coder P5人工智能深度学习高薪就业班5期2022（24章完结）
600学习网终身会员188 所有资源免费无秘无压缩-开通会员
P5人工智能深度学习高薪就业班5期2022（24章完结）
18
人工智能P5第5期2022年
├──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 26.40M
├──2-图基本模块定义.mp4.mp4 10.51M
├──3-邻接矩阵的定义.mp4.mp4 16.06M
├──4-GNN中常见任务.mp4.mp4 19.17M
├──5-消息传递计算方法.mp4.mp4 14.23M
└──6-多层GCN的作用.mp4.mp4 13.00M
├──2_图卷积GCN模型
├──1-GCN基本模型概述.mp4.mp4 13.24M
├──2-图卷积的基本计算方法.mp4.mp4 12.56M
├──3-邻接的矩阵的变换.mp4.mp4 18.38M
└──4-GCN变换原理解读.mp4.mp4 21.12M
├──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.mp4 45.07M
├──2-数据集与邻接矩阵格式.mp4.mp4 51.92M
├──3-模型定义与训练方法.mp4.mp4 41.92M
└──4-文献引用数据集分类案例实战.mp4.mp4 47.75M
├──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 13.47M
├──2-数据集与任务背景概述.mp4.mp4 21.63M
├──3-数据集基本预处理.mp4.mp4 31.50M
├──4-用户行为图结构创建.mp4.mp4 36.67M
├──5-数据集创建函数介绍.mp4.mp4 34.87M
├──6-网络结构定义模块.mp4.mp4 36.87M
├──7-TopkPooling进行下采样任务.mp4.mp4 31.30M
├──8-获取全局特征.mp4.mp4 25.70M
└──9-模型训练与总结.mp4.mp4 35.84M
├──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 16.53M
├──2-邻接矩阵计算图Attention.mp4.mp4 21.40M
├──3-序列图神经网络TGCN应用.mp4.mp4 12.59M
└──4-序列图神经网络细节.mp4.mp4 23.67M
├──6_图相似度论文解读
├──1-要完成的任务分析.mp4.mp4 47.79M
├──2-基本方法概述解读.mp4.mp4 52.67M
├──3-图模型提取全局与局部特征.mp4.mp4 47.42M
├──4-NTN模块的作用与效果.mp4.mp4 41.09M
├──5-点之间的对应关系计算.mp4.mp4 51.22M
└──6-结果输出与总结.mp4.mp4 71.18M
├──7_图相似度计算实战
├──1-数据集与任务概述3.mp4.mp4 18.11M
├──2-图卷积特征提取模块3.mp4.mp4 55.92M
├──3-分别计算不同Batch点的分布3.mp4.mp4 31.70M
├──4-获得直方图特征结果.mp4.mp4 21.11M
├──5-图的全局特征构建.mp4.mp4 31.45M
├──6-NTN图相似特征提取.mp4.mp4 39.25M
└──7-预测得到相似度结果.mp4.mp4 18.64M
├──8_基于图模型的轨迹估计
├──1-数据集与标注信息解读.mp4.mp4 57.53M
├──2-整体三大模块分析.mp4.mp4 71.83M
├──3-特征工程的作用与效果.mp4.mp4 41.75M
├──4-传统方法与现在向量空间对比.mp4.mp4 51.83M
├──5-输入细节分析.mp4.mp4 49.96M
├──6-子图模块构建方法.mp4.mp4 42.55M
├──7-特征融合模块分析.mp4.mp4 47.67M
└──8-VectorNet输出层分析.mp4.mp4 85.45M
└──9_图模型轨迹估计实战
├──1-数据与环境配置4.mp4.mp4 35.36M
├──2-训练数据准备4.mp4.mp4 27.69M
├──3-Agent特征提取方法4.mp4.mp4 37.87M
├──4-DataLoader构建图结构4.mp4.mp4 28.61M
└──5-SubGraph与Attention模型流程4.mp4.mp4 34.55M
├──1_直播课回放
├──1_直播1：开班典礼
└──1人工智能CV NLP高薪实战班.mp4 1.88G
├──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).mp4 125.39M
├──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.mp4 937.92M
├──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 383.49M
├──5_额外补充：时间序列预测
└──额外补充：时间序列预测.mp4 374.26M
└──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 2.04G
├──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 589.67M
├──2_卷积神经网络算法解读
└──2-卷积神经网络算法解读.mp4 432.74M
└──3_递归神经网络算法解读
└──3-递归神经网络算法解读.mp4 336.06M
├──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.mp4 33.24M
└──2-CPU与GPU版本安装方法解读1.mp4.mp4 100.57M
├──2_使用神经网络进行分类任务
├──1-数据集与任务概述2.mp4.mp4 43.34M
├──2-基本模块应用测试2.mp4.mp4 47.62M
├──3-网络结构定义方法2.mp4.mp4 55.60M
├──4-数据源定义简介2.mp4.mp4 38.98M
├──5-损失与训练模块分析2.mp4.mp4 42.31M
├──6-训练一个基本的分类模型2.mp4.mp4 54.59M
└──7-参数对结果的影响2.mp4.mp4 51.65M
├──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.mp4 198.56M
├──4_卷积网络参数解读分析
├──1-输入特征通道分析2.mp4.mp4 42.48M
├──2-卷积网络参数解读2.mp4.mp4 31.46M
└──3-卷积网络模型训练2.mp4.mp4 55.14M
├──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.mp4 41.62M
├──10-测试结果演示分析1.mp4.mp4 110.98M
├──2-数据增强模块2.mp4.mp4 40.50M
├──3-数据集与模型选择1.mp4.mp4 45.32M
├──4-迁移学习方法解读1.mp4.mp4 44.66M
├──5-输出层与梯度设置1.mp4.mp4 61.42M
├──6-输出类别个数修改1.mp4.mp4 49.06M
├──7-优化器与学习率衰减1.mp4.mp4 52.48M
├──8-模型训练方法1.mp4.mp4 52.60M
└──9-重新训练全部模型1.mp4.mp4 54.81M
├──6_DataLoader自定义数据集制作
├──1-Dataloader要完成的任务分析1.mp4.mp4 39.20M
├──2-图像数据与标签路径处理1.mp4.mp4 48.98M
├──3-Dataloader中需要实现的方法分析1.mp4.mp4 46.95M
└──4-实用Dataloader加载数据并训练模型1.mp4.mp4 77.82M
├──7_LSTM文本分类实战
├──1-数据集与任务目标分析1.mp4.mp4 52.81M
├──2-文本数据处理基本流程分析1.mp4.mp4 55.97M
├──3-命令行参数与DEBUG1.mp4.mp4 36.52M
├──4-训练模型所需基本配置参数分析1.mp4.mp4 40.92M
├──5-预料表与字符切分1.mp4.mp4 31.98M
├──6-字符预处理转换ID1.mp4.mp4 34.37M
├──7-LSTM网络结构基本定义1.mp4.mp4 34.73M
├──8-网络模型预测结果输出1.mp4.mp4 39.11M
└──9-模型训练任务与总结1.mp4.mp4 45.16M
└──8_PyTorch框架Flask部署例子
├──1-基本结构与训练好的模型加载.mp4.mp4 21.02M
├──2-服务端处理与预测函数.mp4.mp4 40.92M
└──3-基于Flask测试模型预测结果.mp4.mp4 46.26M
├──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.mp4 56.60M
├──2-配置文件参数设置.mp4.mp4 38.74M
├──3-Neck层特征组合.mp4.mp4 32.04M
├──4-损失函数模块概述.mp4.mp4 43.11M
└──5-损失计算方法.mp4.mp4 59.35M
├──11_第四模块：ANINET文字识别
├──1-数据集与环境概述.mp4.mp4 55.58M
├──2-配置文件修改方法.mp4.mp4 52.49M
├──3-Bakbone模块得到特征.mp4.mp4 42.10M
├──4-视觉Transformer模块的作用.mp4.mp4 45.97M
├──5-视觉模型中的编码与解码的效果.mp4.mp4 54.49M
├──6-文本模型中的结构分析.mp4.mp4 38.66M
├──7-迭代修正模块.mp4.mp4 38.14M
└──8-输出层与损失计算.mp4.mp4 52.81M
├──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.mp4 51.55M
├──2-KIE数据集格式调整方法.mp4.mp4 69.46M
├──3-配置文件与标签要进行处理操作.mp4.mp4 47.83M
├──4-边框要计算的特征分析.mp4.mp4 35.57M
├──5-标签数据处理与关系特征提取.mp4.mp4 56.48M
├──6-特征合并处理.mp4.mp4 43.74M
├──7-准备拼接边与点特征.mp4.mp4 41.38M
└──8-整合得到图模型输入特征.mp4.mp4 71.98M
├──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.mp4 57.79M
├──2-得到style特征编码.mp4.mp4 69.51M
├──3-特征编码风格拼接.mp4.mp4 36.76M
├──4-基础风格特征卷积模块.mp4.mp4 54.69M
├──5-上采样得到输出结果.mp4.mp4 40.75M
└──6-损失函数概述.mp4.mp4 26.56M
├──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.mp4 27.36M
├──10-传播流程整体完成一圈.mp4 61.55M
├──11-完成输出结果.mp4.mp4 51.56M
├──2-特征基础提取模块.mp4 44.58M
├──3-光流估计网络模块.mp4 25.67M
├──4-基于光流完成对齐操作.mp4 40.23M
├──5-偏移量计算方法1.mp4.mp4 32.48M
├──6-双向计算特征对齐.mp4 36.97M
├──7-提特征传递流程分析.mp4 37.23M
├──8-序列传播计算.mp4 39.88M
└──9-准备变形卷积模块的输入.mp4.mp4 44.71M
├──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.mp4 51.52M
├──10-3D卷积特征融合.mp4 56.76M
├──11-输出层预测结果.mp4 80.80M
├──2-数据与标注文件介绍.mp4 37.49M
├──3-基本流程梳理并进入debug模式.mp4 50.33M
├──4-数据与图像特征提取模块.mp4 58.02M
├──5-体素索引位置获取.mp4.mp4 64.72M
├──6-体素特征提取方法解读.mp4 37.57M
├──7-体素特征计算方法分析.mp4 70.71M
├──8-全局体素特征提取.mp4 95.96M
└──9-多模态特征融合.mp4 68.36M
├──15_第八模块：模型蒸馏应用实例
├──1-任务概述与工具使用.mp4 39.64M
├──2-Teacher与Student网络结构定义.mp4 46.25M
├──3-训练T与S得到蒸馏模型.mp4 70.63M
├──4-开始模型训练过程与问题修正.mp4 57.26M
├──5-日志输出与模型分离.mp4 70.25M
├──6-分别得到Teacher与Student模型.mp4 45.74M
└──7-实际测试效果演示.mp4 39.02M
├──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.mp4 40.58M
└──2-搜索匹配到符合计算量的模型并训练.mp4 46.83M
├──17_第九模块：mmaction行为识别
└──创建自己的行为识别标注数据集.mp4 232.73M
├──18_额外补充
└──在源码中加入各种注意力机制方法.mp4 122.48M
├──1_MMCV安装方法
└──MMCV安装方法.mp4 55.75M
├──2_第一模块：分类任务基本操作
├──1-准备MMCLS项目.mp4 32.26M
├──2-基本参数配置解读.mp4 34.52M
├──3-各模块配置文件组成.mp4 35.81M
├──4-生成完整配置文件.mp4 24.45M
├──5-根据文件夹定义数据集.mp4 40.27M
├──6-构建自己的数据集.mp4 36.33M
├──7-训练自己的任务.mp4 39.32M
└──MMCLS问题修正1.mp4 23.50M
├──3_第一模块：训练结果测试与验证
├──1-测试DEMO效果.mp4 25.49M
├──2-测试评估模型效果.mp4 27.58M
├──3-MMCLS中增加一个新的模块.mp4 62.61M
├──4-修改配置文件中的参数.mp4 67.72M
├──5-数据增强流程可视化展示.mp4 37.40M
├──6-Grad-Cam可视化方法.mp4 41.17M
├──7-可视化细节与效果分析.mp4 124.19M
├──8-MMCLS可视化模块应用.mp4 72.07M
└──9-模型分析脚本使用.mp4 36.37M
├──4_第一模块：模型源码DEBUG演示
├──1-VIT任务概述.mp4 29.96M
├──2-数据增强模块概述分析.mp4 49.58M
├──3-PatchEmbedding层.mp4 25.30M
├──4-前向传播基本模块.mp4 38.87M
└──5-CLS与输出模块.mp4 44.04M
├──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.mp4 74.23M
├──2-数据集标注与制作方法.mp4 56.84M
├──3-跟别预测类别数修改配置文件.mp4 39.48M
├──4-加载预训练模型开始训练.mp4 86.52M
└──5-预测DEMO演示.mp4 21.88M
├──6_第二模块：基于Unet进行各种策略修改
├──1-配置文件解读.mp4 32.12M
├──2-编码层模块.mp4 32.47M
├──3-上采样与输出层.mp4 28.25M
├──4-辅助层的作用.mp4 19.83M
├──5-给Unet添加一个neck层.mp4 30.37M
├──6-如何修改参数适配网络结构.mp4 21.73M
├──7-将Unet特征提取模块替换成transformer.mp4 22.41M
└──8-VIT模块源码分析.mp4 45.48M
├──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.mp4 34.30M
├──10-汇总多层级特征进行输出.mp4.mp4 43.35M
├──2-配置文件指定.mp4.mp4 35.84M
├──3-DEBUG解读Backbone设计.mp4.mp4 40.45M
├──4-PatchEmbedding的作用与实现.mp4.mp4 44.88M
├──5-卷积位置编码计算方法.mp4.mp4 53.89M
├──6-近似Attention模块实现.mp4.mp4 79.49M
├──7-完成特征提取与融合模块.mp4.mp4 55.69M
├──8-分割任务输出模块.mp4.mp4 57.72M
└──9-全局特征的作用与实现.mp4.mp4 56.34M
├──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.mp4 31.35M
├──2-COCO数据标注格式.mp4.mp4 28.16M
├──3-通过脚本生成COCO数据格式.mp4.mp4 38.55M
├──4-配置文件数据增强策略分析.mp4.mp4 45.59M
├──5-训练所需配置说明.mp4.mp4 56.00M
├──6-模型训练与DEMO演示.mp4.mp4 35.27M
├──7-模型测试与可视化分析模块.mp4.mp4 77.61M
└──8-补充：评估指标.mp4.mp4 14.06M
└──9_第三模块：DeformableDetr物体检测源码分析
├──1-特征提取与位置编码.mp4 38.16M
├──10-分类与回归输出模块.mp4 49.72M
├──11-预测输出结果与标签匹配模块.mp4 44.31M
├──2-序列特征展开并叠加.mp4 51.07M
├──3-得到相对位置点编码.mp4 28.80M
├──4-准备Encoder编码层所需全部输入.mp4 37.91M
├──5-编码层中的序列分析.mp4 39.73M
├──6-偏移量offset计算.mp4 46.09M
├──7-偏移量对齐操作.mp4 39.80M
├──8-Encoder层完成特征对齐.mp4 51.84M
└──9-Decoder要完成的操作.mp4 38.98M
├──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.mp4 21.50M
├──2-文档轮廓提取.mp4.mp4 27.81M
├──3-原始与变换坐标计算.mp4.mp4 26.24M
├──4-透视变换结果.mp4.mp4 32.87M
├──5-tesseract-ocr安装配置.mp4.mp4 41.23M
└──6-文档扫描识别效果.mp4.mp4 28.86M
├──11_图像特征-harris
├──1-角点检测基本原理.mp4.mp4 15.53M
├──2-基本数学原理.mp4.mp4 30.58M
├──3-求解化简.mp4.mp4 31.79M
├──4-特征归属划分.mp4.mp4 43.23M
└──5-opencv角点检测效果.mp4.mp4 31.04M
├──12_图像特征-sift
├──1-尺度空间定义.mp4.mp4 20.04M
├──2-高斯差分金字塔.mp4.mp4 21.68M
├──3-特征关键点定位.mp4.mp4 48.15M
├──4-生成特征描述.mp4.mp4 24.66M
├──5-特征向量生成.mp4.mp4 43.73M
└──6-opencv中sift函数使用.mp4.mp4 28.80M
├──13_案例实战-全景图像拼接
├──1-特征匹配方法.mp4.mp4 28.56M
├──2-RANSAC算法.mp4.mp4 34.50M
├──2-图像拼接方法.mp4.mp4 44.96M
└──4-流程解读.mp4.mp4 21.65M
├──14_项目实战-停车场车位识别
├──1-任务整体流程.mp4.mp4 71.40M
├──2-所需数据介绍.mp4.mp4 34.31M
├──3-图像数据预处理.mp4.mp4 56.75M
├──4-车位直线检测.mp4.mp4 61.44M
├──5-按列划分区域.mp4.mp4 54.67M
├──6-车位区域划分.mp4.mp4 57.33M
├──7-识别模型构建.mp4.mp4 41.19M
└──8-基于视频的车位检测.mp4.mp4 135.61M
├──15_项目实战-答题卡识别判卷
├──1-整体流程与效果概述.mp4.mp4 29.49M
├──2-预处理操作.mp4.mp4 24.08M
├──3-填涂轮廓检测.mp4.mp4 25.66M
└──4-选项判断识别.mp4.mp4 57.12M
├──16_背景建模
├──1-背景消除-帧差法.mp4.mp4 20.79M
├──2-混合高斯模型.mp4.mp4 26.39M
├──3-学习步骤.mp4.mp4 31.75M
└──4-背景建模实战.mp4.mp4 51.17M
├──17_光流估计
├──1-基本概念.mp4.mp4 20.20M
├──2-Lucas-Kanade算法.mp4.mp4 19.67M
├──3-推导求解.mp4.mp4 25.94M
└──4-光流估计实战.mp4.mp4 64.22M
├──18_Opencv的DNN模块
├──1-dnn模块.mp4.mp4 28.59M
└──2-模型加载结果输出.mp4.mp4 40.50M
├──19_项目实战-目标追踪
├──1-目标追踪概述.mp4.mp4 49.75M
├──2-多目标追踪实战.mp4.mp4 34.62M
├──3-深度学习检测框架加载.mp4.mp4 43.62M
├──4-基于dlib与ssd的追踪.mp4.mp4 73.02M
├──5-多进程目标追踪.mp4.mp4 25.72M
└──6-多进程效率提升对比.mp4.mp4 78.13M
├──1_课程简介与环境配置
├──0-课程简介2.mp4.mp4 5.37M
├──2-Notebook与IDE环境.mp4.mp4 84.39M
└──2-Python与Opencv配置安装.mp4.mp4 33.28M
├──20_卷积原理与操作
├──1-卷积神经网络的应用.mp4.mp4 36.18M
├──1-卷积效果演示.mp4.mp4 24.58M
├──2-卷积操作流程.mp4.mp4 41.15M
├──2-卷积层解释.mp4.mp4 22.31M
├──3-卷积计算过程.mp4.mp4 27.61M
├──4-pading与stride.mp4.mp4 26.12M
├──5-卷积参数共享.mp4.mp4 17.69M
└──6-池化层原理.mp4.mp4 16.09M
├──21_项目实战-疲劳检测
├──1-关键点定位概述.mp4.mp4 28.45M
├──2-获取人脸关键点.mp4.mp4 36.07M
├──3-定位效果演示.mp4.mp4 45.43M
├──4-闭眼检测.mp4.mp4 71.07M
└──5-检测效果.mp4.mp4 40.60M
├──2_图像基本操作
├──1-计算机眼中的图像.mp4.mp4 30.88M
├──2-视频的读取与处理.mp4.mp4 46.97M
├──3-ROI区域.mp4.mp4 15.37M
├──4-边界填充.mp4.mp4 21.46M
└──5-数值计算.mp4.mp4 40.04M
├──3_阈值与平滑处理
├──1-图像平滑处理.mp4.mp4 24.69M
├──2-高斯与中值滤波.mp4.mp4 20.55M
└──图像阈值.mp4.mp4 30.78M
├──4_图像形态学操作
├──1-腐蚀操作.mp4.mp4 20.99M
├──2-膨胀操作.mp4.mp4 12.25M
├──3-开运算与闭运算.mp4.mp4 9.32M
├──4-梯度计算.mp4.mp4 7.85M
└──5-礼帽与黑帽.mp4.mp4 15.88M
├──5_图像梯度计算
├──1-Sobel算子.mp4.mp4 27.00M
├──2-梯度计算方法.mp4.mp4 30.29M
└──3-scharr与lapkacian算子.mp4.mp4 27.39M
├──6_边缘检测
├──1-Canny边缘检测流程.mp4.mp4 18.97M
├──2-非极大值抑制.mp4.mp4 18.32M
└──3-边缘检测效果.mp4.mp4 36.63M
├──7_图像金字塔与轮廓检测
├──1-轮廓检测方法.mp4.mp4 19.31M
├──1-模板匹配方法.mp4.mp4 47.35M
├──1-图像金字塔定义.mp4.mp4 19.68M
├──2-金字塔制作方法.mp4.mp4 25.47M
├──2-轮廓检测结果.mp4.mp4 34.37M
├──2-匹配效果展示.mp4.mp4 21.14M
└──3-轮廓特征与近似.mp4.mp4 37.51M
├──8_直方图与傅里叶变换
├──1-傅里叶概述.mp4.mp4 38.79M
├──1-直方图定义.mp4.mp4 23.64M
├──2-均衡化原理.mp4.mp4 31.35M
├──2-频域变换结果.mp4.mp4 26.26M
├──3-低通与高通滤波.mp4.mp4 27.34M
└──3-均衡化效果.mp4.mp4 27.21M
└──9_项目实战-信用卡数字识别
├──2-环境配置与预处理.mp4.mp4 34.85M
├──3-模板处理方法.mp4.mp4 23.69M
├──4-输入数据处理方法.mp4.mp4 28.88M
├──5-模板匹配得出识别结果.mp4.mp4 47.72M
└──总体流程与方法讲解.mp4.mp4 20.65M
├──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.mp4 538.47M
├──11_EfficientDet检测算法
└──第十一章：EfficientDet检测算法.mp4.mp4 448.01M
├──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.mp4 19.35M
├──2-整体网络架构分析.mp4.mp4 31.64M
├──3-位置信息初始化query向量.mp4.mp4 19.97M
├──4-注意力机制的作用方法.mp4.mp4 20.85M
└──5-训练过程的策略.mp4.mp4 28.41M
├──13_detr目标检测源码解读
├──1-项目环境配置解读.mp4.mp4 40.42M
├──2-数据处理与dataloader.mp4.mp4 64.11M
├──3-位置编码作用分析.mp4.mp4 47.95M
├──4-backbone特征提取模块.mp4.mp4 35.62M
├──5-mask与编码模块.mp4.mp4 34.75M
├──6-编码层作用方法.mp4.mp4 42.86M
├──7-Decoder层操作与计算.mp4.mp4 30.15M
├──8-输出预测结果.mp4.mp4 41.28M
└──9-损失函数与预测输出.mp4.mp4 41.18M
├──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.mp4 15.14M
├──2-不同阶段算法优缺点分析.mp4.mp4 10.68M
├──3-IOU指标计算.mp4.mp4 11.74M
├──4-评估所需参数计算.mp4.mp4 26.23M
└──5-map指标计算.mp4.mp4 19.63M
├──2_YOLO-V1整体思想与网络架构
├──2-检测算法要得到的结果.mp4.mp4 13.63M
├──3-整体网络架构解读.mp4.mp4 30.67M
├──4-位置损失计算.mp4.mp4 18.97M
├──5-置信度误差与优缺点分析.mp4.mp4 26.86M
└──YOLO算法整体思路解读.mp4.mp4 14.68M
├──3_YOLO-V2改进细节详解
├──2-网络结构特点.mp4.mp4 15.69M
├──3-架构细节解读.mp4.mp4 18.92M
├──4-基于聚类来选择先验框尺寸.mp4.mp4 24.24M
├──5-偏移量计算方法.mp4.mp4 27.55M
├──6-坐标映射与还原.mp4.mp4 10.08M
├──7-感受野的作用.mp4.mp4 28.11M
├──8-特征融合改进.mp4.mp4 19.20M
└──V2版本细节升级概述.mp4.mp4 13.38M
├──4_YOLO-V3核心网络模型
├──1-V3版本改进概述.mp4.mp4 18.27M
├──2-多scale方法改进与特征融合.mp4.mp4 17.07M
├──3-经典变换方法对比分析.mp4.mp4 10.83M
├──4-残差连接方法解读.mp4.mp4 18.64M
├──5-整体网络模型架构分析.mp4.mp4 12.93M
├──6-先验框设计改进.mp4.mp4 13.04M
└──7-sotfmax层改进.mp4.mp4 10.61M
├──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.mp4 65.52M
├──10-网格偏移计算.mp4.mp4 33.92M
├──11-模型要计算的损失概述.mp4.mp4 23.14M
├──12-标签值格式修改.mp4.mp4 28.27M
├──13-坐标相对位置计算.mp4.mp4 32.80M
├──14-完成所有损失函数所需计算指标.mp4.mp4 35.32M
├──15-模型训练与总结.mp4.mp4 72.91M
├──16-预测效果展示.mp4.mp4 34.51M
├──2-训练参数设置.mp4.mp4 23.85M
├──3-数据与标签读取.mp4.mp4 42.51M
├──4-标签文件读取与处理.mp4.mp4 27.48M
├──5-debug模式介绍.mp4.mp4 27.25M
├──6-基于配置文件构建网络模型.mp4.mp4 42.04M
├──7-路由层与shortcut层的作用.mp4.mp4 33.72M
├──8-YOLO层定义解析.mp4.mp4 61.09M
└──9-预测结果计算.mp4.mp4 46.00M
├──6_基于YOLO-V3训练自己的数据集与任务
├──1-Labelme工具安装.mp4.mp4 14.29M
├──2-数据信息标注.mp4.mp4 32.09M
├──3-完成标签制作.mp4.mp4 31.74M
├──4-生成模型所需配置文件.mp4.mp4 36.71M
├──5-json格式转换成yolo-v3所需输入.mp4.mp4 20.95M
├──6-完成输入数据准备工作.mp4.mp4 40.10M
├──7-训练代码与参数配置更改.mp4.mp4 44.29M
└──8-训练模型并测试效果.mp4.mp4 38.49M
├──7_YOLO-V4版本算法解读
├──1-V4版本整体概述.mp4.mp4 15.06M
├──10-PAN模块解读.mp4.mp4 20.64M
├──11-激活函数与整体架构总结.mp4.mp4 19.19M
├──2-V4版本贡献解读.mp4.mp4 10.06M
├──3-数据增强策略分析.mp4.mp4 24.70M
├──4-DropBlock与标签平滑方法.mp4.mp4 19.36M
├──5-损失函数遇到的问题.mp4.mp4 14.26M
├──6-CIOU损失函数定义.mp4.mp4 10.82M
├──7-NMS细节改进.mp4.mp4 16.66M
├──8-SPP与CSP网络结构.mp4.mp4 14.81M
└──9-SAM注意力机制模块.mp4.mp4 22.48M
├──8_V5版本项目配置
├──1-整体项目概述.mp4.mp4 35.77M
├──2-训练自己的数据集方法.mp4.mp4 41.32M
├──3-训练数据参数配置.mp4.mp4 51.48M
└──4-测试DEMO演示.mp4.mp4 50.47M
└──9_V5项目工程源码解读
├──1-数据源DEBUG流程解读.mp4.mp4 48.13M
├──10-完成配置文件解析任务.mp4.mp4 58.80M
├──11-前向传播计算.mp4.mp4 30.80M
├──12-BottleneckCSP层计算方法.mp4.mp4 33.82M
├──13-1 SPP层计算细节分析.mp4.mp4 29.17M
├──13-Head层流程解读.mp4.mp4 29.12M
├──14-上采样与拼接操作.mp4.mp4 21.48M
├──15-输出结果分析.mp4.mp4 41.71M
├──16-超参数解读.mp4.mp4 34.94M
├──17-命令行参数介绍.mp4.mp4 44.26M
├──18-训练流程解读.mp4.mp4 46.81M
├──19-各种训练策略概述.mp4.mp4 38.43M
├──2-图像数据源配置.mp4.mp4 34.65M
├──20-模型迭代过程.mp4.mp4 38.42M
├──3-加载标签数据.mp4.mp4 26.33M
├──4-Mosaic数据增强方法.mp4.mp4 28.19M
├──5-数据四合一方法与流程演示.mp4.mp4 41.69M
├──6-getItem构建batch.mp4.mp4 33.03M
├──7-网络架构图可视化工具安装.mp4.mp4 34.33M
├──8-V5网络配置文件解读.mp4.mp4 35.74M
└──9-Focus模块流程分析.mp4.mp4 21.93M
├──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.mp4 42.31M
├──10-RoiPooling层的作用与目的.mp4.mp4 33.45M
├──11-RorAlign操作的效果.mp4.mp4 25.70M
├──12-整体框架回顾.mp4.mp4 28.86M
├──2-FPN网络架构实现解读.mp4.mp4 55.77M
├──3-生成框比例设置.mp4.mp4 28.25M
├──4-基于不同尺度特征图生成所有框.mp4.mp4 32.93M
├──5-RPN层的作用与实现解读.mp4.mp4 30.90M
├──6-候选框过滤方法.mp4.mp4 15.59M
├──7-Proposal层实现方法.mp4.mp4 33.31M
├──8-DetectionTarget层的作用.mp4.mp4 25.70M
└──9-正负样本选择与标签定义.mp4.mp4 27.59M
├──11_基于MASK-RCNN框架训练自己的数据与任务
├──1-Labelme工具安装.mp4.mp4 14.29M
├──2-使用labelme进行数据与标签标注.mp4.mp4 26.29M
├──3-完成训练数据准备工作.mp4.mp4 26.61M
├──4-maskrcnn源码修改方法.mp4.mp4 63.56M
├──5-基于标注数据训练所需任务.mp4.mp4 39.72M
└──6-测试与展示模块.mp4.mp4 38.60M
├──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.mp4 20.24M
├──2-分割任务中的目标函数定义.mp4.mp4 20.00M
└──3-MIOU评估标准.mp4.mp4 9.03M
├──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.mp4 21.20M
├──10-VGG网络架构.mp4.mp4 19.34M
├──11-残差网络Resnet.mp4.mp4 18.02M
├──12-感受野的作用.mp4.mp4 16.86M
├──2-卷积的作用.mp4.mp4 22.67M
├──3-卷积特征值计算方法.mp4.mp4 21.23M
├──4-得到特征图表示.mp4.mp4 18.23M
├──5-步长与卷积核大小对结果的影响.mp4.mp4 19.86M
├──6-边缘填充方法.mp4.mp4 17.28M
├──7-特征图尺寸计算与参数共享.mp4.mp4 21.99M
├──8-池化层的作用.mp4.mp4 11.31M
└──9-1整体网络架构.mp4.mp4 16.98M
├──3_Unet系列算法讲解
├──1-Unet网络编码与解码过程.mp4.mp4 18.29M
├──2-网络计算流程.mp4.mp4 16.13M
├──3-Unet升级版本改进.mp4.mp4 15.75M
└──4-后续升级版本介绍.mp4.mp4 18.37M
├──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.mp4 71.21M
├──2-数据增强工具.mp4.mp4 61.47M
├──3-Debug模式演示网络计算流程.mp4.mp4 41.37M
├──4-特征融合方法演示.mp4.mp4 30.05M
├──5-迭代完成整个模型计算任务.mp4.mp4 33.55M
└──6-模型效果验证.mp4.mp4 47.29M
├──5_U2NET显著姓检测实战
├──1-任务目标与网络整体介绍.mp4.mp4 58.66M
├──2-显著姓检测任务与目标概述.mp4.mp4 53.96M
├──3-编码器模块解读.mp4.mp4 43.66M
├──4-解码器输出结果.mp4.mp4 27.90M
└──5-损失函数与应用效果.mp4.mp4 34.34M
├──6_deeplab系列算法
├──1-deeplab分割算法概述.mp4.mp4 13.81M
├──2-空洞卷积的作用.mp4.mp4 16.74M
├──3-感受野的意义.mp4.mp4 19.37M
├──4-SPP层的作用.mp4.mp4 19.02M
├──5-ASPP特征融合策略.mp4.mp4 13.45M
└──6-deeplabV3Plus版本网络架构.mp4.mp4 24.08M
├──7_基于deeplabV3+版本进行VOC分割实战
├──1-PascalVoc数据集介绍.mp4.mp4 70.12M
├──2-项目参数与数据集读取.mp4.mp4 60.32M
├──3-网络前向传播流程.mp4.mp4 33.10M
├──4-ASPP层特征融合.mp4.mp4 51.19M
└──5-分割模型训练.mp4.mp4 34.97M
├──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.mp4 45.55M
├──2-项目基本配置参数.mp4.mp4 33.31M
├──3-任务流程解读.mp4.mp4 69.12M
├──4-文献报告分析.mp4.mp4 122.67M
├──5-补充：视频数据源特征处理方法概述.mp4.mp4 26.33M
└──6-补充：R(2plus1)D处理方法分析.mp4.mp4 18.88M
└──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.mp4 88.18M
├──0-参数配置.mp4.mp4 97.85M
└──0-开源项目数据集.mp4.mp4 42.48M
├──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.mp4 74.86M
├──2-核心网络结构模块分析.mp4.mp4 20.98M
├──3-数据采样曾的作用.mp4.mp4 18.26M
├──4-模型网络结构设计.mp4.mp4 19.30M
└──5-特征融合模块与总结分析.mp4.mp4 39.30M
├──2_slowfast项目环境配置与配置文件
├──1-环境基本配置解读.mp4.mp4 45.35M
├──2-目录各文件分析.mp4.mp4 36.84M
├──3-配置文件作用解读.mp4.mp4 50.90M
├──4-测试DEMO演示1.mp4.mp4 66.77M
├──5-训练所需标签文件说明.mp4.mp4 48.77M
├──6-训练所需视频数据准备.mp4.mp4 47.39M
├──7-视频数据集切分操作.mp4.mp4 39.66M
└──8-完成视频分帧操作.mp4.mp4 32.77M
├──3_slowfast源码详细解读
├──1-模型所需配置文件参数读取1.mp4.mp4 33.24M
├──10-RoiAlign与输出层1.mp4.mp4 78.92M
├──2-数据处理概述1.mp4.mp4 49.72M
├──3-dataloader数据遍历方法1.mp4.mp4 56.85M
├──4-数据与标签读取实例1.mp4.mp4 52.22M
├──5-图像数据所需预处理方法1.mp4.mp4 66.76M
├──6-slow与fast分别执行采样操作1.mp4.mp4 66.34M
├──7-分别计算特征图输出结果1.mp4.mp4 56.64M
├──8-slow与fast特征图拼接操作1.mp4.mp4 49.69M
└──9-resnetBolock操作1.mp4.mp4 53.62M
├──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.mp4 20.62M
├──2-UCF101动作识别数据集简介.mp4.mp4 51.69M
├──3-测试效果与项目配置.mp4.mp4 55.60M
├──4-视频数据预处理方法.mp4.mp4 32.25M
├──5-数据Batch制作方法.mp4.mp4 46.66M
├──6-3D卷积网络所涉及模块.mp4.mp4 37.76M
└──7-训练网络模型.mp4.mp4 38.81M
├──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.mp4 21.49M
├──2-基本思想与流程分析.mp4.mp4 24.27M
├──3-预测与常见问题.mp4.mp4 26.58M
├──4-Meta-Learn要解决的问题.mp4.mp4 20.78M
├──5-学习能力与参数定义.mp4.mp4 14.17M
├──6-如何找到合适的初始化参数.mp4.mp4 23.36M
└──7-MAML算法流程解读.mp4.mp4 28.99M
├──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 26.61M
├──2-数据集配置与读取.mp4.mp4 38.74M
├──3-模型编码与解码结构.mp4.mp4 33.37M
├──4-注意力机制模块打造.mp4.mp4 61.12M
├──5-损失函数的目的.mp4.mp4 57.97M
├──6-特征图生成.mp4.mp4 38.02M
└──7-MetaLearn与输出.mp4.mp4 29.79M
└──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.mp4 18.85M
├──2-Resnet网络架构原理分析.mp4.mp4 24.81M
├──3-dataloader加载数据集.mp4.mp4 64.78M
├──4-Resnet网络前向传播.mp4.mp4 35.82M
├──5-残差网络的shortcut操作.mp4.mp4 47.34M
├──6-特征图升维与降采样操作.mp4.mp4 26.89M
└──7-网络整体流程与训练演示.mp4.mp4 67.45M
└──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.mp4 25.29M
├──2-医学数据介绍与分析1.mp4.mp4 56.68M
├──3-基本处理操作1.mp4.mp4 25.77M
├──4-AxialAttention实现过程1.mp4.mp4 36.87M
├──5-位置编码向量解读1.mp4.mp4 27.80M
├──6-注意力计算过程与方法1.mp4.mp4 52.13M
└──7-局部特征提取与计算1.mp4.mp4 40.92M
├──11_商汤LoFTR算法解读
├──1-特征匹配的应用场景.mp4.mp4 87.35M
├──10-总结分析.mp4.mp4 39.42M
├──2-特征匹配的基本流程分析.mp4.mp4 15.91M
├──3-整体流程梳理分析.mp4.mp4 16.46M
├──4-CrossAttention的作用与效果.mp4.mp4 15.69M
├──5-transformer构建匹配特征.mp4.mp4 33.79M
├──6-粗粒度匹配过程与作用.mp4.mp4 26.00M
├──7-特征图拆解操作.mp4.mp4 14.34M
├──8-细粒度匹配的作用与方法.mp4.mp4 19.87M
└──9-基于期望预测最终位置.mp4.mp4 23.08M
├──12_局部特征关键点匹配实战
├──1-项目与参数配置解读1.mp4.mp4 44.48M
├──10-得到精细化输出结果1.mp4.mp4 19.35M
├──11-通过期望计算最终输出1.mp4.mp4 40.24M
├──2-DEMO效果演示1.mp4.mp4 39.57M
├──3-backbone特征提取模块1.mp4.mp4 28.65M
├──4-注意力机制的作用与效果分析1.mp4.mp4 30.98M
├──5-特征融合模块实现方法1.mp4.mp4 29.29M
├──6-cross关系计算方法实例1.mp4.mp4 29.30M
├──7-粗粒度匹配过程1.mp4.mp4 49.80M
├──8-完成基础匹配模块1.mp4.mp4 63.33M
└──9-精细化调整方法与实例1.mp4.mp4 42.73M
├──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.mp4 41.26M
├──10-构建QKV矩阵1.mp4.mp4 50.65M
├──11-完成Transformer模块构建1.mp4.mp4 40.72M
├──12-训练BERT模型1.mp4.mp4 54.58M
├──2-项目参数配置1.mp4.mp4 106.67M
├──3-数据读取模块1.mp4.mp4 54.19M
├──4-数据预处理模块1.mp4.mp4 40.01M
├──6-Embedding层的作用1.mp4.mp4 30.91M
├──7-加入额外编码特征1.mp4.mp4 42.36M
├──8-加入位置编码特征1.mp4.mp4 23.57M
├──9-mask机制1.mp4.mp4 36.69M
└──tfrecord制作1.mp4.mp4 51.39M
├──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.mp4 83.47M
├──2-读取处理自己的数据集1.mp4.mp4 53.00M
└──3-训练BERT中文分类模型1.mp4.mp4 72.20M
├──1_课程介绍
└──课程介绍1.mp4.mp4 14.82M
├──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.mp4 11.47M
├──10-训练实例.mp4.mp4 24.09M
├──2-传统解决方案遇到的问题1.mp4.mp4 22.59M
├──3-注意力机制的作用1.mp4.mp4 14.72M
├──4-self-attention计算方法1.mp4.mp4 23.69M
├──5-特征分配与softmax机制1.mp4.mp4 21.24M
├──6-Multi-head的作用1.mp4.mp4 19.29M
├──7-位置编码与多层堆叠1.mp4.mp4 16.77M
├──8-transformer整体架构梳理.mp4.mp4 22.24M
└──9-BERT模型训练方法.mp4.mp4 20.59M
├──3_Transformer在视觉中的应用VIT算法
├──1-transformer发家史介绍1.mp4.mp4 15.84M
├──2-对图像数据构建patch序列1.mp4.mp4 22.18M
├──3-VIT整体架构解读1.mp4.mp4 24.32M
├──4-CNN遇到的问题与窘境1.mp4.mp4 22.34M
├──5-计算公式解读1.mp4.mp4 24.11M
├──6-位置编码与TNT模型1.mp4.mp4 25.20M
└──7-TNT模型细节分析1.mp4.mp4 
18人工智能P5第5期2022年
├──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 26.40M
├──2-图基本模块定义.mp4.mp4 10.51M
├──3-邻接矩阵的定义.mp4.mp4 16.06M
├──4-GNN中常见任务.mp4.mp4 19.17M
├──5-消息传递计算方法.mp4.mp4 14.23M
└──6-多层GCN的作用.mp4.mp4 13.00M
├──2_图卷积GCN模型
├──1-GCN基本模型概述.mp4.mp4 13.24M
├──2-图卷积的基本计算方法.mp4.mp4 12.56M
├──3-邻接的矩阵的变换.mp4.mp4 18.38M
└──4-GCN变换原理解读.mp4.mp4 21.12M
├──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.mp4 45.07M
├──2-数据集与邻接矩阵格式.mp4.mp4 51.92M
├──3-模型定义与训练方法.mp4.mp4 41.92M
└──4-文献引用数据集分类案例实战.mp4.mp4 47.75M
├──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 13.47M
├──2-数据集与任务背景概述.mp4.mp4 21.63M
├──3-数据集基本预处理.mp4.mp4 31.50M
├──4-用户行为图结构创建.mp4.mp4 36.67M
├──5-数据集创建函数介绍.mp4.mp4 34.87M
├──6-网络结构定义模块.mp4.mp4 36.87M
├──7-TopkPooling进行下采样任务.mp4.mp4 31.30M
├──8-获取全局特征.mp4.mp4 25.70M
└──9-模型训练与总结.mp4.mp4 35.84M
├──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 16.53M
├──2-邻接矩阵计算图Attention.mp4.mp4 21.40M
├──3-序列图神经网络TGCN应用.mp4.mp4 12.59M
└──4-序列图神经网络细节.mp4.mp4 23.67M
├──6_图相似度论文解读
├──1-要完成的任务分析.mp4.mp4 47.79M
├──2-基本方法概述解读.mp4.mp4 52.67M
├──3-图模型提取全局与局部特征.mp4.mp4 47.42M
├──4-NTN模块的作用与效果.mp4.mp4 41.09M
├──5-点之间的对应关系计算.mp4.mp4 51.22M
└──6-结果输出与总结.mp4.mp4 71.18M
├──7_图相似度计算实战
├──1-数据集与任务概述3.mp4.mp4 18.11M
├──2-图卷积特征提取模块3.mp4.mp4 55.92M
├──3-分别计算不同Batch点的分布3.mp4.mp4 31.70M
├──4-获得直方图特征结果.mp4.mp4 21.11M
├──5-图的全局特征构建.mp4.mp4 31.45M
├──6-NTN图相似特征提取.mp4.mp4 39.25M
└──7-预测得到相似度结果.mp4.mp4 18.64M
├──8_基于图模型的轨迹估计
├──1-数据集与标注信息解读.mp4.mp4 57.53M
├──2-整体三大模块分析.mp4.mp4 71.83M
├──3-特征工程的作用与效果.mp4.mp4 41.75M
├──4-传统方法与现在向量空间对比.mp4.mp4 51.83M
├──5-输入细节分析.mp4.mp4 49.96M
├──6-子图模块构建方法.mp4.mp4 42.55M
├──7-特征融合模块分析.mp4.mp4 47.67M
└──8-VectorNet输出层分析.mp4.mp4 85.45M
└──9_图模型轨迹估计实战
├──1-数据与环境配置4.mp4.mp4 35.36M
├──2-训练数据准备4.mp4.mp4 27.69M
├──3-Agent特征提取方法4.mp4.mp4 37.87M
├──4-DataLoader构建图结构4.mp4.mp4 28.61M
└──5-SubGraph与Attention模型流程4.mp4.mp4 34.55M
├──1_直播课回放
├──1_直播1：开班典礼
└──1人工智能CV NLP高薪实战班.mp4 1.88G
├──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).mp4 125.39M
├──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.mp4 937.92M
├──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 383.49M
├──5_额外补充：时间序列预测
└──额外补充：时间序列预测.mp4 374.26M
└──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 2.04G
├──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 589.67M
├──2_卷积神经网络算法解读
└──2-卷积神经网络算法解读.mp4 432.74M
└──3_递归神经网络算法解读
└──3-递归神经网络算法解读.mp4 336.06M
├──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.mp4 33.24M
└──2-CPU与GPU版本安装方法解读1.mp4.mp4 100.57M
├──2_使用神经网络进行分类任务
├──1-数据集与任务概述2.mp4.mp4 43.34M
├──2-基本模块应用测试2.mp4.mp4 47.62M
├──3-网络结构定义方法2.mp4.mp4 55.60M
├──4-数据源定义简介2.mp4.mp4 38.98M
├──5-损失与训练模块分析2.mp4.mp4 42.31M
├──6-训练一个基本的分类模型2.mp4.mp4 54.59M
└──7-参数对结果的影响2.mp4.mp4 51.65M
├──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.mp4 198.56M
├──4_卷积网络参数解读分析
├──1-输入特征通道分析2.mp4.mp4 42.48M
├──2-卷积网络参数解读2.mp4.mp4 31.46M
└──3-卷积网络模型训练2.mp4.mp4 55.14M
├──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.mp4 41.62M
├──10-测试结果演示分析1.mp4.mp4 110.98M
├──2-数据增强模块2.mp4.mp4 40.50M
├──3-数据集与模型选择1.mp4.mp4 45.32M
├──4-迁移学习方法解读1.mp4.mp4 44.66M
├──5-输出层与梯度设置1.mp4.mp4 61.42M
├──6-输出类别个数修改1.mp4.mp4 49.06M
├──7-优化器与学习率衰减1.mp4.mp4 52.48M
├──8-模型训练方法1.mp4.mp4 52.60M
└──9-重新训练全部模型1.mp4.mp4 54.81M
├──6_DataLoader自定义数据集制作
├──1-Dataloader要完成的任务分析1.mp4.mp4 39.20M
├──2-图像数据与标签路径处理1.mp4.mp4 48.98M
├──3-Dataloader中需要实现的方法分析1.mp4.mp4 46.95M
└──4-实用Dataloader加载数据并训练模型1.mp4.mp4 77.82M
├──7_LSTM文本分类实战
├──1-数据集与任务目标分析1.mp4.mp4 52.81M
├──2-文本数据处理基本流程分析1.mp4.mp4 55.97M
├──3-命令行参数与DEBUG1.mp4.mp4 36.52M
├──4-训练模型所需基本配置参数分析1.mp4.mp4 40.92M
├──5-预料表与字符切分1.mp4.mp4 31.98M
├──6-字符预处理转换ID1.mp4.mp4 34.37M
├──7-LSTM网络结构基本定义1.mp4.mp4 34.73M
├──8-网络模型预测结果输出1.mp4.mp4 39.11M
└──9-模型训练任务与总结1.mp4.mp4 45.16M
└──8_PyTorch框架Flask部署例子
├──1-基本结构与训练好的模型加载.mp4.mp4 21.02M
├──2-服务端处理与预测函数.mp4.mp4 40.92M
└──3-基于Flask测试模型预测结果.mp4.mp4 46.26M
├──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.mp4 56.60M
├──2-配置文件参数设置.mp4.mp4 38.74M
├──3-Neck层特征组合.mp4.mp4 32.04M
├──4-损失函数模块概述.mp4.mp4 43.11M
└──5-损失计算方法.mp4.mp4 59.35M
├──11_第四模块：ANINET文字识别
├──1-数据集与环境概述.mp4.mp4 55.58M
├──2-配置文件修改方法.mp4.mp4 52.49M
├──3-Bakbone模块得到特征.mp4.mp4 42.10M
├──4-视觉Transformer模块的作用.mp4.mp4 45.97M
├──5-视觉模型中的编码与解码的效果.mp4.mp4 54.49M
├──6-文本模型中的结构分析.mp4.mp4 38.66M
├──7-迭代修正模块.mp4.mp4 38.14M
└──8-输出层与损失计算.mp4.mp4 52.81M
├──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.mp4 51.55M
├──2-KIE数据集格式调整方法.mp4.mp4 69.46M
├──3-配置文件与标签要进行处理操作.mp4.mp4 47.83M
├──4-边框要计算的特征分析.mp4.mp4 35.57M
├──5-标签数据处理与关系特征提取.mp4.mp4 56.48M
├──6-特征合并处理.mp4.mp4 43.74M
├──7-准备拼接边与点特征.mp4.mp4 41.38M
└──8-整合得到图模型输入特征.mp4.mp4 71.98M
├──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.mp4 57.79M
├──2-得到style特征编码.mp4.mp4 69.51M
├──3-特征编码风格拼接.mp4.mp4 36.76M
├──4-基础风格特征卷积模块.mp4.mp4 54.69M
├──5-上采样得到输出结果.mp4.mp4 40.75M
└──6-损失函数概述.mp4.mp4 26.56M
├──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.mp4 27.36M
├──10-传播流程整体完成一圈.mp4 61.55M
├──11-完成输出结果.mp4.mp4 51.56M
├──2-特征基础提取模块.mp4 44.58M
├──3-光流估计网络模块.mp4 25.67M
├──4-基于光流完成对齐操作.mp4 40.23M
├──5-偏移量计算方法1.mp4.mp4 32.48M
├──6-双向计算特征对齐.mp4 36.97M
├──7-提特征传递流程分析.mp4 37.23M
├──8-序列传播计算.mp4 39.88M
└──9-准备变形卷积模块的输入.mp4.mp4 44.71M
├──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.mp4 51.52M
├──10-3D卷积特征融合.mp4 56.76M
├──11-输出层预测结果.mp4 80.80M
├──2-数据与标注文件介绍.mp4 37.49M
├──3-基本流程梳理并进入debug模式.mp4 50.33M
├──4-数据与图像特征提取模块.mp4 58.02M
├──5-体素索引位置获取.mp4.mp4 64.72M
├──6-体素特征提取方法解读.mp4 37.57M
├──7-体素特征计算方法分析.mp4 70.71M
├──8-全局体素特征提取.mp4 95.96M
└──9-多模态特征融合.mp4 68.36M
├──15_第八模块：模型蒸馏应用实例
├──1-任务概述与工具使用.mp4 39.64M
├──2-Teacher与Student网络结构定义.mp4 46.25M
├──3-训练T与S得到蒸馏模型.mp4 70.63M
├──4-开始模型训练过程与问题修正.mp4 57.26M
├──5-日志输出与模型分离.mp4 70.25M
├──6-分别得到Teacher与Student模型.mp4 45.74M
└──7-实际测试效果演示.mp4 39.02M
├──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.mp4 40.58M
└──2-搜索匹配到符合计算量的模型并训练.mp4 46.83M
├──17_第九模块：mmaction行为识别
└──创建自己的行为识别标注数据集.mp4 232.73M
├──18_额外补充
└──在源码中加入各种注意力机制方法.mp4 122.48M
├──1_MMCV安装方法
└──MMCV安装方法.mp4 55.75M
├──2_第一模块：分类任务基本操作
├──1-准备MMCLS项目.mp4 32.26M
├──2-基本参数配置解读.mp4 34.52M
├──3-各模块配置文件组成.mp4 35.81M
├──4-生成完整配置文件.mp4 24.45M
├──5-根据文件夹定义数据集.mp4 40.27M
├──6-构建自己的数据集.mp4 36.33M
├──7-训练自己的任务.mp4 39.32M
└──MMCLS问题修正1.mp4 23.50M
├──3_第一模块：训练结果测试与验证
├──1-测试DEMO效果.mp4 25.49M
├──2-测试评估模型效果.mp4 27.58M
├──3-MMCLS中增加一个新的模块.mp4 62.61M
├──4-修改配置文件中的参数.mp4 67.72M
├──5-数据增强流程可视化展示.mp4 37.40M
├──6-Grad-Cam可视化方法.mp4 41.17M
├──7-可视化细节与效果分析.mp4 124.19M
├──8-MMCLS可视化模块应用.mp4 72.07M
└──9-模型分析脚本使用.mp4 36.37M
├──4_第一模块：模型源码DEBUG演示
├──1-VIT任务概述.mp4 29.96M
├──2-数据增强模块概述分析.mp4 49.58M
├──3-PatchEmbedding层.mp4 25.30M
├──4-前向传播基本模块.mp4 38.87M
└──5-CLS与输出模块.mp4 44.04M
├──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.mp4 74.23M
├──2-数据集标注与制作方法.mp4 56.84M
├──3-跟别预测类别数修改配置文件.mp4 39.48M
├──4-加载预训练模型开始训练.mp4 86.52M
└──5-预测DEMO演示.mp4 21.88M
├──6_第二模块：基于Unet进行各种策略修改
├──1-配置文件解读.mp4 32.12M
├──2-编码层模块.mp4 32.47M
├──3-上采样与输出层.mp4 28.25M
├──4-辅助层的作用.mp4 19.83M
├──5-给Unet添加一个neck层.mp4 30.37M
├──6-如何修改参数适配网络结构.mp4 21.73M
├──7-将Unet特征提取模块替换成transformer.mp4 22.41M
└──8-VIT模块源码分析.mp4 45.48M
├──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.mp4 34.30M
├──10-汇总多层级特征进行输出.mp4.mp4 43.35M
├──2-配置文件指定.mp4.mp4 35.84M
├──3-DEBUG解读Backbone设计.mp4.mp4 40.45M
├──4-PatchEmbedding的作用与实现.mp4.mp4 44.88M
├──5-卷积位置编码计算方法.mp4.mp4 53.89M
├──6-近似Attention模块实现.mp4.mp4 79.49M
├──7-完成特征提取与融合模块.mp4.mp4 55.69M
├──8-分割任务输出模块.mp4.mp4 57.72M
└──9-全局特征的作用与实现.mp4.mp4 56.34M
├──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.mp4 31.35M
├──2-COCO数据标注格式.mp4.mp4 28.16M
├──3-通过脚本生成COCO数据格式.mp4.mp4 38.55M
├──4-配置文件数据增强策略分析.mp4.mp4 45.59M
├──5-训练所需配置说明.mp4.mp4 56.00M
├──6-模型训练与DEMO演示.mp4.mp4 35.27M
├──7-模型测试与可视化分析模块.mp4.mp4 77.61M
└──8-补充：评估指标.mp4.mp4 14.06M
└──9_第三模块：DeformableDetr物体检测源码分析
├──1-特征提取与位置编码.mp4 38.16M
├──10-分类与回归输出模块.mp4 49.72M
├──11-预测输出结果与标签匹配模块.mp4 44.31M
├──2-序列特征展开并叠加.mp4 51.07M
├──3-得到相对位置点编码.mp4 28.80M
├──4-准备Encoder编码层所需全部输入.mp4 37.91M
├──5-编码层中的序列分析.mp4 39.73M
├──6-偏移量offset计算.mp4 46.09M
├──7-偏移量对齐操作.mp4 39.80M
├──8-Encoder层完成特征对齐.mp4 51.84M
└──9-Decoder要完成的操作.mp4 38.98M
├──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.mp4 21.50M
├──2-文档轮廓提取.mp4.mp4 27.81M
├──3-原始与变换坐标计算.mp4.mp4 26.24M
├──4-透视变换结果.mp4.mp4 32.87M
├──5-tesseract-ocr安装配置.mp4.mp4 41.23M
└──6-文档扫描识别效果.mp4.mp4 28.86M
├──11_图像特征-harris
├──1-角点检测基本原理.mp4.mp4 15.53M
├──2-基本数学原理.mp4.mp4 30.58M
├──3-求解化简.mp4.mp4 31.79M
├──4-特征归属划分.mp4.mp4 43.23M
└──5-opencv角点检测效果.mp4.mp4 31.04M
├──12_图像特征-sift
├──1-尺度空间定义.mp4.mp4 20.04M
├──2-高斯差分金字塔.mp4.mp4 21.68M
├──3-特征关键点定位.mp4.mp4 48.15M
├──4-生成特征描述.mp4.mp4 24.66M
├──5-特征向量生成.mp4.mp4 43.73M
└──6-opencv中sift函数使用.mp4.mp4 28.80M
├──13_案例实战-全景图像拼接
├──1-特征匹配方法.mp4.mp4 28.56M
├──2-RANSAC算法.mp4.mp4 34.50M
├──2-图像拼接方法.mp4.mp4 44.96M
└──4-流程解读.mp4.mp4 21.65M
├──14_项目实战-停车场车位识别
├──1-任务整体流程.mp4.mp4 71.40M
├──2-所需数据介绍.mp4.mp4 34.31M
├──3-图像数据预处理.mp4.mp4 56.75M
├──4-车位直线检测.mp4.mp4 61.44M
├──5-按列划分区域.mp4.mp4 54.67M
├──6-车位区域划分.mp4.mp4 57.33M
├──7-识别模型构建.mp4.mp4 41.19M
└──8-基于视频的车位检测.mp4.mp4 135.61M
├──15_项目实战-答题卡识别判卷
├──1-整体流程与效果概述.mp4.mp4 29.49M
├──2-预处理操作.mp4.mp4 24.08M
├──3-填涂轮廓检测.mp4.mp4 25.66M
└──4-选项判断识别.mp4.mp4 57.12M
├──16_背景建模
├──1-背景消除-帧差法.mp4.mp4 20.79M
├──2-混合高斯模型.mp4.mp4 26.39M
├──3-学习步骤.mp4.mp4 31.75M
└──4-背景建模实战.mp4.mp4 51.17M
├──17_光流估计
├──1-基本概念.mp4.mp4 20.20M
├──2-Lucas-Kanade算法.mp4.mp4 19.67M
├──3-推导求解.mp4.mp4 25.94M
└──4-光流估计实战.mp4.mp4 64.22M
├──18_Opencv的DNN模块
├──1-dnn模块.mp4.mp4 28.59M
└──2-模型加载结果输出.mp4.mp4 40.50M
├──19_项目实战-目标追踪
├──1-目标追踪概述.mp4.mp4 49.75M
├──2-多目标追踪实战.mp4.mp4 34.62M
├──3-深度学习检测框架加载.mp4.mp4 43.62M
├──4-基于dlib与ssd的追踪.mp4.mp4 73.02M
├──5-多进程目标追踪.mp4.mp4 25.72M
└──6-多进程效率提升对比.mp4.mp4 78.13M
├──1_课程简介与环境配置
├──0-课程简介2.mp4.mp4 5.37M
├──2-Notebook与IDE环境.mp4.mp4 84.39M
└──2-Python与Opencv配置安装.mp4.mp4 33.28M
├──20_卷积原理与操作
├──1-卷积神经网络的应用.mp4.mp4 36.18M
├──1-卷积效果演示.mp4.mp4 24.58M
├──2-卷积操作流程.mp4.mp4 41.15M
├──2-卷积层解释.mp4.mp4 22.31M
├──3-卷积计算过程.mp4.mp4 27.61M
├──4-pading与stride.mp4.mp4 26.12M
├──5-卷积参数共享.mp4.mp4 17.69M
└──6-池化层原理.mp4.mp4 16.09M
├──21_项目实战-疲劳检测
├──1-关键点定位概述.mp4.mp4 28.45M
├──2-获取人脸关键点.mp4.mp4 36.07M
├──3-定位效果演示.mp4.mp4 45.43M
├──4-闭眼检测.mp4.mp4 71.07M
└──5-检测效果.mp4.mp4 40.60M
├──2_图像基本操作
├──1-计算机眼中的图像.mp4.mp4 30.88M
├──2-视频的读取与处理.mp4.mp4 46.97M
├──3-ROI区域.mp4.mp4 15.37M
├──4-边界填充.mp4.mp4 21.46M
└──5-数值计算.mp4.mp4 40.04M
├──3_阈值与平滑处理
├──1-图像平滑处理.mp4.mp4 24.69M
├──2-高斯与中值滤波.mp4.mp4 20.55M
└──图像阈值.mp4.mp4 30.78M
├──4_图像形态学操作
├──1-腐蚀操作.mp4.mp4 20.99M
├──2-膨胀操作.mp4.mp4 12.25M
├──3-开运算与闭运算.mp4.mp4 9.32M
├──4-梯度计算.mp4.mp4 7.85M
└──5-礼帽与黑帽.mp4.mp4 15.88M
├──5_图像梯度计算
├──1-Sobel算子.mp4.mp4 27.00M
├──2-梯度计算方法.mp4.mp4 30.29M
└──3-scharr与lapkacian算子.mp4.mp4 27.39M
├──6_边缘检测
├──1-Canny边缘检测流程.mp4.mp4 18.97M
├──2-非极大值抑制.mp4.mp4 18.32M
└──3-边缘检测效果.mp4.mp4 36.63M
├──7_图像金字塔与轮廓检测
├──1-轮廓检测方法.mp4.mp4 19.31M
├──1-模板匹配方法.mp4.mp4 47.35M
├──1-图像金字塔定义.mp4.mp4 19.68M
├──2-金字塔制作方法.mp4.mp4 25.47M
├──2-轮廓检测结果.mp4.mp4 34.37M
├──2-匹配效果展示.mp4.mp4 21.14M
└──3-轮廓特征与近似.mp4.mp4 37.51M
├──8_直方图与傅里叶变换
├──1-傅里叶概述.mp4.mp4 38.79M
├──1-直方图定义.mp4.mp4 23.64M
├──2-均衡化原理.mp4.mp4 31.35M
├──2-频域变换结果.mp4.mp4 26.26M
├──3-低通与高通滤波.mp4.mp4 27.34M
└──3-均衡化效果.mp4.mp4 27.21M
└──9_项目实战-信用卡数字识别
├──2-环境配置与预处理.mp4.mp4 34.85M
├──3-模板处理方法.mp4.mp4 23.69M
├──4-输入数据处理方法.mp4.mp4 28.88M
├──5-模板匹配得出识别结果.mp4.mp4 47.72M
└──总体流程与方法讲解.mp4.mp4 20.65M
├──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.mp4 538.47M
├──11_EfficientDet检测算法
└──第十一章：EfficientDet检测算法.mp4.mp4 448.01M
├──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.mp4 19.35M
├──2-整体网络架构分析.mp4.mp4 31.64M
├──3-位置信息初始化query向量.mp4.mp4 19.97M
├──4-注意力机制的作用方法.mp4.mp4 20.85M
└──5-训练过程的策略.mp4.mp4 28.41M
├──13_detr目标检测源码解读
├──1-项目环境配置解读.mp4.mp4 40.42M
├──2-数据处理与dataloader.mp4.mp4 64.11M
├──3-位置编码作用分析.mp4.mp4 47.95M
├──4-backbone特征提取模块.mp4.mp4 35.62M
├──5-mask与编码模块.mp4.mp4 34.75M
├──6-编码层作用方法.mp4.mp4 42.86M
├──7-Decoder层操作与计算.mp4.mp4 30.15M
├──8-输出预测结果.mp4.mp4 41.28M
└──9-损失函数与预测输出.mp4.mp4 41.18M
├──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.mp4 15.14M
├──2-不同阶段算法优缺点分析.mp4.mp4 10.68M
├──3-IOU指标计算.mp4.mp4 11.74M
├──4-评估所需参数计算.mp4.mp4 26.23M
└──5-map指标计算.mp4.mp4 19.63M
├──2_YOLO-V1整体思想与网络架构
├──2-检测算法要得到的结果.mp4.mp4 13.63M
├──3-整体网络架构解读.mp4.mp4 30.67M
├──4-位置损失计算.mp4.mp4 18.97M
├──5-置信度误差与优缺点分析.mp4.mp4 26.86M
└──YOLO算法整体思路解读.mp4.mp4 14.68M
├──3_YOLO-V2改进细节详解
├──2-网络结构特点.mp4.mp4 15.69M
├──3-架构细节解读.mp4.mp4 18.92M
├──4-基于聚类来选择先验框尺寸.mp4.mp4 24.24M
├──5-偏移量计算方法.mp4.mp4 27.55M
├──6-坐标映射与还原.mp4.mp4 10.08M
├──7-感受野的作用.mp4.mp4 28.11M
├──8-特征融合改进.mp4.mp4 19.20M
└──V2版本细节升级概述.mp4.mp4 13.38M
├──4_YOLO-V3核心网络模型
├──1-V3版本改进概述.mp4.mp4 18.27M
├──2-多scale方法改进与特征融合.mp4.mp4 17.07M
├──3-经典变换方法对比分析.mp4.mp4 10.83M
├──4-残差连接方法解读.mp4.mp4 18.64M
├──5-整体网络模型架构分析.mp4.mp4 12.93M
├──6-先验框设计改进.mp4.mp4 13.04M
└──7-sotfmax层改进.mp4.mp4 10.61M
├──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.mp4 65.52M
├──10-网格偏移计算.mp4.mp4 33.92M
├──11-模型要计算的损失概述.mp4.mp4 23.14M
├──12-标签值格式修改.mp4.mp4 28.27M
├──13-坐标相对位置计算.mp4.mp4 32.80M
├──14-完成所有损失函数所需计算指标.mp4.mp4 35.32M
├──15-模型训练与总结.mp4.mp4 72.91M
├──16-预测效果展示.mp4.mp4 34.51M
├──2-训练参数设置.mp4.mp4 23.85M
├──3-数据与标签读取.mp4.mp4 42.51M
├──4-标签文件读取与处理.mp4.mp4 27.48M
├──5-debug模式介绍.mp4.mp4 27.25M
├──6-基于配置文件构建网络模型.mp4.mp4 42.04M
├──7-路由层与shortcut层的作用.mp4.mp4 33.72M
├──8-YOLO层定义解析.mp4.mp4 61.09M
└──9-预测结果计算.mp4.mp4 46.00M
├──6_基于YOLO-V3训练自己的数据集与任务
├──1-Labelme工具安装.mp4.mp4 14.29M
├──2-数据信息标注.mp4.mp4 32.09M
├──3-完成标签制作.mp4.mp4 31.74M
├──4-生成模型所需配置文件.mp4.mp4 36.71M
├──5-json格式转换成yolo-v3所需输入.mp4.mp4 20.95M
├──6-完成输入数据准备工作.mp4.mp4 40.10M
├──7-训练代码与参数配置更改.mp4.mp4 44.29M
└──8-训练模型并测试效果.mp4.mp4 38.49M
├──7_YOLO-V4版本算法解读
├──1-V4版本整体概述.mp4.mp4 15.06M
├──10-PAN模块解读.mp4.mp4 20.64M
├──11-激活函数与整体架构总结.mp4.mp4 19.19M
├──2-V4版本贡献解读.mp4.mp4 10.06M
├──3-数据增强策略分析.mp4.mp4 24.70M
├──4-DropBlock与标签平滑方法.mp4.mp4 19.36M
├──5-损失函数遇到的问题.mp4.mp4 14.26M
├──6-CIOU损失函数定义.mp4.mp4 10.82M
├──7-NMS细节改进.mp4.mp4 16.66M
├──8-SPP与CSP网络结构.mp4.mp4 14.81M
└──9-SAM注意力机制模块.mp4.mp4 22.48M
├──8_V5版本项目配置
├──1-整体项目概述.mp4.mp4 35.77M
├──2-训练自己的数据集方法.mp4.mp4 41.32M
├──3-训练数据参数配置.mp4.mp4 51.48M
└──4-测试DEMO演示.mp4.mp4 50.47M
└──9_V5项目工程源码解读
├──1-数据源DEBUG流程解读.mp4.mp4 48.13M
├──10-完成配置文件解析任务.mp4.mp4 58.80M
├──11-前向传播计算.mp4.mp4 30.80M
├──12-BottleneckCSP层计算方法.mp4.mp4 33.82M
├──13-1 SPP层计算细节分析.mp4.mp4 29.17M
├──13-Head层流程解读.mp4.mp4 29.12M
├──14-上采样与拼接操作.mp4.mp4 21.48M
├──15-输出结果分析.mp4.mp4 41.71M
├──16-超参数解读.mp4.mp4 34.94M
├──17-命令行参数介绍.mp4.mp4 44.26M
├──18-训练流程解读.mp4.mp4 46.81M
├──19-各种训练策略概述.mp4.mp4 38.43M
├──2-图像数据源配置.mp4.mp4 34.65M
├──20-模型迭代过程.mp4.mp4 38.42M
├──3-加载标签数据.mp4.mp4 26.33M
├──4-Mosaic数据增强方法.mp4.mp4 28.19M
├──5-数据四合一方法与流程演示.mp4.mp4 41.69M
├──6-getItem构建batch.mp4.mp4 33.03M
├──7-网络架构图可视化工具安装.mp4.mp4 34.33M
├──8-V5网络配置文件解读.mp4.mp4 35.74M
└──9-Focus模块流程分析.mp4.mp4 21.93M
├──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.mp4 42.31M
├──10-RoiPooling层的作用与目的.mp4.mp4 33.45M
├──11-RorAlign操作的效果.mp4.mp4 25.70M
├──12-整体框架回顾.mp4.mp4 28.86M
├──2-FPN网络架构实现解读.mp4.mp4 55.77M
├──3-生成框比例设置.mp4.mp4 28.25M
├──4-基于不同尺度特征图生成所有框.mp4.mp4 32.93M
├──5-RPN层的作用与实现解读.mp4.mp4 30.90M
├──6-候选框过滤方法.mp4.mp4 15.59M
├──7-Proposal层实现方法.mp4.mp4 33.31M
├──8-DetectionTarget层的作用.mp4.mp4 25.70M
└──9-正负样本选择与标签定义.mp4.mp4 27.59M
├──11_基于MASK-RCNN框架训练自己的数据与任务
├──1-Labelme工具安装.mp4.mp4 14.29M
├──2-使用labelme进行数据与标签标注.mp4.mp4 26.29M
├──3-完成训练数据准备工作.mp4.mp4 26.61M
├──4-maskrcnn源码修改方法.mp4.mp4 63.56M
├──5-基于标注数据训练所需任务.mp4.mp4 39.72M
└──6-测试与展示模块.mp4.mp4 38.60M
├──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.mp4 20.24M
├──2-分割任务中的目标函数定义.mp4.mp4 20.00M
└──3-MIOU评估标准.mp4.mp4 9.03M
├──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.mp4 21.20M
├──10-VGG网络架构.mp4.mp4 19.34M
├──11-残差网络Resnet.mp4.mp4 18.02M
├──12-感受野的作用.mp4.mp4 16.86M
├──2-卷积的作用.mp4.mp4 22.67M
├──3-卷积特征值计算方法.mp4.mp4 21.23M
├──4-得到特征图表示.mp4.mp4 18.23M
├──5-步长与卷积核大小对结果的影响.mp4.mp4 19.86M
├──6-边缘填充方法.mp4.mp4 17.28M
├──7-特征图尺寸计算与参数共享.mp4.mp4 21.99M
├──8-池化层的作用.mp4.mp4 11.31M
└──9-1整体网络架构.mp4.mp4 16.98M
├──3_Unet系列算法讲解
├──1-Unet网络编码与解码过程.mp4.mp4 18.29M
├──2-网络计算流程.mp4.mp4 16.13M
├──3-Unet升级版本改进.mp4.mp4 15.75M
└──4-后续升级版本介绍.mp4.mp4 18.37M
├──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.mp4 71.21M
├──2-数据增强工具.mp4.mp4 61.47M
├──3-Debug模式演示网络计算流程.mp4.mp4 41.37M
├──4-特征融合方法演示.mp4.mp4 30.05M
├──5-迭代完成整个模型计算任务.mp4.mp4 33.55M
└──6-模型效果验证.mp4.mp4 47.29M
├──5_U2NET显著姓检测实战
├──1-任务目标与网络整体介绍.mp4.mp4 58.66M
├──2-显著姓检测任务与目标概述.mp4.mp4 53.96M
├──3-编码器模块解读.mp4.mp4 43.66M
├──4-解码器输出结果.mp4.mp4 27.90M
└──5-损失函数与应用效果.mp4.mp4 34.34M
├──6_deeplab系列算法
├──1-deeplab分割算法概述.mp4.mp4 13.81M
├──2-空洞卷积的作用.mp4.mp4 16.74M
├──3-感受野的意义.mp4.mp4 19.37M
├──4-SPP层的作用.mp4.mp4 19.02M
├──5-ASPP特征融合策略.mp4.mp4 13.45M
└──6-deeplabV3Plus版本网络架构.mp4.mp4 24.08M
├──7_基于deeplabV3+版本进行VOC分割实战
├──1-PascalVoc数据集介绍.mp4.mp4 70.12M
├──2-项目参数与数据集读取.mp4.mp4 60.32M
├──3-网络前向传播流程.mp4.mp4 33.10M
├──4-ASPP层特征融合.mp4.mp4 51.19M
└──5-分割模型训练.mp4.mp4 34.97M
├──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.mp4 45.55M
├──2-项目基本配置参数.mp4.mp4 33.31M
├──3-任务流程解读.mp4.mp4 69.12M
├──4-文献报告分析.mp4.mp4 122.67M
├──5-补充：视频数据源特征处理方法概述.mp4.mp4 26.33M
└──6-补充：R(2plus1)D处理方法分析.mp4.mp4 18.88M
└──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.mp4 88.18M
├──0-参数配置.mp4.mp4 97.85M
└──0-开源项目数据集.mp4.mp4 42.48M
├──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.mp4 74.86M
├──2-核心网络结构模块分析.mp4.mp4 20.98M
├──3-数据采样曾的作用.mp4.mp4 18.26M
├──4-模型网络结构设计.mp4.mp4 19.30M
└──5-特征融合模块与总结分析.mp4.mp4 39.30M
├──2_slowfast项目环境配置与配置文件
├──1-环境基本配置解读.mp4.mp4 45.35M
├──2-目录各文件分析.mp4.mp4 36.84M
├──3-配置文件作用解读.mp4.mp4 50.90M
├──4-测试DEMO演示1.mp4.mp4 66.77M
├──5-训练所需标签文件说明.mp4.mp4 48.77M
├──6-训练所需视频数据准备.mp4.mp4 47.39M
├──7-视频数据集切分操作.mp4.mp4 39.66M
└──8-完成视频分帧操作.mp4.mp4 32.77M
├──3_slowfast源码详细解读
├──1-模型所需配置文件参数读取1.mp4.mp4 33.24M
├──10-RoiAlign与输出层1.mp4.mp4 78.92M
├──2-数据处理概述1.mp4.mp4 49.72M
├──3-dataloader数据遍历方法1.mp4.mp4 56.85M
├──4-数据与标签读取实例1.mp4.mp4 52.22M
├──5-图像数据所需预处理方法1.mp4.mp4 66.76M
├──6-slow与fast分别执行采样操作1.mp4.mp4 66.34M
├──7-分别计算特征图输出结果1.mp4.mp4 56.64M
├──8-slow与fast特征图拼接操作1.mp4.mp4 49.69M
└──9-resnetBolock操作1.mp4.mp4 53.62M
├──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.mp4 20.62M
├──2-UCF101动作识别数据集简介.mp4.mp4 51.69M
├──3-测试效果与项目配置.mp4.mp4 55.60M
├──4-视频数据预处理方法.mp4.mp4 32.25M
├──5-数据Batch制作方法.mp4.mp4 46.66M
├──6-3D卷积网络所涉及模块.mp4.mp4 37.76M
└──7-训练网络模型.mp4.mp4 38.81M
├──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.mp4 21.49M
├──2-基本思想与流程分析.mp4.mp4 24.27M
├──3-预测与常见问题.mp4.mp4 26.58M
├──4-Meta-Learn要解决的问题.mp4.mp4 20.78M
├──5-学习能力与参数定义.mp4.mp4 14.17M
├──6-如何找到合适的初始化参数.mp4.mp4 23.36M
└──7-MAML算法流程解读.mp4.mp4 28.99M
├──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 26.61M
├──2-数据集配置与读取.mp4.mp4 38.74M
├──3-模型编码与解码结构.mp4.mp4 33.37M
├──4-注意力机制模块打造.mp4.mp4 61.12M
├──5-损失函数的目的.mp4.mp4 57.97M
├──6-特征图生成.mp4.mp4 38.02M
└──7-MetaLearn与输出.mp4.mp4 29.79M
└──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.mp4 18.85M
├──2-Resnet网络架构原理分析.mp4.mp4 24.81M
├──3-dataloader加载数据集.mp4.mp4 64.78M
├──4-Resnet网络前向传播.mp4.mp4 35.82M
├──5-残差网络的shortcut操作.mp4.mp4 47.34M
├──6-特征图升维与降采样操作.mp4.mp4 26.89M
└──7-网络整体流程与训练演示.mp4.mp4 67.45M
└──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.mp4 25.29M
├──2-医学数据介绍与分析1.mp4.mp4 56.68M
├──3-基本处理操作1.mp4.mp4 25.77M
├──4-AxialAttention实现过程1.mp4.mp4 36.87M
├──5-位置编码向量解读1.mp4.mp4 27.80M
├──6-注意力计算过程与方法1.mp4.mp4 52.13M
└──7-局部特征提取与计算1.mp4.mp4 40.92M
├──11_商汤LoFTR算法解读
├──1-特征匹配的应用场景.mp4.mp4 87.35M
├──10-总结分析.mp4.mp4 39.42M
├──2-特征匹配的基本流程分析.mp4.mp4 15.91M
├──3-整体流程梳理分析.mp4.mp4 16.46M
├──4-CrossAttention的作用与效果.mp4.mp4 15.69M
├──5-transformer构建匹配特征.mp4.mp4 33.79M
├──6-粗粒度匹配过程与作用.mp4.mp4 26.00M
├──7-特征图拆解操作.mp4.mp4 14.34M
├──8-细粒度匹配的作用与方法.mp4.mp4 19.87M
└──9-基于期望预测最终位置.mp4.mp4 23.08M
├──12_局部特征关键点匹配实战
├──1-项目与参数配置解读1.mp4.mp4 44.48M
├──10-得到精细化输出结果1.mp4.mp4 19.35M
├──11-通过期望计算最终输出1.mp4.mp4 40.24M
├──2-DEMO效果演示1.mp4.mp4 39.57M
├──3-backbone特征提取模块1.mp4.mp4 28.65M
├──4-注意力机制的作用与效果分析1.mp4.mp4 30.98M
├──5-特征融合模块实现方法1.mp4.mp4 29.29M
├──6-cross关系计算方法实例1.mp4.mp4 29.30M
├──7-粗粒度匹配过程1.mp4.mp4 49.80M
├──8-完成基础匹配模块1.mp4.mp4 63.33M
└──9-精细化调整方法与实例1.mp4.mp4 42.73M
├──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.mp4 41.26M
├──10-构建QKV矩阵1.mp4.mp4 50.65M
├──11-完成Transformer模块构建1.mp4.mp4 40.72M
├──12-训练BERT模型1.mp4.mp4 54.58M
├──2-项目参数配置1.mp4.mp4 106.67M
├──3-数据读取模块1.mp4.mp4 54.19M
├──4-数据预处理模块1.mp4.mp4 40.01M
├──6-Embedding层的作用1.mp4.mp4 30.91M
├──7-加入额外编码特征1.mp4.mp4 42.36M
├──8-加入位置编码特征1.mp4.mp4 23.57M
├──9-mask机制1.mp4.mp4 36.69M
└──tfrecord制作1.mp4.mp4 51.39M
├──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.mp4 83.47M
├──2-读取处理自己的数据集1.mp4.mp4 53.00M
└──3-训练BERT中文分类模型1.mp4.mp4 72.20M
├──1_课程介绍
└──课程介绍1.mp4.mp4 14.82M
├──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.mp4 11.47M
├──10-训练实例.mp4.mp4 24.09M
├──2-传统解决方案遇到的问题1.mp4.mp4 22.59M
├──3-注意力机制的作用1.mp4.mp4 14.72M
├──4-self-attention计算方法1.mp4.mp4 23.69M
├──5-特征分配与softmax机制1.mp4.mp4 21.24M
├──6-Multi-head的作用1.mp4.mp4 19.29M
├──7-位置编码与多层堆叠1.mp4.mp4 16.77M
├──8-transformer整体架构梳理.mp4.mp4 22.24M
└──9-BERT模型训练方法.mp4.mp4 20.59M
├──3_Transformer在视觉中的应用VIT算法
├──1-transformer发家史介绍1.mp4.mp4 15.84M
├──2-对图像数据构建patch序列1.mp4.mp4 22.18M
├──3-VIT整体架构解读1.mp4.mp4 24.32M
├──4-CNN遇到的问题与窘境1.mp4.mp4 22.34M
├──5-计算公式解读1.mp4.mp4 24.11M
├──6-位置编码与TNT模型1.mp4.mp4 25.20M
└──7-TNT模型细节分析1.mp4.mp4 
免责声明： 1、本站信息来自网络，版权争议与本站无关 2、本站所有主题由该帖子作者发表，该帖子作者与本站享有帖子相关版权 3、其他单位或个人使用、转载或引用本文时必须同时征得该帖子作者和本站的同意 4、本帖部分内容转载自其它媒体，但并不代表本站赞同其观点和对其真实性负责 5、用户所发布的一切软件的解密分析文章仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负。 6、您必须在下载后的24个小时之内，从您的电脑中彻底删除上述内容。 7、请支持正版软件、得到更好的正版服务。 8、如有侵权请立即告知本站，本站将及时予与删除 9、本站所发布的一切破解补丁、注册机和注册信息及软件的解密分析文章和视频仅限用于学习和研究目的；不得将上述内容用于商业或者非法用途，否则，一切后果请用户自负。本站信息来自网络，版权争议与本站无关。您必须在下载后的24个小时之内，从您的电脑中彻底删除上述内容。如果您喜欢该程序，请支持正版软件，购买注册，得到更好的正版服务。如有侵权请邮件与我们联系处理。
600学习网 » P5人工智能深度学习高薪就业班5期2022（24章完结）
600学习网 » P5人工智能深度学习高薪就业班5期2022（24章完结）
