深度之眼-cv论文金卡
└──深度之眼-cv论文金卡
| ├──01 Python · AI&数据科学入门》02、第一章 绪论和环境配置.mp456.30M
| ├──01 Python · AI&数据科学入门》03、【作业讲解】第一章：助教实际演示配置环境过程.mp455.67M
| ├──01 Python · AI&数据科学入门》04、第二章 Python 基本语法元素.mp4127.54M
| ├──01 Python · AI&数据科学入门》05、【作业讲解】第二章：Python基本语法元素.mp488.21M
| ├──01 Python · AI&数据科学入门》06、第三章 基本数据类型.mp487.49M
| ├──01 Python · AI&数据科学入门》07、【作业讲解】第三章：基本数据类型.mp486.84M
| ├──01 Python · AI&数据科学入门》08、第四章 组合数据类型.mp496.37M
| ├──01 Python · AI&数据科学入门》09、【作业讲解】第四章：复杂数据类型.mp4108.30M
| ├──01 Python · AI&数据科学入门》10、第五章 程序控制结构.mp482.76M
| ├──01 Python · AI&数据科学入门》11、【作业讲解】第五章：程序控制结构.mp434.66M
| ├──01 Python · AI&数据科学入门》12、第六章 函数-面向过程的编程.mp4129.58M
| ├──01 Python · AI&数据科学入门》13、【作业讲解】第六章：函数.mp459.97M
| ├──01 Python · AI&数据科学入门》14、第七章 类-面向对象的编程.mp490.50M
| ├──01 Python · AI&数据科学入门》15、【作业讲解】第七章：类.mp440.58M
| ├──01 Python · AI&数据科学入门》16、第八章 文件、异常和模块.mp4131.24M
| ├──01 Python · AI&数据科学入门》17、【作业讲解】第八章：文件、异常和模块.mp413.59M
| ├──01 Python · AI&数据科学入门》18、第九章 有益的探索.mp4134.18M
| ├──01 Python · AI&数据科学入门》19、【作业讲解】第九章：有益的探索.mp441.17M
| ├──01 Python · AI&数据科学入门》20、第十章 Python标准库.mp496.20M
| ├──01 Python · AI&数据科学入门》21、【作业讲解】第十章：Python标准库.mp425.75M
| ├──01 Python · AI&数据科学入门》22、第十一章 科学计算库—Numpy应用.mp490.57M
| ├──01 Python · AI&数据科学入门》23、【作业讲解】第十一章：Numpy库.mp436.48M
| ├──01 Python · AI&数据科学入门》24、第十二章 Pandas库.mp4174.42M
| ├──01 Python · AI&数据科学入门》25、【作业讲解】第十二章：Pandas库.mp453.98M
| ├──01 Python · AI&数据科学入门》26、第十三章 Matplotlib.mp4130.12M
| ├──01 Python · AI&数据科学入门》27、【作业讲解】第十三章：Matplotlib.mp470.41M
| ├──01 Python · AI&数据科学入门》28、第十四章 Sklearn常规用法.mp466.70M
| ├──01 Python · AI&数据科学入门》29、【作业讲解】第十四章：Sklearn常规用法.mp479.44M
| ├──01 Python · AI&数据科学入门》30、第十五章 再谈编程.mp474.20M
| ├──02 PyTorch》02、【必看】深入浅出PyTorch.mp482.18M
| ├──02 PyTorch》03、【第一周】PyTorch简介与安装.mp494.62M
| ├──02 PyTorch》04、【第一周】补充-pytorch开发环境安装.mp4267.86M
| ├──02 PyTorch》05、【第一周】张量简介与创建.mp462.19M
| ├──02 PyTorch》06、【第一周】张量操作与线性回归.mp480.82M
| ├──02 PyTorch》07、【第一周】计算图与动态图机制.mp451.20M
| ├──02 PyTorch》08、【第一周】autograd与逻辑回归.mp478.88M
| ├──02 PyTorch》09、【第一周】作业讲解1.mp454.05M
| ├──02 PyTorch》10、【第一周】作业讲解2.mp444.61M
| ├──02 PyTorch》11、【第一周】作业讲解3.mp442.96M
| ├──02 PyTorch》12、【第二周】数据读取机制Dataloader与Dataset.mp484.08M
| ├──02 PyTorch》13、【第二周】数据预处理transforms模块机制.mp477.62M
| ├──02 PyTorch》14、【第二周】二十二种transforms数据预处理方法.mp4189.32M
| ├──02 PyTorch》15、【第二周】学会自定义transforms方法.mp4188.34M
| ├──02 PyTorch》16、【第二周】作业讲解.mp4123.54M
| ├──02 PyTorch》17、【第三周】模型创建步骤与nn.Module.mp491.30M
| ├──02 PyTorch》18、【第三周】模型容器与AlexNet构建.mp4103.67M
| ├──02 PyTorch》19、【第三周】nn网络层-卷积层.mp4107.00M
| ├──02 PyTorch》20、【第三周】nn网络层-池化-线性-激活函数层.mp477.72M
| ├──02 PyTorch》21、【第三周】作业讲解.mp4115.27M
| ├──02 PyTorch》22、【第四周】权值初始化.mp486.17M
| ├──02 PyTorch》23、【第四周】损失函数（一）.mp4138.29M
| ├──02 PyTorch》24、【第四周】损失函数(二).mp4140.93M
| ├──02 PyTorch》25、【第四周】优化器optimizer的概念.mp484.91M
| ├──02 PyTorch》26、【第四周】torch.optim.SGD.mp497.38M
| ├──02 PyTorch》27、【第四周】作业讲解.mp457.98M
| ├──02 PyTorch》28、【第五周】学习率调整策略.mp4123.64M
| ├──02 PyTorch》29、【第五周】TensorBoard简介与安装.mp463.02M
| ├──02 PyTorch》30、【第五周】TensorBoard使用（一）.mp4112.49M
| ├──02 PyTorch》31、【第五周】TensorBoard使用（二）.mp4169.77M
| ├──02 PyTorch》32、【第五周】hook函数与CAM可视化.mp4125.45M
| ├──02 PyTorch》33、【第五周】作业讲解.mp495.74M
| ├──02 PyTorch》34、【第六周】正则化之weight_decay.mp478.38M
| ├──02 PyTorch》35、【第六周】Batch Normalization.mp4108.67M
| ├──02 PyTorch》36、【第六周】Normalizaiton_layers.mp474.22M
| ├──02 PyTorch》37、【第六周】正则化之Dropout.mp480.24M
| ├──02 PyTorch》38、【第六周】作业讲解.mp472.29M
| ├──02 PyTorch》39、【第七周】模型保存与加载.mp468.63M
| ├──02 PyTorch》40、【第七周】模型finetune.mp492.28M
| ├──02 PyTorch》41、【第七周】GPU的使用.mp486.90M
| ├──02 PyTorch》42、【第七周】PyTorch常见报错.mp485.01M
| ├──02 PyTorch》43、【第七周】作业讲解.mp444.14M
| ├──02 PyTorch》44、【第八周】图像分类一瞥.mp4114.15M
| ├──02 PyTorch》45、【第八周】图像分割一瞥.mp4161.38M
| ├──02 PyTorch》46、【第八周】图像目标检测一瞥（上）.mp4102.09M
| ├──02 PyTorch》47、【第八周】图像目标检测一瞥（下）.mp4264.10M
| ├──02 PyTorch》48、【第九周】生成对抗网络一瞥.mp4138.21M
| ├──02 PyTorch》49、【第九周】循环神经网络一瞥.mp491.13M
| ├──03 数学基础》02、【第一章】-1 导读课.mp431.50M
| ├──03 数学基础》03、【第一章】-2 矩阵的基本概念和运算性质.mp4109.76M
| ├──03 数学基础》04、【第一章】-3 矩阵的逆，转置和对称转置.mp4167.52M
| ├──03 数学基础》05、【第一章】-4 行列式的计算.mp4119.10M
| ├──03 数学基础》06、【第一章】-5 特殊矩阵的行列式与行列式的性质.mp4144.49M
| ├──03 数学基础》07、【第一章】-6 行列式按行列展开，代数余子式.mp4121.43M
| ├──03 数学基础》08、【第一章】-7 行列式的应用：克莱姆法则.mp428.23M
| ├──03 数学基础》09、【第一章】-8 矩阵的逆的引入.mp4162.30M
| ├──03 数学基础》10、【第一章】-9 常用矩阵性质与特殊矩阵的逆.mp4106.25M
| ├──03 数学基础》11、【第一章】-10 分块矩阵.mp488.03M
| ├──03 数学基础》12、【第二章】-1 初等变换引入+三种矩阵初等变换以及三种初等矩阵以及矩阵标准型.mp4210.17M
| ├──03 数学基础》13、【第二章】-2 初等变换的性质以及逆矩阵的另一种简单求法.mp475.13M
| ├──03 数学基础》14、【第二章】-3 矩阵秩的定义和性质以及线性方程组解的个数.mp4202.56M
| ├──03 数学基础》15、【第二章】-4 矩阵的秩在线性回归算法中的应用.mp483.85M
| ├──03 数学基础》16、【第二章】-5 向量的线性相关线性无关于可逆矩阵的关系+向量的内积范数正交规范正交基.mp4191.64M
| ├──03 数学基础》17、【第二章】-6 施密特规范正交化+特征值特征向量定义直观意义+特征值特征向量求法与常用性质.mp4132.53M
| ├──03 数学基础》18、【第二章】-7 施密特规范正交化+特征值特征向量定义直观意义+特征值特征向量求法与常用性质.mp4179.67M
| ├──03 数学基础》19、【第二章】-8 相似矩阵以及矩阵对角化+矩阵对角化的条件以及对称矩阵的对角化.mp4175.95M
| ├──03 数学基础》20、【第二章】-9对角化在压缩算法的应用+二次型矩阵正定性+矩阵正定性在线性回归算法应用（上）.mp498.97M
| ├──03 数学基础》21、【第二章】-10对角化在压缩算法应用+二次型矩阵正定性+矩阵正定性在线性回归算法应用（下）.mp4107.97M
| ├──03 数学基础》22、【第二章】-11 SVD分解的应用.mp4199.90M
| ├──03 数学基础》23、【第三章】-1 常用函数的导数以及到导数的常用公式，复合函数求导.mp4203.18M
| ├──03 数学基础》24、【第三章】-2 中值定理&洛必达法则&泰勒公式及应用.mp4187.34M
| ├──03 数学基础》25、【第三章】-3 函数的凹凸性&函数的极值.mp4155.15M
| ├──03 数学基础》26、【第三章】-4 不定积分.mp4100.45M
| ├──03 数学基础》27、【第三章】-5 定积分.mp4109.09M
| ├──03 数学基础》28、【第三章】-6 偏导数&多元函数复合求导法则链式求导法则.mp4170.78M
| ├──03 数学基础》29、【第三章】-7 方向导数与梯度及其应用.mp4177.51M
| ├──03 数学基础》30、【第三章】-8 多元函数泰勒公式与海森矩阵&多元函数的极值.mp4126.15M
| ├──03 数学基础》31、【第三章】-9 矩阵的求导.mp4156.04M
| ├──03 数学基础》32、【第三章】-10 矩阵的求导在深度学习中的应用.mp4167.29M
| ├──03 数学基础》33、【第四章-上】-1 随机实验样本空间随机事件&概率的定义&条件概率与乘法公式.mp4173.84M
| ├──03 数学基础》34、【第四章-上】-2 全概率公式与贝叶斯公式及应用&独立性.mp4126.70M
| ├──03 数学基础》35、【第四章-上】-3 随机变量与多维随机变量.mp4180.23M
| ├──03 数学基础》36、【第四章-上】-4 期望与方差（上）.mp4160.56M
| ├──03 数学基础》37、【第四章-上】-5 期望与方差（下）.mp466.65M
| ├──03 数学基础》38、【第四章-上】-6 参数的估计.mp4186.49M
| ├──03 数学基础》39、【第四章-下】-1 无约束最优化梯度下降.mp4180.65M
| ├──03 数学基础》40、【第四章-下】-2 无约束最优化牛顿法.mp4161.44M
| ├──03 数学基础》41、【第四章-下】-3 约束最优化.mp4139.00M
| ├──04 神经网络基础知识》02、01-神经网络基础与多层感知机-0.mp484.74M
| ├──04 神经网络基础知识》03、01-神经网络基础与多层感知机-1.mp457.53M
| ├──04 神经网络基础知识》04、01-神经网络基础与多层感知机-2.mp462.01M
| ├──04 神经网络基础知识》05、01-神经网络基础与多层感知机-3.mp430.79M
| ├──04 神经网络基础知识》06、01-神经网络基础与多层感知机-4.mp486.75M
| ├──04 神经网络基础知识》07、02-卷积神经网络-0.mp464.38M
| ├──04 神经网络基础知识》08、02-卷积神经网络-1.mp4153.24M
| ├──04 神经网络基础知识》09、02-卷积神经网络-2.mp449.02M
| ├──04 神经网络基础知识》10、03-循环神经网络-0.mp445.01M
| ├──04 神经网络基础知识》11、03-循环神经网络-1.mp480.12M
| ├──04 神经网络基础知识》12、03-循环神经网络-2.mp457.90M
| ├──05 NLP基础知识》02、1-1 前言..mp4181.87M
| ├──05 NLP基础知识》03、1-2 研究方向概述..mp4142.59M
| ├──05 NLP基础知识》04、2-1 预备知识..mp482.84M
| ├──05 NLP基础知识》05、2-2 NLP问题中的特征..mp485.13M
| ├──05 NLP基础知识》06、2-3 特征输入..mp4152.25M
| ├──05 NLP基础知识》07、2-4 文本的向量化表示与案例实现..mp4120.55M
| ├──05 NLP基础知识》08、3-1 统计语言模型简介与案例实现..mp4279.29M
| ├──05 NLP基础知识》09、3-2 语言模型任务评估..mp4106.57M
| ├──05 NLP基础知识》10、3-3 神经语言模型简介与代码实现..mp4340.85M
| ├──05 NLP基础知识》11、3-4 预训练的词表示及其使用实例..mp4143.40M
| ├──05 NLP基础知识》12、4-1 word2vec原理..mp4159.83M
| ├──05 NLP基础知识》13、4-2 word2vec代码复现..mp4409.43M
| ├──05 NLP基础知识》14、4-3 word2vec项目实战展示..mp4213.51M
| ├──05 NLP基础知识》15、4-4 BERT使用实战讲解..mp4247.82M
| ├──05 NLP基础知识》16、4-5 MLP模型与实战..mp4204.34M
| ├──05 NLP基础知识》17、4-6 RNN模型原理、代码复现与实战..mp4339.35M
| ├──05 NLP基础知识》18、5-1 HMM序列标注..mp471.02M
| ├──05 NLP基础知识》19、5-2 HMM模型简介..mp4130.72M
| ├──05 NLP基础知识》20、5-3 HMM样本生成..mp4166.83M
| ├──05 NLP基础知识》21、5-4 HMM训练..mp490.57M
| ├──05 NLP基础知识》22、5-5 HMM预测..mp4127.18M
| ├──05 NLP基础知识》23、5-6 HMM代码实现..mp4287.92M
| ├──06 OpenCV 图像基础》02、1-1图像基础知识.mp430.28M
| ├──06 OpenCV 图像基础》03、1-2图像基础知识.mp431.75M
| ├──06 OpenCV 图像基础》04、1-3图像基础知识.mp479.05M
| ├──06 OpenCV 图像基础》05、1-4图像基础知识.mp469.23M
| ├──06 OpenCV 图像基础》06、2-1图像基本处理.mp470.23M
| ├──06 OpenCV 图像基础》07、2_2图像基本处理.mp457.42M
| ├──06 OpenCV 图像基础》08、2_3图像基本处理.mp489.11M
| ├──06 OpenCV 图像基础》09、2_4图像基本处理.mp493.06M
| ├──06 OpenCV 图像基础》10、2_5图像基本操作_图像滤波.mp4131.86M
| ├──06 OpenCV 图像基础》11、2_6图像基本操作_图像增强.mp4112.25M
| ├──06 OpenCV 图像基础》12、2-7形态学操作_腐蚀..mp470.34M
| ├──06 OpenCV 图像基础》13、2_8形态学操作_膨胀开运算与闭运算.mp4113.78M
| ├──06 OpenCV 图像基础》14、3_1固定阈值分割.mp462.94M
| ├──06 OpenCV 图像基础》15、3_2自动阈值分割.mp481.72M
| ├──06 OpenCV 图像基础》16、3_3边缘检测算子.mp4104.41M
| ├──06 OpenCV 图像基础》17、3_4连通区域_区域生长算法.mp474.81M
| ├──06 OpenCV 图像基础》18、3_5分水岭算法图像分割.mp471.51M
| ├──06 OpenCV 图像基础》19、4_1特征描述_HOG.mp474.56M
| ├──06 OpenCV 图像基础》20、4_2特征描述Harris和SIFT算法.mp446.85M
| ├──06 OpenCV 图像基础》21、4_3纹理特征LBP算法.mp494.09M
| ├──06 OpenCV 图像基础》22、4_4模板匹配算法.mp485.09M
| ├──06 OpenCV 图像基础》23、4_5人脸检测算法.mp4108.05M
| ├──06 OpenCV 图像基础》24、5_1摄像头调用和视频的读取保存.mp4208.81M
| ├──06 OpenCV 图像基础》25、5_2帧差法视频目标识别.mp4108.21M
| ├──06 OpenCV 图像基础》26、5_3光流法和背景减除法..mp4132.00M
| ├──12 CV-transformer》02、6-16 CV transformer 体验课直播回放.mp4547.89M
| ├──12 CV-transformer》03、6-17 CV-transformer 直播回放.mp41.15G
| ├──12 CV-transformer》04、【6月25日】CV-transformer VIT论文讲解.mp4987.18M
| ├──12 CV-transformer》05、【6月27日】CV-transformer VIT代码详解.mp4460.46M
| ├──12 CV-transformer》06、【7月1日】CV-transformer PVT论文详解.mp4606.54M
| ├──12 CV-transformer》07、【7月4日】CV-transformer PVT代码详解.mp4586.54M
| ├──12 CV-transformer》08、【7月8日】CV-transformer Swin Transformer论文详解.mp4504.65M
| ├──12 CV-transformer》09、【7月11日】CV-transformer Swin Transformer代码详解.mp4548.29M
| ├──12 CV-transformer》10、【7月15日】CV-transformer DETR 论文详解.mp4408.89M
| ├──12 CV-transformer》11、【7月18日】CV-transformer DETR代码讲解.mp4311.47M
| ├──12 CV-transformer》12、【7月22日】CV-transformer Deformable DETR论文详解.mp4399.77M
| ├──12 CV-transformer》13、【7月25日】CV-transformer Deformable DETR代码详解.mp4608.41M
| ├──12 CV-transformer》14、【7月29日】CV-transformer Sparse R-CNN论文详解.mp4376.19M
| ├──12 CV-transformer》15、【8月1日】CV-transformer Sparse R-CNN代码详解.mp4613.15M
| ├──12 CV-transformer》16、【12月1日】Vit-论文讲解.mp4287.19M
| ├──12 CV-transformer》17、【12月5日】Vit-代码详解.mp4478.34M
| ├──12 CV-transformer》18、【12月8日】PVT-论文讲解.mp4315.99M
| ├──12 CV-transformer》19、【12月12日】PVT-代码详解.mp4545.54M
| ├──12 CV-transformer》20、【12月22日】Swin Transformer论文讲解.mp4551.14M
| ├──12 CV-transformer》21、【12月26日】Swin Transformer-代码详解.mp4681.36M
| ├──12 CV-transformer》22、【12月29日】Swin Transformer-代码详解.mp4683.09M
| ├──12 CV-transformer》23、【1月5日】pretrain小型专题（上）.mp4602.12M
| ├──12 CV-transformer》24、【1月9日】pretrain小型专题（下）.mp4579.14M
| ├──12 CV-transformer》25、【1月12日】DETR-论文讲解.mp4640.14M
| ├──12 CV-transformer》26、【1月16日】DETR-代码讲解.mp4855.37M
| ├──12 CV-transformer》27、【1月19日】Deformable detr论文讲解.mp4604.15M
| ├──12 CV-transformer》28、【1月26日】Deformable detr-代码讲解.mp4917.48M
| ├──12 CV-transformer》29、【2月9日】sparse rcnn-论文讲解.mp4710.72M
| ├──12 CV-transformer》30、【2月13日】sparse rcnn-代码讲解.mp4769.57M
| ├──12 CV-transformer》31、【2月16日】convnext-论文讲解.mp4810.56M
| ├──12 CV-transformer》32、【2月20日】convnext-代码详解.mp4664.20M
| ├──12 CV-transformer》33、【2月23日】maskformer-论文讲解.mp4622.04M
| ├──12 CV-transformer》34、【2月27日】maskformer-代码复现.mp41015.76M
| ├──13 CV-人脸识别》02、1.1 特征脸识别-人脸识别背景介绍.mp4109.04M
| ├──13 CV-人脸识别》03、1.2 特征脸识别-论文研究背景成果以及意义.mp478.72M
| ├──13 CV-人脸识别》04、1.3 特征脸识别-论文泛读摘要部分.mp4131.86M
| ├──13 CV-人脸识别》05、1.4 特征脸识别-论文泛读介绍部分.mp481.39M
| ├──13 CV-人脸识别》06、1.5 特征脸识别-论文泛读相关工作部分.mp4100.49M
| ├──13 CV-人脸识别》07、1.6 特征脸识别-论文精读PCA补充.mp4133.72M
| ├──13 CV-人脸识别》08、1.7 特征脸识别-论文精读特征脸计算上.mp4245.61M
| ├──13 CV-人脸识别》09、1.8 特征脸识别-论文精读特征脸计算中.mp4162.81M
| ├──13 CV-人脸识别》10、1.9 特征脸识别-论文精读特征脸计算下.mp4267.53M
| ├──13 CV-人脸识别》11、1.10 特征脸识别-代码讲解pca计算.mp4118.07M
| ├──13 CV-人脸识别》12、1.11 特征脸识别-代码讲解特征提取以及人脸重构.mp478.57M
| ├──13 CV-人脸识别》13、1.12 特征脸识别-代码讲解人脸分类之最短距离方法.mp477.75M
| ├──13 CV-人脸识别》14、1.13 特征脸识别-代码讲解人脸分类之SVM方法.mp468.57M
| ├──13 CV-人脸识别》15、1.14 特征脸识别-代码讲解人脸分类之神经网络方法.mp4153.78M
| ├──13 CV-人脸识别》16、1.15 特征脸识别-论文总结.mp428.74M
| ├──13 CV-人脸识别》17、2.1 Deep id-研究背景以及意义.mp4193.70M
| ├──13 CV-人脸识别》18、2.2Deep id-摘要.mp4235.27M
| ├──13 CV-人脸识别》19、2.3 Deep id-介绍.mp4529.24M
| ├──13 CV-人脸识别》20、2.4 Deep id-相关工作.mp4284.44M
| ├──13 CV-人脸识别》21、2.5 Deep id-卷积计算补充.mp4130.67M
| ├──13 CV-人脸识别》22、2.6 Deep id-网络架构部分精读.mp4533.28M
| ├──13 CV-人脸识别》23、2.7 deepid实验上.mp4420.81M
| ├──13 CV-人脸识别》24、2.8 deepid实验中.mp4316.20M
| ├──13 CV-人脸识别》25、2.9 deepid实验下.mp4638.45M
| ├──13 CV-人脸识别》26、2.10 deepid实验下2.mp4313.94M
| ├──13 CV-人脸识别》27、2.11 Deep id-联合贝叶斯算法推导上.mp4261.44M
| ├──13 CV-人脸识别》28、2.12 Deep id-联合贝叶斯算法推导下.mp4291.88M
| ├──13 CV-人脸识别》29、2.13 Deep id-联合贝叶斯实验上.mp4533.23M
| ├──13 CV-人脸识别》30、2.14 Deep id-联合贝叶斯实验下.mp4124.72M
| ├──13 CV-人脸识别》31、2.15 Deep id-论文总结.mp4122.30M
| ├──13 CV-人脸识别》32、3.1 FaceNet-研究意义背景介绍.mp4155.97M
| ├──13 CV-人脸识别》33、3.2 FaceNet-摘要.mp4196.56M
| ├──13 CV-人脸识别》34、3.3 FaceNet-介绍.mp4515.20M
| ├──13 CV-人脸识别》35、3.4 FaceNet-相关工作和总结预告.mp4325.34M
| ├──13 CV-人脸识别》36、3.5 FaceNet-TripletLoss讲解与推导.mp4330.86M
| ├──13 CV-人脸识别》37、3.6 FaceNet-TripletSelection讲解.mp4456.15M
| ├──13 CV-人脸识别》38、3.7 FaceNet-网络架构.mp4719.06M
| ├──13 CV-人脸识别》39、3.8 FaceNet-实验part1.mp4569.59M
| ├──13 CV-人脸识别》40、3.9 FaceNet-实验part2.mp4481.62M
| ├──13 CV-人脸识别》41、3.10 FaceNet-实验part3.mp4225.49M
| ├──13 CV-人脸识别》42、3.11 FaceNet-实验part4_总结.mp4401.74M
| ├──13 CV-人脸识别》43、4.1 Center Loss-研究成果以及意义.mp4237.99M
| ├──13 CV-人脸识别》44、4.2 Center Loss-摘要以及介绍.mp4716.17M
| ├──13 CV-人脸识别》45、4.3 Center Loss-相关工作以及总结预告.mp4116.32M
| ├──13 CV-人脸识别》46、4.4 centerloss推导part1.mp4461.27M
| ├──13 CV-人脸识别》47、4.5 centerloss推导part2.mp4532.08M
| ├──13 CV-人脸识别》48、4.6 Center Loss-实验讲解part1.mp4400.21M
| ├──13 CV-人脸识别》49、4.7 Center Loss-实验讲解part2.mp4549.98M
| ├──13 CV-人脸识别》50、4.8 Center Loss-结果分析以及总结.mp4527.02M
| ├──13 CV-人脸识别》51、5.1 L-Softmax Loss-研究背景以及意义.mp4129.16M
| ├──13 CV-人脸识别》52、5.2 L-Softmax Loss-论文泛读和介绍.mp4785.71M
| ├──13 CV-人脸识别》53、5.3 L-Softmax Loss-相关工作.mp4205.03M
| ├──13 CV-人脸识别》54、5.4 Lsoftmax推导part1.mp4450.67M
| ├──13 CV-人脸识别》55、5.5 Lsoftmax推导part2.mp4385.88M
| ├──13 CV-人脸识别》56、5.6 Lsoftmax推导part3.mp4335.83M
| ├──13 CV-人脸识别》57、5.7 Lsoftmax推导part4.mp4357.44M
| ├──13 CV-人脸识别》58、5.8 L-Softmax Loss-实验part1.mp4306.57M
| ├──13 CV-人脸识别》59、5.9 L-Softmax Loss-实验part2.mp4728.68M
| ├──13 CV-人脸识别》60、5.10 L-Softmax Loss-结果分析与总结.mp4630.11M
| ├──13 CV-人脸识别》61、6.1 SphereFace-研究背景成果意义.mp459.48M
| ├──13 CV-人脸识别》62、6.2 SphereFace-摘要和介绍.mp4477.35M
| ├──13 CV-人脸识别》63、6.3 SphereFace-相关工作.mp4140.95M
| ├──13 CV-人脸识别》64、6.4 SphereFace-ASotfmax详解_part1.mp4343.00M
| ├──13 CV-人脸识别》65、6.5 SphereFace-ASoftmax详解_part2.mp4209.21M
| ├──13 CV-人脸识别》66、6.6 SphereFace-Asoftmax详解_part3.mp4128.18M
| ├──13 CV-人脸识别》67、6.7 SphereFace-实验代码讲解.mp4163.93M
| ├──13 CV-人脸识别》68、6.8 SphereFace-结果分析与总结.mp4342.66M
| ├──13 CV-人脸识别》69、7.1 CosFace-研究背景以及意义.mp482.98M
| ├──13 CV-人脸识别》70、7.2 CosFace-摘要以及介绍.mp4569.19M
| ├──13 CV-人脸识别》71、7.3 CosFace-相关工作.mp4255.58M
| ├──13 CV-人脸识别》72、7.4 CosFace-LMCL详细推导_part1.mp4592.57M
| ├──13 CV-人脸识别》73、7.5 CosFace-LMCL详细推导_part2.mp4503.29M
| ├──13 CV-人脸识别》74、7.6 CosFace-LMCL详细推导_part3.mp4520.52M
| ├──13 CV-人脸识别》75、7.7 CosFace-实验代码讲解.mp41.03G
| ├──13 CV-人脸识别》76、7.8 CosFace-结果分析与总结.mp4579.86M
| ├──13 CV-人脸识别》77、【11月13日】arcface-论文泛读+精读.mp4466.51M
| ├──13 CV-人脸识别》78、【11月14日】arcface-代码复现.mp4567.36M
| ├──13 CV-人脸识别》79、【11月20日】magface-论文泛读+精读.mp4577.28M
| ├──13 CV-人脸识别》80、【11月21日】magface-代码讲解.mp4476.02M
| ├──14 CV-三维重建》02、1.1 3DMM-摘要.mp4222.86M
| ├──14 CV-三维重建》03、1.2 3DMM-介绍.mp4258.68M
| ├──14 CV-三维重建》04、1.3 3DMM-相关工作.mp4399.76M
| ├──14 CV-三维重建》05、1.4 3DMM-算法详细讲解_part1.mp4345.37M
| ├──14 CV-三维重建》06、1.5 3DMM-算法详细讲解_part2.mp4347.38M
| ├──14 CV-三维重建》07、1.6 3DMM-算法详细讲解_part3.mp4326.77M
| ├──14 CV-三维重建》08、1.7 3DMM-实验一_part1.mp4156.85M
| ├──14 CV-三维重建》09、1.8 3DMM-实验一_part2.mp4155.53M
| ├──14 CV-三维重建》10、1.9 3DMM-实验一_part3.mp4160.45M
| ├──14 CV-三维重建》11、1.10 3DMM-实验一_part4.mp4107.09M
| ├──14 CV-三维重建》12、1.11 3DMM-实验二_part1.mp4171.91M
| ├──14 CV-三维重建》13、1.12 3DMM-实验二_part2.mp4218.35M
| ├──14 CV-三维重建》14、1.13 3DMM-实验二_part3.mp4149.55M
| ├──14 CV-三维重建》15、1.14 3DMM-实验二_part4.mp4220.17M
| ├──14 CV-三维重建》16、2.1 Nolinear 3DMM-研究背景.mp4160.56M
| ├──14 CV-三维重建》17、2.2 Nolinear 3DMM-摘要介绍.mp4495.95M
| ├──14 CV-三维重建》18、2.3 Nolinear 3DMM-相关工作.mp4234.46M
| ├──14 CV-三维重建》19、2.4 Nolinear 3DMM-算法详细讲解_part1.mp4436.88M
| ├──14 CV-三维重建》20、2.5 Nolinear 3DMM-算法详细讲解_part2.mp4176.96M
| ├──14 CV-三维重建》21、2.6 Nolinear 3DMM-算法详解_part3.mp4453.84M
| ├──14 CV-三维重建》22、2.7 Nolinear 3DMM-实验结果分析_part1.mp4289.27M
| ├──14 CV-三维重建》23、2.8 Nolinear 3DMM-实验结果分析_part2.mp4129.19M
| ├──14 CV-三维重建》24、3.1 Nolinear 3DMM V2-论文泛读.mp4284.93M
| ├──14 CV-三维重建》25、3.2 Nolinear 3DMM V2-算法详解part_1.mp4339.65M
| ├──14 CV-三维重建》26、3.3 Nolinear 3DMM V2-算法详解part_2.mp4186.94M
| ├──14 CV-三维重建》27、3.4 Nolinear 3DMM V2-算法详解part_3.mp4355.22M
| ├──14 CV-三维重建》28、3.5 Nolinear 3DMM V2-实验part_1.mp4365.66M
| ├──14 CV-三维重建》29、3.6 Nolinear 3DMM V2-实验part_2.mp4285.80M
| ├──14 CV-三维重建》30、3.7 Nolinear 3DMM V2-实验part_3.mp4290.50M
| ├──14 CV-三维重建》31、3.8 Nolinear 3DMM V2-结果分析论文总结.mp4270.47M
| ├──14 CV-三维重建》32、4.1 3DDFA-摘要.mp4131.55M
| ├──14 CV-三维重建》33、4.2 3DDFA-介绍.mp4517.62M
| ├──14 CV-三维重建》34、4.3 3DDFA-相关工作.mp4538.86M
| ├──14 CV-三维重建》35、4.4 3DDFA-算法详细讲解part1.mp4366.62M
| ├──14 CV-三维重建》36、4.5 3DDFA-算法详细讲解part2.mp4327.65M
| ├──14 CV-三维重建》37、4.6 3DDFA-算法详细讲解part3.mp4440.07M
| ├──14 CV-三维重建》38、4.7 3DDFA-算法详细讲解part4.mp4321.25M
| ├──14 CV-三维重建》39、4.8 3DDFA-算法详细讲解part5.mp4252.77M
| ├──14 CV-三维重建》40、4.9 3DDFA-实验讲解part1.mp4317.29M
| ├──14 CV-三维重建》41、4.10 3DDFA-实验讲解part2.mp4213.96M
| ├──14 CV-三维重建》42、4.11 3DDFA-实验讲解part3.mp4201.21M
| ├──14 CV-三维重建》43、4.12 3DDFA-结果分析与总结.mp4299.68M
| ├──14 CV-三维重建》44、5.1摘要介绍.mp4429.18M
| ├──14 CV-三维重建》45、5.2 相关工作.mp4325.95M
| ├──14 CV-三维重建》46、5.3 算法详细讲解part1.mp4348.03M
| ├──14 CV-三维重建》47、5.4 算法详细讲解part2.mp4247.69M
| ├──14 CV-三维重建》48、5.5 算法详细讲解part3.mp4276.60M
| ├──14 CV-三维重建》49、5.6 实验详解part1.mp4405.39M
| ├──14 CV-三维重建》50、5.7 实验详解part2.mp4343.89M
| ├──14 CV-三维重建》51、5.8 实验详解part3.mp4188.11M
| ├──14 CV-三维重建》52、5.9 结果与总结.mp4351.40M
| ├──14 CV-三维重建》53、6.1 论文泛读.mp4300.19M
| ├──14 CV-三维重建》54、6.2 算法详细讲解.mp4303.23M
| ├──14 CV-三维重建》55、6.3 实验讲解.mp4362.48M
| ├──14 CV-三维重建》56、6.4 总结.mp4115.11M
| ├──14 CV-三维重建》57、7.1 论文泛读part1.mp4267.55M
| ├──14 CV-三维重建》58、7.2 论文泛读part2.mp473.16M
| ├──14 CV-三维重建》59、7.3 算法详解part1.mp4256.81M
| ├──14 CV-三维重建》60、7.4 算法详解part2.mp4202.73M
| ├──14 CV-三维重建》61、7.5 实验讲解part1.mp4255.83M
| ├──14 CV-三维重建》62、7.6 实验讲解part2.mp481.27M
| ├──14 CV-三维重建》63、8.1 论文泛读.mp4216.90M
| ├──14 CV-三维重建》64、8.2 算法详细讲解.mp4313.78M
| ├──14 CV-三维重建》65、8.3 实验讲解.mp4185.07M
| ├──1.1 项目介绍.mp45.08M
| ├──01 多模态-baseline》02、1.1 CLIP-论文泛读（体验课直播回放）.mp4222.47M
| ├──01 多模态-baseline》03、1.2 CLIP-论文精读（体验课直播回放）.mp4337.38M
| ├──01 多模态-baseline》04、1.3 CLIP-代码复现.mp4147.58M
| ├──01 多模态-baseline》05、2.1 Deep Visual-Semanti-论文泛读.mp4348.71M
| ├──01 多模态-baseline》06、2.2 Deep Visual-Semanti-论文精读1.mp4266.69M
| ├──01 多模态-baseline》07、2.3 Deep Visual-Semanti-论文精读2.mp4227.01M
| ├──01 多模态-baseline》08、2.4 Deep Visual-Semanti-代码复现1.mp419.41M
| ├──01 多模态-baseline》09、2.5 Deep Visual-Semanti-代码复现2.mp496.94M
| ├──01 多模态-baseline》10、2.6 Deep Visual-Semanti-代码复现3.mp4162.24M
| ├──01 多模态-baseline》11、3.1 Show and Tell-论文泛读.mp4266.81M
| ├──01 多模态-baseline》12、3.2 Show and Tell-论文精读.mp4154.98M
| ├──01 多模态-baseline》15、3.3 Show and Tell-代码复现.mp464.21M
| ├──强化学习基础知识》02、01-基础知识.mp4125.95M
| ├──强化学习基础知识》03、02-MC-part1.mp428.98M
| ├──强化学习基础知识》04、02-MC-part2.mp457.04M
| ├──强化学习基础知识》05、02-MC-part3.mp448.07M
| ├──强化学习基础知识》06、03-TD-part1.mp441.97M
| ├──强化学习基础知识》07、03-TD-part2.mp456.18M
| ├──强化学习基础知识》08、03-TD-part3.mp4110.20M
| ├──强化学习》01、强化学习1期第1次答疑直播.mp4275.14M
| ├──强化学习》03、强化学习开营直播.mp41.71G
| ├──强化学习》04、01DQN-01-论文泛读开场白.mp429.07M
| ├──强化学习》05、01DQN-02-研究背景及意义.mp432.09M
| ├──强化学习》06、01DQN-03-背景知识补充.mp416.70M
| ├──强化学习》07、01DQN-04-论文泛读.mp485.97M
| ├──强化学习》08、01DQN-05-泛读总结及下节预告.mp410.35M
| ├──强化学习》09、01DQN-06-论文精读开场白.mp419.63M
| ├──强化学习》100、07DDPG-01-开场白.mp421.41M
| ├──强化学习》101、07DDPG-02-研究背景成果和意义.mp48.72M
| ├──强化学习》102、07DDPG-03-背景知识补充.mp47.47M
| ├──强化学习》103、07DDPG-04-论文泛读.mp4170.87M
| ├──强化学习》104、07DDPG-05-本节回顾下节预告.mp47.94M
| ├──强化学习》105、07DDPG-06-论文精读结构.mp414.06M
| ├──强化学习》106、07DDPG-07-从DQN到DDPG.mp468.79M
| ├──强化学习》107、07DDPG-08-网络结构.mp4148.33M
| ├──强化学习》108、07DDPG-09-DDPG核心思想.mp439.64M
| ├──强化学习》109、07DDPG-10-算法的其他细节.mp471.04M
| ├──强化学习》10、01DQN-07-论文模型.mp438.57M
| ├──强化学习》110、07DDPG-11-算法总结.mp413.06M
| ├──强化学习》111、07DDPG-12-代码部分结构.mp410.70M
| ├──强化学习》112、07DDPG-13-网络结构及初始化.mp4147.33M
| ├──强化学习》113、07DDPG-14-BatchNorm的使用.mp4157.29M
| ├──强化学习》114、07DDPG-15-参数更新.mp4181.15M
| ├──强化学习》115、07DDPG-16-代码结构.mp4181.93M
| ├──强化学习》116、07DDPG-17-运行结果.mp455.10M
| ├──强化学习》117、08TD3-01-论文泛读开场白.mp412.61M
| ├──强化学习》118、08TD3-02-研究背景.mp418.34M
| ├──强化学习》119、08TD3-03-背景知识.mp415.97M
| ├──强化学习》11、01DQN-08-论文细节一 图像预处理.mp473.18M
| ├──强化学习》120、08TD3-04-论文泛读.mp4133.68M
| ├──强化学习》121、08TD3-05-论文泛读总结.mp46.35M
| ├──强化学习》122、08TD3-06-论文精读开场白.mp47.95M
| ├──强化学习》123、08TD3-07-overestimation.mp4459.23M
| ├──强化学习》124、08TD3-08-variance.mp4291.65M
| ├──强化学习》125、08TD3-09-实验结果.mp4114.08M
| ├──强化学习》126、08TD3-10-论文总结.mp411.24M
| ├──强化学习》127、08TD3-11-代码部分结构.mp441.59M
| ├──强化学习》128、08TD3-12-更新Critic.mp458.46M
| ├──强化学习》129、08TD3-13-更新Actor和代码结构.mp4105.43M
| ├──强化学习》12、01DQN-09-论文细节二 ReplayBuffer.mp480.27M
| ├──强化学习》130、08TD3-14-实验结果.mp492.58M
| ├──强化学习》131、09SQL-01-论文泛读开场白.mp427.32M
| ├──强化学习》132、09SQL-02-研究背景及成果.mp4124.09M
| ├──强化学习》133、09SQL-03-背景知识补充.mp4207.33M
| ├──强化学习》134、09SQL-04-论文泛读总结.mp48.21M
| ├──强化学习》135、09SQL-05-论文精读开场白.mp413.56M
| ├──强化学习》136、09SQL-06-核心思想.mp439.71M
| ├──强化学习》137、09SQL-07-理论基础.mp473.68M
| ├──强化学习》138、09SQL-08-算法细节.mp4222.54M
| ├──强化学习》139、09SQL-09-实验结果分析.mp4158.32M
| ├──强化学习》13、01DQN-10-论文细节三 SemiGradientMethod.mp477.01M
| ├──强化学习》140、09SQL-10-理论证明.mp4198.40M
| ├──强化学习》141、09SQL-11-论文精读总结.mp48.73M
| ├──强化学习》142、09SQL-12-代码部分结构.mp46.95M
| ├──强化学习》143、09SQL-13-Pytorch的手动链式法则求导.mp478.70M
| ├──强化学习》144、09SQL-14-离散情况细节.mp464.84M
| ├──强化学习》145、09SQL-15-连续情况细节.mp497.85M
| ├──强化学习》146、09SQL-16-代码结构.mp454.22M
| ├──强化学习》147、09SQL-17-调参结果.mp461.62M
| ├──强化学习》148、10SAC-01-论文泛读开场白.mp415.99M
| ├──强化学习》149、10SAC-02-研究背景.mp412.61M
| ├──强化学习》14、01DQN-11-实验结果分析.mp467.91M
| ├──强化学习》150、10SAC-03-论文泛读.mp4131.43M
| ├──强化学习》151、10SAC-04-论文泛读总结.mp45.29M
| ├──强化学习》152、10SAC-05-论文精读开场白.mp417.37M
| ├──强化学习》153、10SAC-06-核心思想.mp456.12M
| ├──强化学习》154、10SAC-07-主要算法.mp4113.82M
| ├──强化学习》155、10SAC-08实验结果.mp434.31M
| ├──强化学习》156、10SAC-09-理论证明.mp436.22M
| ├──强化学习》157、10SAC-10-论文精读总结.mp416.97M
| ├──强化学习》158、10SAC-11-算法细节.mp434.70M
| ├──强化学习》159、10SAC-12-代码结构及调参结果.mp475.41M
| ├──强化学习》15、01DQN-12-论文精读总结.mp419.06M
| ├──强化学习》160、11AdvancedValueMethods-01-论文泛读开场白.mp428.56M
| ├──强化学习》161、11AdvancedValueMethods-02-背景知识补充.mp436.48M
| ├──强化学习》162、11AdvancedValueMethods-03-Rainbow泛读.mp486.49M
| ├──强化学习》163、11AdvancedValueMethods-04-D4PG泛读.mp4145.92M
| ├──强化学习》164、11AdvancedValueMethods-05-A3C泛读.mp4140.73M
| ├──强化学习》165、11AdvancedValueMethods-06-IMPALA泛读.mp4135.67M
| ├──强化学习》166、11AdvancedValueMethods-07-论文泛读总结.mp45.49M
| ├──强化学习》167、11AdvancedValueMethods-08-论文精读开场白.mp412.10M
| ├──强化学习》168、11AdvancedValueMethods-09-Rainbow.mp4449.66M
| ├──强化学习》169、11AdvancedValueMethods-10-D4PG.mp4375.80M
| ├──强化学习》16、01DQN-13-代码课整体介绍.mp449.53M
| ├──强化学习》170、11AdvancedValueMethods-11-A3C.mp4522.58M
| ├──强化学习》171、11AdvancedValueMethods-12-IMPALA.mp4576.38M
| ├──强化学习》172、11AdvancedValueMethods-13-总结.mp46.59M
**** Hidden Message *****
666 强烈支持楼主ing…… 看到这帖子真是高兴！ 666666666666666666666666 强烈支持楼主ing…… 我只是路过打酱油的。 我只是路过打酱油的。 opencv的知识还是值得学习的 真是被感动的痛哭流涕……