迈向人工智能-深度学习论文精读》系列的一部分。在这节课中，我们将集中研究在深度学习发展历程中的关键时刻和里程碑式的工作。通过细致地研读相关学术论文，学员们将会深入了解包括但不限于经典CNN模型、Transformer及其变种架构，计算机视觉中的分类任务、目标检测与图像分割等内容以及神经网络优化、正则化技巧、评价指标等关键技术点，并对综合理论方向的综述性文章进行详细解析，提升自身的论文写作技能和表达创新思路的能力。这不仅仅是一门技术课程，它还引导学习者了解并应用最新的研究成果来解决实际问题，并进一步帮助学员们在国际期刊和会议上发表具有影响力的高质量学术研究。
1 初学者如何高效阅读论文.mp4
2 AlexNet横空出世.mp4
3 VGG.mp4
4 残差学习：ResNet.mp4
5 Transformer一作如何改进自注意力.mp4
6 EfficientViT-可在边缘计算设备上高效运行的ViT.mp4
7 【综述】视觉Transformer-SOTA与挑战.mp4
8 图像分割开创性工作：FCN.mp4
9 生物医学图像分割：U-Net.mp4
10 改进的U-Net-U-NetV2.mp4
11 改进的U-Net-U-Net++.mp4
12 目标检测开创性工作-R-CNN.mp4
13 R-CNN的升级版-Fast R-CNN.mp4
14 OPPO出品_用于显著目标检测-PSUNet.mp4
15 RetinaNet.mp4
16 网络优化器类型及优缺点.mp4
17 【综述】深度学习VS传统CV.mp4
18 ViT真的超越CNN了？.mp4
19 AnchorNet-减小图像空间 冗余度_加速图像分类推理.mp4
20 ImageNet数据集.mp4
21 GC-CLIP：改进CLIP zero-shot分类性能.mp4
22 SAM(Segment Anything Model).mp4
23 改进SAM-EfficientSAM.mp4
24 BLIP2-高效进行VLP.mp4
25 机器人中的GPT-4V(ision).mp4
26 能在iPhone12上运行的SAM-RepViTSAM.mp4
27 医疗设备上的大语言模型-SM70.mp4
28 大语言模型在电力系统中的应用.mp4
29 Segment and Track Anything.mp4
30 MAE-以自监督范式训练ViT.mp4
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！
