepLabV3Plus.zip 1.92GB |
| │ │ └─第8节：基于deeplab的心脏视频数据诊断分析 |
| │ │ └─基于deeplab的心脏视频数据诊断分析.zip 748.28MB |
| │ ├─第三章 深度学习核?框架PyTorch -1.#INDB |
| │ ├─第九章 2022论?必备-Transformer实战系列 -1.#INDB |
| │ ├─第二十一章 ?然语?处理通?框架-BERT实战 -1.#INDB |
| │ ├─第二十三章 语?识别实战系列 -1.#INDB |
| │ ├─第二十二章 知识图谱实战系列 |
| │ │ ├─第1.2节：知识图谱介绍及其应用领域分析 |
| │ │ │ └─知识图谱.pdf 2.34MB |
| │ │ ├─第3节：Neo4j数据库实战 |
| │ │ │ └─NEO4J.pdf 441.56KB |
| │ │ ├─第4节：使用python操作neo4j实例 |
| │ │ │ └─python操作neo4j.zip 25.85KB |
| │ │ ├─第5节：基于知识图谱的医药问答系统实战 |
| │ │ │ ├─医药问答.zip 15.81MB |
| │ │ │ └─配置与安装.pdf 274.48KB |
| │ │ ├─第6节：文本关系抽取实践 |
| │ │ │ └─关系抽取.zip 740.57MB |
| │ │ ├─第7节：金融平台风控模型实践 |
| │ │ │ └─贷款风控特征工程.zip 1.95GB |
| │ │ └─第8节：医学糖尿病数据命名实体识别 |
| │ │ ├─eclipse-命名实体识别.zip 18.19MB |
| │ │ └─notebook-瑞金.zip 4.96MB |
| │ ├─第二十四章 推荐系统实战系列 |
| │ │ ├─第10节：基于统计分析的电影推荐 |
| │ │ │ └─电影推荐.zip 10.05MB |
| │ │ ├─第11节：补充-基于相似度的酒店推荐系统.zip 1.81MB |
| │ │ ├─第1节：推荐系统介绍.pdf 1.69MB |
| │ │ ├─第2节：协同过滤与矩阵分解.pdf 1.15MB |
| │ │ ├─第3节：音乐推荐系统实战 |
| │ │ │ └─Python实现音乐推荐系统 |
| │ │ │ └─Python实现音乐推荐系统.rar 507.16MB |
| │ │ ├─第4节：Neo4j数据库实例 |
| │ │ │ └─NEO4J.pdf 441.56KB |
| │ │ ├─第5节：基于知识图谱的电影推荐实战.zip 160.61MB |
| │ │ ├─第6节：FM与DeepFM算法.pdf 951.86KB |
| │ │ ├─第7节：DeepFM算法实战.zip 1.16MB |
| │ │ ├─第8节：推荐系统常用工具包演示.zip 129.35MB |
| │ │ └─第9节：基于文本数据的推荐实例.zip 254.77MB |
| │ ├─第二十章 ?然语?处理经典案例实战 -1.#INDB |
| │ ├─第五章 Opencv图像处理框架实战 |
| │ │ ├─源码资料 |
| │ │ │ ├─第10节：项目实战-文档扫描OCR识别.zip 44.94MB |
| │ │ │ ├─第13节：案例实战-全景图像拼接.zip 829.81KB |
| │ │ │ ├─第14节：项目实战-停车场车位识别.zip 111.34MB |
| │ │ │ ├─第15节：项目实战-答题卡识别判卷.zip 3.07MB |
| │ │ │ ├─第18节：Opencv的DNN模块.zip 49.62MB |
| │ │ │ ├─第19节：项目实战-目标追踪.zip 125.33MB |
| │ │ │ ├─第20节：卷积原理与操作.zip 24.79KB |
| │ │ │ ├─第21节：人脸关键点定位.zip 69.75MB |
| │ │ │ ├─第21节：项目实战-疲劳检测.zip 74.15MB |
| │ │ │ └─第9节：项目实战-信用卡数字识别.zip 548.1KB |
| │ │ └─课件 |
| │ │ ├─第11-12节notebook课件.zip 52.05MB |
| │ │ ├─第16-17节notebook课件.zip 9.37MB |
| │ │ └─第2-8节课件 |
| │ │ ├─第2-7节notebook课件.zip 7.28MB |
| │ │ └─第8节notebook课件.zip 1.29MB |
| │ ├─第八章 行为识别实战 |
| │ │ ├─1-slowfast算法知识点通俗解读.pdf 753.09KB |
| │ │ ├─4-基于3D卷积的视频分析与动作识别.zip 845.84MB |
| │ │ ├─5-视频异常检测算法与元学习.pdf 1.34MB |
| │ │ ├─6-视频异常检测CVPR2021论文及其源码解读.zip 243.76MB |
| │ │ ├─slowfast论文.pdf 1.63MB |
| │ │ ├─基础补充-PyTorch框架基本处理操作.zip 98.58MB |
| │ │ ├─基础补充-PyTorch框架必备核心模块解读.zip 336.95MB |
| │ │ └─基础补充-Resnet模型及其应用实例 |
| │ │ ├─Resnet.pdf 382.92KB |
| │ │ └─基于Resnet的医学数据集分类实战.zip 461MB |
| │ ├─第六章 综合项?-物体检测经典算法实战 -1.#INDB |
| │ └─第四章 MMLAB实战系列 |
| │ ├─mmaction2-master.zip 827.76MB |
| │ ├─mmclassification-master.zip 912MB |
| │ ├─mmdetection-master.zip 1.46GB |
| │ ├─mmdetection3d-1.0.0rc0.zip 395.05MB |
| │ ├─mmediting-master.zip 107.78MB |
| │ ├─mmgeneration-master.zip 746.81MB |
| │ ├─mmocr-main.zip 381.72MB |
| │ ├─mmrazor-master.zip 1GB |
| │ ├─mmsegmentation-0.20.2.zip 2.8GB |
| │ ├─MPViT-main.zip 924.77MB |
| │ └─ner.zip 121.6MB |
本站所有资源均来自网络，版权归原作者所有，本站仅提供收集与推荐，若侵犯到您的权益，请【给我们反馈】，我们将在24小时内处理！
聚资料（juziliao.com）免责声明：
1. 本站所有资源来源于用户上传和网络，如有侵权请邮件联系站长！（gm@juziliao.com）
2. 分享目的仅供大家学习和交流，请不要用于商业用途！如需商用请联系原作者购买正版！ 3.如有链接无法下载、失效或洽谈广告，请联系网站客服（微信：shangen0228）处理！
