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

├──1_图神经网络基础

├──1-图神经网络应用领域分析.mp4.mp426.40M

├──2-图基本模块定义.mp4.mp410.51M

├──3-邻接矩阵的定义.mp4.mp416.06M

├──4-GNN中常见任务.mp4.mp419.17M

├──5-消息传递计算方法.mp4.mp414.23M

└──6-多层GCN的作用.mp4.mp413.00M

├──2_图卷积GCN模型

├──1-GCN基本模型概述.mp4.mp413.24M

├──2-图卷积的基本计算方法.mp4.mp412.56M

├──3-邻接的矩阵的变换.mp4.mp418.38M

└──4-GCN变换原理解读.mp4.mp421.12M

├──3_图模型必备神器PyTorch Geometric安装与使用

├──1-PyTorch Geometric工具包安装与配置方法.mp4.mp445.07M

├──2-数据集与邻接矩阵格式.mp4.mp451.92M

├──3-模型定义与训练方法.mp4.mp441.92M

└──4-文献引用数据集分类案例实战.mp4.mp447.75M

├──4_使用PyTorch Geometric构建自己的图数据集

├──1-构建数据集基本方法.mp4.mp413.47M

├──2-数据集与任务背景概述.mp4.mp421.63M

├──3-数据集基本预处理.mp4.mp431.50M

├──4-用户行为图结构创建.mp4.mp436.67M

├──5-数据集创建函数介绍.mp4.mp434.87M

├──6-网络结构定义模块.mp4.mp436.87M

├──7-TopkPooling进行下采样任务.mp4.mp431.30M

├──8-获取全局特征.mp4.mp425.70M

└──9-模型训练与总结.mp4.mp435.84M

├──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.mp416.53M

├──2-邻接矩阵计算图Attention.mp4.mp421.40M

├──3-序列图神经网络TGCN应用.mp4.mp412.59M

└──4-序列图神经网络细节.mp4.mp423.67M

├──6_图相似度论文解读

├──1-要完成的任务分析.mp4.mp447.79M

├──2-基本方法概述解读.mp4.mp452.67M

├──3-图模型提取全局与局部特征.mp4.mp447.42M

├──4-NTN模块的作用与效果.mp4.mp441.09M

├──5-点之间的对应关系计算.mp4.mp451.22M

└──6-结果输出与总结.mp4.mp471.18M

├──7_图相似度计算实战

├──1-数据集与任务概述3.mp4.mp418.11M

├──2-图卷积特征提取模块3.mp4.mp455.92M

├──3-分别计算不同Batch点的分布3.mp4.mp431.70M

├──4-获得直方图特征结果.mp4.mp421.11M

├──5-图的全局特征构建.mp4.mp431.45M

├──6-NTN图相似特征提取.mp4.mp439.25M

└──7-预测得到相似度结果.mp4.mp418.64M

├──8_基于图模型的轨迹估计

├──1-数据集与标注信息解读.mp4.mp457.53M

├──2-整体三大模块分析.mp4.mp471.83M

├──3-特征工程的作用与效果.mp4.mp441.75M

├──4-传统方法与现在向量空间对比.mp4.mp451.83M

├──5-输入细节分析.mp4.mp449.96M

├──6-子图模块构建方法.mp4.mp442.55M

├──7-特征融合模块分析.mp4.mp447.67M

└──8-VectorNet输出层分析.mp4.mp485.45M

└──9_图模型轨迹估计实战

├──1-数据与环境配置4.mp4.mp435.36M

├──2-训练数据准备4.mp4.mp427.69M

├──3-Agent特征提取方法4.mp4.mp437.87M

├──4-DataLoader构建图结构4.mp4.mp428.61M

└──5-SubGraph与Attention模型流程4.mp4.mp434.55M

├──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.mp41.88G

├──2_Pycharm环境配置与Debug演示(没用过的同学必看)

└──Pycharm环境配置与Debug演示(没用过的同学必看).mp4125.39M

├──3_直播2：深度学习必备基础-神经网络与卷积网络

└──1.深度学习必备基础-神经网络与卷积网络.mp4937.92M

├──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.mp4383.49M

├──5_额外补充：时间序列预测

└──额外补充：时间序列预测.mp4374.26M

└──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.mp42.04G

├──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.mp4589.67M

├──2_卷积神经网络算法解读

└──2-卷积神经网络算法解读.mp4432.74M

└──3_递归神经网络算法解读

└──3-递归神经网络算法解读.mp4336.06M

├──3_深度学习核心框架PyTorch

├──1_PyTorch框架介绍与配置安装

├──1-PyTorch框架与其他框架区别分析1.mp4.mp433.24M

└──2-CPU与GPU版本安装方法解读1.mp4.mp4100.57M

├──2_使用神经网络进行分类任务

├──1-数据集与任务概述2.mp4.mp443.34M

├──2-基本模块应用测试2.mp4.mp447.62M

├──3-网络结构定义方法2.mp4.mp455.60M

├──4-数据源定义简介2.mp4.mp438.98M

├──5-损失与训练模块分析2.mp4.mp442.31M

├──6-训练一个基本的分类模型2.mp4.mp454.59M

└──7-参数对结果的影响2.mp4.mp451.65M

├──3_神经网络回归任务-气温预测

└──神经网络回归任务-气温预测1.mp4.mp4198.56M

├──4_卷积网络参数解读分析

├──1-输入特征通道分析2.mp4.mp442.48M

├──2-卷积网络参数解读2.mp4.mp431.46M

└──3-卷积网络模型训练2.mp4.mp455.14M

├──5_图像识别模型与训练策略（重点）

├──1-任务分析与图像数据基本处理2.mp4.mp441.62M

├──10-测试结果演示分析1.mp4.mp4110.98M

├──2-数据增强模块2.mp4.mp440.50M

├──3-数据集与模型选择1.mp4.mp445.32M

├──4-迁移学习方法解读1.mp4.mp444.66M

├──5-输出层与梯度设置1.mp4.mp461.42M

├──6-输出类别个数修改1.mp4.mp449.06M

├──7-优化器与学习率衰减1.mp4.mp452.48M

├──8-模型训练方法1.mp4.mp452.60M

└──9-重新训练全部模型1.mp4.mp454.81M

├──6_DataLoader自定义数据集制作

├──1-Dataloader要完成的任务分析1.mp4.mp439.20M

├──2-图像数据与标签路径处理1.mp4.mp448.98M

├──3-Dataloader中需要实现的方法分析1.mp4.mp446.95M

└──4-实用Dataloader加载数据并训练模型1.mp4.mp477.82M

├──7_LSTM文本分类实战

├──1-数据集与任务目标分析1.mp4.mp452.81M

├──2-文本数据处理基本流程分析1.mp4.mp455.97M

├──3-命令行参数与DEBUG1.mp4.mp436.52M

├──4-训练模型所需基本配置参数分析1.mp4.mp440.92M

├──5-预料表与字符切分1.mp4.mp431.98M

├──6-字符预处理转换ID1.mp4.mp434.37M

├──7-LSTM网络结构基本定义1.mp4.mp434.73M

├──8-网络模型预测结果输出1.mp4.mp439.11M

└──9-模型训练任务与总结1.mp4.mp445.16M

└──8_PyTorch框架Flask部署例子

├──1-基本结构与训练好的模型加载.mp4.mp421.02M

├──2-服务端处理与预测函数.mp4.mp440.92M

└──3-基于Flask测试模型预测结果.mp4.mp446.26M

├──4_MMLAB实战系列

├──10_第四模块：DBNET文字检测

├──1-文字检测数据概述与配置文件.mp4.mp456.60M

├──2-配置文件参数设置.mp4.mp438.74M

├──3-Neck层特征组合.mp4.mp432.04M

├──4-损失函数模块概述.mp4.mp443.11M

└──5-损失计算方法.mp4.mp459.35M

├──11_第四模块：ANINET文字识别

├──1-数据集与环境概述.mp4.mp455.58M

├──2-配置文件修改方法.mp4.mp452.49M

├──3-Bakbone模块得到特征.mp4.mp442.10M

├──4-视觉Transformer模块的作用.mp4.mp445.97M

├──5-视觉模型中的编码与解码的效果.mp4.mp454.49M

├──6-文本模型中的结构分析.mp4.mp438.66M

├──7-迭代修正模块.mp4.mp438.14M

└──8-输出层与损失计算.mp4.mp452.81M

├──12_第四模块：KIE基于图模型的关键信息抽取

├──1-配置文件以及要完成的任务解读.mp4.mp451.55M

├──2-KIE数据集格式调整方法.mp4.mp469.46M

├──3-配置文件与标签要进行处理操作.mp4.mp447.83M

├──4-边框要计算的特征分析.mp4.mp435.57M

├──5-标签数据处理与关系特征提取.mp4.mp456.48M

├──6-特征合并处理.mp4.mp443.74M

├──7-准备拼接边与点特征.mp4.mp441.38M

└──8-整合得到图模型输入特征.mp4.mp471.98M

├──12_第五模块：stylegan2源码解读

├──1-要完成的任务与基本思想概述.mp4.mp457.79M

├──2-得到style特征编码.mp4.mp469.51M

├──3-特征编码风格拼接.mp4.mp436.76M

├──4-基础风格特征卷积模块.mp4.mp454.69M

├──5-上采样得到输出结果.mp4.mp440.75M

└──6-损失函数概述.mp4.mp426.56M

├──13_第六模块：BasicVSR++视频超分辨重构源码解读

├──1-要完成的任务分析与配置文件.mp4.mp427.36M

├──10-传播流程整体完成一圈.mp461.55M

├──11-完成输出结果.mp4.mp451.56M

├──2-特征基础提取模块.mp444.58M

├──3-光流估计网络模块.mp425.67M

├──4-基于光流完成对齐操作.mp440.23M

├──5-偏移量计算方法1.mp4.mp432.48M

├──6-双向计算特征对齐.mp436.97M

├──7-提特征传递流程分析.mp437.23M

├──8-序列传播计算.mp439.88M

└──9-准备变形卷积模块的输入.mp4.mp444.71M

├──14_第七模块：多模态3D目标检测算法源码解读

├──1-环境配置与数据集概述.mp451.52M

├──10-3D卷积特征融合.mp456.76M

├──11-输出层预测结果.mp480.80M

├──2-数据与标注文件介绍.mp437.49M

├──3-基本流程梳理并进入debug模式.mp450.33M

├──4-数据与图像特征提取模块.mp458.02M

├──5-体素索引位置获取.mp4.mp464.72M

├──6-体素特征提取方法解读.mp437.57M

├──7-体素特征计算方法分析.mp470.71M

├──8-全局体素特征提取.mp495.96M

└──9-多模态特征融合.mp468.36M

├──15_第八模块：模型蒸馏应用实例

├──1-任务概述与工具使用.mp439.64M

├──2-Teacher与Student网络结构定义.mp446.25M

├──3-训练T与S得到蒸馏模型.mp470.63M

├──4-开始模型训练过程与问题修正.mp457.26M

├──5-日志输出与模型分离.mp470.25M

├──6-分别得到Teacher与Student模型.mp445.74M

└──7-实际测试效果演示.mp439.02M

├──16_第八模块：模型剪枝方法概述分析

├──1-SuperNet网络结构分析与剪枝概述.mp440.58M

└──2-搜索匹配到符合计算量的模型并训练.mp446.83M

├──17_第九模块：mmaction行为识别

└──创建自己的行为识别标注数据集.mp4232.73M

├──18_额外补充

└──在源码中加入各种注意力机制方法.mp4122.48M

├──1_MMCV安装方法

└──MMCV安装方法.mp455.75M

├──2_第一模块：分类任务基本操作

├──1-准备MMCLS项目.mp432.26M

├──2-基本参数配置解读.mp434.52M

├──3-各模块配置文件组成.mp435.81M

├──4-生成完整配置文件.mp424.45M

├──5-根据文件夹定义数据集.mp440.27M

├──6-构建自己的数据集.mp436.33M

├──7-训练自己的任务.mp439.32M

└──MMCLS问题修正1.mp423.50M

├──3_第一模块：训练结果测试与验证

├──1-测试DEMO效果.mp425.49M

├──2-测试评估模型效果.mp427.58M

├──3-MMCLS中增加一个新的模块.mp462.61M

├──4-修改配置文件中的参数.mp467.72M

├──5-数据增强流程可视化展示.mp437.40M

├──6-Grad-Cam可视化方法.mp441.17M

├──7-可视化细节与效果分析.mp4124.19M

├──8-MMCLS可视化模块应用.mp472.07M

└──9-模型分析脚本使用.mp436.37M

├──4_第一模块：模型源码DEBUG演示

├──1-VIT任务概述.mp429.96M

├──2-数据增强模块概述分析.mp449.58M

├──3-PatchEmbedding层.mp425.30M

├──4-前向传播基本模块.mp438.87M

└──5-CLS与输出模块.mp444.04M

├──5_第二模块：使用分割模块训练自己的数据集

├──1-项目配置基本介绍.mp474.23M

├──2-数据集标注与制作方法.mp456.84M

├──3-跟别预测类别数修改配置文件.mp439.48M

├──4-加载预训练模型开始训练.mp486.52M

└──5-预测DEMO演示.mp421.88M

├──6_第二模块：基于Unet进行各种策略修改

├──1-配置文件解读.mp432.12M

├──2-编码层模块.mp432.47M

├──3-上采样与输出层.mp428.25M

├──4-辅助层的作用.mp419.83M

├──5-给Unet添加一个neck层.mp430.37M

├──6-如何修改参数适配网络结构.mp421.73M

├──7-将Unet特征提取模块替换成transformer.mp422.41M

└──8-VIT模块源码分析.mp445.48M

├──7_第二模块：分割任务CVPR最新Backbone设计及其应用

├──1-注册自己的Backbone模块.mp4.mp434.30M

├──10-汇总多层级特征进行输出.mp4.mp443.35M

├──2-配置文件指定.mp4.mp435.84M

├──3-DEBUG解读Backbone设计.mp4.mp440.45M

├──4-PatchEmbedding的作用与实现.mp4.mp444.88M

├──5-卷积位置编码计算方法.mp4.mp453.89M

├──6-近似Attention模块实现.mp4.mp479.49M

├──7-完成特征提取与融合模块.mp4.mp455.69M

├──8-分割任务输出模块.mp4.mp457.72M

└──9-全局特征的作用与实现.mp4.mp456.34M

├──8_第三模块：mmdet训练自己的数据任务

├──1-数据集标注与标签获取.mp4.mp431.35M

├──2-COCO数据标注格式.mp4.mp428.16M

├──3-通过脚本生成COCO数据格式.mp4.mp438.55M

├──4-配置文件数据增强策略分析.mp4.mp445.59M

├──5-训练所需配置说明.mp4.mp456.00M

├──6-模型训练与DEMO演示.mp4.mp435.27M

├──7-模型测试与可视化分析模块.mp4.mp477.61M

└──8-补充：评估指标.mp4.mp414.06M

└──9_第三模块：DeformableDetr物体检测源码分析

├──1-特征提取与位置编码.mp438.16M

├──10-分类与回归输出模块.mp449.72M

├──11-预测输出结果与标签匹配模块.mp444.31M

├──2-序列特征展开并叠加.mp451.07M

├──3-得到相对位置点编码.mp428.80M

├──4-准备Encoder编码层所需全部输入.mp437.91M

├──5-编码层中的序列分析.mp439.73M

├──6-偏移量offset计算.mp446.09M

├──7-偏移量对齐操作.mp439.80M

├──8-Encoder层完成特征对齐.mp451.84M

└──9-Decoder要完成的操作.mp438.98M

├──5_Opencv图像处理框架实战

├──10_项目实战-文档扫描OCR识别

├──1-整体流程演示.mp4.mp421.50M

├──2-文档轮廓提取.mp4.mp427.81M

├──3-原始与变换坐标计算.mp4.mp426.24M

├──4-透视变换结果.mp4.mp432.87M

├──5-tesseract-ocr安装配置.mp4.mp441.23M

└──6-文档扫描识别效果.mp4.mp428.86M

├──11_图像特征-harris

├──1-角点检测基本原理.mp4.mp415.53M

├──2-基本数学原理.mp4.mp430.58M

├──3-求解化简.mp4.mp431.79M

├──4-特征归属划分.mp4.mp443.23M

└──5-opencv角点检测效果.mp4.mp431.04M

├──12_图像特征-sift

├──1-尺度空间定义.mp4.mp420.04M

├──2-高斯差分金字塔.mp4.mp421.68M

├──3-特征关键点定位.mp4.mp448.15M

├──4-生成特征描述.mp4.mp424.66M

├──5-特征向量生成.mp4.mp443.73M

└──6-opencv中sift函数使用.mp4.mp428.80M

├──13_案例实战-全景图像拼接

├──1-特征匹配方法.mp4.mp428.56M

├──2-RANSAC算法.mp4.mp434.50M

├──2-图像拼接方法.mp4.mp444.96M

└──4-流程解读.mp4.mp421.65M

├──14_项目实战-停车场车位识别

├──1-任务整体流程.mp4.mp471.40M

├──2-所需数据介绍.mp4.mp434.31M

├──3-图像数据预处理.mp4.mp456.75M

├──4-车位直线检测.mp4.mp461.44M

├──5-按列划分区域.mp4.mp454.67M

├──6-车位区域划分.mp4.mp457.33M

├──7-识别模型构建.mp4.mp441.19M

└──8-基于视频的车位检测.mp4.mp4135.61M

├──15_项目实战-答题卡识别判卷

├──1-整体流程与效果概述.mp4.mp429.49M

├──2-预处理操作.mp4.mp424.08M

├──3-填涂轮廓检测.mp4.mp425.66M

└──4-选项判断识别.mp4.mp457.12M

├──16_背景建模

├──1-背景消除-帧差法.mp4.mp420.79M

├──2-混合高斯模型.mp4.mp426.39M

├──3-学习步骤.mp4.mp431.75M

└──4-背景建模实战.mp4.mp451.17M

├──17_光流估计

├──1-基本概念.mp4.mp420.20M

├──2-Lucas-Kanade算法.mp4.mp419.67M

├──3-推导求解.mp4.mp425.94M

└──4-光流估计实战.mp4.mp464.22M

├──18_Opencv的DNN模块

├──1-dnn模块.mp4.mp428.59M

└──2-模型加载结果输出.mp4.mp440.50M

├──19_项目实战-目标追踪

├──1-目标追踪概述.mp4.mp449.75M

├──2-多目标追踪实战.mp4.mp434.62M

├──3-深度学习检测框架加载.mp4.mp443.62M

├──4-基于dlib与ssd的追踪.mp4.mp473.02M

├──5-多进程目标追踪.mp4.mp425.72M

└──6-多进程效率提升对比.mp4.mp478.13M

├──1_课程简介与环境配置

├──0-课程简介2.mp4.mp45.37M

├──2-Notebook与IDE环境.mp4.mp484.39M

└──2-Python与Opencv配置安装.mp4.mp433.28M

├──20_卷积原理与操作

├──1-卷积神经网络的应用.mp4.mp436.18M

├──1-卷积效果演示.mp4.mp424.58M

├──2-卷积操作流程.mp4.mp441.15M

├──2-卷积层解释.mp4.mp422.31M

├──3-卷积计算过程.mp4.mp427.61M

├──4-pading与stride.mp4.mp426.12M

├──5-卷积参数共享.mp4.mp417.69M

└──6-池化层原理.mp4.mp416.09M

├──21_项目实战-疲劳检测

├──1-关键点定位概述.mp4.mp428.45M

├──2-获取人脸关键点.mp4.mp436.07M

├──3-定位效果演示.mp4.mp445.43M

├──4-闭眼检测.mp4.mp471.07M

└──5-检测效果.mp4.mp440.60M

├──2_图像基本操作

├──1-计算机眼中的图像.mp4.mp430.88M

├──2-视频的读取与处理.mp4.mp446.97M

├──3-ROI区域.mp4.mp415.37M

├──4-边界填充.mp4.mp421.46M

└──5-数值计算.mp4.mp440.04M

├──3_阈值与平滑处理

├──1-图像平滑处理.mp4.mp424.69M

├──2-高斯与中值滤波.mp4.mp420.55M

└──图像阈值.mp4.mp430.78M

├──4_图像形态学操作

├──1-腐蚀操作.mp4.mp420.99M

├──2-膨胀操作.mp4.mp412.25M

├──3-开运算与闭运算.mp4.mp49.32M

├──4-梯度计算.mp4.mp47.85M

└──5-礼帽与黑帽.mp4.mp415.88M

├──5_图像梯度计算

├──1-Sobel算子.mp4.mp427.00M

├──2-梯度计算方法.mp4.mp430.29M

└──3-scharr与lapkacian算子.mp4.mp427.39M

├──6_边缘检测

├──1-Canny边缘检测流程.mp4.mp418.97M

├──2-非极大值抑制.mp4.mp418.32M

└──3-边缘检测效果.mp4.mp436.63M

├──7_图像金字塔与轮廓检测

├──1-轮廓检测方法.mp4.mp419.31M

├──1-模板匹配方法.mp4.mp447.35M

├──1-图像金字塔定义.mp4.mp419.68M

├──2-金字塔制作方法.mp4.mp425.47M

├──2-轮廓检测结果.mp4.mp434.37M

├──2-匹配效果展示.mp4.mp421.14M

└──3-轮廓特征与近似.mp4.mp437.51M

├──8_直方图与傅里叶变换

├──1-傅里叶概述.mp4.mp438.79M

├──1-直方图定义.mp4.mp423.64M

├──2-均衡化原理.mp4.mp431.35M

├──2-频域变换结果.mp4.mp426.26M

├──3-低通与高通滤波.mp4.mp427.34M

└──3-均衡化效果.mp4.mp427.21M

└──9_项目实战-信用卡数字识别

├──2-环境配置与预处理.mp4.mp434.85M

├──3-模板处理方法.mp4.mp423.69M

├──4-输入数据处理方法.mp4.mp428.88M

├──5-模板匹配得出识别结果.mp4.mp447.72M

└──总体流程与方法讲解.mp4.mp420.65M

├──6_综合项目-物体检测经典算法实战

├──10_EfficientNet网络

└──第八课：EfficientNet网络模型.mp4.mp4538.47M

├──11_EfficientDet检测算法

└──第十一章：EfficientDet检测算法.mp4.mp4448.01M

├──12_基于Transformer的detr目标检测算法

├──1-DETR目标检测基本思想解读.mp4.mp419.35M

├──2-整体网络架构分析.mp4.mp431.64M

├──3-位置信息初始化query向量.mp4.mp419.97M

├──4-注意力机制的作用方法.mp4.mp420.85M

└──5-训练过程的策略.mp4.mp428.41M

├──13_detr目标检测源码解读

├──1-项目环境配置解读.mp4.mp440.42M

├──2-数据处理与dataloader.mp4.mp464.11M

├──3-位置编码作用分析.mp4.mp447.95M

├──4-backbone特征提取模块.mp4.mp435.62M

├──5-mask与编码模块.mp4.mp434.75M

├──6-编码层作用方法.mp4.mp442.86M

├──7-Decoder层操作与计算.mp4.mp430.15M

├──8-输出预测结果.mp4.mp441.28M

└──9-损失函数与预测输出.mp4.mp441.18M

├──1_深度学习经典检测方法概述

├──1-检测任务中阶段的意义.mp4.mp415.14M

├──2-不同阶段算法优缺点分析.mp4.mp410.68M

├──3-IOU指标计算.mp4.mp411.74M

├──4-评估所需参数计算.mp4.mp426.23M

└──5-map指标计算.mp4.mp419.63M

├──2_YOLO-V1整体思想与网络架构

├──2-检测算法要得到的结果.mp4.mp413.63M

├──3-整体网络架构解读.mp4.mp430.67M

├──4-位置损失计算.mp4.mp418.97M

├──5-置信度误差与优缺点分析.mp4.mp426.86M

└──YOLO算法整体思路解读.mp4.mp414.68M

├──3_YOLO-V2改进细节详解

├──2-网络结构特点.mp4.mp415.69M

├──3-架构细节解读.mp4.mp418.92M

├──4-基于聚类来选择先验框尺寸.mp4.mp424.24M

├──5-偏移量计算方法.mp4.mp427.55M

├──6-坐标映射与还原.mp4.mp410.08M

├──7-感受野的作用.mp4.mp428.11M

├──8-特征融合改进.mp4.mp419.20M

└──V2版本细节升级概述.mp4.mp413.38M

├──4_YOLO-V3核心网络模型

├──1-V3版本改进概述.mp4.mp418.27M

├──2-多scale方法改进与特征融合.mp4.mp417.07M

├──3-经典变换方法对比分析.mp4.mp410.83M

├──4-残差连接方法解读.mp4.mp418.64M

├──5-整体网络模型架构分析.mp4.mp412.93M

├──6-先验框设计改进.mp4.mp413.04M

└──7-sotfmax层改进.mp4.mp410.61M

├──5_项目实战-基于V3版本进行源码解读

├──1-数据与环境配置.mp4.mp465.52M

├──10-网格偏移计算.mp4.mp433.92M

├──11-模型要计算的损失概述.mp4.mp423.14M

├──12-标签值格式修改.mp4.mp428.27M

├──13-坐标相对位置计算.mp4.mp432.80M

├──14-完成所有损失函数所需计算指标.mp4.mp435.32M

├──15-模型训练与总结.mp4.mp472.91M

├──16-预测效果展示.mp4.mp434.51M

├──2-训练参数设置.mp4.mp423.85M

├──3-数据与标签读取.mp4.mp442.51M

├──4-标签文件读取与处理.mp4.mp427.48M

├──5-debug模式介绍.mp4.mp427.25M

├──6-基于配置文件构建网络模型.mp4.mp442.04M

├──7-路由层与shortcut层的作用.mp4.mp433.72M

├──8-YOLO层定义解析.mp4.mp461.09M

└──9-预测结果计算.mp4.mp446.00M

├──6_基于YOLO-V3训练自己的数据集与任务

├──1-Labelme工具安装.mp4.mp414.29M

├──2-数据信息标注.mp4.mp432.09M

├──3-完成标签制作.mp4.mp431.74M

├──4-生成模型所需配置文件.mp4.mp436.71M

├──5-json格式转换成yolo-v3所需输入.mp4.mp420.95M

├──6-完成输入数据准备工作.mp4.mp440.10M

├──7-训练代码与参数配置更改.mp4.mp444.29M

└──8-训练模型并测试效果.mp4.mp438.49M

├──7_YOLO-V4版本算法解读

├──1-V4版本整体概述.mp4.mp415.06M

├──10-PAN模块解读.mp4.mp420.64M

├──11-激活函数与整体架构总结.mp4.mp419.19M

├──2-V4版本贡献解读.mp4.mp410.06M

├──3-数据增强策略分析.mp4.mp424.70M

├──4-DropBlock与标签平滑方法.mp4.mp419.36M

├──5-损失函数遇到的问题.mp4.mp414.26M

├──6-CIOU损失函数定义.mp4.mp410.82M

├──7-NMS细节改进.mp4.mp416.66M

├──8-SPP与CSP网络结构.mp4.mp414.81M

└──9-SAM注意力机制模块.mp4.mp422.48M

├──8_V5版本项目配置

├──1-整体项目概述.mp4.mp435.77M

├──2-训练自己的数据集方法.mp4.mp441.32M

├──3-训练数据参数配置.mp4.mp451.48M

└──4-测试DEMO演示.mp4.mp450.47M

└──9_V5项目工程源码解读

├──1-数据源DEBUG流程解读.mp4.mp448.13M

├──10-完成配置文件解析任务.mp4.mp458.80M

├──11-前向传播计算.mp4.mp430.80M

├──12-BottleneckCSP层计算方法.mp4.mp433.82M

├──13-1 SPP层计算细节分析.mp4.mp429.17M

├──13-Head层流程解读.mp4.mp429.12M

├──14-上采样与拼接操作.mp4.mp421.48M

├──15-输出结果分析.mp4.mp441.71M

├──16-超参数解读.mp4.mp434.94M

├──17-命令行参数介绍.mp4.mp444.26M

├──18-训练流程解读.mp4.mp446.81M

├──19-各种训练策略概述.mp4.mp438.43M

├──2-图像数据源配置.mp4.mp434.65M

├──20-模型迭代过程.mp4.mp438.42M

├──3-加载标签数据.mp4.mp426.33M

├──4-Mosaic数据增强方法.mp4.mp428.19M

├──5-数据四合一方法与流程演示.mp4.mp441.69M

├──6-getItem构建batch.mp4.mp433.03M

├──7-网络架构图可视化工具安装.mp4.mp434.33M

├──8-V5网络配置文件解读.mp4.mp435.74M

└──9-Focus模块流程分析.mp4.mp421.93M

├──7_图像分割实战

├──10_MaskRcnn网络框架源码详解

├──1-FPN层特征提取原理解读.mp4.mp442.31M

├──10-RoiPooling层的作用与目的.mp4.mp433.45M

├──11-RorAlign操作的效果.mp4.mp425.70M

├──12-整体框架回顾.mp4.mp428.86M

├──2-FPN网络架构实现解读.mp4.mp455.77M

├──3-生成框比例设置.mp4.mp428.25M

├──4-基于不同尺度特征图生成所有框.mp4.mp432.93M

├──5-RPN层的作用与实现解读.mp4.mp430.90M

├──6-候选框过滤方法.mp4.mp415.59M

├──7-Proposal层实现方法.mp4.mp433.31M

├──8-DetectionTarget层的作用.mp4.mp425.70M

└──9-正负样本选择与标签定义.mp4.mp427.59M

├──11_基于MASK-RCNN框架训练自己的数据与任务

├──1-Labelme工具安装.mp4.mp414.29M

├──2-使用labelme进行数据与标签标注.mp4.mp426.29M

├──3-完成训练数据准备工作.mp4.mp426.61M

├──4-maskrcnn源码修改方法.mp4.mp463.56M

├──5-基于标注数据训练所需任务.mp4.mp439.72M

└──6-测试与展示模块.mp4.mp438.60M

├──1_图像分割及其损失函数概述

├──1-语义分割与实例分割概述.mp4.mp420.24M

├──2-分割任务中的目标函数定义.mp4.mp420.00M

└──3-MIOU评估标准.mp4.mp49.03M

├──2_卷积神经网络原理与参数解读

├──1-卷积神经网络应用领域.mp4.mp421.20M

├──10-VGG网络架构.mp4.mp419.34M

├──11-残差网络Resnet.mp4.mp418.02M

├──12-感受野的作用.mp4.mp416.86M

├──2-卷积的作用.mp4.mp422.67M

├──3-卷积特征值计算方法.mp4.mp421.23M

├──4-得到特征图表示.mp4.mp418.23M

├──5-步长与卷积核大小对结果的影响.mp4.mp419.86M

├──6-边缘填充方法.mp4.mp417.28M

├──7-特征图尺寸计算与参数共享.mp4.mp421.99M

├──8-池化层的作用.mp4.mp411.31M

└──9-1整体网络架构.mp4.mp416.98M

├──3_Unet系列算法讲解

├──1-Unet网络编码与解码过程.mp4.mp418.29M

├──2-网络计算流程.mp4.mp416.13M

├──3-Unet升级版本改进.mp4.mp415.75M

└──4-后续升级版本介绍.mp4.mp418.37M

├──4_unet医学细胞分割实战

├──1-医学细胞数据集介绍与参数配置.mp4.mp471.21M

├──2-数据增强工具.mp4.mp461.47M

├──3-Debug模式演示网络计算流程.mp4.mp441.37M

├──4-特征融合方法演示.mp4.mp430.05M

├──5-迭代完成整个模型计算任务.mp4.mp433.55M

└──6-模型效果验证.mp4.mp447.29M

├──5_U2NET显著姓检测实战

├──1-任务目标与网络整体介绍.mp4.mp458.66M

├──2-显著姓检测任务与目标概述.mp4.mp453.96M

├──3-编码器模块解读.mp4.mp443.66M

├──4-解码器输出结果.mp4.mp427.90M

└──5-损失函数与应用效果.mp4.mp434.34M

├──6_deeplab系列算法

├──1-deeplab分割算法概述.mp4.mp413.81M

├──2-空洞卷积的作用.mp4.mp416.74M

├──3-感受野的意义.mp4.mp419.37M

├──4-SPP层的作用.mp4.mp419.02M

├──5-ASPP特征融合策略.mp4.mp413.45M

└──6-deeplabV3Plus版本网络架构.mp4.mp424.08M

├──7_基于deeplabV3+版本进行VOC分割实战

├──1-PascalVoc数据集介绍.mp4.mp470.12M

├──2-项目参数与数据集读取.mp4.mp460.32M

├──3-网络前向传播流程.mp4.mp433.10M

├──4-ASPP层特征融合.mp4.mp451.19M

└──5-分割模型训练.mp4.mp434.97M

├──8_医学心脏视频数据集分割建模实战

├──1-数据集与任务概述.mp4.mp445.55M

├──2-项目基本配置参数.mp4.mp433.31M

├──3-任务流程解读.mp4.mp469.12M

├──4-文献报告分析.mp4.mp4122.67M

├──5-补充：视频数据源特征处理方法概述.mp4.mp426.33M

└──6-补充：R(2plus1)D处理方法分析.mp4.mp418.88M

└──9_物体检测框架-MaskRcnn项目介绍与配置

├──0-Mask-Rcnn开源项目简介.mp4.mp488.18M

├──0-参数配置.mp4.mp497.85M

└──0-开源项目数据集.mp4.mp442.48M

├──8_行为识别实战

├──1_slowfast算法知识点通俗解读

├──1-slowfast核心思想解读.mp4.mp474.86M

├──2-核心网络结构模块分析.mp4.mp420.98M

├──3-数据采样曾的作用.mp4.mp418.26M

├──4-模型网络结构设计.mp4.mp419.30M

└──5-特征融合模块与总结分析.mp4.mp439.30M

├──2_slowfast项目环境配置与配置文件

├──1-环境基本配置解读.mp4.mp445.35M

├──2-目录各文件分析.mp4.mp436.84M

├──3-配置文件作用解读.mp4.mp450.90M

├──4-测试DEMO演示1.mp4.mp466.77M

├──5-训练所需标签文件说明.mp4.mp448.77M

├──6-训练所需视频数据准备.mp4.mp447.39M

├──7-视频数据集切分操作.mp4.mp439.66M

└──8-完成视频分帧操作.mp4.mp432.77M

├──3_slowfast源码详细解读

├──1-模型所需配置文件参数读取1.mp4.mp433.24M

├──10-RoiAlign与输出层1.mp4.mp478.92M

├──2-数据处理概述1.mp4.mp449.72M

├──3-dataloader数据遍历方法1.mp4.mp456.85M

├──4-数据与标签读取实例1.mp4.mp452.22M

├──5-图像数据所需预处理方法1.mp4.mp466.76M

├──6-slow与fast分别执行采样操作1.mp4.mp466.34M

├──7-分别计算特征图输出结果1.mp4.mp456.64M

├──8-slow与fast特征图拼接操作1.mp4.mp449.69M

└──9-resnetBolock操作1.mp4.mp453.62M

├──4_基于3D卷积的视频分析与动作识别

├──1-3D卷积原理解读.mp4.mp420.62M

├──2-UCF101动作识别数据集简介.mp4.mp451.69M

├──3-测试效果与项目配置.mp4.mp455.60M

├──4-视频数据预处理方法.mp4.mp432.25M

├──5-数据Batch制作方法.mp4.mp446.66M

├──6-3D卷积网络所涉及模块.mp4.mp437.76M

└──7-训练网络模型.mp4.mp438.81M

├──5_视频异常检测算法与元学习

├──1-异常检测要解决的问题与数据集介绍.mp4.mp421.49M

├──2-基本思想与流程分析.mp4.mp424.27M

├──3-预测与常见问题.mp4.mp426.58M

├──4-Meta-Learn要解决的问题.mp4.mp420.78M

├──5-学习能力与参数定义.mp4.mp414.17M

├──6-如何找到合适的初始化参数.mp4.mp423.36M

└──7-MAML算法流程解读.mp4.mp428.99M

├──6_视频异常检测CVPR2021论文及其源码解读

├──1-论文概述与环境配置.mp4.mp426.61M

├──2-数据集配置与读取.mp4.mp438.74M

├──3-模型编码与解码结构.mp4.mp433.37M

├──4-注意力机制模块打造.mp4.mp461.12M

├──5-损失函数的目的.mp4.mp457.97M

├──6-特征图生成.mp4.mp438.02M

└──7-MetaLearn与输出.mp4.mp429.79M

└──7_基础补充-Resnet模型及其应用实例

├──1-医学疾病数据集介绍.mp4.mp418.85M

├──2-Resnet网络架构原理分析.mp4.mp424.81M

├──3-dataloader加载数据集.mp4.mp464.78M

├──4-Resnet网络前向传播.mp4.mp435.82M

├──5-残差网络的shortcut操作.mp4.mp447.34M

├──6-特征图升维与降采样操作.mp4.mp426.89M

└──7-网络整体流程与训练演示.mp4.mp467.45M

└──9_2022论文必备-Transformer实战系列

├──10_MedicalTransformer源码解读

├──1-项目环境配置1.mp4.mp425.29M

├──2-医学数据介绍与分析1.mp4.mp456.68M

├──3-基本处理操作1.mp4.mp425.77M

├──4-AxialAttention实现过程1.mp4.mp436.87M

├──5-位置编码向量解读1.mp4.mp427.80M

├──6-注意力计算过程与方法1.mp4.mp452.13M

└──7-局部特征提取与计算1.mp4.mp440.92M

├──11_商汤LoFTR算法解读

├──1-特征匹配的应用场景.mp4.mp487.35M

├──10-总结分析.mp4.mp439.42M

├──2-特征匹配的基本流程分析.mp4.mp415.91M

├──3-整体流程梳理分析.mp4.mp416.46M

├──4-CrossAttention的作用与效果.mp4.mp415.69M

├──5-transformer构建匹配特征.mp4.mp433.79M

├──6-粗粒度匹配过程与作用.mp4.mp426.00M

├──7-特征图拆解操作.mp4.mp414.34M

├──8-细粒度匹配的作用与方法.mp4.mp419.87M

└──9-基于期望预测最终位置.mp4.mp423.08M

├──12_局部特征关键点匹配实战

├──1-项目与参数配置解读1.mp4.mp444.48M

├──10-得到精细化输出结果1.mp4.mp419.35M

├──11-通过期望计算最终输出1.mp4.mp440.24M

├──2-DEMO效果演示1.mp4.mp439.57M

├──3-backbone特征提取模块1.mp4.mp428.65M

├──4-注意力机制的作用与效果分析1.mp4.mp430.98M

├──5-特征融合模块实现方法1.mp4.mp429.29M

├──6-cross关系计算方法实例1.mp4.mp429.30M

├──7-粗粒度匹配过程1.mp4.mp449.80M

├──8-完成基础匹配模块1.mp4.mp463.33M

└──9-精细化调整方法与实例1.mp4.mp442.73M

├──13_项目补充-谷歌开源项目BERT源码解读与应用实例

├──1-BERT开源项目简介1.mp4.mp441.26M

├──10-构建QKV矩阵1.mp4.mp450.65M

├──11-完成Transformer模块构建1.mp4.mp440.72M

├──12-训练BERT模型1.mp4.mp454.58M

├──2-项目参数配置1.mp4.mp4106.67M

├──3-数据读取模块1.mp4.mp454.19M

├──4-数据预处理模块1.mp4.mp440.01M

├──6-Embedding层的作用1.mp4.mp430.91M

├──7-加入额外编码特征1.mp4.mp442.36M

├──8-加入位置编码特征1.mp4.mp423.57M

├──9-mask机制1.mp4.mp436.69M

└──tfrecord制作1.mp4.mp451.39M

├──14_项目补充-基于BERT的中文情感分析实战

├──1-中文分类数据与任务概述1.mp4.mp483.47M

├──2-读取处理自己的数据集1.mp4.mp453.00M

└──3-训练BERT中文分类模型1.mp4.mp472.20M

├──1_课程介绍

└──课程介绍1.mp4.mp414.82M

├──2_自然语言处理通用框架BERT原理解读

├──1-BERT任务目标概述.mp4.mp411.47M

├──10-训练实例.mp4.mp424.09M

├──2-传统解决方案遇到的问题1.mp4.mp422.59M

├──3-注意力机制的作用1.mp4.mp414.72M

├──4-self-attention计算方法1.mp4.mp423.69M

├──5-特征分配与softmax机制1.mp4.mp421.24M

├──6-Multi-head的作用1.mp4.mp419.29M

├──7-位置编码与多层堆叠1.mp4.mp416.77M

├──8-transformer整体架构梳理.mp4.mp422.24M

└──9-BERT模型训练方法.mp4.mp420.59M

├──3_Transformer在视觉中的应用VIT算法

├──1-transformer发家史介绍1.mp4.mp415.84M

├──2-对图像数据构建patch序列1.mp4.mp422.18M

├──3-VIT整体架构解读1.mp4.mp424.32M

├──4-CNN遇到的问题与窘境1.mp4.mp422.34M

├──5-计算公式解读1.mp4.mp424.11M

├──6-位置编码与TNT模型1.mp4.mp425.20M

└──7-TNT模型细节分析1.mp4.mp427.54M

├──4_VIT算法模型源码解读

├──1-项目配置说明1.mp4.mp443.27M

├──2-输入序列构建方法解读1.mp4.mp429.80M

├──3-注意力机制计算1.mp4.mp428.04M

└──4-输出层计算结果1.mp4.mp437.72M

├──5_swintransformer算法原理解析

├──1-swintransformer整体概述1.mp4.mp414.76M

├──10-分层计算方法1.mp4.mp421.71M

├──2-要解决的问题及其优势分析1.mp4.mp422.33M

├──3-一个block要完成的任务1.mp4.mp417.36M

├──4-获取各窗口输入特征1.mp4.mp418.99M

├──5-基于窗口的注意力机制解读1.mp4.mp429.53M

├──6-窗口偏移操作的实现1.mp4.mp424.27M

├──7-偏移细节分析及其计算量概述1.mp4.mp420.41M

├──8-整体网络架构整合1.mp4.mp420.88M

└──9-下采样操作实现方法1.mp4.mp422.24M

├──6_swintransformer源码解读

├──1-数据与环境配置解读1.mp4.mp459.59M

├──2-图像数据patch编码1.mp4.mp437.62M

├──3-数据按window进行划分计算1.mp4.mp431.46M

├──4-基础attention计算模块1.mp4.mp427.58M

├──5-窗口位移模块细节分析1.mp4.mp436.81M

├──6-patchmerge下采样操作1.mp4.mp425.24M

├──7-各block计算方法解读1.mp4.mp427.91M

└──8-输出层概述1.mp4.mp441.11M

├──7_基于Transformer的detr目标检测算法

├──1-DETR目标检测基本思想解读1.mp4.mp419.27M

├──2-整体网络架构分析1.mp4.mp431.54M

├──3-位置信息初始化query向量1.mp4.mp419.90M

├──4-注意力机制的作用方法1.mp4.mp420.79M

└──5-训练过程的策略1.mp4.mp428.34M

├──8_detr目标检测源码解读

├──1-项目环境配置解读2.mp4.mp440.33M

├──2-数据处理与dataloader2.mp4.mp463.98M

├──3-位置编码作用分析2.mp4.mp447.86M

├──4-backbone特征提取模块1.mp4.mp435.54M

├──5-mask与编码模块1.mp4.mp434.68M

├──6-编码层作用方法1.mp4.mp442.78M

├──7-Decoder层操作与计算1.mp4.mp430.08M

├──8-输出预测结果1.mp4.mp441.20M

└──9-损失函数与预测输出1.mp4.mp441.18M

└──9_MedicalTrasnformer论文解读

├──1-论文整体分析.mp4.mp423.72M

├──2-核心思想分析.mp4.mp454.26M

├──3-网络结构计算流程概述.mp4.mp444.46M

├──4-论文公式计算分析.mp4.mp446.93M

├──5-位置编码的作用与效果.mp4.mp446.55M

└──6-拓展应用分析.mp4.mp456.52M