rk0381-GP-人工智能深度学习-第五期【VIP专享】
——/GP-人工智能深度学习-第五期/
├──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.mp426.40M
| | ├──2-图基本模块定义.mp4.mp410.51M
| | ├──3-邻接矩阵的定义.mp4.mp416.06M
| | ├──4-GNN中常见任务.mp4.mp419.17M
| | ├──5-消息传递计算方法.mp4.mp414.23M
| | └──6-多层GCN的作用.mp4.mp413.00M
| ├──2_图卷积GCN模型
| | ├──1-GCN基本模型概述.mp4.mp413.24M
| | ├──2-图卷积的基本计算方法.mp4.mp412.56M
| | ├──3-邻接的矩阵的变换.mp4.mp418.38M
| | └──4-GCN变换原理解读.mp4.mp421.12M
| ├──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.mp445.07M
| | ├──2-数据集与邻接矩阵格式.mp4.mp451.92M
| | ├──3-模型定义与训练方法.mp4.mp441.92M
| | └──4-文献引用数据集分类案例实战.mp4.mp447.75M
| ├──4_使用PyTorch Geometric构建自己的图数据集
| | ├──9-模型训练与总结.mp4.mp435.84M
| | ├──1-构建数据集基本方法.mp4.mp413.47M
| | ├──2-数据集与任务背景概述.mp4.mp421.63M
| | ├──3-数据集基本预处理.mp4.mp431.50M
| | ├──4-用户行为图结构创建.mp4.mp436.67M
| | ├──5-数据集创建函数介绍.mp4.mp434.87M
| | ├──6-网络结构定义模块.mp4.mp436.87M
| | ├──7-TopkPooling进行下采样任务.mp4.mp431.30M
| | └──8-获取全局特征.mp4.mp425.70M
| ├──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.mp416.53M
| | ├──2-邻接矩阵计算图Attention.mp4(1).mp421.40M
| | ├──2-邻接矩阵计算图Attention.mp4.mp421.40M
| | ├──3-序列图神经网络TGCN应用.mp4.mp412.59M
| | └──4-序列图神经网络细节.mp4.mp423.67M
| ├──6_图相似度论文解读
| | ├──1-要完成的任务分析.mp4.mp447.79M
| | ├──2-基本方法概述解读.mp4.mp452.67M
| | ├──3-图模型提取全局与局部特征.mp4.mp447.42M
| | ├──4-NTN模块的作用与效果.mp4.mp441.09M
| | ├──5-点之间的对应关系计算.mp4.mp451.22M
| | └──6-结果输出与总结.mp4.mp471.18M
| ├──7_图相似度计算实战
| | ├──1-数据集与任务概述3.mp4.mp418.11M
| | ├──2-图卷积特征提取模块3.mp4.mp455.92M
| | ├──3-分别计算不同Batch点的分布3.mp4.mp431.70M
| | ├──4-获得直方图特征结果.mp4.mp421.11M
| | ├──5-图的全局特征构建.mp4.mp431.45M
| | ├──6-NTN图相似特征提取.mp4.mp439.25M
| | └──7-预测得到相似度结果.mp4.mp418.64M
| ├──8_基于图模型的轨迹估计
| | ├──1-数据集与标注信息解读.mp4.mp457.53M
| | ├──2-整体三大模块分析.mp4.mp471.83M
| | ├──3-特征工程的作用与效果.mp4.mp441.75M
| | ├──4-传统方法与现在向量空间对比.mp4.mp451.83M
| | ├──5-输入细节分析.mp4.mp449.96M
| | ├──6-子图模块构建方法.mp4.mp442.55M
| | ├──7-特征融合模块分析.mp4.mp447.67M
| | └──8-VectorNet输出层分析.mp4.mp485.45M
| └──9_图模型轨迹估计实战
| | ├──1-数据与环境配置4.mp4.mp435.36M
| | ├──2-训练数据准备4.mp4.mp427.69M
| | ├──3-Agent特征提取方法4.mp4.mp437.87M
| | ├──4-DataLoader构建图结构4.mp4.mp428.61M
| | └──5-SubGraph与Attention模型流程4.mp4.mp434.55M
├──11_3D点云实战
| ├──1_3D点云实战 3D点云应用领域分析
| | ├──1-点云数据概述.mp4.mp447.69M
| | ├──2-点云应用领域与发展分析.mp4.mp485.97M
| | ├──3-点云分割任务.mp4.mp474.47M
| | ├──4-点云补全任务.mp4.mp434.06M
| | ├──5-点云检测与配准任务.mp4.mp463.03M
| | └──6-点云数据特征提取概述与预告.mp4.mp429.21M
| ├──2_3D点云PointNet算法
| | ├──1-3D数据应用领域与点云介绍.mp4.mp460.10M
| | ├──2-点云数据可视化展示.mp4.mp446.06M
| | ├──3-点云数据特性和及要解决的问题.mp4.mp442.97M
| | ├──4-PointNet算法出发点解读.mp4.mp424.66M
| | └──5-PointNet算法网络架构解读.mp4.mp442.54M
| ├──3_PointNet++算法解读
| | ├──10-分类与分割问题解决方案.mp4.mp429.48M
| | ├──11-遇到的问题及改进方法分析.mp4.mp417.55M
| | ├──6-PointNet升级版算法要解决的问题.mp4.mp430.37M
| | ├──7-最远点采样方法.mp4.mp428.28M
| | ├──8-分组Group方法原理解读.mp4.mp444.71M
| | └──9-整体流程概述分析.mp4.mp421.50M
| ├──4_Pointnet++项目实战
| | ├──1-项目文件概述.mp4.mp435.90M
| | ├──10-分类任务总结.mp4.mp427.64M
| | ├──11-分割任务数据与配置概述.mp4.mp461.58M
| | ├──12-分割需要解决的任务概述.mp4.mp438.05M
| | ├──13-上采样完成分割任务.mp4.mp458.55M
| | ├──2-数据读取模块配置.mp4.mp441.15M
| | ├──3-DEBUG解读网络模型架构.mp4.mp429.93M
| | ├──4-最远点采样介绍.mp4.mp424.42M
| | ├──5-采样得到中心点.mp4.mp440.64M
| | ├──6-组区域划分方法.mp4.mp431.56M
| | ├──7-实现group操作得到各中心簇.mp4.mp444.63M
| | ├──8-特征提取模块整体流程.mp4.mp450.91M
| | └──9-预测结果输出模块.mp4.mp449.03M
| ├──5_点云补全PF-Net论文解读
| | ├──1-点云补全要解决的问题.mp4.mp425.36M
| | ├──2-基本解决方案概述.mp4.mp423.51M
| | ├──3-整体网络概述.mp4.mp426.29M
| | ├──4-网络计算流程.mp4.mp435.72M
| | └──5-输入与计算结果.mp4.mp4120.34M
| ├──6_点云补全实战解读
| | ├──1-数据与项目配置解读.mp4.mp463.87M
| | ├──2-待补全数据准备方法.mp4.mp436.16M
| | ├──3-整体框架概述.mp4.mp464.34M
| | ├──4-MRE特征提取模块.mp4.mp448.04M
| | ├──5-分层预测输出模块.mp4.mp429.87M
| | ├──6-补全点云数据.mp4.mp441.87M
| | └──7-判别模块.mp4.mp462.53M
| ├──7_点云配准及其案例实战
| | ├──1-点云配准任务概述.mp4.mp420.82M
| | ├──2-配准要完成的目标解读.mp4.mp423.13M
| | ├──3-训练数据构建1.mp4.mp433.85M
| | ├──4-任务基本流程.mp4.mp419.39M
| | ├──5-数据源配置方法.mp4.mp453.00M
| | ├──6-参数计算模块解读.mp4.mp425.96M
| | ├──7-基于模型预测输出参数.mp4.mp431.52M
| | ├──8-特征构建方法分析.mp4.mp443.67M
| | └──9-任务总结.mp4.mp440.70M
| └──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.mp423.10M
| | ├──2-GAN网络组成.mp4.mp415.10M
| | ├──3-损失函数解释说明.mp4.mp449.36M
| | ├──4-数据读取模块.mp4.mp436.74M
| | └──5-生成与判别网络定义.mp4.mp466.54M
├──12_目标追踪与姿态估计实战
| ├──1_课程介绍
| | └──课程介绍2.mp4.mp438.37M
| ├──2_姿态估计OpenPose系列算法解读
| | ├──9-预测时PAF积分计算方法.mp4.mp447.62M
| | ├──1-姿态估计要解决的问题分析.mp4.mp467.23M
| | ├──10-匹配方法解读.mp4.mp426.12M
| | ├──11-CPM模型特点.mp4.mp427.67M
| | ├──12-算法流程与总结.mp4.mp473.29M
| | ├──2-姿态估计应用领域概述.mp4.mp427.80M
| | ├──3-传统topdown方法的问题.mp4.mp467.61M
| | ├──4-要解决的两个问题分析.mp4.mp412.54M
| | ├──5-基于高斯分布预测关键点位置.mp4.mp435.37M
| | ├──6-各模块输出特征图解读.mp4.mp421.77M
| | ├──7-PAF向量登场.mp4.mp415.04M
| | └──8-PAF标签设计方法.mp4.mp432.97M
| ├──3_OpenPose算法源码分析
| | ├──1-数据集与路径配置解读.mp4.mp434.94M
| | ├──10-多阶段输出与预测.mp4.mp465.84M
| | ├──2-读取图像与标注信息.mp4.mp448.45M
| | ├──3-关键点与躯干特征图初始化.mp4.mp444.36M
| | ├──4-根据关键点位置设计关键点标签.mp4.mp465.79M
| | ├──5-准备构建PAF躯干标签.mp4.mp435.98M
| | ├──6-各位置点归属判断.mp4.mp435.91M
| | ├──7-特征图各点累加向量计算.mp4.mp440.10M
| | ├──8-完成PAF特征图制作.mp4.mp441.98M
| | └──9-网络模型一阶段输出.mp4.mp430.62M
| ├──4_deepsort算法知识点解读
| | ├──1-卡尔曼滤波通俗解释.mp4.mp430.49M
| | ├──10-sort与deepsort建模流程分析.mp4.mp436.01M
| | ├──11-预测与匹配流程解读.mp4.mp435.33M
| | ├──12-追踪任务流程拆解.mp4.mp440.38M
| | ├──2-卡尔曼滤波要完成的任务.mp4.mp424.18M
| | ├──3-任务本质分析.mp4.mp425.11M
| | ├──4-基于观测值进行最优估计.mp4.mp423.96M
| | ├──5-预测与更新操作.mp4.mp430.86M
| | ├──6-追踪中的状态量.mp4.mp421.59M
| | ├──7-匈牙利匹配算法概述.mp4.mp423.24M
| | ├──8-匹配小例子分析.mp4.mp429.17M
| | └──9-REID特征的作用.mp4.mp429.78M
| ├──5_deepsort源码解读
| | ├──1-项目环境配置4.mp4.mp445.66M
| | ├──10-匹配结果与总结.mp4.mp492.04M
| | ├──2-参数与DEMO演示.mp4.mp449.43M
| | ├──3-针对检测结果初始化track.mp4.mp455.75M
| | ├──4-对track执行预测操作.mp4.mp446.93M
| | ├──5-状态量预测结果.mp4.mp443.85M
| | ├──6-IOU代价矩阵计算.mp4.mp439.72M
| | ├──7-参数更新操作.mp4.mp460.48M
| | ├──8-级联匹配模块.mp4.mp449.58M
| | └──9-ReID特征代价矩阵计算.mp4.mp457.78M
| ├──6_YOLO-V4版本算法解读
| | ├──1-V4版本整体概述.mp4.mp418.20M
| | ├──10-PAN模块解读.mp4.mp427.77M
| | ├──11-激活函数与整体架构总结.mp4.mp426.19M
| | ├──2-V4版本贡献解读.mp4.mp411.50M
| | ├──3-数据增强策略分析.mp4.mp435.08M
| | ├──4-DropBlock与标签平滑方法.mp4.mp426.44M
| | ├──5-损失函数遇到的问题.mp4.mp419.87M
| | ├──6-CIOU损失函数定义.mp4.mp413.11M
| | ├──7-NMS细节改进.mp4.mp421.25M
| | ├──8-SPP与CSP网络结构.mp4.mp418.42M
| | └──9-SAM注意力机制模块.mp4.mp429.83M
| ├──7_V5版本项目配置
| | ├──1-整体项目概述.mp4.mp440.93M
| | ├──2-训练自己的数据集方法.mp4.mp446.78M
| | ├──3-训练数据参数配置.mp4.mp460.39M
| | └──4-测试DEMO演示.mp4.mp460.41M
| └──8_V5项目工程源码解读
| | ├──1-数据源DEBUG流程解读.mp4.mp453.75M
| | ├──10-完成配置文件解析任务.mp4.mp469.88M
| | ├──11-前向传播计算.mp4.mp436.66M
| | ├──12-BottleneckCSP层计算方法.mp4.mp439.91M
| | ├──13-Head层流程解读2.mp4.mp430.98M
| | ├──13-SPP层计算细节分析.mp4.mp438.56M
| | ├──14-上采样与拼接操作.mp4.mp424.77M
| | ├──15-输出结果分析.mp4.mp457.56M
| | ├──16-超参数解读.mp4.mp442.44M
| | ├──17-命令行参数介绍.mp4.mp456.24M
| | ├──18-训练流程解读.mp4.mp456.57M
| | ├──19-各种训练策略概述.mp4.mp447.37M
| | ├──2-图像数据源配置.mp4.mp443.87M
| | ├──20-模型迭代过程.mp4.mp452.69M
| | ├──3-加载标签数据.mp4.mp433.62M
| | ├──4-Mosaic数据增强方法.mp4.mp430.61M
| | ├──5-数据四合一方法与流程演示.mp4.mp452.99M
| | ├──6-getItem构建batch.mp4.mp442.08M
| | ├──7-网络架构图可视化工具安装.mp4.mp440.86M
| | ├──8-V5网络配置文件解读.mp4.mp442.17M
| | └──9-Focus模块流程分析.mp4.mp429.10M
├──13_面向深度学习的无人驾驶实战
| ├──10_NeuralRecon项目源码解读
| | ├──1-Backbone得到特征图.mp4.mp442.75M
| | ├──2-初始化体素位置.mp4.mp447.33M
| | ├──3-坐标映射方法实现.mp4.mp433.58M
| | ├──4-得到体素所对应特征图.mp4.mp460.47M
| | ├──5-插值得到对应特征向量.mp4.mp440.85M
| | ├──6-得到一阶段输出结果.mp4.mp446.01M
| | ├──7-完成三个阶段预测结果.mp4.mp456.55M
| | └──8-项目总结2.mp4.mp4134.98M
| ├──11_TSDF算法与应用
| | ├──1-TSDF整体概述分析.mp4.mp427.69M
| | ├──2-合成过程DEMO演示.mp4.mp427.44M
| | ├──3-布局初始化操作.mp4.mp415.36M
| | ├──4-TSDF计算基本流程解读.mp4.mp426.04M
| | ├──5-坐标转换流程分析.mp4.mp438.15M
| | └──6-输出结果融合更新.mp4.mp444.20M
| ├──12_TSDF实战案例
| | ├──1-环境配置概述.mp4.mp439.03M
| | ├──2-初始化与数据读取.mp4.mp425.67M
| | └──3-计算得到TSDF输出.mp4.mp461.98M
| ├──13_轨迹估计算法与论文解读
| | ├──1-数据集与标注信息解读.mp4.mp476.67M
| | ├──2-整体三大模块分析.mp4.mp458.83M
| | ├──3-特征工程的作用与效果.mp4.mp453.67M
| | ├──4-传统方法与现在向量空间对比.mp4.mp465.57M
| | ├──5-输入细节分析.mp4.mp448.31M
| | ├──6-子图模块构建方法.mp4.mp464.32M
| | ├──7-特征融合模块分析.mp4.mp454.87M
| | └──8-VectorNet输出层分析.mp4.mp4117.09M
| ├──14_轨迹估计预测实战
| | ├──1-数据与环境配置..mp4.mp441.89M
| | ├──2-训练数据准备.mp4.mp437.57M
| | ├──3-Agent特征提取方法.mp4.mp449.50M
| | ├──4-DataLoader构建图结构.mp4.mp437.27M
| | └──5-SubGraph与Attention模型流程.mp4.mp443.22M
| ├──15_特斯拉无人驾驶解读
| | └──15-特斯拉无人驾驶解读.mp4.mp4776.38M
| ├──1_深度估计算法原理解读
| | ├──1-深度估计效果与应用.mp4.mp481.59M
| | ├──10-损失计算.mp4.mp448.42M
| | ├──2-kitti数据集介绍.mp4.mp461.77M
| | ├──3-使用backbone获取层级特征.mp4.mp427.45M
| | ├──4-差异特征计算边界信息.mp4.mp435.08M
| | ├──5-SPP层的作用.mp4.mp419.56M
| | ├──6-空洞卷积与ASPP.mp4.mp425.65M
| | ├──7-特征拼接方法分析.mp4.mp428.68M
| | ├──8-网络coarse-to-fine过程.mp4.mp433.97M
| | └──9-权重参数预处理.mp4.mp437.71M
| ├──2_深度估计项目实战
| | ├──1-项目环境配置解读1.mp4.mp463.27M
| | ├──10-模型DEMO输出结果.mp4.mp4112.62M
| | ├──2-数据与标签定义方法.mp4.mp4102.60M
| | ├──3-数据集dataloader制作.mp4.mp439.80M
| | ├──4-使用backbone进行特征提取.mp4.mp443.50M
| | ├──5-计算差异特征.mp4.mp437.71M
| | ├──6-权重参数标准化操作.mp4.mp449.18M
| | ├──7-网络结构ASPP层.mp4.mp450.16M
| | ├──8-输出深度估计结果.mp4.mp434.58M
| | ├──8-特征拼接方法解读.mp4.mp456.28M
| | └──9-损失函数通俗解读.mp4.mp447.59M
| ├──3_车道线检测算法与论文解读
| | ├──1-数据标签与任务分析.mp4.mp438.60M
| | ├──2-网络整体框架分析.mp4.mp442.87M
| | ├──3-输出结果分析.mp4.mp419.38M
| | ├──4-损失函数计算方法.mp4.mp439.13M
| | └──5-论文概述分析.mp4.mp478.73M
| ├──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.mp477.67M
| | ├──10-车道线规则损失函数限制.mp4.mp457.08M
| | ├──11-DEMO制作与配置.mp4.mp453.54M
| | ├──2-项目环境配置演示.mp4.mp435.14M
| | ├──3-制作数据集dataloader.mp4.mp467.70M
| | ├──4-车道线标签数据处理.mp4.mp438.39M
| | ├──5-四条车道线标签位置矩阵.mp4.mp429.01M
| | ├──6-grid设置方法.mp4.mp461.50M
| | ├──7-完成数据与标签制作.mp4.mp432.93M
| | ├──8-算法网络结构解读.mp4.mp461.68M
| | └──9-损失函数计算模块分析.mp4.mp445.65M
| ├──5_商汤LoFTR算法解读
| | ├──1-特征匹配的应用场景.mp4.mp447.24M
| | ├──10-总结分析.mp4.mp473.58M
| | ├──2-特征匹配的基本流程分析.mp4.mp422.15M
| | ├──3-整体流程梳理分析.mp4.mp423.29M
| | ├──4-CrossAttention的作用与效果.mp4.mp422.27M
| | ├──5-transformer构建匹配特征.mp4.mp444.75M
| | ├──6-粗粒度匹配过程与作用.mp4.mp435.10M
| | ├──7-特征图拆解操作.mp4.mp418.51M
| | ├──8-细粒度匹配的作用与方法.mp4.mp426.80M
| | └──9-基于期望预测最终位置.mp4.mp432.66M
| ├──6_局部特征关键点匹配实战
| | ├──1-项目与参数配置解读.mp4.mp452.85M
| | ├──10-得到精细化输出结果.mp4.mp423.44M
| | ├──11-通过期望计算最终输出.mp4.mp453.63M
| | ├──2-DEMO效果演示.mp4.mp431.22M
| | ├──3-backbone特征提取模块.mp4.mp432.19M
| | ├──4-注意力机制的作用与效果分析.mp4.mp436.27M
| | ├──5-特征融合模块实现方法.mp4.mp434.51M
| | ├──6-cross关系计算方法实例.mp4.mp435.81M
| | ├──7-粗粒度匹配过程.mp4.mp456.45M
| | ├──8-完成基础匹配模块.mp4.mp473.14M
| | └──9-精细化调整方法与实例.mp4.mp449.69M
| ├──7_三维重建应用与坐标系基础
| | ├──1-三维重建概述分析.mp4.mp4128.09M
| | ├──2-三维重建应用领域概述.mp4.mp416.15M
| | ├──3-成像方法概述.mp4.mp421.24M
| | ├──4-相机坐标系.mp4.mp423.83M
| | ├──5-坐标系转换方法解读.mp4.mp428.24M
| | ├──6-相机内外参.mp4.mp424.24M
| | ├──7-通过内外参数进行坐标变换.mp4.mp420.65M
| | └──8-相机标定简介.mp4.mp46.73M
| ├──8_NeuralRecon算法解读
| | ├──1-任务流程分析.mp4.mp427.61M
| | ├──2-基本框架熟悉.mp4.mp438.08M
| | ├──3-特征映射方法解读.mp4.mp445.98M
| | ├──4-片段融合思想.mp4.mp422.57M
| | └──5-整体架构重构方法.mp4.mp430.41M
| └──9_NeuralRecon项目环境配置
| | ├──1-数据集下载与配置方法.mp4.mp458.73M
| | ├──2-Scannet数据集内容概述.mp4.mp441.13M
| | ├──3-TSDF标签生成方法.mp4.mp467.69M
| | ├──4-ISSUE的作用.mp4.mp458.24M
| | └──5-完成依赖环境配置.mp4.mp465.98M
├──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.mp420.05M
| | ├──2-视频数据读取与轮廓检测.mp4.mp423.00M
| | ├──3-目标质心计算.mp4.mp440.39M
| | ├──4-视频数据遍历方法.mp4.mp439.37M
| | ├──5-缺陷区域提取.mp4.mp441.49M
| | ├──6-不同类型的缺陷检测方法.mp4.mp447.20M
| | └──7-检测效果演示.mp4.mp429.11M
| ├──11_图像分割deeplab系列算法
| | ├──1-deeplab分割算法概述.mp4.mp419.15M
| | ├──2-空洞卷积的作用.mp4.mp421.17M
| | ├──3-感受野的意义.mp4.mp426.43M
| | ├──4-SPP层的作用.mp4.mp425.97M
| | ├──5-ASPP特征融合策略.mp4.mp417.01M
| | └──6-deeplabV3Plus版本网络架构.mp4.mp433.17M
| ├──12_基于deeplabV3+版本进行VOC分割实战
| | ├──1-PascalVoc数据集介绍.mp4.mp456.87M
| | ├──2-项目参数与数据集读取.mp4.mp469.80M
| | ├──3-网络前向传播流程.mp4.mp439.57M
| | ├──4-ASPP层特征融合.mp4.mp461.87M
| | └──5-分割模型训练.mp4.mp443.37M
| ├──13_Deeplab铁质材料缺陷检测与开源项目应用流程
| | ├──1-数据集与任务概述..mp4.mp436.80M
| | ├──2-开源项目应用方法.mp4.mp439.79M
| | ├──3-github与kaggle中需要注意的点.mp4.mp441.20M
| | ├──4-源码的利用方法.mp4.mp4100.06M
| | ├──5-数据集制作方法.mp4.mp485.89M
| | ├──6-数据路径配置.mp4.mp462.92M
| | ├──7-训练模型.mp4.mp438.10M
| | └──8-任务总结.mp4.mp447.59M
| ├──1_课程介绍
| | └──课程介绍3.mp4.mp435.73M
| ├──2_物体检框架YOLO-V4版本算法解读
| | ├──1-V4版本整体概述.mp4.mp415.06M
| | ├──10-PAN模块解读.mp4.mp420.64M
| | ├──11-激活函数与整体架构总结.mp4.mp419.19M
| | ├──2-V4版本贡献解读.mp4.mp410.06M
| | ├──3-数据增强策略分析.mp4.mp424.70M
| | ├──4-DropBlock与标签平滑方法.mp4.mp419.36M
| | ├──5-损失函数遇到的问题.mp4.mp414.26M
| | ├──6-CIOU损失函数定义.mp4.mp410.82M
| | ├──7-NMS细节改进.mp4.mp416.66M
| | ├──8-SPP与CSP网络结构.mp4.mp414.81M
| | └──9-SAM注意力机制模块.mp4.mp422.48M
| ├──3_物体检测框架YOLOV5版本项目配置
| | ├──1-整体项目概述.mp4.mp435.77M
| | ├──2-训练自己的数据集方法.mp4.mp441.32M
| | ├──3-训练数据参数配置.mp4.mp451.48M
| | └──4-测试DEMO演示.mp4.mp450.47M
| ├──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.mp448.13M
| | ├──10-完成配置文件解析任务.mp4.mp458.80M
| | ├──11-前向传播计算.mp4.mp430.80M
| | ├──12-BottleneckCSP层计算方法.mp4.mp433.82M
| | ├──13-1 SPP层计算细节分析.mp4.mp438.62M
| | ├──13-2Head层流程解读.mp4.mp431.05M
| | ├──14-上采样与拼接操作.mp4.mp421.48M
| | ├──15-输出结果分析.mp4.mp441.71M
| | ├──16-超参数解读.mp4.mp434.94M
| | ├──17-命令行参数介绍.mp4.mp444.26M
| | ├──18-训练流程解读.mp4.mp446.81M
| | ├──19-各种训练策略概述.mp4.mp438.43M
| | ├──2-图像数据源配置.mp4.mp434.65M
| | ├──20-模型迭代过程.mp4.mp438.42M
| | ├──3-加载标签数据.mp4.mp426.33M
| | ├──4-Mosaic数据增强方法.mp4.mp428.19M
| | ├──5-数据四合一方法与流程演示.mp4.mp441.69M
| | ├──6-getItem构建batch.mp4.mp433.03M
| | ├──7-网络架构图可视化工具安装.mp4.mp434.33M
| | ├──8-V5网络配置文件解读.mp4.mp435.74M
| | └──9-Focus模块流程分析.mp4.mp421.93M
| ├──5_基于YOLOV5的钢材缺陷检测实战
| | ├──1-任务需求与项目概述.mp4.mp415.53M
| | ├──2-数据与标签配置方法.mp4.mp443.06M
| | ├──3-标签转换格式脚本制作.mp4.mp438.66M
| | ├──4-各版本模型介绍分析.mp4.mp437.05M
| | ├──5-项目参数配置.mp4.mp430.25M
| | ├──6-缺陷检测模型训练.mp4.mp432.65M
| | └──7-输出结果与项目总结.mp4.mp453.24M
| ├──6_Semi-supervised布料缺陷检测实战
| | ├──5-输出结果展示.mp4.mp450.16M
| | ├──1-任务目标与流程概述.mp4.mp461.15M
| | ├──2-论文思想与模型分析.mp4.mp4158.48M
| | ├──3-项目配置解读.mp4.mp468.80M
| | └──4-网络流程分析.mp4.mp443.01M
| ├──7_Opencv图像常用处理方法实例
| | ├──1-腐蚀操作.mp4.mp428.72M
| | ├──1-计算机眼中的图像.mp4.mp439.96M
| | ├──1-图像阈值.mp4.mp440.59M
| | ├──2-膨胀操作.mp4.mp417.01M
| | ├──2-视频的读取与处理.mp4.mp460.10M
| | ├──2-图像平滑处理.mp4.mp434.23M
| | ├──3-ROI区域.mp4.mp419.56M
| | ├──3-高斯与中值滤波.mp4.mp428.67M
| | ├──3-开运算与闭运算.mp4.mp411.89M
| | ├──4-边界填充.mp4.mp428.99M
| | ├──4-梯度计算.mp4.mp410.11M
| | ├──5-礼帽与黑帽.mp4.mp422.87M
| | └──5-数值计算.mp4.mp452.36M
| ├──8_Opencv轮廓检测与直方图
| | ├──1-图像金字塔定义.mp4.mp427.14M
| | ├──1-直方图定义.mp4.mp430.23M
| | ├──2-金字塔制作方法.mp4.mp432.30M
| | ├──2-均衡化原理.mp4.mp440.43M
| | ├──3-均衡化效果.mp4.mp435.90M
| | ├──3-轮廓检测方法.mp4.mp426.61M
| | ├──4-傅里叶概述.mp4.mp460.92M
| | ├──4-轮廓检测结果.mp4.mp444.02M
| | ├──5-轮廓特征与近似.mp4.mp452.89M
| | ├──5-频域变换结果.mp4.mp435.20M
| | ├──6-低通与高通滤波.mp4.mp436.25M
| | ├──6-模板匹配方法.mp4.mp460.42M
| | └──7-匹配效果展示.mp4.mp427.31M
| ├──8_Opencv梯度计算与边缘检测实例
| | ├──1-Canny边缘检测流程.mp4.mp426.31M
| | ├──1-Sobel算子.mp4.mp437.16M
| | ├──2-非极大值抑制.mp4.mp420.51M
| | ├──2-梯度计算方法.mp4.mp441.75M
| | ├──3-scharr与lapkacian算子.mp4.mp434.47M
| | └──3-边缘检测效果.mp4.mp451.00M
| └──9_基于Opencv缺陷检测项目实战
| | ├──1-任务需求与环境配置.mp4.mp418.41M
| | ├──2-数据读取与基本处理.mp4.mp433.28M
| | ├──3-缺陷形态学操作.mp4.mp433.41M
| | ├──4-整体流程解读.mp4.mp427.53M
| | └──5-缺陷检测效果演示.mp4.mp462.58M
├──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.mp423.15M
| | ├──2-挑战与困难分析.mp4.mp446.71M
| | ├──3-评估标准rank1指标.mp4.mp416.66M
| | ├──4-map值计算方法.mp4.mp420.51M
| | ├──5-triplet损失计算实例.mp4.mp434.48M
| | └──6-Hard-Negative方法应用.mp4.mp436.94M
| ├──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.mp447.72M
| | ├──2-空间权重值计算流程分析.mp4.mp428.01M
| | ├──3-融合空间注意力所需特征.mp4.mp428.87M
| | └──4-基于特征图的注意力计算.mp4.mp488.83M
| ├──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.mp458.03M
| | ├──2-参数配置与整体架构分析.mp4.mp483.28M
| | ├──3-进入debug模式解读网络计算流程.mp4.mp437.25M
| | ├──4-获得空间位置点之间的关系.mp4.mp453.27M
| | ├──5-组合关系特征图.mp4.mp441.98M
| | ├──6-计算得到位置权重值.mp4.mp448.88M
| | ├──7-基于特征图的权重计算.mp4.mp432.21M
| | ├──8-损失函数计算实例解读.mp4.mp474.80M
| | └──9-训练与测试模块演示.mp4.mp491.36M
| ├──4_AAAI2020顶会算法精讲
| | ├──1-论文整体框架概述.mp4.mp421.64M
| | ├──2-局部特征与全局关系计算方法.mp4.mp421.05M
| | ├──3-特征分组方法.mp4.mp419.65M
| | ├──4-GCP模块特征融合方法.mp4.mp438.72M
| | ├──5-oneVsReset方法实例.mp4.mp420.28M
| | └──6-损失函数应用位置.mp4.mp420.35M
| ├──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.mp493.97M
| | ├──10-得到所有分组特征结果.mp4.mp461.66M
| | ├──11-损失函数与训练过程演示.mp4.mp452.98M
| | ├──12-测试与验证模块.mp4.mp463.85M
| | ├──2-数据源构建方法分析.mp4.mp448.63M
| | ├──3-dataloader加载顺序解读.mp4.mp434.64M
| | ├──4-debug模式解读.mp4.mp4101.46M
| | ├──5-网络计算整体流程演示.mp4.mp438.04M
| | ├──6-特征序列构建.mp4.mp450.69M
| | ├──7-GCP全局特征提取.mp4.mp447.43M
| | ├──8-局部特征提取实例.mp4.mp457.66M
| | └──9-特征组合汇总.mp4.mp458.53M
| ├──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.mp426.31M
| | ├──2-图卷积与匹配的作用.mp4.mp430.24M
| | ├──3-局部特征热度图计算.mp4.mp432.69M
| | ├──4-基于图卷积构建人体拓扑关系.mp4.mp439.22M
| | ├──5-图卷积模块实现方法.mp4.mp436.01M
| | ├──6-图匹配在行人重识别中的作用.mp4.mp421.09M
| | └──7-整体算法框架分析.mp4.mp431.10M
| └──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.mp460.99M
| | ├──10-整体项目总结.mp4.mp488.47M
| | ├──2-局部特征准备方法.mp4.mp458.67M
| | ├──3-得到一阶段热度图结果.mp4.mp451.54M
| | ├──4-阶段监督训练.mp4.mp495.56M
| | ├──5-初始化图卷积模型.mp4.mp446.02M
| | ├──6-mask矩阵的作用.mp4.mp446.54M
| | ├──7-邻接矩阵学习与更新.mp4.mp457.89M
| | ├──8-基于拓扑结构组合关键点特征.mp4.mp475.97M
| | └──9-图匹配模块计算流程.mp4.mp480.98M
├──16_对抗生成网络实战
| ├──1_课程介绍
| | └──课程介绍.mp4.mp435.44M
| ├──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.mp423.10M
| | ├──2-GAN网络组成.mp4.mp415.10M
| | ├──3-损失函数解释说明.mp4.mp449.36M
| | ├──4-数据读取模块.mp4.mp436.74M
| | └──5-生成与判别网络定义.mp4.mp466.54M
| ├──3_基于CycleGan开源项目实战图像合成
| | ├──1-CycleGan网络所需数据.mp4.mp443.50M
| | ├──10-额外补充：VISDOM可视化配置.mp4.mp445.47M
| | ├──2-CycleGan整体网络架构.mp4.mp430.28M
| | ├──3-PatchGan判别网络原理.mp4.mp415.81M
| | ├──4-Cycle开源项目简介.mp4.mp452.85M
| | ├──5-数据读取与预处理操作.mp4.mp459.70M
| | ├──6-生成网络模块构造.mp4.mp461.45M
| | ├──7-判别网络模块构造.mp4.mp424.42M
| | ├──8-损失函数：identity loss计算方法.mp4.mp445.02M
| | └──9-生成与判别损失函数指定.mp4.mp475.54M
| ├──4_stargan论文架构解析
| | ├──1-stargan效果演示分析.mp4.mp440.01M
| | ├──2-网络架构整体思路解读.mp4.mp435.34M
| | ├──3-建模流程分析.mp4.mp456.52M
| | ├──4-V1版本存在的问题及后续改进思路.mp4.mp461.95M
| | ├──5-V2版本在整体网络架构.mp4.mp454.53M
| | ├──6-编码器训练方法.mp4.mp446.50M
| | ├──7-损失函数公式解析.mp4.mp457.29M
| | └──8-训练过程分析.mp4.mp439.59M
| ├──5_stargan项目实战及其源码解读
| | ├──1-项目配置与数据源下载.mp4.mp426.29M
| | ├──10-测试模块效果与实验分析.mp4.mp426.63M
| | ├──2-测试效果演示.mp4.mp444.67M
| | ├──3-项目参数解析.mp4.mp433.82M
| | ├──4-生成器模块源码解读.mp4.mp462.42M
| | ├──5-所有网络模块构建实例.mp4.mp455.77M
| | ├──6-数据读取模块分析.mp4.mp460.89M
| | ├──7-判别器损失计算.mp4.mp440.72M
| | ├──8-损失计算详细过程.mp4.mp459.90M
| | └──9-生成模块损失计算.mp4.mp482.44M
| ├──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.mp442.24M
| | ├──2-VCC2016输入数据.mp4.mp428.44M
| | ├──3-语音特征提取.mp4.mp441.89M
| | ├──4-生成器模型架构分析.mp4.mp421.05M
| | ├──5-InstanceNorm的作用解读.mp4.mp426.06M
| | ├──6-AdaIn的目的与效果.mp4.mp417.71M
| | └──7-判别器模块分析.mp4.mp4212.19M
| ├──7_starganvc2变声器项目实战及其源码解读
| | ├──1-数据与项目文件解读.mp4.mp429.60M
| | ├──10-源码损失计算流程.mp4.mp438.24M
| | ├──11-测试模块-生成转换语音.mp4.mp455.14M
| | ├──2-环境配置与工具包安装.mp4.mp454.63M
| | ├──3-数据预处理与声音特征提取.mp4.mp4125.95M
| | ├──4-生成器构造模块解读.mp4.mp450.54M
| | ├──5-下采样与上采样操作.mp4.mp443.21M
| | ├──6-starganvc2版本标签输入分析.mp4.mp447.72M
| | ├──7-生成器前向传播维度变化.mp4.mp433.52M
| | ├──8-判别器模块解读.mp4.mp445.21M
| | └──9-论文损失函数.mp4.mp4116.08M
| ├──8_图像超分辨率重构实战
| | ├──1-论文概述.mp4.mp459.92M
| | ├──2-网络架构.mp4.mp4136.07M
| | ├──3-数据与环境配置.mp4.mp437.01M
| | ├──4-数据加载与配置.mp4.mp441.86M
| | ├──5-生成模块.mp4.mp456.78M
| | ├──6-判别模块.mp4.mp449.57M
| | ├──7-VGG特征提取网络.mp4.mp443.22M
| | ├──8-损失函数与训练.mp4.mp4116.60M
| | └──9-测试模块.mp4.mp4109.59M
| └──9_基于GAN的图像补全实战
| | ├──1-.论文概述.mp4.mp489.95M
| | ├──2-网络架构11.mp4.mp440.10M
| | ├──3- 细节设计.mp4.mp476.78M
| | ├──4- 论文总结.mp4.mp480.33M
| | ├──5- 数据与项目概述.mp4.mp448.89M
| | ├──6- 参数基本设计.mp4.mp483.54M
| | ├──7- 网络结构配置.mp4.mp489.78M
| | ├──8- 网络迭代训练.mp4.mp4122.04M
| | └──9- 测试模块.mp4.mp487.23M
├──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.mp421.59M
| | ├──2-强化学习的指导依据.mp4.mp429.29M
| | ├──3-强化学习AI游戏DEMO.mp4.mp428.89M
| | ├──4-应用领域简介.mp4.mp423.18M
| | ├──5-强化学习工作流程.mp4.mp419.41M
| | └──6-计算机眼中的状态与行为.mp4.mp426.63M
| ├──2_PPO算法与公式推导
| | ├──1-基本情况介绍.mp4.mp439.60M
| | ├──2-与环境交互得到所需数据.mp4.mp430.94M
| | ├──3-要完成的目标分析.mp4.mp433.24M
| | ├──4-策略梯度推导.mp4.mp429.92M
| | ├──5-baseline方法.mp4.mp418.05M
| | ├──6-OnPolicy与OffPolicy策略.mp4.mp427.34M
| | ├──7-importance sampling的作用.mp4.mp430.02M
| | └──8-PPO算法整体思路解析.mp4.mp436.26M
| ├──3_PPO实战-月球登陆器训练实例
| | ├──1-Critic的作用与效果.mp4.mp442.59M
| | ├──2-PPO2版本公式解读.mp4.mp441.78M
| | ├──3-参数与网络结构定义.mp4.mp438.18M
| | ├──4-得到动作结果.mp4.mp436.02M
| | ├──5-奖励获得与计算.mp4.mp443.65M
| | └──6-参数迭代与更新.mp4.mp462.91M
| ├──4_Q-learning与DQN算法
| | ├──1-算法原理通俗解读.mp4.mp429.79M
| | ├──2-目标函数与公式解析.mp4.mp432.57M
| | ├──3-Qlearning算法实例解读.mp4.mp421.47M
| | ├──4-Q值迭代求解.mp4.mp431.14M
| | └──5-DQN简介.mp4.mp418.67M
| ├──5_DQN算法实例演示
| | ├──1-整体任务流程演示.mp4.mp425.41M
| | ├──2-探索与action获取.mp4.mp435.23M
| | ├──3-计算target值.mp4.mp427.33M
| | └──4-训练与更新.mp4.mp439.55M
| ├──6_DQN改进与应用技巧
| | ├──1-DoubleDqn要解决的问题.mp4.mp423.36M
| | ├──2-DuelingDqn改进方法.mp4.mp424.44M
| | ├──3-Dueling整体网络架构分析.mp4.mp428.28M
| | ├──4-MultiSetp策略.mp4.mp49.74M
| | └──5-连续动作处理方法.mp4.mp430.39M
| ├──7_Actor-Critic算法分析（A3C）
| | ├──1-AC算法回顾与知识点总结.mp4.mp423.42M
| | ├──2-优势函数解读与分析.mp4.mp426.76M
| | ├──3-计算流程实例.mp4.mp421.73M
| | ├──4-A3C整体架构分析.mp4.mp421.57M
| | └──5-损失函数整理.mp431.05M
| └──8_用A3C玩转超级马里奥
| | ├──1-整体流程与环境配置.mp4.mp431.88M
| | ├──2-启动游戏环境.mp4.mp437.50M
| | ├──3-要计算的指标回顾.mp4.mp445.19M
| | ├──4-初始化局部模型并加载参数.mp4.mp440.13M
| | ├──5-与环境交互得到训练数据.mp4.mp449.56M
| | └──6-训练网络模型.mp4.mp455.53M
├──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.mp445.94M
| | ├──2-项目基本配置参数1.mp4.mp438.73M
| | ├──3-任务流程解读1.mp4.mp480.17M
| | ├──4-文献报告分析1.mp4.mp4140.83M
| | ├──5-补充：视频数据源特征处理方法概述1.mp4.mp435.00M
| | └──6-补充：R(2plus1)D处理方法分析1.mp4.mp425.33M
| ├──11_YOLO系列物体检测算法原理解读
| | ├──1-V2版本细节升级概述.mp4.mp416.87M
| | ├──1-V3版本改进概述.mp4.mp423.13M
| | ├──1-V4版本整体概述.mp4.mp418.20M
| | ├──1-YOLO算法整体思路解读.mp4.mp422.25M
| | ├──1-检测任务中阶段的意义.mp4.mp421.17M
| | ├──10-PAN模块解读.mp4.mp427.77M
| | ├──11-激活函数与整体架构总结.mp4.mp426.19M
| | ├──2-V4版本贡献解读.mp4.mp411.50M
| | ├──2-不同阶段算法优缺点分析.mp4.mp414.38M
| | ├──2-多scale方法改进与特征融合.mp4.mp424.63M
| | ├──2-检测算法要得到的结果.mp4.mp419.74M
| | ├──2-网络结构特点.mp4.mp422.30M
| | ├──3-IOU指标计算.mp4.mp416.60M
| | ├──3-架构细节解读.mp4.mp425.29M
| | ├──3-经典变换方法对比分析.mp4.mp415.52M
| | ├──3-数据增强策略分析.mp4.mp435.08M
| | ├──3-整体网络架构解读.mp4.mp444.01M
| | ├──4-DropBlock与标签平滑方法.mp4.mp426.44M
| | ├──4-残差连接方法解读.mp4.mp425.45M
| | ├──4-基于聚类来选择先验框尺寸.mp4.mp432.65M
| | ├──4-评估所需参数计算.mp4.mp435.92M
| | ├──4-位置损失计算.mp4.mp426.79M
| | ├──5-map指标计算.mp4.mp425.34M
| | ├──5-偏移量计算方法.mp4.mp438.80M
| | ├──5-损失函数遇到的问题.mp4.mp419.87M
| | ├──5-整体网络模型架构分析.mp4.mp416.77M
| | ├──5-置信度误差与优缺点分析.mp4.mp438.51M
| | ├──6-CIOU损失函数定义.mp4.mp413.11M
| | ├──6-先验框设计改进.mp4.mp419.31M
| | ├──6-坐标映射与还原.mp4.mp413.13M
| | ├──7-NMS细节改进.mp4.mp421.25M
| | ├──7-sotfmax层改进.mp4.mp414.47M
| | ├──7-感受野的作用.mp4.mp438.49M
| | ├──8-SPP与CSP网络结构.mp4.mp418.42M
| | ├──8-特征融合改进.mp4.mp427.50M
| | ├──9-SAM注意力机制模块.mp4.mp429.83M
| | └──目录.txt1.65kb
| ├──12_基于YOLO5细胞检测实战
| | ├──1-任务与细胞数据集介绍.mp4.mp449.79M
| | ├──2-模型与算法配置参数解读.mp4.mp442.47M
| | ├──3-网络训练流程演示.mp4.mp442.34M
| | ├──4-效果评估与展示.mp4.mp432.65M
| | └──5-细胞检测效果演示.mp4.mp443.21M
| ├──13_知识图谱原理解读
| | ├──1-数据关系抽取分析.mp4.mp427.31M
| | ├──1-知识图谱通俗解读.mp4.mp419.87M
| | ├──2-常用NLP技术点分析.mp4.mp422.09M
| | ├──2-知识图谱在搜索引擎中的应用.mp4.mp426.60M
| | ├──3-graph-embedding的作用与效果.mp4.mp426.15M
| | ├──3-知识图谱在医疗领域应用实例.mp4.mp4102.89M
| | ├──4-金融领域图编码实例.mp4.mp412.77M
| | ├──4-金融与推荐领域的应用.mp4.mp420.39M
| | ├──5-视觉领域图编码实例.mp4.mp428.27M
| | ├──5-数据获取分析.mp4.mp435.93M
| | ├──6-图谱知识融合与总结分析.mp4.mp434.06M
| | └──目录.txt0.57kb
| ├──14_Neo4j数据库实战
| | ├──1-Neo4j图数据库介绍.mp4.mp473.11M
| | ├──2-Neo4j数据库安装流程演示.mp4.mp432.94M
| | ├──3-可视化例子演示.mp4.mp449.71M
| | ├──4-创建与删除操作演示.mp4.mp432.66M
| | └──5-数据库更改查询操作演示.mp4.mp436.23M
| ├──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.mp444.42M
| | ├──10-完成对话系统构建.mp4.mp453.38M
| | ├──2-医疗数据介绍及其各字段含义.mp4.mp472.20M
| | ├──3-任务流程概述.mp4.mp442.77M
| | ├──4-环境配置与所需工具包安装.mp4.mp441.89M
| | ├──5-数据获取分析.mp4.mp446.99M
| | ├──5-提取数据中的关键字段信息.mp4.mp461.38M
| | ├──6-创建关系边.mp4.mp444.72M
| | ├──7-打造医疗知识图谱模型.mp4.mp462.67M
| | ├──8-加载所有实体数据.mp4.mp444.49M
| | └──9-实体关键词字典制作.mp4.mp439.55M
| ├──16_词向量模型与RNN网络架构
| | ├──2-1词向量模型通俗解释.mp4.mp421.72M
| | ├──3-1模型整体框架.mp4.mp428.24M
| | ├──4-1训练数据构建.mp4.mp415.85M
| | ├──5-1CBOW与Skip-gram模型.mp4.mp423.83M
| | ├──6-1负采样方案.mp4.mp429.51M
| | ├──额外补充-RNN网络模型解读.mp4.mp423.75M
| | └──目录.txt0.30kb
| ├──17_医学糖尿病数据命名实体识别
| | ├──1-数据与任务介绍1.mp4.mp422.73M
| | ├──2-整体模型架构1.mp4.mp415.01M
| | ├──3-数据-标签-语料库处理1.mp4.mp439.99M
| | ├──4-输入样本填充补齐1.mp4.mp436.22M
| | ├──5-训练网络模型1.mp4.mp440.37M
| | └──6-医疗数据集（糖尿病）实体识别1.mp4.mp481.44M
| ├──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.mp431.70M
| | ├──10-1VGG网络架构.mp4.mp424.92M
| | ├──11-1残差网络Resnet.mp4.mp425.78M
| | ├──12-感受野的作用.mp4.mp418.88M
| | ├──2-1卷积的作用.mp4.mp432.36M
| | ├──3-1卷积特征值计算方法.mp4.mp429.86M
| | ├──4-1得到特征图表示.mp4.mp424.83M
| | ├──5-1步长与卷积核大小对结果的影响.mp4.mp427.95M
| | ├──6-1边缘填充方法.mp4.mp423.35M
| | ├──7-1特征图尺寸计算与参数共享.mp4.mp428.96M
| | ├──8-1池化层的作用.mp4.mp414.11M
| | └──9-1整体网络架构.mp4.mp422.00M
| ├──2_PyTorch框架基本处理操作
| | ├──1-PyTorch实战课程简介.mp4.mp423.18M
| | ├──2-PyTorch框架发展趋势简介1.mp4.mp434.61M
| | ├──3-框架安装方法（CPU与GPU版本）1.mp4.mp423.37M
| | ├──4-PyTorch基本操作简介1.mp4.mp438.66M
| | ├──5-自动求导机制.mp4.mp448.38M
| | ├──6线性回归DEMO-数据与参数配置1.mp4.mp431.18M
| | ├──7线性回归DEMO-训练回归模型1.mp4.mp452.42M
| | ├──8常见tensor格式1.mp4.mp427.84M
| | └──9Hub模块简介1.mp4.mp468.46M
| ├──3_PyTorch框架必备核心模块解读
| | ├──1-卷积网络参数定义1.mp4.mp434.30M
| | ├──10-加载训练好的网络模型1.mp4.mp459.85M
| | ├──11-优化器模块配置1.mp4.mp425.31M
| | ├──12-实现训练模块1.mp4.mp445.16M
| | ├──13-训练结果与模型保存1.mp4.mp457.83M
| | ├──14-加载模型对测试数据进行预测1.mp4.mp483.05M
| | ├──15-额外补充-Resnet论文解读1.mp4.mp4159.04M
| | ├──16-额外补充-Resnet网络架构解读1.mp4.mp427.48M
| | ├──2-网络流程解读1.mp4.mp462.22M
| | ├──3-Vision模块功能解读1.mp4.mp431.88M
| | ├──4-分类任务数据集定义与配置1.mp4.mp435.20M
| | ├──5-图像增强的作用1.mp4.mp414.58M
| | ├──6-数据预处理与数据增强模块1.mp4.mp448.76M
| | ├──7-Batch数据制作1.mp4.mp452.66M
| | ├──8-迁移学习的目标1.mp4.mp416.87M
| | └──9-迁移学习策略1.mp4.mp421.64M
| ├──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.mp426.43M
| | ├──2-Resnet网络架构原理分析.mp4.mp436.83M
| | ├──3-dataloader加载数据集.mp4.mp470.28M
| | ├──4-Resnet网络前向传播.mp4.mp441.95M
| | ├──5-残差网络的shortcut操作.mp4.mp454.52M
| | ├──6-特征图升维与降采样操作.mp4.mp436.66M
| | └──7-网络整体流程与训练演示.mp4.mp482.82M
| ├──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.mp427.44M
| | ├──2-分割任务中的目标函数定义.mp4.mp425.87M
| | └──3-MIOU评估标准.mp4.mp412.78M
| ├──6_Unet系列算法讲解
| | ├──1-Unet网络编码与解码过程.mp4.mp424.27M
| | ├──2-网络计算流程1.mp4.mp421.17M
| | ├──3-Unet升级版本改进1.mp4.mp421.46M
| | └──4-后续升级版本介绍1.mp4.mp425.45M
| ├──7_unet医学细胞分割实战
| | ├──4-特征融合方法演示.mp4.mp435.95M
| | ├──5-迭代完成整个模型计算任务.mp4.mp443.14M
| | ├──6-模型效果验证.mp4.mp439.57M
| | ├──1-医学细胞数据集介绍与参数配置.mp4.mp470.13M
| | ├──2-数据增强工具.mp4.mp465.21M
| | └──3-Debug模式演示网络计算流程.mp4.mp451.13M
| ├──8_deeplab系列算法
| | ├──1-deeplab分割算法概述.mp4.mp419.15M
| | ├──2-空洞卷积的作用.mp4.mp421.17M
| | ├──3-感受野的意义.mp4.mp426.43M
| | ├──4-SPP层的作用.mp4.mp425.97M
| | ├──5-ASPP特征融合策略.mp4.mp417.01M
| | └──6-deeplabV3Plus版本网络架构.mp4.mp433.17M
| └──9_基于deeplabV3+版本进行VOC分割实战
| | ├──1-PascalVoc数据集介绍.mp4.mp456.87M
| | ├──2-项目参数与数据集读取.mp4.mp469.80M
| | ├──3-网络前向传播流程.mp4.mp439.57M
| | ├──4-ASPP层特征融合.mp4.mp461.87M
| | └──5-分割模型训练.mp4.mp443.37M
├──19_深度学习模型部署与剪枝优化实战
| ├──3_pyTorch框架部署实践
| | ├──0-课程简介12.mp4.mp49.48M
| | ├──1-所需基本环境配置.mp4.mp427.80M
| | ├──2-模型加载与数据预处理.mp4.mp446.47M
| | ├──3-接收与预测模块实现.mp4.mp448.73M
| | └──4-效果实例演示.mp4.mp454.72M
| ├──4_YOLO-V3物体检测部署实例
| | ├──1-项目所需配置文件介绍.mp4.mp433.91M
| | ├──2-加载参数与模型权重.mp4.mp446.17M
| | ├──3-数据预处理.mp4.mp460.81M
| | └──4-返回线性预测结果.mp4.mp455.39M
| ├──5_docker实例演示
| | ├──1-docker简介.mp4.mp421.46M
| | ├──2-docker安装与配置.mp4.mp460.96M
| | ├──3-阿里云镜像配置.mp4.mp432.44M
| | ├──4-基于docker配置pytorch环境.mp4.mp449.23M
| | ├──5-安装演示环境所需依赖.mp4.mp441.19M
| | ├──6-复制所需配置到容器中.mp4.mp436.31M
| | └──7-上传与下载配置好的项目.mp4.mp459.24M
| ├──6_tensorflow-serving实战
| | ├──1-tf-serving项目获取与配置.mp4.mp434.83M
| | ├──2-加载并启动模型服务.mp4.mp441.24M
| | ├──3-测试模型部署效果.mp4.mp456.19M
| | ├──4-fashion数据集获取.mp4.mp442.80M
| | └──5-加载fashion模型启动服务.mp4.mp434.36M
| ├──7_模型剪枝-Network Slimming算法分析
| | ├──1-论文算法核心框架概述.mp4.mp426.10M
| | ├──2-BatchNorm要解决的问题.mp4.mp424.77M
| | ├──3-BN的本质作用.mp4.mp426.75M
| | ├──4-额外的训练参数解读.mp4.mp427.23M
| | └──5-稀疏化原理与效果.mp4.mp433.25M
| ├──8_模型剪枝-Network Slimming实战解读
| | ├──1-整体案例流程解读.mp4.mp447.00M
| | ├──2-加入L1正则化来进行更新.mp4.mp434.44M
| | ├──3-剪枝模块介绍.mp4.mp435.25M
| | ├──4-筛选需要的特征图.mp4.mp441.22M
| | ├──5-剪枝后模型参数赋值.mp4.mp462.52M
| | └──6-微调完成剪枝模型.mp4.mp454.52M
| └──9_Mobilenet三代网络模型架构
| | ├──1-模型剪枝分析.mp4.mp427.39M
| | ├──10-V2整体架构与效果分析.mp4.mp414.75M
| | ├──11-V3版本网络架构分析.mp4.mp415.31M
| | ├──12-SE模块作用与效果解读.mp4.mp445.76M
| | ├──13-代码实现mobilenetV3网络架构.mp4.mp487.43M
| | ├──2-常见剪枝方法介绍.mp4.mp428.84M
| | ├──3-mobilenet简介.mp4.mp411.48M
| | ├──4-经典卷积计算量与参数量分析.mp4.mp418.17M
| | ├──5-深度可分离卷积的作用与效果.mp4.mp419.23M
| | ├──6-参数与计算量的比较.mp4.mp456.10M
| | ├──7-V1版本效果分析.mp4.mp434.52M
| | ├──8-V2版本改进以及Relu激活函数的问题.mp4.mp426.49M
| | └──9-倒残差结构的作用.mp4.mp421.59M
├──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.mp4660.77M
| ├──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.mp436.23M
| | ├──2-数据样本生成方法.mp485.45M
| | ├──3-训练所需参数解读.mp468.88M
| | ├──4-模型训练过程.mp467.76M
| | └──5-部署与网页预测展示.mp499.65M
| ├──12_额外补充：文本摘要建模
| | ├──1-中文商城评价数据处理方法.mp477.95M
| | ├──2-模型训练与测试结果.mp4125.90M
| | ├──3-文本摘要数据标注方法.mp458.38M
| | └──4-训练自己标注的数据并测试.mp436.40M
| ├──13_直播8：知识抽取实战
| | └──知识抽取实战.mp4716.88M
| ├──14_直播9：Openai CLIP模型
| | └──Openai CLIP模型.mp41.16G
| ├──15_直播10：DeformableDetr算法解读
| | └──DeformableDetr算法解读.mp4905.29M
| ├──16_直播11：OCR算法解读
| | └──OCR算法解读.mp41.80G
| ├──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.mp41.04G
| ├──18_直播13：对比学习
| | └──1对比学习.mp41.31G
| ├──1_直播1：开班典礼
| | └──1人工智能CV NLP高薪实战班.mp41.88G
| ├──2_Pycharm环境配置与Debug演示(没用过的同学必看)
| | └──Pycharm环境配置与Debug演示(没用过的同学必看).mp4125.39M
| ├──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.mp41.06G
| ├──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.mp4517.48M
| ├──5_额外补充：时间序列预测
| | └──额外补充：时间序列预测.mp4527.17M
| ├──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.mp42.04G
| ├──7_额外补充：Huggingface与NLP（讲故事）
| | └──Huggingface与NLP（讲故事）.mp4245.97M
| ├──8_直播5：Huggingface核心模块解读
| | └──Huggingface核心模块解读.mp4814.97M
| └──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.mp41.21G
├──20_自然语言处理经典案例实战
| └──20_自然语言处理经典案例实战.zip3.78G
├──21_自然语言处理通用框架-BERT实战
| └──21_自然语言处理通用框架-BERT实战.zip2.99G
├──22_知识图谱实战系列
| └──22_知识图谱实战系列.zip2.08G
├──23_语音识别实战系列
| └──23_语音识别实战系列.zip2.35G
├──24_推荐系统实战系列
| └──24_推荐系统实战系列.zip3.51G
├──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.mp4589.67M
| ├──2_卷积神经网络算法解读
| | └──2-卷积神经网络算法解读.mp4432.74M
| └──3_递归神经网络算法解读
| | └──3-递归神经网络算法解读.mp4336.06M
├──3_深度学习核心框架PyTorch
| ├──1_PyTorch框架介绍与配置安装
| | ├──1-PyTorch框架与其他框架区别分析1.mp4.mp433.24M
| | └──2-CPU与GPU版本安装方法解读1.mp4.mp4100.57M
| ├──2_使用神经网络进行分类任务
| | ├──1-数据集与任务概述2.mp4.mp443.34M
| | ├──2-基本模块应用测试2.mp4.mp447.62M
| | ├──3-网络结构定义方法2.mp4.mp455.60M
| | ├──4-数据源定义简介2.mp4.mp438.98M
| | ├──5-损失与训练模块分析2.mp4.mp442.31M
| | ├──6-训练一个基本的分类模型2.mp4.mp454.59M
| | └──7-参数对结果的影响2.mp4.mp451.65M
| ├──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.mp4198.56M
| ├──4_卷积网络参数解读分析
| | ├──1-输入特征通道分析2.mp4.mp442.48M
| | ├──2-卷积网络参数解读2.mp4.mp431.46M
| | └──3-卷积网络模型训练2.mp4.mp455.14M
| ├──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.mp441.62M
| | ├──10-测试结果演示分析1.mp4.mp4110.98M
| | ├──2-数据增强模块2.mp4.mp440.50M
| | ├──3-数据集与模型选择1.mp4.mp445.32M
| | ├──4-迁移学习方法解读1.mp4.mp444.66M
| | ├──5-输出层与梯度设置1.mp4.mp461.42M
| | ├──6-输出类别个数修改1.mp4.mp449.06M
| | ├──7-优化器与学习率衰减1.mp4.mp452.48M
| | ├──8-模型训练方法1.mp4.mp452.60M
| | └──9-重新训练全部模型1.mp4.mp454.81M
| ├──6_DataLoader自定义数据集制作
| | ├──1-Dataloader要完成的任务分析1.mp4.mp439.20M
| | ├──2-图像数据与标签路径处理1.mp4.mp448.98M
| | ├──3-Dataloader中需要实现的方法分析1.mp4.mp446.95M
| | └──4-实用Dataloader加载数据并训练模型1.mp4.mp477.82M
| ├──7_LSTM文本分类实战
| | ├──1-数据集与任务目标分析1.mp4.mp452.81M
| | ├──2-文本数据处理基本流程分析1.mp4.mp455.97M
| | ├──3-命令行参数与DEBUG1.mp4.mp436.52M
| | ├──4-训练模型所需基本配置参数分析1.mp4.mp440.92M
| | ├──5-预料表与字符切分1.mp4.mp431.98M
| | ├──6-字符预处理转换ID1.mp4.mp434.37M
| | ├──7-LSTM网络结构基本定义1.mp4.mp434.73M
| | ├──8-网络模型预测结果输出1.mp4.mp439.11M
| | └──9-模型训练任务与总结1.mp4.mp445.16M
| └──8_PyTorch框架Flask部署例子
| | ├──1-基本结构与训练好的模型加载.mp4.mp421.02M
| | ├──2-服务端处理与预测函数.mp4.mp440.92M
| | └──3-基于Flask测试模型预测结果.mp4.mp446.26M
├──4_MMLAB实战系列
| ├──10_第四模块：DBNET文字检测
| | ├──1-文字检测数据概述与配置文件.mp4.mp456.60M
| | ├──2-配置文件参数设置.mp4.mp438.74M
| | ├──3-Neck层特征组合.mp4.mp432.04M
| | ├──4-损失函数模块概述.mp4.mp443.11M
| | └──5-损失计算方法.mp4.mp459.35M
| ├──11_第四模块：ANINET文字识别
| | ├──1-数据集与环境概述.mp4.mp455.58M
| | ├──2-配置文件修改方法.mp4.mp452.49M
| | ├──3-Bakbone模块得到特征.mp4.mp442.10M
| | ├──4-视觉Transformer模块的作用.mp4.mp445.97M
| | ├──5-视觉模型中的编码与解码的效果.mp4.mp454.49M
| | ├──6-文本模型中的结构分析.mp4.mp438.66M
| | ├──7-迭代修正模块.mp4.mp438.14M
| | └──8-输出层与损失计算.mp4.mp452.81M
| ├──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.mp451.55M
| | ├──2-KIE数据集格式调整方法.mp4.mp469.46M
| | ├──3-配置文件与标签要进行处理操作.mp4.mp447.83M
| | ├──4-边框要计算的特征分析.mp4.mp435.57M
| | ├──5-标签数据处理与关系特征提取.mp4.mp456.48M
| | ├──6-特征合并处理.mp4.mp443.74M
| | ├──7-准备拼接边与点特征.mp4.mp441.38M
| | └──8-整合得到图模型输入特征.mp4.mp471.98M
| ├──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.mp457.79M
| | ├──2-得到style特征编码.mp4.mp469.51M
| | ├──3-特征编码风格拼接.mp4.mp436.76M
| | ├──4-基础风格特征卷积模块.mp4.mp454.69M
| | ├──5-上采样得到输出结果.mp4.mp440.75M
| | └──6-损失函数概述.mp4.mp426.56M
| ├──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.mp427.36M
| | ├──10-传播流程整体完成一圈.mp461.55M
| | ├──11-完成输出结果.mp4.mp451.56M
| | ├──2-特征基础提取模块.mp444.58M
| | ├──3-光流估计网络模块.mp425.67M
| | ├──4-基于光流完成对齐操作.mp440.23M
| | ├──5-偏移量计算方法1.mp4.mp432.48M
| | ├──6-双向计算特征对齐.mp436.97M
| | ├──7-提特征传递流程分析.mp437.23M
| | ├──8-序列传播计算.mp439.88M
| | └──9-准备变形卷积模块的输入.mp4.mp444.71M
| ├──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.mp451.52M
| | ├──10-3D卷积特征融合.mp456.76M
| | ├──11-输出层预测结果.mp480.80M
| | ├──2-数据与标注文件介绍.mp437.49M
| | ├──3-基本流程梳理并进入debug模式.mp450.33M
| | ├──4-数据与图像特征提取模块.mp458.02M
| | ├──5-体素索引位置获取.mp4.mp464.72M
| | ├──6-体素特征提取方法解读.mp437.57M
| | ├──7-体素特征计算方法分析.mp470.71M
| | ├──8-全局体素特征提取.mp495.96M
| | └──9-多模态特征融合.mp468.36M
| ├──15_第八模块：模型蒸馏应用实例
| | ├──1-任务概述与工具使用.mp439.64M
| | ├──2-Teacher与Student网络结构定义.mp446.25M
| | ├──3-训练T与S得到蒸馏模型.mp470.63M
| | ├──4-开始模型训练过程与问题修正.mp457.26M
| | ├──5-日志输出与模型分离.mp470.25M
| | ├──6-分别得到Teacher与Student模型.mp445.74M
| | └──7-实际测试效果演示.mp439.02M
| ├──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.mp440.58M
| | └──2-搜索匹配到符合计算量的模型并训练.mp446.83M
| ├──17_第九模块：mmaction行为识别
| | └──创建自己的行为识别标注数据集.mp4232.73M
| ├──18_额外补充
| | └──在源码中加入各种注意力机制方法.mp4122.48M
| ├──1_MMCV安装方法
| | └──MMCV安装方法.mp455.75M
| ├──2_第一模块：分类任务基本操作
| | ├──1-准备MMCLS项目.mp432.26M
| | ├──2-基本参数配置解读.mp434.52M
| | ├──3-各模块配置文件组成.mp435.81M
| | ├──4-生成完整配置文件.mp424.45M
| | ├──5-根据文件夹定义数据集.mp440.27M
| | ├──6-构建自己的数据集.mp436.33M
| | ├──7-训练自己的任务.mp439.32M
| | └──MMCLS问题修正1.mp423.50M
| ├──3_第一模块：训练结果测试与验证
| | ├──1-测试DEMO效果.mp425.49M
| | ├──2-测试评估模型效果.mp427.58M
| | ├──3-MMCLS中增加一个新的模块.mp462.61M
| | ├──4-修改配置文件中的参数.mp467.72M
| | ├──5-数据增强流程可视化展示.mp437.40M
| | ├──6-Grad-Cam可视化方法.mp441.17M
| | ├──7-可视化细节与效果分析.mp4124.19M
| | ├──8-MMCLS可视化模块应用.mp472.07M
| | └──9-模型分析脚本使用.mp436.37M
| ├──4_第一模块：模型源码DEBUG演示
| | ├──1-VIT任务概述.mp429.96M
| | ├──2-数据增强模块概述分析.mp449.58M
| | ├──3-PatchEmbedding层.mp425.30M
| | ├──4-前向传播基本模块.mp438.87M
| | └──5-CLS与输出模块.mp444.04M
| ├──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.mp474.23M
| | ├──2-数据集标注与制作方法.mp456.84M
| | ├──3-跟别预测类别数修改配置文件.mp439.48M
| | ├──4-加载预训练模型开始训练.mp486.52M
| | └──5-预测DEMO演示.mp421.88M
| ├──6_第二模块：基于Unet进行各种策略修改
| | ├──1-配置文件解读.mp432.12M
| | ├──2-编码层模块.mp432.47M
| | ├──3-上采样与输出层.mp428.25M
| | ├──4-辅助层的作用.mp419.83M
| | ├──5-给Unet添加一个neck层.mp430.37M
| | ├──6-如何修改参数适配网络结构.mp421.73M
| | ├──7-将Unet特征提取模块替换成transformer.mp422.41M
| | └──8-VIT模块源码分析.mp445.48M
| ├──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.mp434.30M
| | ├──10-汇总多层级特征进行输出.mp4.mp443.35M
| | ├──2-配置文件指定.mp4.mp435.84M
| | ├──3-DEBUG解读Backbone设计.mp4.mp440.45M
| | ├──4-PatchEmbedding的作用与实现.mp4.mp444.88M
| | ├──5-卷积位置编码计算方法.mp4.mp453.89M
| | ├──6-近似Attention模块实现.mp4.mp479.49M
| | ├──7-完成特征提取与融合模块.mp4.mp455.69M
| | ├──8-分割任务输出模块.mp4.mp457.72M
| | └──9-全局特征的作用与实现.mp4.mp456.34M
| ├──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.mp431.35M
| | ├──2-COCO数据标注格式.mp4.mp428.16M
| | ├──3-通过脚本生成COCO数据格式.mp4.mp438.55M
| | ├──4-配置文件数据增强策略分析.mp4.mp445.59M
| | ├──5-训练所需配置说明.mp4.mp456.00M
| | ├──6-模型训练与DEMO演示.mp4.mp435.27M
| | ├──7-模型测试与可视化分析模块.mp4.mp477.61M
| | └──8-补充：评估指标.mp4.mp414.06M
| └──9_第三模块：DeformableDetr物体检测源码分析
| | ├──1-特征提取与位置编码.mp438.16M
| | ├──10-分类与回归输出模块.mp449.72M
| | ├──11-预测输出结果与标签匹配模块.mp444.31M
| | ├──2-序列特征展开并叠加.mp451.07M
| | ├──3-得到相对位置点编码.mp428.80M
| | ├──4-准备Encoder编码层所需全部输入.mp437.91M
| | ├──5-编码层中的序列分析.mp439.73M
| | ├──6-偏移量offset计算.mp446.09M
| | ├──7-偏移量对齐操作.mp439.80M
| | ├──8-Encoder层完成特征对齐.mp451.84M
| | └──9-Decoder要完成的操作.mp438.98M
├──5_Opencv图像处理框架实战
| ├──10_项目实战-文档扫描OCR识别
| | ├──1-整体流程演示.mp4.mp421.50M
| | ├──2-文档轮廓提取.mp4.mp427.81M
| | ├──3-原始与变换坐标计算.mp4.mp426.24M
| | ├──4-透视变换结果.mp4.mp432.87M
| | ├──5-tesseract-ocr安装配置.mp4.mp441.23M
| | └──6-文档扫描识别效果.mp4.mp428.86M
| ├──11_图像特征-harris
| | ├──1-角点检测基本原理.mp4.mp415.53M
| | ├──2-基本数学原理.mp4.mp430.58M
| | ├──3-求解化简.mp4.mp431.79M
| | ├──4-特征归属划分.mp4.mp443.23M
| | └──5-opencv角点检测效果.mp4.mp431.04M
| ├──12_图像特征-sift
| | ├──1-尺度空间定义.mp4.mp420.04M
| | ├──2-高斯差分金字塔.mp4.mp421.68M
| | ├──3-特征关键点定位.mp4.mp448.15M
| | ├──4-生成特征描述.mp4.mp424.66M
| | ├──5-特征向量生成.mp4.mp443.73M
| | └──6-opencv中sift函数使用.mp4.mp428.80M
| ├──13_案例实战-全景图像拼接
| | ├──1-特征匹配方法.mp4.mp428.56M
| | ├──2-RANSAC算法.mp4.mp434.50M
| | ├──2-图像拼接方法.mp4.mp444.96M
| | └──4-流程解读.mp4.mp421.65M
| ├──14_项目实战-停车场车位识别
| | ├──1-任务整体流程.mp4.mp471.40M
| | ├──2-所需数据介绍.mp4.mp434.31M
| | ├──3-图像数据预处理.mp4.mp456.75M
| | ├──4-车位直线检测.mp4.mp461.44M
| | ├──5-按列划分区域.mp4.mp454.67M
| | ├──6-车位区域划分.mp4.mp457.33M
| | ├──7-识别模型构建.mp4(1).mp441.19M
| | ├──7-识别模型构建.mp4.mp441.19M
| | └──8-基于视频的车位检测.mp4.mp4135.61M
| ├──15_项目实战-答题卡识别判卷
| | ├──1-整体流程与效果概述.mp4.mp429.49M
| | ├──2-预处理操作.mp4.mp424.08M
| | ├──3-填涂轮廓检测.mp4.mp425.66M
| | └──4-选项判断识别.mp4.mp457.12M
| ├──16_背景建模
| | ├──1-背景消除-帧差法.mp4.mp420.79M
| | ├──2-混合高斯模型.mp4.mp426.39M
| | ├──3-学习步骤.mp4.mp431.75M
| | └──4-背景建模实战.mp4.mp451.17M
| ├──17_光流估计
| | ├──1-基本概念.mp4.mp420.20M
| | ├──2-Lucas-Kanade算法.mp4.mp419.67M
| | ├──3-推导求解.mp4.mp425.94M
| | └──4-光流估计实战.mp4.mp464.22M
| ├──18_Opencv的DNN模块
| | ├──1-dnn模块.mp4.mp428.59M
| | └──2-模型加载结果输出.mp4.mp440.50M
| ├──19_项目实战-目标追踪
| | ├──1-目标追踪概述.mp4.mp449.75M
| | ├──2-多目标追踪实战.mp4.mp434.62M
| | ├──3-深度学习检测框架加载.mp4.mp443.62M
| | ├──4-基于dlib与ssd的追踪.mp4.mp473.02M
| | ├──5-多进程目标追踪.mp4.mp425.72M
| | └──6-多进程效率提升对比.mp4.mp478.13M
| ├──1_课程简介与环境配置
| | ├──0-课程简介2.mp4.mp45.37M
| | ├──2-Notebook与IDE环境.mp4.mp484.39M
| | └──2-Python与Opencv配置安装.mp4.mp433.28M
| ├──20_卷积原理与操作
| | ├──1-卷积神经网络的应用.mp4.mp436.18M
| | ├──1-卷积效果演示.mp4.mp424.58M
| | ├──2-卷积操作流程.mp4.mp441.15M
| | ├──2-卷积层解释.mp4.mp422.31M
| | ├──3-卷积计算过程.mp4.mp427.61M
| | ├──4-pading与stride.mp4.mp426.12M
| | ├──5-卷积参数共享.mp4.mp417.69M
| | └──6-池化层原理.mp4.mp416.09M
| ├──21_项目实战-疲劳检测
| | ├──1-关键点定位概述.mp4.mp428.45M
| | ├──2-获取人脸关键点.mp4.mp436.07M
| | ├──3-定位效果演示.mp4.mp445.43M
| | ├──4-闭眼检测.mp4.mp471.07M
| | └──5-检测效果.mp4.mp440.60M
| ├──2_图像基本操作
| | ├──1-计算机眼中的图像.mp4.mp430.88M
| | ├──2-视频的读取与处理.mp4.mp446.97M
| | ├──3-ROI区域.mp4.mp415.37M
| | ├──4-边界填充.mp4.mp421.46M
| | └──5-数值计算.mp4.mp440.04M
| ├──3_阈值与平滑处理
| | ├──1-图像平滑处理.mp4.mp424.69M
| | ├──2-高斯与中值滤波.mp4.mp420.55M
| | └──图像阈值.mp4.mp430.78M
| ├──4_图像形态学操作
| | ├──1-腐蚀操作.mp4.mp420.99M
| | ├──2-膨胀操作.mp4.mp412.25M
| | ├──3-开运算与闭运算.mp4.mp49.32M
| | ├──4-梯度计算.mp4.mp47.85M
| | └──5-礼帽与黑帽.mp4.mp415.88M
| ├──5_图像梯度计算
| | ├──1-Sobel算子.mp4.mp427.00M
| | ├──2-梯度计算方法.mp4.mp430.29M
| | └──3-scharr与lapkacian算子.mp4.mp427.39M
| ├──666JAVA下载必看
| | ├──高薪学习it网【海量资源：666java.com】.url0.05kb
| | ├──海量优质it资源【www.666java.com】.url0.05kb
| | ├──看看我【www.666java.com】.zip14.66M
| | ├──课程总结【海量资源：666java.com】.mp414.73M
| | ├──面试合集【海量资源：666java.com】.txt0.18kb
| | ├──软件下载【海量资源：666java.com】.txt0.15kb
| | ├──下载必看.txt0.16kb
| | └──资料2【海量资源：666java.com】.zip14.66M
| ├──6_边缘检测
| | ├──1-Canny边缘检测流程.mp4.mp418.97M
| | ├──2-非极大值抑制.mp4.mp418.32M
| | └──3-边缘检测效果.mp4.mp436.63M
| ├──7_图像金字塔与轮廓检测
| | ├──1-轮廓检测方法.mp4.mp419.31M
| | ├──1-模板匹配方法.mp4.mp447.35M
| | ├──1-图像金字塔定义.mp4.mp419.68M
| | ├──2-金字塔制作方法.mp4.mp425.47M
| | ├──2-轮廓检测结果.mp4.mp434.37M
| | ├──2-匹配效果展示.mp4.mp421.14M
| | └──3-轮廓特征与近似.mp4.mp437.51M
| ├──8_直方图与傅里叶变换
| | ├──1-傅里叶概述.mp4.mp438.79M
| | ├──1-直方图定义.mp4.mp423.64M
| | ├──2-均衡化原理.mp4.mp431.35M
| | ├──2-频域变换结果.mp4.mp426.26M
| | ├──3-低通与高通滤波.mp4.mp427.34M
| | └──3-均衡化效果.mp4.mp427.21M
| └──9_项目实战-信用卡数字识别
| | ├──2-环境配置与预处理.mp4.mp434.85M
| | ├──3-模板处理方法.mp4.mp423.69M
| | ├──4-输入数据处理方法.mp4.mp428.88M
| | ├──5-模板匹配得出识别结果.mp4.mp447.72M
| | └──总体流程与方法讲解.mp4.mp420.65M
├──6_综合项目-物体检测经典算法实战
| ├──10_EfficientNet网络
| | └──第八课：EfficientNet网络模型.mp4.mp4538.47M
| ├──11_EfficientDet检测算法
| | └──第十一章：EfficientDet检测算法.mp4.mp4448.01M
| ├──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.mp419.35M
| | ├──2-整体网络架构分析.mp4.mp431.64M
| | ├──3-位置信息初始化query向量.mp4.mp419.97M
| | ├──4-注意力机制的作用方法.mp4.mp420.85M
| | └──5-训练过程的策略.mp4.mp428.41M
| ├──13_detr目标检测源码解读
| | ├──1-项目环境配置解读.mp4.mp440.42M
| | ├──2-数据处理与dataloader.mp4.mp464.11M
| | ├──3-位置编码作用分析.mp4.mp447.95M
| | ├──4-backbone特征提取模块.mp4.mp435.62M
| | ├──5-mask与编码模块.mp4.mp434.75M
| | ├──6-编码层作用方法.mp4.mp442.86M
| | ├──7-Decoder层操作与计算.mp4.mp430.15M
| | ├──8-输出预测结果.mp4.mp441.28M
| | └──9-损失函数与预测输出.mp4.mp441.18M
| ├──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.mp415.14M
| | ├──2-不同阶段算法优缺点分析.mp4.mp410.68M
| | ├──3-IOU指标计算.mp4.mp411.74M
| | ├──4-评估所需参数计算.mp4.mp426.23M
| | └──5-map指标计算.mp4.mp419.63M
| ├──2_YOLO-V1整体思想与网络架构
| | ├──2-检测算法要得到的结果.mp4.mp413.63M
| | ├──3-整体网络架构解读.mp4.mp430.67M
| | ├──4-位置损失计算.mp4.mp418.97M
| | ├──5-置信度误差与优缺点分析.mp4.mp426.86M
| | └──YOLO算法整体思路解读.mp4.mp414.68M
| ├──3_YOLO-V2改进细节详解
| | ├──V2版本细节升级概述.mp4.mp413.38M
| | ├──2-网络结构特点.mp4.mp415.69M
| | ├──3-架构细节解读.mp4.mp418.92M
| | ├──4-基于聚类来选择先验框尺寸.mp4.mp424.24M
| | ├──5-偏移量计算方法.mp4.mp427.55M
| | ├──6-坐标映射与还原.mp4.mp410.08M
| | ├──7-感受野的作用.mp4.mp428.11M
| | └──8-特征融合改进.mp4.mp419.20M
| ├──4_YOLO-V3核心网络模型
| | ├──1-V3版本改进概述.mp4.mp418.27M
| | ├──2-多scale方法改进与特征融合.mp4.mp417.07M
| | ├──3-经典变换方法对比分析.mp4.mp410.83M
| | ├──4-残差连接方法解读.mp4.mp418.64M
| | ├──5-整体网络模型架构分析.mp4.mp412.93M
| | ├──6-先验框设计改进.mp4.mp413.04M
| | └──7-sotfmax层改进.mp4.mp410.61M
| ├──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.mp465.52M
| | ├──10-网格偏移计算.mp4.mp433.92M
| | ├──11-模型要计算的损失概述.mp4.mp423.14M
| | ├──12-标签值格式修改.mp4.mp428.27M
| | ├──13-坐标相对位置计算.mp4.mp432.80M
| | ├──14-完成所有损失函数所需计算指标.mp4.mp435.32M
| | ├──15-模型训练与总结.mp4.mp472.91M
| | ├──16-预测效果展示.mp4.mp434.51M
| | ├──2-训练参数设置.mp4.mp423.85M
| | ├──3-数据与标签读取.mp4.mp442.51M
| | ├──4-标签文件读取与处理.mp4.mp427.48M
| | ├──5-debug模式介绍.mp4.mp427.25M
| | ├──6-基于配置文件构建网络模型.mp4.mp442.04M
| | ├──7-路由层与shortcut层的作用.mp4.mp433.72M
| | ├──8-YOLO层定义解析.mp4.mp461.09M
| | └──9-预测结果计算.mp4.mp446.00M
| ├──6_基于YOLO-V3训练自己的数据集与任务
| | ├──1-Labelme工具安装.mp4.mp414.29M
| | ├──2-数据信息标注.mp4.mp432.09M
| | ├──3-完成标签制作.mp4.mp431.74M
| | ├──4-生成模型所需配置文件.mp4.mp436.71M
| | ├──5-json格式转换成yolo-v3所需输入.mp4.mp420.95M
| | ├──6-完成输入数据准备工作.mp4.mp440.10M
| | ├──7-训练代码与参数配置更改.mp4.mp444.29M
| | └──8-训练模型并测试效果.mp4.mp438.49M
| ├──7_YOLO-V4版本算法解读
| | ├──1-V4版本整体概述.mp4.mp415.06M
| | ├──10-PAN模块解读.mp4.mp420.64M
| | ├──11-激活函数与整体架构总结.mp4.mp419.19M
| | ├──2-V4版本贡献解读.mp4.mp410.06M
| | ├──3-数据增强策略分析.mp4.mp424.70M
| | ├──4-DropBlock与标签平滑方法.mp4.mp419.36M
| | ├──5-损失函数遇到的问题.mp4.mp414.26M
| | ├──6-CIOU损失函数定义.mp4.mp410.82M
| | ├──7-NMS细节改进.mp4.mp416.66M
| | ├──8-SPP与CSP网络结构.mp4.mp414.81M
| | └──9-SAM注意力机制模块.mp4.mp422.48M
| ├──8_V5版本项目配置
| | ├──1-整体项目概述.mp4.mp435.77M
| | ├──2-训练自己的数据集方法.mp4.mp441.32M
| | ├──3-训练数据参数配置.mp4.mp451.48M
| | └──4-测试DEMO演示.mp4.mp450.47M
| └──9_V5项目工程源码解读
| | ├──12-BottleneckCSP层计算方法.mp4.mp433.82M
| | ├──13-1 SPP层计算细节分析.mp4.mp429.17M
| | ├──13-Head层流程解读.mp4.mp429.12M
| | ├──14-上采样与拼接操作.mp4.mp421.48M
| | ├──15-输出结果分析.mp4.mp441.71M
| | ├──16-超参数解读.mp4.mp434.94M
| | ├──17-命令行参数介绍.mp4.mp444.26M
| | ├──18-训练流程解读.mp4.mp446.81M
| | ├──19-各种训练策略概述.mp4.mp438.43M
| | ├──2-图像数据源配置.mp4.mp434.65M
| | ├──20-模型迭代过程.mp4.mp438.42M
| | ├──3-加载标签数据.mp4.mp426.33M
| | ├──4-Mosaic数据增强方法.mp4.mp428.19M
| | ├──5-数据四合一方法与流程演示.mp4.mp441.69M
| | ├──6-getItem构建batch.mp4.mp433.03M
| | ├──7-网络架构图可视化工具安装.mp4.mp434.33M
| | ├──8-V5网络配置文件解读.mp4.mp435.74M
| | ├──9-Focus模块流程分析.mp4.mp421.93M
| | ├──1-数据源DEBUG流程解读.mp4.mp448.13M
| | ├──10-完成配置文件解析任务.mp4.mp458.80M
| | └──11-前向传播计算.mp4.mp430.80M
├──7_图像分割实战
| ├──10_MaskRcnn网络框架源码详解
| | ├──1-FPN层特征提取原理解读.mp4.mp442.31M
| | ├──10-RoiPooling层的作用与目的.mp4.mp433.45M
| | ├──11-RorAlign操作的效果.mp4.mp425.70M
| | ├──12-整体框架回顾.mp4.mp428.86M
| | ├──2-FPN网络架构实现解读.mp4.mp455.77M
| | ├──3-生成框比例设置.mp4.mp428.25M
| | ├──4-基于不同尺度特征图生成所有框.mp4.mp432.93M
| | ├──5-RPN层的作用与实现解读.mp4.mp430.90M
| | ├──6-候选框过滤方法.mp4.mp415.59M
| | ├──7-Proposal层实现方法.mp4.mp433.31M
| | ├──8-DetectionTarget层的作用.mp4.mp425.70M
| | └──9-正负样本选择与标签定义.mp4.mp427.59M
| ├──11_基于MASK-RCNN框架训练自己的数据与任务
| | ├──1-Labelme工具安装.mp4.mp414.29M
| | ├──2-使用labelme进行数据与标签标注.mp4.mp426.29M
| | ├──3-完成训练数据准备工作.mp4.mp426.61M
| | ├──4-maskrcnn源码修改方法.mp4.mp463.56M
| | ├──5-基于标注数据训练所需任务.mp4.mp439.72M
| | └──6-测试与展示模块.mp4.mp438.60M
| ├──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.mp420.24M
| | ├──2-分割任务中的目标函数定义.mp4.mp420.00M
| | └──3-MIOU评估标准.mp4.mp49.03M
| ├──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.mp421.20M
| | ├──10-VGG网络架构.mp4.mp419.34M
| | ├──11-残差网络Resnet.mp4.mp418.02M
| | ├──12-感受野的作用.mp4.mp416.86M
| | ├──2-卷积的作用.mp4.mp422.67M
| | ├──3-卷积特征值计算方法.mp4.mp421.23M
| | ├──4-得到特征图表示.mp4.mp418.23M
| | ├──5-步长与卷积核大小对结果的影响.mp4.mp419.86M
| | ├──6-边缘填充方法.mp4.mp417.28M
| | ├──7-特征图尺寸计算与参数共享.mp4.mp421.99M
| | ├──8-池化层的作用.mp4.mp411.31M
| | └──9-1整体网络架构.mp4.mp416.98M
| ├──3_Unet系列算法讲解
| | ├──1-Unet网络编码与解码过程.mp4.mp418.29M
| | ├──2-网络计算流程.mp4.mp416.13M
| | ├──3-Unet升级版本改进.mp4.mp415.75M
| | └──4-后续升级版本介绍.mp4.mp418.37M
| ├──4_unet医学细胞分割实战
| | ├──1-医学细胞数据集介绍与参数配置.mp4.mp471.21M
| | ├──2-数据增强工具.mp4.mp461.47M
| | ├──3-Debug模式演示网络计算流程.mp4.mp441.37M
| | ├──4-特征融合方法演示.mp4.mp430.05M
| | ├──5-迭代完成整个模型计算任务.mp4.mp433.55M
| | └──6-模型效果验证.mp4.mp447.29M
| ├──5_U2NET显著性检测实战
| | ├──1-任务目标与网络整体介绍.mp4.mp458.66M
| | ├──2-显著性检测任务与目标概述.mp4.mp453.96M
| | ├──3-编码器模块解读.mp4.mp443.66M
| | ├──4-解码器输出结果.mp4.mp427.90M
| | └──5-损失函数与应用效果.mp4.mp434.34M
| ├──6_deeplab系列算法
| | ├──1-deeplab分割算法概述.mp4.mp413.81M
| | ├──2-空洞卷积的作用.mp4.mp416.74M
| | ├──3-感受野的意义.mp4.mp419.37M
| | ├──4-SPP层的作用.mp4.mp419.02M
| | ├──5-ASPP特征融合策略.mp4.mp413.45M
| | └──6-deeplabV3Plus版本网络架构.mp4.mp424.08M
| ├──7_基于deeplabV3+版本进行VOC分割实战
| | ├──1-PascalVoc数据集介绍.mp4.mp470.12M
| | ├──2-项目参数与数据集读取.mp4.mp460.32M
| | ├──3-网络前向传播流程.mp4.mp433.10M
| | ├──4-ASPP层特征融合.mp4.mp451.19M
| | └──5-分割模型训练.mp4.mp434.97M
| ├──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.mp445.55M
| | ├──2-项目基本配置参数.mp4.mp433.31M
| | ├──3-任务流程解读.mp4.mp469.12M
| | ├──4-文献报告分析.mp4.mp4122.67M
| | ├──5-补充：视频数据源特征处理方法概述.mp4.mp426.33M
| | └──6-补充：R(2plus1)D处理方法分析.mp4.mp418.88M
| └──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.mp488.18M
| | ├──0-参数配置.mp4.mp497.85M
| | └──0-开源项目数据集.mp4.mp442.48M
├──8_行为识别实战
| ├──1_slowfast算法知识点通俗解读
| | ├──1-slowfast核心思想解读.mp4.mp474.86M
| | ├──2-核心网络结构模块分析.mp4.mp420.98M
| | ├──3-数据采样曾的作用.mp4.mp418.26M
| | ├──4-模型网络结构设计.mp4.mp419.30M
| | └──5-特征融合模块与总结分析.mp4.mp439.30M
| ├──2_slowfast项目环境配置与配置文件
| | ├──1-环境基本配置解读.mp4.mp445.35M
| | ├──2-目录各文件分析.mp4.mp436.84M
| | ├──3-配置文件作用解读.mp4.mp450.90M
| | ├──4-测试DEMO演示1.mp4.mp466.77M
| | ├──5-训练所需标签文件说明.mp4.mp448.77M
| | ├──6-训练所需视频数据准备.mp4.mp447.39M
| | ├──7-视频数据集切分操作.mp4.mp439.66M
| | └──8-完成视频分帧操作.mp4.mp432.77M
| ├──3_slowfast源码详细解读
| | ├──1-模型所需配置文件参数读取1.mp4.mp433.24M
| | ├──10-RoiAlign与输出层1.mp4.mp478.92M
| | ├──2-数据处理概述1.mp4.mp449.72M
| | ├──3-dataloader数据遍历方法1.mp4.mp456.85M
| | ├──4-数据与标签读取实例1.mp4.mp452.22M
| | ├──5-图像数据所需预处理方法1.mp4.mp466.76M
| | ├──6-slow与fast分别执行采样操作1.mp4.mp466.34M
| | ├──7-分别计算特征图输出结果1.mp4.mp456.64M
| | ├──8-slow与fast特征图拼接操作1.mp4.mp449.69M
| | └──9-resnetBolock操作1.mp4.mp453.62M
| ├──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.mp420.62M
| | ├──2-UCF101动作识别数据集简介.mp4.mp451.69M
| | ├──3-测试效果与项目配置.mp4.mp455.60M
| | ├──4-视频数据预处理方法.mp4.mp432.25M
| | ├──5-数据Batch制作方法.mp4.mp446.66M
| | ├──6-3D卷积网络所涉及模块.mp4.mp437.76M
| | └──7-训练网络模型.mp4.mp438.81M
| ├──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.mp421.49M
| | ├──2-基本思想与流程分析.mp4.mp424.27M
| | ├──3-预测与常见问题.mp4.mp426.58M
| | ├──4-Meta-Learn要解决的问题.mp4.mp420.78M
| | ├──5-学习能力与参数定义.mp4.mp414.17M
| | ├──6-如何找到合适的初始化参数.mp4.mp423.36M
| | └──7-MAML算法流程解读.mp4.mp428.99M
| ├──666JAVA下载必看
| | ├──高薪学习it网【海量资源：666java.com】.url0.05kb
| | ├──海量优质it资源【www.666java.com】.url0.05kb
| | ├──看看我【www.666java.com】.zip14.66M
| | ├──课程总结【海量资源：666java.com】.mp414.73M
| | ├──面试合集【海量资源：666java.com】.txt0.18kb
| | ├──软件下载【海量资源：666java.com】.txt0.15kb
| | ├──下载必看.txt0.16kb
| | └──资料2【海量资源：666java.com】.zip14.66M
| ├──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.mp426.61M
| | ├──2-数据集配置与读取.mp4.mp438.74M
| | ├──3-模型编码与解码结构.mp4.mp433.37M
| | ├──4-注意力机制模块打造.mp4.mp461.12M
| | ├──5-损失函数的目的.mp4.mp457.97M
| | ├──6-特征图生成.mp4.mp438.02M
| | └──7-MetaLearn与输出.mp4.mp429.79M
| └──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.mp418.85M
| | ├──2-Resnet网络架构原理分析.mp4.mp424.81M
| | ├──3-dataloader加载数据集.mp4.mp464.78M
| | ├──4-Resnet网络前向传播.mp4.mp435.82M
| | ├──5-残差网络的shortcut操作.mp4.mp447.34M
| | ├──6-特征图升维与降采样操作.mp4.mp426.89M
| | └──7-网络整体流程与训练演示.mp4.mp467.45M
├──9_2022论文必备-Transformer实战系列
| ├──10_MedicalTransformer源码解读
| | ├──1-项目环境配置1.mp4.mp425.29M
| | ├──2-医学数据介绍与分析1.mp4.mp456.68M
| | ├──3-基本处理操作1.mp4.mp425.77M
| | ├──4-AxialAttention实现过程1.mp4.mp436.87M
| | ├──5-位置编码向量解读1.mp4.mp427.80M
| | ├──6-注意力计算过程与方法1.mp4.mp452.13M
| | └──7-局部特征提取与计算1.mp4.mp440.92M
| ├──11_商汤LoFTR算法解读
| | ├──1-特征匹配的应用场景.mp4.mp487.35M
| | ├──10-总结分析.mp4.mp439.42M
| | ├──2-特征匹配的基本流程分析.mp4.mp415.91M
| | ├──3-整体流程梳理分析.mp4.mp416.46M
| | ├──4-CrossAttention的作用与效果.mp4.mp415.69M
| | ├──5-transformer构建匹配特征.mp4.mp433.79M
| | ├──6-粗粒度匹配过程与作用.mp4.mp426.00M
| | ├──7-特征图拆解操作.mp4.mp414.34M
| | ├──8-细粒度匹配的作用与方法.mp4.mp419.87M
| | └──9-基于期望预测最终位置.mp4.mp423.08M
| ├──12_局部特征关键点匹配实战
| | ├──1-项目与参数配置解读1.mp4.mp444.48M
| | ├──10-得到精细化输出结果1.mp4.mp419.35M
| | ├──11-通过期望计算最终输出1.mp4.mp440.24M
| | ├──2-DEMO效果演示1.mp4.mp439.57M
| | ├──3-backbone特征提取模块1.mp4.mp428.65M
| | ├──4-注意力机制的作用与效果分析1.mp4.mp430.98M
| | ├──5-特征融合模块实现方法1.mp4.mp429.29M
| | ├──6-cross关系计算方法实例1.mp4.mp429.30M
| | ├──7-粗粒度匹配过程1.mp4.mp449.80M
| | ├──8-完成基础匹配模块1.mp4.mp463.33M
| | └──9-精细化调整方法与实例1.mp4.mp442.73M
| ├──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.mp441.26M
| | ├──10-构建QKV矩阵1.mp4.mp450.65M
| | ├──11-完成Transformer模块构建1.mp4.mp440.72M
| | ├──12-训练BERT模型1.mp4.mp454.58M
| | ├──2-项目参数配置1.mp4.mp4106.67M
| | ├──3-数据读取模块1.mp4.mp454.19M
| | ├──4-数据预处理模块1.mp4.mp440.01M
| | ├──6-Embedding层的作用1.mp4.mp430.91M
| | ├──7-加入额外编码特征1.mp4.mp442.36M
| | ├──8-加入位置编码特征1.mp4.mp423.57M
| | ├──9-mask机制1.mp4.mp436.69M
| | └──tfrecord制作1.mp4.mp451.39M
| ├──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.mp483.47M
| | ├──2-读取处理自己的数据集1.mp4.mp453.00M
| | └──3-训练BERT中文分类模型1.mp4.mp472.20M
| ├──1_课程介绍
| | └──课程介绍1.mp4.mp414.82M
| ├──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.mp411.47M
| | ├──10-训练实例.mp4.mp424.09M
| | ├──2-传统解决方案遇到的问题1.mp4.mp422.59M
| | ├──3-注意力机制的作用1.mp4.mp414.72M
| | ├──4-self-attention计算方法1.mp4.mp423.69M
| | ├──5-特征分配与softmax机制1.mp4.mp421.24M
| | ├──6-Multi-head的作用1.mp4.mp419.29M
| | ├──7-位置编码与多层堆叠1.mp4.mp416.77M
| | ├──8-transformer整体架构梳理.mp4.mp422.24M
| | └──9-BERT模型训练方法.mp4.mp420.59M
| ├──3_Transformer在视觉中的应用VIT算法
| | ├──1-transformer发家史介绍1.mp4.mp415.84M
| | ├──2-对图像数据构建patch序列1.mp4.mp422.18M
| | ├──3-VIT整体架构解读1.mp4.mp424.32M
| | ├──4-CNN遇到的问题与窘境1.mp4.mp422.34M
| | ├──5-计算公式解读1.mp4.mp424.11M
| | ├──6-位置编码与TNT模型1.mp4.mp425.20M
| | └──7-TNT模型细节分析1.mp4.mp427.54M
| ├──4_VIT算法模型源码解读
| | ├──1-项目配置说明1.mp4.mp443.27M
| | ├──2-输入序列构建方法解读1.mp4.mp429.80M
| | ├──3-注意力机制计算1.mp4.mp428.04M
| | └──4-输出层计算结果1.mp4.mp437.72M
| ├──5_swintransformer算法原理解析
| | ├──1-swintransformer整体概述1.mp4.mp414.76M
| | ├──10-分层计算方法1.mp4.mp421.71M
| | ├──2-要解决的问题及其优势分析1.mp4.mp422.33M
| | ├──3-一个block要完成的任务1.mp4.mp417.36M
| | ├──4-获取各窗口输入特征1.mp4.mp418.99M
| | ├──5-基于窗口的注意力机制解读1.mp4.mp429.53M
| | ├──6-窗口偏移操作的实现1.mp4.mp424.27M
| | ├──7-偏移细节分析及其计算量概述1.mp4.mp420.41M
| | ├──8-整体网络架构整合1.mp4.mp420.88M
| | └──9-下采样操作实现方法1.mp4.mp422.24M
| ├──6_swintransformer源码解读
| | ├──1-数据与环境配置解读1.mp4.mp459.59M
| | ├──2-图像数据patch编码1.mp4.mp437.62M
| | ├──3-数据按window进行划分计算1.mp4.mp431.46M
| | ├──4-基础attention计算模块1.mp4.mp427.58M
| | ├──5-窗口位移模块细节分析1.mp4.mp436.81M
| | ├──6-patchmerge下采样操作1.mp4.mp425.24M
| | ├──7-各block计算方法解读1.mp4.mp427.91M
| | └──8-输出层概述1.mp4.mp441.11M
| ├──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.mp419.27M
| | ├──2-整体网络架构分析1.mp4.mp431.54M
| | ├──3-位置信息初始化query向量1.mp4.mp419.90M
| | ├──4-注意力机制的作用方法1.mp4.mp420.79M
| | └──5-训练过程的策略1.mp4.mp428.34M
| ├──8_detr目标检测源码解读
| | ├──1-项目环境配置解读2.mp4.mp440.33M
| | ├──2-数据处理与dataloader2.mp4.mp463.98M
| | ├──3-位置编码作用分析2.mp4.mp447.86M
| | ├──4-backbone特征提取模块1.mp4.mp435.54M
| | ├──5-mask与编码模块1.mp4.mp434.68M
| | ├──6-编码层作用方法1.mp4.mp442.78M
| | ├──7-Decoder层操作与计算1.mp4.mp430.08M
| | ├──8-输出预测结果1.mp4.mp441.20M
| | └──9-损失函数与预测输出1.mp4.mp441.18M
| └──9_MedicalTrasnformer论文解读
| | ├──1-论文整体分析.mp4.mp423.72M
| | ├──2-核心思想分析.mp4.mp454.26M
| | ├──3-网络结构计算流程概述.mp4.mp444.46M
| | ├──4-论文公式计算分析.mp4.mp446.93M
| | ├──5-位置编码的作用与效果.mp4.mp446.55M
| | └──6-拓展应用分析.mp4.mp456.52M
├──解压密码.txt0.01kb
└──资料.zip90.07G
位置编码作用分析2.mp4.mp447.86M goooood 强烈支持楼主ing……
强烈支持楼主ing……
VIP专享 GP-人工智能深度学习-第五期【VIP专享】 RE: rk0381-GP-人工智能深度学习-第五期【VIP专享】 [修改] RE: rk0381-GP-人工智能深度学习-第五期【VIP专享】 [修改] RE: rk0381-GP-人工智能深度学习-第五期【VIP专享】 [修改]