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

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！

下载权限

查看

￥

免费下载

评论并刷新后下载

登录后下载

查看演示

{{attr.name}}：

您当前的等级为

登录后免费下载登录小黑屋反思中，不准下载！评论后刷新页面下载评论支付以后下载请先登录您今天的下载次数（次）用完了，请明天再来支付积分以后下载立即支付支付以后下载立即支付您当前的用户组不允许下载升级会员

您已获得下载权限您可以每天下载资源次，今日剩余次

{{userData.name}}已认证

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

下载权限

查看演示

怎样能更多的下载资源？/如何获取积分？

游客用户购买后未获得下载权限？

资源失效怎么办？

怎么兑换资源？

文件解压出错/解压文件不全

怎么下载资源？

资源提取码在哪？

资源解压密码在哪？

为什么有些资源没有下载入口？

我有资源内容，怎样发布供稿呢？

怎么利用关键字搜索资源？

想寻找一个站点上没有的资源怎么办？

如何保存【百度网盘】群资源？

用户协议

热销商城

免责声明

在线留言

建议提交

申请友链

广告合作

推广中心

{{userData.name}}已认证

下载权限

查看演示

黑马 152小课合集

2021年尚硅谷Java后端【2021年11月结课】

黑马博学谷-JavaEE在线就业班2022年+中级进修课+精英进阶|价值14980元|重磅首发|完结无秘

黑马-前端V7完整版|资料齐全|2021年|完结无秘

用户协议

热销商城

免责声明

在线留言

建议提交

申请友链

广告合作

推广中心