咕泡人工智能P5 CV+NLP实战课第五期2022|完结无秘

目录：

<古泡人工智能P5第5期2022年>
├资料.zip
├<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
│ ├<10_直播7：GPT系列算法与实战>
│ │ └GPT系列算法与实战.mp4
│ ├<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
│ │ ├2-数据样本生成方法.mp4
│ │ ├3-训练所需参数解读.mp4
│ │ ├4-模型训练过程.mp4
│ │ └5-部署与网页预测展示.mp4
│ ├<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
│ │ ├2-模型训练与测试结果.mp4
│ │ ├3-文本摘要数据标注方法.mp4
│ │ └4-训练自己标注的数据并测试.mp4
│ ├<13_直播8：知识抽取实战>
│ │ └知识抽取实战.mp4
│ ├<14_直播9：Openai CLIP模型>
│ │ └Openai CLIP模型.mp4
│ ├<15_直播10：DeformableDetr算法解读>
│ │ └DeformableDetr算法解读.mp4
│ ├<16_直播11：OCR算法解读>
│ │ └OCR算法解读.mp4
│ ├<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
│ ├<18_直播13：对比学习>
│ │ └1对比学习.mp4
│ ├<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
│ ├<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
│ ├<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
│ ├<5_额外补充：时间序列预测>
│ │ └额外补充：时间序列预测.mp4
│ ├<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
│ ├<7_额外补充：Huggingface与NLP（讲故事）>
│ │ └Huggingface与NLP（讲故事）.mp4
│ ├<8_直播5：Huggingface核心模块解读>
│ │ └Huggingface核心模块解读.mp4
│ ├<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
├<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
│ │ ├2-图基本模块定义.mp4.mp4
│ │ ├3-邻接矩阵的定义.mp4.mp4
│ │ ├4-GNN中常见任务.mp4.mp4
│ │ ├5-消息传递计算方法.mp4.mp4
│ │ └6-多层GCN的作用.mp4.mp4
│ ├<2_图卷积GCN模型>
│ │ ├1-GCN基本模型概述.mp4.mp4
│ │ ├2-图卷积的基本计算方法.mp4.mp4
│ │ ├3-邻接的矩阵的变换.mp4.mp4
│ │ └4-GCN变换原理解读.mp4.mp4
│ ├<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
│ │ ├2-数据集与邻接矩阵格式.mp4.mp4
│ │ ├3-模型定义与训练方法.mp4(1).mp4
│ │ ├3-模型定义与训练方法.mp4.mp4
│ │ └4-文献引用数据集分类案例实战.mp4.mp4
│ ├<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
│ │ ├2-数据集与任务背景概述.mp4.mp4
│ │ ├3-数据集基本预处理.mp4.mp4
│ │ ├4-用户行为图结构创建.mp4.mp4
│ │ ├5-数据集创建函数介绍.mp4.mp4
│ │ ├6-网络结构定义模块.mp4.mp4
│ │ ├7-TopkPooling进行下采样任务.mp4.mp4
│ │ ├8-获取全局特征.mp4.mp4
│ │ └9-模型训练与总结.mp4.mp4
│ ├<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
│ │ ├2-邻接矩阵计算图Attention.mp4(1).mp4
│ │ ├2-邻接矩阵计算图Attention.mp4.mp4
│ │ ├3-序列图神经网络TGCN应用.mp4.mp4
│ │ └4-序列图神经网络细节.mp4.mp4
│ ├<6_图相似度论文解读>
│ │ ├1-要完成的任务分析.mp4.mp4
│ │ ├2-基本方法概述解读.mp4.mp4
│ │ ├3-图模型提取全局与局部特征.mp4.mp4
│ │ ├4-NTN模块的作用与效果.mp4.mp4
│ │ ├5-点之间的对应关系计算.mp4.mp4
│ │ └6-结果输出与总结.mp4.mp4
│ ├<7_图相似度计算实战>
│ │ ├1-数据集与任务概述3.mp4.mp4
│ │ ├2-图卷积特征提取模块3.mp4.mp4
│ │ ├3-分别计算不同Batch点的分布3.mp4.mp4
│ │ ├4-获得直方图特征结果.mp4.mp4
│ │ ├5-图的全局特征构建.mp4.mp4
│ │ ├6-NTN图相似特征提取.mp4.mp4
│ │ └7-预测得到相似度结果.mp4.mp4
│ ├<8_基于图模型的轨迹估计>
│ │ ├1-数据集与标注信息解读.mp4.mp4
│ │ ├2-整体三大模块分析.mp4.mp4
│ │ ├3-特征工程的作用与效果.mp4.mp4
│ │ ├4-传统方法与现在向量空间对比.mp4.mp4
│ │ ├5-输入细节分析.mp4.mp4
│ │ ├6-子图模块构建方法.mp4.mp4
│ │ ├7-特征融合模块分析.mp4.mp4
│ │ └8-VectorNet输出层分析.mp4.mp4
│ ├<9_图模型轨迹估计实战>
│ │ ├1-数据与环境配置4.mp4.mp4
│ │ ├2-训练数据准备4.mp4.mp4
│ │ ├3-Agent特征提取方法4.mp4.mp4
│ │ ├4-DataLoader构建图结构4.mp4.mp4
│ │ └5-SubGraph与Attention模型流程4.mp4.mp4
├<11_3D点云实战>
│ ├<1_3D点云实战 3D点云应用领域分析>
│ │ ├1-点云数据概述.mp4.mp4
│ │ ├2-点云应用领域与发展分析.mp4.mp4
│ │ ├3-点云分割任务.mp4.mp4
│ │ ├4-点云补全任务.mp4.mp4
│ │ ├5-点云检测与配准任务.mp4.mp4
│ │ └6-点云数据特征提取概述与预告.mp4.mp4
│ ├<2_3D点云PointNet算法>
│ │ ├1-3D数据应用领域与点云介绍.mp4.mp4
│ │ ├2-点云数据可视化展示.mp4.mp4
│ │ ├3-点云数据特姓和及要解决的问题.mp4.mp4
│ │ ├4-PointNet算法出发点解读.mp4.mp4
│ │ └5-PointNet算法网络架构解读.mp4.mp4
│ ├<3_PointNet++算法解读>
│ │ ├10-分类与分割问题解决方案.mp4.mp4
│ │ ├11-遇到的问题及改进方法分析.mp4.mp4
│ │ ├6-PointNet升级版算法要解决的问题.mp4.mp4
│ │ ├7-最远点采样方法.mp4.mp4
│ │ ├8-分组Group方法原理解读.mp4.mp4
│ │ └9-整体流程概述分析.mp4.mp4
│ ├<4_Pointnet++项目实战>
│ │ ├10-分类任务总结.mp4.mp4
│ │ ├11-分割任务数据与配置概述.mp4.mp4
│ │ ├12-分割需要解决的任务概述.mp4.mp4
│ │ ├13-上采样完成分割任务.mp4.mp4
│ │ ├1-项目文件概述.mp4.mp4
│ │ ├2-数据读取模块配置.mp4.mp4
│ │ ├3-DEBUG解读网络模型架构.mp4.mp4
│ │ ├4-最远点采样介绍.mp4.mp4
│ │ ├5-采样得到中心点.mp4.mp4
│ │ ├6-组区域划分方法.mp4.mp4
│ │ ├7-实现group操作得到各中心簇.mp4.mp4
│ │ ├8-特征提取模块整体流程.mp4.mp4
│ │ └9-预测结果输出模块.mp4.mp4
│ ├<5_点云补全PF-Net论文解读>
│ │ ├1-点云补全要解决的问题.mp4.mp4
│ │ ├2-基本解决方案概述.mp4.mp4
│ │ ├3-整体网络概述.mp4.mp4
│ │ ├4-网络计算流程.mp4.mp4
│ │ └5-输入与计算结果.mp4.mp4
│ ├<6_点云补全实战解读>
│ │ ├1-数据与项目配置解读.mp4.mp4
│ │ ├2-待补全数据准备方法.mp4.mp4
│ │ ├3-整体框架概述.mp4.mp4
│ │ ├4-MRE特征提取模块.mp4.mp4
│ │ ├5-分层预测输出模块.mp4.mp4
│ │ ├6-补全点云数据.mp4.mp4
│ │ └7-判别模块.mp4.mp4
│ ├<7_点云配准及其案例实战>
│ │ ├1-点云配准任务概述.mp4.mp4
│ │ ├2-配准要完成的目标解读.mp4.mp4
│ │ ├3-训练数据构建1.mp4.mp4
│ │ ├4-任务基本流程.mp4.mp4
│ │ ├5-数据源配置方法.mp4.mp4
│ │ ├6-参数计算模块解读.mp4.mp4
│ │ ├7-基于模型预测输出参数.mp4.mp4
│ │ ├8-特征构建方法分析.mp4.mp4
│ │ └9-任务总结.mp4.mp4
│ ├<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
│ │ ├2-GAN网络组成.mp4.mp4
│ │ ├3-损失函数解释说明.mp4.mp4
│ │ ├4-数据读取模块.mp4.mp4
│ │ └5-生成与判别网络定义.mp4.mp4
├<12_目标追踪与姿态估计实战>
│ ├<1_课程介绍>
│ │ └课程介绍2.mp4.mp4
│ ├<2_姿态估计OpenPose系列算法解读>
│ │ ├10-匹配方法解读.mp4.mp4
│ │ ├11-CPM模型特点.mp4.mp4
│ │ ├12-算法流程与总结.mp4.mp4
│ │ ├1-姿态估计要解决的问题分析.mp4.mp4
│ │ ├2-姿态估计应用领域概述.mp4.mp4
│ │ ├3-传统topdown方法的问题.mp4.mp4
│ │ ├4-要解决的两个问题分析.mp4.mp4
│ │ ├5-基于高斯分布预测关键点位置.mp4.mp4
│ │ ├6-各模块输出特征图解读.mp4.mp4
│ │ ├7-PAF向量登场.mp4.mp4
│ │ ├8-PAF标签设计方法.mp4.mp4
│ │ └9-预测时PAF积分计算方法.mp4.mp4
│ ├<3_OpenPose算法源码分析>
│ │ ├10-多阶段输出与预测.mp4.mp4
│ │ ├1-数据集与路径配置解读.mp4.mp4
│ │ ├2-读取图像与标注信息.mp4.mp4
│ │ ├3-关键点与躯干特征图初始化.mp4.mp4
│ │ ├4-根据关键点位置设计关键点标签.mp4.mp4
│ │ ├5-准备构建PAF躯干标签.mp4.mp4
│ │ ├6-各位置点归属判断.mp4.mp4
│ │ ├7-特征图各点累加向量计算.mp4.mp4
│ │ ├8-完成PAF特征图制作.mp4.mp4
│ │ └9-网络模型一阶段输出.mp4.mp4
│ ├<4_deepsort算法知识点解读>
│ │ ├10-sort与deepsort建模流程分析.mp4.mp4
│ │ ├11-预测与匹配流程解读.mp4.mp4
│ │ ├12-追踪任务流程拆解.mp4.mp4
│ │ ├1-卡尔曼滤波通俗解释.mp4.mp4
│ │ ├2-卡尔曼滤波要完成的任务.mp4.mp4
│ │ ├3-任务本质分析.mp4.mp4
│ │ ├4-基于观测值进行最优估计.mp4.mp4
│ │ ├5-预测与更新操作.mp4.mp4
│ │ ├6-追踪中的状态量.mp4.mp4
│ │ ├7-匈牙利匹配算法概述.mp4.mp4
│ │ ├8-匹配小例子分析.mp4.mp4
│ │ └9-REID特征的作用.mp4.mp4
│ ├<5_deepsort源码解读>
│ │ ├10-匹配结果与总结.mp4.mp4
│ │ ├1-项目环境配置4.mp4.mp4
│ │ ├2-参数与DEMO演示.mp4.mp4
│ │ ├3-针对检测结果初始化track.mp4.mp4
│ │ ├4-对track执行预测操作.mp4.mp4
│ │ ├5-状态量预测结果.mp4.mp4
│ │ ├6-IOU代价矩阵计算.mp4.mp4
│ │ ├7-参数更新操作.mp4.mp4
│ │ ├8-级联匹配模块.mp4.mp4
│ │ └9-ReID特征代价矩阵计算.mp4.mp4
│ ├<6_YOLO-V4版本算法解读>
│ │ ├10-PAN模块解读.mp4.mp4
│ │ ├11-激活函数与整体架构总结.mp4.mp4
│ │ ├1-V4版本整体概述.mp4.mp4
│ │ ├2-V4版本贡献解读.mp4.mp4
│ │ ├3-数据增强策略分析.mp4.mp4
│ │ ├4-DropBlock与标签平滑方法.mp4.mp4
│ │ ├5-损失函数遇到的问题.mp4.mp4
│ │ ├6-CIOU损失函数定义.mp4.mp4
│ │ ├7-NMS细节改进.mp4.mp4
│ │ ├8-SPP与CSP网络结构.mp4.mp4
│ │ └9-SAM注意力机制模块.mp4.mp4
│ ├<7_V5版本项目配置>
│ │ ├1-整体项目概述.mp4.mp4
│ │ ├2-训练自己的数据集方法.mp4.mp4
│ │ ├3-训练数据参数配置.mp4.mp4
│ │ └4-测试DEMO演示.mp4.mp4
│ ├<8_V5项目工程源码解读>
│ │ ├10-完成配置文件解析任务.mp4.mp4
│ │ ├11-前向传播计算.mp4.mp4
│ │ ├12-BottleneckCSP层计算方法.mp4.mp4
│ │ ├13-Head层流程解读2.mp4.mp4
│ │ ├13-SPP层计算细节分析.mp4.mp4
│ │ ├14-上采样与拼接操作.mp4.mp4
│ │ ├15-输出结果分析.mp4.mp4
│ │ ├16-超参数解读.mp4.mp4
│ │ ├17-命令行参数介绍.mp4.mp4
│ │ ├18-训练流程解读.mp4.mp4
│ │ ├19-各种训练策略概述.mp4.mp4
│ │ ├1-数据源DEBUG流程解读.mp4.mp4
│ │ ├20-模型迭代过程.mp4.mp4
│ │ ├2-图像数据源配置.mp4.mp4
│ │ ├3-加载标签数据.mp4.mp4
│ │ ├4-Mosaic数据增强方法.mp4.mp4
│ │ ├5-数据四合一方法与流程演示.mp4.mp4
│ │ ├6-getItem构建batch.mp4.mp4
│ │ ├7-网络架构图可视化工具安装.mp4.mp4
│ │ ├8-V5网络配置文件解读.mp4.mp4
│ │ └9-Focus模块流程分析.mp4.mp4
├<13_面向深度学习的无人驾驶实战>
│ ├<1_深度估计算法原理解读>
│ │ ├10-损失计算.mp4.mp4
│ │ ├1-深度估计效果与应用.mp4.mp4
│ │ ├2-kitti数据集介绍.mp4.mp4
│ │ ├3-使用backbone获取层级特征.mp4.mp4
│ │ ├4-差异特征计算边界信息.mp4.mp4
│ │ ├5-SPP层的作用.mp4.mp4
│ │ ├6-空洞卷积与ASPP.mp4.mp4
│ │ ├7-特征拼接方法分析.mp4.mp4
│ │ ├8-网络coarse-to-fine过程.mp4.mp4
│ │ └9-权重参数预处理.mp4.mp4
│ ├<10_NeuralRecon项目源码解读>
│ │ ├1-Backbone得到特征图.mp4.mp4
│ │ ├2-初始化体素位置.mp4.mp4
│ │ ├3-坐标映射方法实现.mp4.mp4
│ │ ├4-得到体素所对应特征图.mp4.mp4
│ │ ├5-插值得到对应特征向量.mp4.mp4
│ │ ├6-得到一阶段输出结果.mp4.mp4
│ │ ├7-完成三个阶段预测结果.mp4.mp4
│ │ └8-项目总结2.mp4.mp4
│ ├<11_TSDF算法与应用>
│ │ ├1-TSDF整体概述分析.mp4.mp4
│ │ ├2-合成过程DEMO演示.mp4.mp4
│ │ ├3-布局初始化操作.mp4.mp4
│ │ ├4-TSDF计算基本流程解读.mp4.mp4
│ │ ├5-坐标转换流程分析.mp4.mp4
│ │ └6-输出结果融合更新.mp4.mp4
│ ├<12_TSDF实战案例>
│ │ ├1-环境配置概述.mp4.mp4
│ │ ├2-初始化与数据读取.mp4.mp4
│ │ └3-计算得到TSDF输出.mp4.mp4
│ ├<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
│ │ ├2-整体三大模块分析.mp4.mp4
│ │ ├3-特征工程的作用与效果.mp4.mp4
│ │ ├4-传统方法与现在向量空间对比.mp4.mp4
│ │ ├5-输入细节分析.mp4.mp4
│ │ ├6-子图模块构建方法.mp4.mp4
│ │ ├7-特征融合模块分析.mp4.mp4
│ │ └8-VectorNet输出层分析.mp4.mp4
│ ├<14_轨迹估计预测实战>
│ │ ├1-数据与环境配置..mp4.mp4
│ │ ├2-训练数据准备.mp4.mp4
│ │ ├3-Agent特征提取方法.mp4.mp4
│ │ ├4-DataLoader构建图结构.mp4.mp4
│ │ └5-SubGraph与Attention模型流程.mp4.mp4
│ ├<15_特斯拉无人驾驶解读>
│ │ └15-特斯拉无人驾驶解读.mp4.mp4
│ ├<2_深度估计项目实战>
│ │ ├10-模型DEMO输出结果.mp4.mp4
│ │ ├1-项目环境配置解读1.mp4.mp4
│ │ ├2-数据与标签定义方法.mp4.mp4
│ │ ├3-数据集dataloader制作.mp4.mp4
│ │ ├4-使用backbone进行特征提取.mp4.mp4
│ │ ├5-计算差异特征.mp4.mp4
│ │ ├6-权重参数标准化操作.mp4.mp4
│ │ ├7-网络结构ASPP层.mp4.mp4
│ │ ├8-输出深度估计结果.mp4.mp4
│ │ ├8-特征拼接方法解读.mp4.mp4
│ │ └9-损失函数通俗解读.mp4.mp4
│ ├<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
│ │ ├2-网络整体框架分析.mp4.mp4
│ │ ├3-输出结果分析.mp4.mp4
│ │ ├4-损失函数计算方法.mp4.mp4
│ │ └5-论文概述分析.mp4.mp4
│ ├<4_基于深度学习的车道线检测项目实战>
│ │ ├10-车道线规则损失函数限制.mp4.mp4
│ │ ├11-DEMO制作与配置.mp4.mp4
│ │ ├1-车道数据与标签解读.mp4.mp4
│ │ ├2-项目环境配置演示.mp4.mp4
│ │ ├3-制作数据集dataloader.mp4.mp4
│ │ ├4-车道线标签数据处理.mp4.mp4
│ │ ├5-四条车道线标签位置矩阵.mp4.mp4
│ │ ├6-grid设置方法.mp4.mp4
│ │ ├7-完成数据与标签制作.mp4.mp4
│ │ ├8-算法网络结构解读.mp4.mp4
│ │ └9-损失函数计算模块分析.mp4.mp4
│ ├<5_商汤LoFTR算法解读>
│ │ ├10-总结分析.mp4.mp4
│ │ ├1-特征匹配的应用场景.mp4.mp4
│ │ ├2-特征匹配的基本流程分析.mp4.mp4
│ │ ├3-整体流程梳理分析.mp4.mp4
│ │ ├4-CrossAttention的作用与效果.mp4.mp4
│ │ ├5-transformer构建匹配特征.mp4.mp4
│ │ ├6-粗粒度匹配过程与作用.mp4.mp4
│ │ ├7-特征图拆解操作.mp4.mp4
│ │ ├8-细粒度匹配的作用与方法.mp4.mp4
│ │ └9-基于期望预测最终位置.mp4.mp4
│ ├<6_局部特征关键点匹配实战>
│ │ ├10-得到精细化输出结果.mp4.mp4
│ │ ├11-通过期望计算最终输出.mp4.mp4
│ │ ├1-项目与参数配置解读.mp4.mp4
│ │ ├2-DEMO效果演示.mp4.mp4
│ │ ├3-backbone特征提取模块.mp4.mp4
│ │ ├4-注意力机制的作用与效果分析.mp4.mp4
│ │ ├5-特征融合模块实现方法.mp4.mp4
│ │ ├6-cross关系计算方法实例.mp4.mp4
│ │ ├7-粗粒度匹配过程.mp4.mp4
│ │ ├8-完成基础匹配模块.mp4.mp4
│ │ └9-精细化调整方法与实例.mp4.mp4
│ ├<7_三维重建应用与坐标系基础>
│ │ ├1-三维重建概述分析.mp4.mp4
│ │ ├2-三维重建应用领域概述.mp4.mp4
│ │ ├3-成像方法概述.mp4.mp4
│ │ ├4-相机坐标系.mp4.mp4
│ │ ├5-坐标系转换方法解读.mp4.mp4
│ │ ├6-相机内外参.mp4.mp4
│ │ ├7-通过内外参数进行坐标变换.mp4.mp4
│ │ └8-相机标定简介.mp4.mp4
│ ├<8_NeuralRecon算法解读>
│ │ ├1-任务流程分析.mp4.mp4
│ │ ├2-基本框架熟悉.mp4.mp4
│ │ ├3-特征映射方法解读.mp4.mp4
│ │ ├4-片段融合思想.mp4.mp4
│ │ └5-整体架构重构方法.mp4.mp4
│ ├<9_NeuralRecon项目环境配置>
│ │ ├1-数据集下载与配置方法.mp4.mp4
│ │ ├2-Scannet数据集内容概述.mp4.mp4
│ │ ├3-TSDF标签生成方法.mp4.mp4
│ │ ├4-ISSUE的作用.mp4.mp4
│ │ └5-完成依赖环境配置.mp4.mp4
├<14_缺陷检测实战>
│ ├<1_课程介绍>
│ │ └课程介绍3.mp4.mp4
│ ├<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
│ │ ├2-视频数据读取与轮廓检测.mp4.mp4
│ │ ├3-目标质心计算.mp4.mp4
│ │ ├4-视频数据遍历方法.mp4.mp4
│ │ ├5-缺陷区域提取.mp4.mp4
│ │ ├6-不同类型的缺陷检测方法.mp4.mp4
│ │ └7-检测效果演示.mp4.mp4
│ ├<11_图像分割deeplab系列算法>
│ │ ├1-deeplab分割算法概述.mp4.mp4
│ │ ├2-空洞卷积的作用.mp4.mp4
│ │ ├3-感受野的意义.mp4.mp4
│ │ ├4-SPP层的作用.mp4.mp4
│ │ ├5-ASPP特征融合策略.mp4.mp4
│ │ └6-deeplabV3Plus版本网络架构.mp4.mp4
│ ├<12_基于deeplabV3+版本进行VOC分割实战>
│ │ ├1-PascalVoc数据集介绍.mp4.mp4
│ │ ├2-项目参数与数据集读取.mp4.mp4
│ │ ├3-网络前向传播流程.mp4.mp4
│ │ ├4-ASPP层特征融合.mp4.mp4
│ │ └5-分割模型训练.mp4.mp4
│ ├<13_Deeplab铁质材料缺陷检测与开源项目应用流程>
│ │ ├1-数据集与任务概述..mp4.mp4
│ │ ├2-开源项目应用方法.mp4.mp4
│ │ ├3-github与kaggle中需要注意的点.mp4.mp4
│ │ ├4-源码的利用方法.mp4.mp4
│ │ ├5-数据集制作方法.mp4.mp4
│ │ ├6-数据路径配置.mp4.mp4
│ │ ├7-训练模型.mp4.mp4
│ │ └8-任务总结.mp4.mp4
│ ├<2_物体检框架YOLO-V4版本算法解读>
│ │ ├10-PAN模块解读.mp4.mp4
│ │ ├11-激活函数与整体架构总结.mp4.mp4
│ │ ├1-V4版本整体概述.mp4.mp4
│ │ ├2-V4版本贡献解读.mp4.mp4
│ │ ├3-数据增强策略分析.mp4.mp4
│ │ ├4-DropBlock与标签平滑方法.mp4.mp4
│ │ ├5-损失函数遇到的问题.mp4.mp4
│ │ ├6-CIOU损失函数定义.mp4.mp4
│ │ ├7-NMS细节改进.mp4.mp4
│ │ ├8-SPP与CSP网络结构.mp4.mp4
│ │ └9-SAM注意力机制模块.mp4.mp4
│ ├<3_物体检测框架YOLOV5版本项目配置>
│ │ ├1-整体项目概述.mp4.mp4
│ │ ├2-训练自己的数据集方法.mp4.mp4
│ │ ├3-训练数据参数配置.mp4.mp4
│ │ └4-测试DEMO演示.mp4.mp4
│ ├<4_物体检测框架YOLOV5项目工程源码解读>
│ │ ├10-完成配置文件解析任务.mp4.mp4
│ │ ├11-前向传播计算.mp4.mp4
│ │ ├12-BottleneckCSP层计算方法.mp4.mp4
│ │ ├13-1 SPP层计算细节分析.mp4.mp4
│ │ ├13-2Head层流程解读.mp4.mp4
│ │ ├14-上采样与拼接操作.mp4.mp4
│ │ ├15-输出结果分析.mp4.mp4
│ │ ├16-超参数解读.mp4.mp4
│ │ ├17-命令行参数介绍.mp4.mp4
│ │ ├18-训练流程解读.mp4.mp4
│ │ ├19-各种训练策略概述.mp4.mp4
│ │ ├1-数据源DEBUG流程解读.mp4.mp4
│ │ ├20-模型迭代过程.mp4.mp4
│ │ ├2-图像数据源配置.mp4.mp4
│ │ ├3-加载标签数据.mp4.mp4
│ │ ├4-Mosaic数据增强方法.mp4.mp4
│ │ ├5-数据四合一方法与流程演示.mp4.mp4
│ │ ├6-getItem构建batch.mp4.mp4
│ │ ├7-网络架构图可视化工具安装.mp4.mp4
│ │ ├8-V5网络配置文件解读.mp4.mp4
│ │ └9-Focus模块流程分析.mp4.mp4
│ ├<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
│ │ ├2-数据与标签配置方法.mp4.mp4
│ │ ├3-标签转换格式脚本制作.mp4.mp4
│ │ ├4-各版本模型介绍分析.mp4.mp4
│ │ ├5-项目参数配置.mp4.mp4
│ │ ├6-缺陷检测模型训练.mp4.mp4
│ │ └7-输出结果与项目总结.mp4.mp4
│ ├<6_Semi-supervised布料缺陷检测实战>
│ │ ├1-任务目标与流程概述.mp4.mp4
│ │ ├2-论文思想与模型分析.mp4.mp4
│ │ ├3-项目配置解读.mp4.mp4
│ │ ├4-网络流程分析.mp4.mp4
│ │ └5-输出结果展示.mp4.mp4
│ ├<7_Opencv图像常用处理方法实例>
│ │ ├1-腐蚀操作.mp4.mp4
│ │ ├1-计算机眼中的图像.mp4.mp4
│ │ ├1-图像阈值.mp4.mp4
│ │ ├2-膨胀操作.mp4.mp4
│ │ ├2-视频的读取与处理.mp4.mp4
│ │ ├2-图像平滑处理.mp4.mp4
│ │ ├3-ROI区域.mp4.mp4
│ │ ├3-高斯与中值滤波.mp4.mp4
│ │ ├3-开运算与闭运算.mp4.mp4
│ │ ├4-边界填充.mp4.mp4
│ │ ├4-梯度计算.mp4.mp4
│ │ ├5-礼帽与黑帽.mp4.mp4
│ │ └5-数值计算.mp4.mp4
│ ├<8_Opencv轮廓检测与直方图>
│ │ ├1-图像金字塔定义.mp4.mp4
│ │ ├1-直方图定义.mp4.mp4
│ │ ├2-金字塔制作方法.mp4.mp4
│ │ ├2-均衡化原理.mp4.mp4
│ │ ├3-均衡化效果.mp4.mp4
│ │ ├3-轮廓检测方法.mp4.mp4
│ │ ├4-傅里叶概述.mp4.mp4
│ │ ├4-轮廓检测结果.mp4.mp4
│ │ ├5-轮廓特征与近似.mp4.mp4
│ │ ├5-频域变换结果.mp4.mp4
│ │ ├6-低通与高通滤波.mp4.mp4
│ │ ├6-模板匹配方法.mp4.mp4
│ │ └7-匹配效果展示.mp4.mp4
│ ├<8_Opencv梯度计算与边缘检测实例>
│ │ ├1-Canny边缘检测流程.mp4.mp4
│ │ ├1-Sobel算子.mp4.mp4
│ │ ├2-非极大值抑制.mp4.mp4
│ │ ├2-梯度计算方法.mp4.mp4
│ │ ├3-scharr与lapkacian算子.mp4.mp4
│ │ └3-边缘检测效果.mp4.mp4
│ ├<9_基于Opencv缺陷检测项目实战>
│ │ ├1-任务需求与环境配置.mp4.mp4
│ │ ├2-数据读取与基本处理.mp4.mp4
│ │ ├3-缺陷形态学操作.mp4.mp4
│ │ ├4-整体流程解读.mp4.mp4
│ │ └5-缺陷检测效果演示.mp4.mp4
├<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
│ │ ├2-挑战与困难分析.mp4.mp4
│ │ ├3-评估标准rank1指标.mp4.mp4
│ │ ├4-map值计算方法.mp4.mp4
│ │ ├5-triplet损失计算实例.mp4.mp4
│ │ └6-Hard-Negative方法应用.mp4.mp4
│ ├<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
│ │ ├2-空间权重值计算流程分析.mp4.mp4
│ │ ├3-融合空间注意力所需特征.mp4.mp4
│ │ └4-基于特征图的注意力计算.mp4.mp4
│ ├<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
│ │ ├2-参数配置与整体架构分析.mp4.mp4
│ │ ├3-进入debug模式解读网络计算流程.mp4.mp4
│ │ ├4-获得空间位置点之间的关系.mp4.mp4
│ │ ├5-组合关系特征图.mp4.mp4
│ │ ├6-计算得到位置权重值.mp4.mp4
│ │ ├7-基于特征图的权重计算.mp4.mp4
│ │ ├8-损失函数计算实例解读.mp4.mp4
│ │ └9-训练与测试模块演示.mp4.mp4
│ ├<4_AAAI2020顶会算法精讲>
│ │ ├1-论文整体框架概述.mp4.mp4
│ │ ├2-局部特征与全局关系计算方法.mp4.mp4
│ │ ├3-特征分组方法.mp4.mp4
│ │ ├4-GCP模块特征融合方法.mp4.mp4
│ │ ├5-oneVsReset方法实例.mp4.mp4
│ │ └6-损失函数应用位置.mp4.mp4
│ ├<5_项目实战-基于行人局部特征融合的再识别实战>
│ │ ├10-得到所有分组特征结果.mp4.mp4
│ │ ├11-损失函数与训练过程演示.mp4.mp4
│ │ ├12-测试与验证模块.mp4.mp4
│ │ ├1-项目配置与数据集介绍.mp4.mp4
│ │ ├2-数据源构建方法分析.mp4.mp4
│ │ ├3-dataloader加载顺序解读.mp4.mp4
│ │ ├4-debug模式解读.mp4.mp4
│ │ ├5-网络计算整体流程演示.mp4.mp4
│ │ ├6-特征序列构建.mp4.mp4
│ │ ├7-GCP全局特征提取.mp4.mp4
│ │ ├8-局部特征提取实例.mp4.mp4
│ │ └9-特征组合汇总.mp4.mp4
│ ├<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
│ │ ├2-图卷积与匹配的作用.mp4.mp4
│ │ ├3-局部特征热度图计算.mp4.mp4
│ │ ├4-基于图卷积构建人体拓扑关系.mp4.mp4
│ │ ├5-图卷积模块实现方法.mp4.mp4
│ │ ├6-图匹配在行人重识别中的作用.mp4.mp4
│ │ └7-整体算法框架分析.mp4.mp4
│ ├<7_基于拓扑图的行人重识别项目实战>
│ │ ├10-整体项目总结.mp4.mp4
│ │ ├1-数据集与环境配置概述.mp4.mp4
│ │ ├2-局部特征准备方法.mp4.mp4
│ │ ├3-得到一阶段热度图结果.mp4.mp4
│ │ ├4-阶段监督训练.mp4.mp4
│ │ ├5-初始化图卷积模型.mp4.mp4
│ │ ├6-mask矩阵的作用.mp4.mp4
│ │ ├7-邻接矩阵学习与更新.mp4.mp4
│ │ ├8-基于拓扑结构组合关键点特征.mp4.mp4
│ │ └9-图匹配模块计算流程.mp4.mp4
├<16_对抗生成网络实战>
│ ├<1_课程介绍>
│ │ └课程介绍.mp4.mp4
│ ├<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
│ │ ├2-GAN网络组成.mp4.mp4
│ │ ├3-损失函数解释说明.mp4.mp4
│ │ ├4-数据读取模块.mp4.mp4
│ │ └5-生成与判别网络定义.mp4.mp4
│ ├<3_基于CycleGan开源项目实战图像合成>
│ │ ├10-额外补充：VISDOM可视化配置.mp4.mp4
│ │ ├1-CycleGan网络所需数据.mp4.mp4
│ │ ├2-CycleGan整体网络架构.mp4.mp4
│ │ ├3-PatchGan判别网络原理.mp4.mp4
│ │ ├4-Cycle开源项目简介.mp4.mp4
│ │ ├5-数据读取与预处理操作.mp4.mp4
│ │ ├6-生成网络模块构造.mp4.mp4
│ │ ├7-判别网络模块构造.mp4.mp4
│ │ ├8-损失函数：identity loss计算方法.mp4.mp4
│ │ └9-生成与判别损失函数指定.mp4.mp4
│ ├<4_stargan论文架构解析>
│ │ ├1-stargan效果演示分析.mp4.mp4
│ │ ├2-网络架构整体思路解读.mp4.mp4
│ │ ├3-建模流程分析.mp4.mp4
│ │ ├4-V1版本存在的问题及后续改进思路.mp4.mp4
│ │ ├5-V2版本在整体网络架构.mp4.mp4
│ │ ├6-编码器训练方法.mp4.mp4
│ │ ├7-损失函数公式解析.mp4.mp4
│ │ └8-训练过程分析.mp4.mp4
│ ├<5_stargan项目实战及其源码解读>
│ │ ├10-测试模块效果与实验分析.mp4.mp4
│ │ ├1-项目配置与数据源下载.mp4.mp4
│ │ ├2-测试效果演示.mp4.mp4
│ │ ├3-项目参数解析.mp4.mp4
│ │ ├4-生成器模块源码解读.mp4.mp4
│ │ ├5-所有网络模块构建实例.mp4.mp4
│ │ ├6-数据读取模块分析.mp4.mp4
│ │ ├7-判别器损失计算.mp4.mp4
│ │ ├8-损失计算详细过程.mp4.mp4
│ │ └9-生成模块损失计算.mp4.mp4
│ ├<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
│ │ ├2-VCC2016输入数据.mp4.mp4
│ │ ├3-语音特征提取.mp4.mp4
│ │ ├4-生成器模型架构分析.mp4.mp4
│ │ ├5-InstanceNorm的作用解读.mp4.mp4
│ │ ├6-AdaIn的目的与效果.mp4.mp4
│ │ └7-判别器模块分析.mp4.mp4
│ ├<7_starganvc2变声器项目实战及其源码解读>
│ │ ├10-源码损失计算流程.mp4.mp4
│ │ ├11-测试模块-生成转换语音.mp4.mp4
│ │ ├1-数据与项目文件解读.mp4.mp4
│ │ ├2-环境配置与工具包安装.mp4.mp4
│ │ ├3-数据预处理与声音特征提取.mp4.mp4
│ │ ├4-生成器构造模块解读.mp4.mp4
│ │ ├5-下采样与上采样操作.mp4.mp4
│ │ ├6-starganvc2版本标签输入分析.mp4.mp4
│ │ ├7-生成器前向传播维度变化.mp4.mp4
│ │ ├8-判别器模块解读.mp4.mp4
│ │ └9-论文损失函数.mp4.mp4
│ ├<8_图像超分辨率重构实战>
│ │ ├1-论文概述.mp4.mp4
│ │ ├2-网络架构.mp4.mp4
│ │ ├3-数据与环境配置.mp4.mp4
│ │ ├4-数据加载与配置.mp4.mp4
│ │ ├5-生成模块.mp4.mp4
│ │ ├6-判别模块.mp4.mp4
│ │ ├7-VGG特征提取网络.mp4.mp4
│ │ ├8-损失函数与训练.mp4.mp4
│ │ └9-测试模块.mp4.mp4
│ ├<9_基于GAN的图像补全实战>
│ │ ├1-.论文概述.mp4.mp4
│ │ ├2-网络架构11.mp4.mp4
│ │ ├3- 细节设计.mp4.mp4
│ │ ├4- 论文总结.mp4.mp4
│ │ ├5- 数据与项目概述.mp4.mp4
│ │ ├6- 参数基本设计.mp4.mp4
│ │ ├7- 网络结构配置.mp4.mp4
│ │ ├8- 网络迭代训练.mp4.mp4
│ │ └9- 测试模块.mp4.mp4
├<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
│ │ ├2-强化学习的指导依据.mp4.mp4
│ │ ├3-强化学习AI游戏DEMO.mp4.mp4
│ │ ├4-应用领域简介.mp4.mp4
│ │ ├5-强化学习工作流程.mp4.mp4
│ │ └6-计算机眼中的状态与行为.mp4.mp4
│ ├<2_PPO算法与公式推导>
│ │ ├1-基本情况介绍.mp4.mp4
│ │ ├2-与环境交互得到所需数据.mp4.mp4
│ │ ├3-要完成的目标分析.mp4.mp4
│ │ ├4-策略梯度推导.mp4.mp4
│ │ ├5-baseline方法.mp4.mp4
│ │ ├6-OnPolicy与OffPolicy策略.mp4.mp4
│ │ ├7-importance sampling的作用.mp4.mp4
│ │ └8-PPO算法整体思路解析.mp4.mp4
│ ├<3_PPO实战-月球登陆器训练实例>
│ │ ├1-Critic的作用与效果.mp4.mp4
│ │ ├2-PPO2版本公式解读.mp4.mp4
│ │ ├3-参数与网络结构定义.mp4.mp4
│ │ ├4-得到动作结果.mp4(1).mp4
│ │ ├4-得到动作结果.mp4.mp4
│ │ ├5-奖励获得与计算.mp4(1).mp4
│ │ ├5-奖励获得与计算.mp4.mp4
│ │ └6-参数迭代与更新.mp4.mp4
│ ├<4_Q-learning与DQN算法>
│ │ ├1-算法原理通俗解读.mp4.mp4
│ │ ├2-目标函数与公式解析.mp4.mp4
│ │ ├3-Qlearning算法实例解读.mp4.mp4
│ │ ├4-Q值迭代求解.mp4.mp4
│ │ └5-DQN简介.mp4.mp4
│ ├<5_DQN算法实例演示>
│ │ ├1-整体任务流程演示.mp4.mp4
│ │ ├2-探索与action获取.mp4.mp4
│ │ ├3-计算target值.mp4.mp4
│ │ └4-训练与更新.mp4.mp4
│ ├<6_DQN改进与应用技巧>
│ │ ├1-DoubleDqn要解决的问题.mp4.mp4
│ │ ├2-DuelingDqn改进方法.mp4.mp4
│ │ ├3-Dueling整体网络架构分析.mp4.mp4
│ │ ├4-MultiSetp策略.mp4.mp4
│ │ └5-连续动作处理方法.mp4.mp4
│ ├<7_Actor-Critic算法分析（A3C）>
│ │ ├1-AC算法回顾与知识点总结.mp4.mp4
│ │ ├2-优势函数解读与分析.mp4.mp4
│ │ ├3-计算流程实例.mp4.mp4
│ │ ├4-A3C整体架构分析.mp4.mp4
│ │ └5-损失函数整理.mp4
│ ├<8_用A3C玩转超级马里奥>
│ │ ├1-整体流程与环境配置.mp4.mp4
│ │ ├2-启动游戏环境.mp4.mp4
│ │ ├3-要计算的指标回顾.mp4.mp4
│ │ ├4-初始化局部模型并加载参数.mp4.mp4
│ │ ├5-与环境交互得到训练数据.mp4.mp4
│ │ └6-训练网络模型.mp4.mp4
├<18_面向医学领域的深度学习实战>
│ ├<1_卷积神经网络原理与参数解读>
│ │ ├10-1VGG网络架构.mp4.mp4
│ │ ├11-1残差网络Resnet.mp4.mp4
│ │ ├1-1卷积神经网络应用领域.mp4.mp4
│ │ ├12-感受野的作用.mp4.mp4
│ │ ├2-1卷积的作用.mp4.mp4
│ │ ├3-1卷积特征值计算方法.mp4.mp4
│ │ ├4-1得到特征图表示.mp4.mp4
│ │ ├5-1步长与卷积核大小对结果的影响.mp4.mp4
│ │ ├6-1边缘填充方法.mp4.mp4
│ │ ├7-1特征图尺寸计算与参数共享.mp4.mp4
│ │ ├8-1池化层的作用.mp4.mp4
│ │ └9-1整体网络架构.mp4.mp4
│ ├<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
│ │ ├2-项目基本配置参数1.mp4.mp4
│ │ ├3-任务流程解读1.mp4.mp4
│ │ ├4-文献报告分析1.mp4.mp4
│ │ ├5-补充：视频数据源特征处理方法概述1.mp4.mp4
│ │ └6-补充：R(2plus1)D处理方法分析1.mp4.mp4
│ ├<11_YOLO系列物体检测算法原理解读>
│ │ ├10-PAN模块解读.mp4.mp4
│ │ ├11-激活函数与整体架构总结.mp4.mp4
│ │ ├1-V2版本细节升级概述.mp4.mp4
│ │ ├1-V3版本改进概述.mp4.mp4
│ │ ├1-V4版本整体概述.mp4.mp4
│ │ ├1-YOLO算法整体思路解读.mp4.mp4
│ │ ├1-检测任务中阶段的意义.mp4.mp4
│ │ ├2-V4版本贡献解读.mp4.mp4
│ │ ├2-不同阶段算法优缺点分析.mp4.mp4
│ │ ├2-多scale方法改进与特征融合.mp4.mp4
│ │ ├2-检测算法要得到的结果.mp4.mp4
│ │ ├2-网络结构特点.mp4.mp4
│ │ ├3-IOU指标计算.mp4.mp4
│ │ ├3-架构细节解读.mp4.mp4
│ │ ├3-经典变换方法对比分析.mp4.mp4
│ │ ├3-数据增强策略分析.mp4.mp4
│ │ ├3-整体网络架构解读.mp4.mp4
│ │ ├4-DropBlock与标签平滑方法.mp4.mp4
│ │ ├4-残差连接方法解读.mp4.mp4
│ │ ├4-基于聚类来选择先验框尺寸.mp4.mp4
│ │ ├4-评估所需参数计算.mp4.mp4
│ │ ├4-位置损失计算.mp4.mp4
│ │ ├5-map指标计算.mp4.mp4
│ │ ├5-偏移量计算方法.mp4.mp4
│ │ ├5-损失函数遇到的问题.mp4.mp4
│ │ ├5-整体网络模型架构分析.mp4.mp4
│ │ ├5-置信度误差与优缺点分析.mp4.mp4
│ │ ├6-CIOU损失函数定义.mp4.mp4
│ │ ├6-先验框设计改进.mp4.mp4
│ │ ├6-坐标映射与还原.mp4.mp4
│ │ ├7-NMS细节改进.mp4.mp4
│ │ ├7-sotfmax层改进.mp4.mp4
│ │ ├7-感受野的作用.mp4.mp4
│ │ ├8-SPP与CSP网络结构.mp4.mp4
│ │ ├8-特征融合改进.mp4.mp4
│ │ ├9-SAM注意力机制模块.mp4.mp4
│ │ └目录.txt
│ ├<12_基于YOLO5细胞检测实战>
│ │ ├1-任务与细胞数据集介绍.mp4.mp4
│ │ ├2-模型与算法配置参数解读.mp4.mp4
│ │ ├3-网络训练流程演示.mp4.mp4
│ │ ├4-效果评估与展示.mp4.mp4
│ │ └5-细胞检测效果演示.mp4.mp4
│ ├<13_知识图谱原理解读>
│ │ ├1-数据关系抽取分析.mp4.mp4
│ │ ├1-知识图谱通俗解读.mp4.mp4
│ │ ├2-常用NLP技术点分析.mp4.mp4
│ │ ├2-知识图谱在搜索引擎中的应用.mp4.mp4
│ │ ├3-graph-embedding的作用与效果.mp4.mp4
│ │ ├3-知识图谱在医疗领域应用实例.mp4.mp4
│ │ ├4-金融领域图编码实例.mp4.mp4
│ │ ├4-金融与推荐领域的应用.mp4.mp4
│ │ ├5-视觉领域图编码实例.mp4.mp4
│ │ ├5-数据获取分析.mp4.mp4
│ │ ├6-图谱知识融合与总结分析.mp4.mp4
│ │ └目录.txt
│ ├<14_Neo4j数据库实战>
│ │ ├1-Neo4j图数据库介绍.mp4.mp4
│ │ ├2-Neo4j数据库安装流程演示.mp4.mp4
│ │ ├3-可视化例子演示.mp4.mp4
│ │ ├4-创建与删除操作演示.mp4.mp4
│ │ └5-数据库更改查询操作演示.mp4.mp4
│ ├<15_基于知识图谱的医药问答系统实战>
│ │ ├10-完成对话系统构建.mp4.mp4
│ │ ├1-项目概述与整体架构分析.mp4.mp4
│ │ ├2-医疗数据介绍及其各字段含义.mp4.mp4
│ │ ├3-任务流程概述.mp4.mp4
│ │ ├4-环境配置与所需工具包安装.mp4.mp4
│ │ ├5-数据获取分析.mp4.mp4
│ │ ├5-提取数据中的关键字段信息.mp4.mp4
│ │ ├6-创建关系边.mp4.mp4
│ │ ├7-打造医疗知识图谱模型.mp4.mp4
│ │ ├8-加载所有实体数据.mp4.mp4
│ │ └9-实体关键词字典制作.mp4.mp4
│ ├<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
│ │ ├3-1模型整体框架.mp4.mp4
│ │ ├4-1训练数据构建.mp4.mp4
│ │ ├5-1CBOW与Skip-gram模型.mp4.mp4
│ │ ├6-1负采样方案.mp4.mp4
│ │ ├额外补充-RNN网络模型解读.mp4.mp4
│ │ └目录.txt
│ ├<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
│ │ ├2-整体模型架构1.mp4.mp4
│ │ ├3-数据-标签-语料库处理1.mp4.mp4
│ │ ├4-输入样本填充补齐1.mp4.mp4
│ │ ├5-训练网络模型1.mp4.mp4
│ │ └6-医疗数据集（糖尿病）实体识别1.mp4.mp4
│ ├<2_PyTorch框架基本处理操作>
│ │ ├1-PyTorch实战课程简介.mp4.mp4
│ │ ├2-PyTorch框架发展趋势简介1.mp4.mp4
│ │ ├3-框架安装方法（CPU与GPU版本）1.mp4.mp4
│ │ ├4-PyTorch基本操作简介1.mp4.mp4
│ │ ├5-自动求导机制.mp4.mp4
│ │ ├6线姓回归DEMO-数据与参数配置1.mp4.mp4
│ │ ├7线姓回归DEMO-训练回归模型1.mp4.mp4
│ │ ├8常见tensor格式1.mp4.mp4
│ │ └9Hub模块简介1.mp4.mp4
│ ├<3_PyTorch框架必备核心模块解读>
│ │ ├10-加载训练好的网络模型1.mp4.mp4
│ │ ├11-优化器模块配置1.mp4.mp4
│ │ ├12-实现训练模块1.mp4.mp4
│ │ ├13-训练结果与模型保存1.mp4.mp4
│ │ ├14-加载模型对测试数据进行预测1.mp4.mp4
│ │ ├15-额外补充-Resnet论文解读1.mp4.mp4
│ │ ├16-额外补充-Resnet网络架构解读1.mp4.mp4
│ │ ├1-卷积网络参数定义1.mp4.mp4
│ │ ├2-网络流程解读1.mp4.mp4
│ │ ├3-Vision模块功能解读1.mp4.mp4
│ │ ├4-分类任务数据集定义与配置1.mp4.mp4
│ │ ├5-图像增强的作用1.mp4.mp4
│ │ ├6-数据预处理与数据增强模块1.mp4.mp4
│ │ ├7-Batch数据制作1.mp4.mp4
│ │ ├8-迁移学习的目标1.mp4.mp4
│ │ └9-迁移学习策略1.mp4.mp4
│ ├<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
│ │ ├2-Resnet网络架构原理分析.mp4.mp4
│ │ ├3-dataloader加载数据集.mp4.mp4
│ │ ├4-Resnet网络前向传播.mp4.mp4
│ │ ├5-残差网络的shortcut操作.mp4.mp4
│ │ ├6-特征图升维与降采样操作.mp4.mp4
│ │ └7-网络整体流程与训练演示.mp4.mp4
│ ├<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
│ │ ├2-分割任务中的目标函数定义.mp4.mp4
│ │ └3-MIOU评估标准.mp4.mp4
│ ├<6_Unet系列算法讲解>
│ │ ├1-Unet网络编码与解码过程.mp4.mp4
│ │ ├2-网络计算流程1.mp4.mp4
│ │ ├3-Unet升级版本改进1.mp4.mp4
│ │ └4-后续升级版本介绍1.mp4.mp4
│ ├<7_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
│ │ ├2-数据增强工具.mp4.mp4
│ │ ├3-Debug模式演示网络计算流程.mp4.mp4
│ │ ├4-特征融合方法演示.mp4.mp4
│ │ ├5-迭代完成整个模型计算任务.mp4.mp4
│ │ └6-模型效果验证.mp4.mp4
│ ├<8_deeplab系列算法>
│ │ ├1-deeplab分割算法概述.mp4.mp4
│ │ ├2-空洞卷积的作用.mp4.mp4
│ │ ├3-感受野的意义.mp4.mp4
│ │ ├4-SPP层的作用.mp4.mp4
│ │ ├5-ASPP特征融合策略.mp4.mp4
│ │ └6-deeplabV3Plus版本网络架构.mp4.mp4
│ ├<9_基于deeplabV3+版本进行VOC分割实战>
│ │ ├1-PascalVoc数据集介绍.mp4.mp4
│ │ ├2-项目参数与数据集读取.mp4.mp4
│ │ ├3-网络前向传播流程.mp4.mp4
│ │ ├4-ASPP层特征融合.mp4.mp4
│ │ └5-分割模型训练.mp4.mp4
├<19_深度学习模型部署与剪枝优化实战>
│ ├<3_pyTorch框架部署实践>
│ │ ├0-课程简介12.mp4.mp4
│ │ ├1-所需基本环境配置.mp4.mp4
│ │ ├2-模型加载与数据预处理.mp4.mp4
│ │ ├3-接收与预测模块实现.mp4.mp4
│ │ └4-效果实例演示.mp4.mp4
│ ├<4_YOLO-V3物体检测部署实例>
│ │ ├1-项目所需配置文件介绍.mp4.mp4
│ │ ├2-加载参数与模型权重.mp4.mp4
│ │ ├3-数据预处理.mp4.mp4
│ │ └4-返回线姓预测结果.mp4.mp4
│ ├<5_docker实例演示>
│ │ ├1-docker简介.mp4.mp4
│ │ ├2-docker安装与配置.mp4.mp4
│ │ ├3-阿里云镜像配置.mp4.mp4
│ │ ├4-基于docker配置pytorch环境.mp4.mp4
│ │ ├5-安装演示环境所需依赖.mp4.mp4
│ │ ├6-复制所需配置到容器中.mp4.mp4
│ │ └7-上传与下载配置好的项目.mp4.mp4
│ ├<6_tensorflow-serving实战>
│ │ ├1-tf-serving项目获取与配置.mp4.mp4
│ │ ├2-加载并启动模型服务.mp4.mp4
│ │ ├3-测试模型部署效果.mp4.mp4
│ │ ├4-fashion数据集获取.mp4.mp4
│ │ └5-加载fashion模型启动服务.mp4.mp4
│ ├<7_模型剪枝-Network Slimming算法分析>
│ │ ├1-论文算法核心框架概述.mp4.mp4
│ │ ├2-BatchNorm要解决的问题.mp4.mp4
│ │ ├3-BN的本质作用.mp4.mp4
│ │ ├4-额外的训练参数解读.mp4.mp4
│ │ └5-稀疏化原理与效果.mp4.mp4
│ ├<8_模型剪枝-Network Slimming实战解读>
│ │ ├1-整体案例流程解读.mp4.mp4
│ │ ├2-加入L1正则化来进行更新.mp4.mp4
│ │ ├3-剪枝模块介绍.mp4.mp4
│ │ ├4-筛选需要的特征图.mp4.mp4
│ │ ├5-剪枝后模型参数赋值.mp4.mp4
│ │ └6-微调完成剪枝模型.mp4.mp4
│ ├<9_Mobilenet三代网络模型架构>
│ │ ├10-V2整体架构与效果分析.mp4.mp4
│ │ ├11-V3版本网络架构分析.mp4.mp4
│ │ ├12-SE模块作用与效果解读.mp4.mp4
│ │ ├13-代码实现mobilenetV3网络架构.mp4.mp4
│ │ ├1-模型剪枝分析.mp4.mp4
│ │ ├2-常见剪枝方法介绍.mp4.mp4
│ │ ├3-mobilenet简介.mp4.mp4
│ │ ├4-经典卷积计算量与参数量分析.mp4.mp4
│ │ ├5-深度可分离卷积的作用与效果.mp4.mp4
│ │ ├6-参数与计算量的比较.mp4.mp4
│ │ ├7-V1版本效果分析.mp4.mp4
│ │ ├8-V2版本改进以及Relu激活函数的问题.mp4.mp4
│ │ └9-倒残差结构的作用.mp4.mp4
├<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
│ ├<2_卷积神经网络算法解读>
│ │ └2-卷积神经网络算法解读.mp4
│ ├<3_递归神经网络算法解读>
│ │ └3-递归神经网络算法解读.mp4
├<20_自然语言处理经典案例实战>
│ ├<1_NLP常用工具包实战>
│ │ ├10-名字实体匹配.mp4.mp4
│ │ ├11-恐怖袭击分析.mp4.mp4
│ │ ├12-统计分析结果.mp4.mp4
│ │ ├13-结巴分词器.mp4.mp4
│ │ ├14-词云展示.mp4.mp4
│ │ ├1-Python字符串处理.mp4.mp4
│ │ ├2-正则表达式基本语法.mp4.mp4
│ │ ├2-正则常用符号.mp4.mp4
│ │ ├4-常用函数介绍.mp4.mp4
│ │ ├5-NLTK工具包简介.mp4.mp4
│ │ ├6-停用词过滤.mp4.mp4
│ │ ├7-词姓标注.mp4.mp4
│ │ ├8-数据清洗实例.mp4.mp4
│ │ └9-Spacy工具包.mp4.mp4
│ ├<10_NLP-文本特征方法对比>
│ │ ├1.1-任务概述.mp4.mp4
│ │ ├2-词袋模型.mp4.mp4
│ │ ├3-词袋模型分析.mp4.mp4
│ │ ├4-TFIDF模型.mp4.mp4
│ │ ├5-word2vec词向量模型.mp4.mp4
│ │ └6-深度学习模型.mp4.mp4
│ ├<11_NLP-相似度模型>
│ │ ├1.任务概述.mp4.mp4
│ │ ├2-数据展示.mp4.mp4
│ │ ├3-正负样本制作.mp4.mp4
│ │ ├4-数据预处理.mp4.mp4
│ │ ├5-网络模型定义.mp4.mp4
│ │ ├6-基于字符的训练.mp4.mp4
│ │ └7-基于句子的相似度训练.mp4.mp4
│ ├<12_LSTM情感分析>
│ │ ├1-RNN网络架构.mp4.mp4
│ │ ├2-LSTM网络架构.mp4.mp4
│ │ ├3-案例：使用LSTM进行情感分类.mp4.mp4
│ │ ├4-情感数据集处理.mp4.mp4
│ │ └5-基于word2vec的LSTM模型.mp4.mp4
│ ├<13_机器人写唐诗>
│ │ ├1.1.1-任务概述与环境配置.mp4.mp4
│ │ ├2-参数配置.mp4.mp4
│ │ ├3-数据预处理模块.mp4.mp4
│ │ ├4-batch数据制作.mp4.mp4
│ │ ├5-RNN模型定义.mp4.mp4
│ │ ├6-完成训练模块.mp4.mp4
│ │ ├7-训练唐诗生成模型.mp4.mp4
│ │ └8-测试唐诗生成效果.mp4.mp4
│ ├<14_对话机器人>
│ │ ├1-效果演示.mp4.mp4
│ │ ├2-参数配置与数据加载.mp4.mp4
│ │ ├3-数据处理.mp4.mp4
│ │ ├4-词向量与投影.mp4.mp4
│ │ ├5-seq网络.mp4.mp4
│ │ └6-网络训练.mp4.mp4
│ ├<2_商品信息可视化与文本分析>
│ │ ├1-任务概述.mp4.mp4
│ │ ├2-商品类别划分.mp4.mp4
│ │ ├3-商品类别可视化展示.mp4.mp4
│ │ ├4-描述长度对价格的影响.mp4.mp4
│ │ ├5-词云展示.mp4.mp4
│ │ ├6-tf-idf结果.mp4.mp4
│ │ ├7-降维可视化展示.mp4.mp4
│ │ └8-聚类与主题模型.mp4.mp4
│ ├<3_贝叶斯算法>
│ │ ├1-贝叶斯算法概述.mp4.mp4
│ │ ├2-贝叶斯推导实例.mp4.mp4
│ │ ├3-贝叶斯拼写纠错实例.mp4.mp4
│ │ ├4-垃圾邮件过滤实例.mp4.mp4
│ │ └5-贝叶斯实现拼写检查器.mp4.mp4
│ ├<4_新闻分类任务实战>
│ │ ├1-文本分析与关键词提取.mp4.mp4
│ │ ├2-相似度计算.mp4.mp4
│ │ ├3-新闻数据与任务简介.mp4.mp4
│ │ ├4-TF-IDF关键词提取.mp4.mp4
│ │ ├5-LDA建模.mp4.mp4
│ │ └6-基于贝叶斯算法进行新闻分类.mp4.mp4
│ ├<5_HMM隐马尔科夫模型>
│ │ ├10-维特比算法.mp4.mp4
│ │ ├1-马尔科夫模型.mp4.mp4
│ │ ├2-隐马尔科夫模型基本出发点.mp4.mp4
│ │ ├3-组成与要解决的问题.mp4.mp4
│ │ ├4-暴力求解方法.mp4.mp4
│ │ ├5-复杂度计算.mp4.mp4
│ │ ├6-前向算法.mp4.mp4
│ │ ├7-前向算法求解实例.mp4.mp4
│ │ ├8-Baum-Welch算法.mp4.mp4
│ │ └9-参数求解.mp4.mp4
│ ├<6_HMM工具包实战>
│ │ ├1-hmmlearn工具包.mp4.mp4
│ │ ├2-工具包使用方法.mp4.mp4
│ │ ├3-中文分词任务.mp4.mp4
│ │ └4-实现中文分词.mp4.mp4
│ ├<7_语言模型>
│ │ ├10-负采样模型.mp4.mp4
│ │ ├1-开篇.mp4.mp4
│ │ ├2-语言模型.mp4.mp4
│ │ ├3-N-gram模型.mp4.mp4
│ │ ├4-词向量.mp4.mp4
│ │ ├5-神经网络模型.mp4.mp4
│ │ ├6-Hierarchical Softmax.mp4.mp4
│ │ ├7-CBOW模型实例.mp4.mp4
│ │ ├8-CBOW求解目标.mp4.mp4
│ │ └9-锑度上升求解.mp4.mp4
│ ├<8_使用Gemsim构建词向量>
│ │ ├1-使用Gensim库构造词向量.mp4.mp4
│ │ ├2-维基百科中文数据处理.mp4.mp4
│ │ ├3-Gensim构造word2vec模型.mp4.mp4
│ │ └4-测试模型相似度结果.mp4.mp4
│ ├<9_基于word2vec的分类任务>
│ │ ├1-影评情感分类.mp4.mp4
│ │ ├2-基于词袋模型训练分类器.mp4.mp4
│ │ ├3-准备word2vec输入数据.mp4.mp4
│ │ └4-使用gensim构建word2vec词向量（新）.mp4.mp4
├<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>
│ │ ├10-BERT模型训练方法.mp4.mp4
│ │ ├11-训练实例.mp4.mp4
│ │ ├1-BERT课程简介.mp4.mp4
│ │ ├2-BERT任务目标概述.mp4.mp4
│ │ ├2-传统解决方案遇到的问题.mp4.mp4
│ │ ├3-注意力机制的作用.mp4.mp4
│ │ ├4-self-attention计算方法.mp4.mp4
│ │ ├5-特征分配与softmax机制.mp4.mp4
│ │ ├7-Multi-head的作用.mp4.mp4
│ │ ├8-位置编码与多层堆叠.mp4.mp4
│ │ └9-transformer整体架构梳理.mp4.mp4
│ ├<2_谷歌开源项目BERT源码解读与应用实例>
│ │ ├10-构建QKV矩阵.mp4.mp4
│ │ ├11-完成Transformer模块构建.mp4.mp4
│ │ ├12-训练BERT模型.mp4.mp4
│ │ ├1-BERT开源项目简介.mp4.mp4
│ │ ├2-项目参数配置.mp4.mp4
│ │ ├3-数据读取模块.mp4.mp4
│ │ ├4-数据预处理模块.mp4.mp4
│ │ ├5-tfrecord制作.mp4.mp4
│ │ ├6-Embedding层的作用.mp4.mp4
│ │ ├7-加入额外编码特征.mp4.mp4
│ │ ├8-加入位置编码特征.mp4.mp4
│ │ └9-mask机制.mp4.mp4
│ ├<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
│ │ ├2-读取处理自己的数据集.mp4.mp4
│ │ └3-训练BERT中文分类模型.mp4.mp4
│ ├<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
│ │ ├2-NER标注数据处理与读取.mp4.mp4
│ │ └3-构建BERT与CRF模型.mp4.mp4
│ ├<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
│ │ ├2-模型整体框架.mp4.mp4
│ │ ├3-训练数据构建.mp4.mp4
│ │ ├4-CBOW与Skip-gram模型.mp4.mp4
│ │ └5-负采样方案.mp4.mp4
│ ├<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
│ │ ├2-数据清洗.mp4.mp4
│ │ ├3-batch数据制作.mp4.mp4
│ │ ├4-网络训练.mp4.mp4
│ │ └5-可视化展示.mp4.mp4
│ ├<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
│ │ ├2-NLP应用领域与任务简介.mp4.mp4
│ │ ├3-项目流程解读.mp4.mp4
│ │ ├4-加载词向量特征.mp4.mp4
│ │ ├5-正负样本数据读取.mp4.mp4
│ │ ├6-构建LSTM网络模型.mp4.mp4
│ │ ├7-训练与测试效果.mp4.mp4
│ │ └第十二课：LSTM情感分析.mp4.mp4
│ ├<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
│ │ ├2-整体模型架构1.mp4.mp4
│ │ ├3-数据-标签-语料库处理1.mp4.mp4
│ │ ├4-输入样本填充补齐1.mp4.mp4
│ │ ├5-训练网络模型1.mp4.mp4
│ │ └6-医疗数据集（糖尿病）实体识别1.mp4.mp4
├<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
│ │ ├2-知识图谱在搜索引擎中的应用.mp4.mp4
│ │ ├3-知识图谱在医疗领域应用实例.mp4.mp4
│ │ ├4-金融与推荐领域的应用.mp4.mp4
│ │ └5-数据获取分析.mp4.mp4
│ ├<2_知识图谱涉及技术点分析>
│ │ ├1-数据关系抽取分析.mp4.mp4
│ │ ├2-常用NLP技术点分析.mp4.mp4
│ │ ├3-graph-embedding的作用与效果.mp4.mp4
│ │ ├4-金融领域图编码实例.mp4.mp4
│ │ ├5-视觉领域图编码实例.mp4.mp4
│ │ └6-图谱知识融合与总结分析.mp4.mp4
│ ├<3_Neo4j数据库实战>
│ │ ├1-Neo4j图数据库介绍.mp4.mp4
│ │ ├2-Neo4j数据库安装流程演示.mp4.mp4
│ │ ├3-可视化例子演示.mp4.mp4
│ │ ├4-创建与删除操作演示.mp4.mp4
│ │ └5-数据库更改查询操作演示.mp4.mp4
│ ├<4_使用python操作neo4j实例>
│ │ ├1-使用Py2neo建立连接.mp4.mp4
│ │ ├2-提取所需的指标信息.mp4.mp4
│ │ ├3-在图中创建实体.mp4.mp4
│ │ └4-根据给定实体创建关系.mp4.mp4
│ ├<5_基于知识图谱的医药问答系统实战>
│ │ ├10-完成对话系统构建.mp4.mp4
│ │ ├1-项目概述与整体架构分析.mp4.mp4
│ │ ├2-医疗数据介绍及其各字段含义.mp4.mp4
│ │ ├3-任务流程概述.mp4.mp4
│ │ ├4-环境配置与所需工具包安装.mp4.mp4
│ │ ├5-提取数据中的关键字段信息.mp4.mp4
│ │ ├6-创建关系边.mp4.mp4
│ │ ├7-打造医疗知识图谱模型.mp4.mp4
│ │ ├8-加载所有实体数据.mp4.mp4
│ │ └9-实体关键词字典制作.mp4.mp4
│ ├<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
│ │ ├2-LTP工具包概述介绍.mp4.mp4
│ │ ├3-pyltp安装与流程演示.mp4.mp4
│ │ ├4-得到分词与词姓标注结果.mp4.mp4
│ │ ├5-依存句法概述.mp4.mp4
│ │ ├6-句法分析结果整理.mp4.mp4
│ │ ├7-语义角涩构建与分析.mp4.mp4
│ │ └8-设计规则完成关系抽取.mp4.mp4
│ ├<7_金融平台风控模型实践>
│ │ ├1-竞赛任务目标.mp4.mp4
│ │ ├2-图模型信息提取.mp4.mp4
│ │ ├3-节点权重特征提取(PageRank).mp4.mp4
│ │ ├4-deepwalk构建图顶点特征.mp4.mp4
│ │ ├5-各项统计特征.mp4.mp4
│ │ ├6-app安装特征.mp4.mp4
│ │ └7-图中联系人特征.mp4.mp4
│ ├<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
│ │ ├2-整体模型架构1.mp4.mp4
│ │ ├3-数据-标签-语料库处理1.mp4.mp4
│ │ ├4-输入样本填充补齐1.mp4.mp4
│ │ ├5-训练网络模型1.mp4.mp4
│ │ └6-医疗数据集（糖尿病）实体识别1.mp4.mp4
├<23_语音识别实战系列>
│ ├3.注意力机制的作用.txt
│ ├<1_seq2seq序列网络模型>
│ │ ├1-序列网络模型概述分析.mp4.mp4
│ │ ├2-工作原理概述.mp4.mp4
│ │ ├3.注意力机制的作用.txt
│ │ ├4-加入attention的序列模型整体架构.mp4.mp4
│ │ ├5-TeacherForcing的作用与训练策略.mp4.mp4
│ │ └额外补充-RNN网络模型解读.mp4.mp4
│ ├<2_LAS模型语音识别实战>
│ │ ├1-数据源与环境配置.mp4.mp4
│ │ ├2-语料表制作方法.mp4.mp4
│ │ ├3-制作json标注数据.mp4.mp4
│ │ ├4-声音数据处理模块解读.mp4.mp4
│ │ ├5-Pack与Pad操作解析.mp4.mp4
│ │ ├6-编码器模块整体流程.mp4.mp4
│ │ ├7-加入注意力机制.mp4.mp4
│ │ ├8-计算得到每个输出的attention得分.mp4.mp4
│ │ └9-解码器与训练过程演示.mp4.mp4
│ ├<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
│ │ ├2-VCC2016输入数据.mp4.mp4
│ │ ├3-语音特征提取.mp4.mp4
│ │ ├4-生成器模型架构分析.mp4.mp4
│ │ ├5-InstanceNorm的作用解读.mp4.mp4
│ │ ├6-AdaIn的目的与效果.mp4.mp4
│ │ └7-判别器模块分析.mp4.mp4
│ ├<4_staeganvc2变声器源码实战>
│ │ ├10-源码损失计算流程.mp4.mp4
│ │ ├11-测试模块-生成转换语音.mp4.mp4
│ │ ├1-数据与项目文件解读.mp4.mp4
│ │ ├2-环境配置与工具包安装.mp4.mp4
│ │ ├3-数据预处理与声音特征提取.mp4.mp4
│ │ ├4-生成器构造模块解读.mp4.mp4
│ │ ├5-下采样与上采样操作.mp4.mp4
│ │ ├6-starganvc2版本标签输入分析.mp4.mp4
│ │ ├7-生成器前向传播维度变化.mp4.mp4
│ │ ├8-判别器模块解读.mp4.mp4
│ │ └9-论文损失函数.mp4.mp4
│ ├<5_语音分离ConvTasnet模型>
│ │ ├1-语音分离任务分析.mp4.mp4
│ │ ├2-经典语音分离模型概述.mp4.mp4
│ │ ├3-DeepClustering论文解读.mp4.mp4
│ │ ├4-TasNet编码器结构分析.mp4.mp4
│ │ ├5-DW卷积的作用与效果.mp4.mp4
│ │ └6-基于Mask得到分离结果.mp4.mp4
│ ├<6_ConvTasnet语音分离实战>
│ │ ├1-数据准备与环境配置.mp4.mp4
│ │ ├2-训练任务所需参数介绍.mp4.mp4
│ │ ├3-DataLoader定义.mp4.mp4
│ │ ├4-采样数据特征编码.mp4.mp4
│ │ ├5编码器特征提取.mp4.mp4
│ │ ├6-构建更大的感受区域.mp4.mp4
│ │ ├7-解码得到分离后的语音.mp4.mp4
│ │ └8-测试模块所需参数.mp4.mp4
│ ├<7_语音合成tacotron最新版实战>
│ │ ├10-得到加权的编码向量.mp4.mp4
│ │ ├11-模型输出结果.mp4.mp4
│ │ ├12-损失函数与预测.mp4.mp4
│ │ ├1-语音合成项目所需环境配置.mp4.mp4
│ │ ├2-所需数据集介绍.mp4.mp4
│ │ ├3-路径配置与整体流程解读.mp4.mp4
│ │ ├4-Dataloader构建数据与标签.mp4.mp4
│ │ ├5-编码层要完成的任务.mp4.mp4
│ │ ├6-得到编码特征向量.mp4.mp4
│ │ ├7-解码器输入准备.mp4.mp4
│ │ ├8-解码器流程梳理.mp4.mp4
│ │ └9-注意力机制应用方法.mp4.mp4
├<24_推荐系统实战系列>
│ ├<1_推荐系统介绍及其应用>
│ │ ├1-推荐系统通俗解读.mp4.mp4
│ │ ├2-推荐系统发展简介.mp4.mp4
│ │ ├3-应用领域与多方位评估指标.mp4.mp4
│ │ ├4-任务流程与挑战概述.mp4.mp4
│ │ ├5-常用技术点分析.mp4.mp4
│ │ └6-与深度学习的结合.mp4.mp4
│ ├<10_基本统计分析的电影推荐>
│ │ ├1-电影数据与环境配置.mp4.mp4
│ │ ├2-数据与关键词信息展示.mp4.mp4
│ │ ├3-关键词云与直方图展示.mp4.mp4
│ │ ├4-特征可视化.mp4.mp4
│ │ ├5-数据清洗概述.mp4.mp4
│ │ ├6-缺失值填充方法.mp4.mp4
│ │ ├7-推荐引擎构造.mp4.mp4
│ │ ├8-数据特征构造.mp4.mp4
│ │ └9-得出推荐结果.mp4.mp4
│ ├<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
│ │ ├2-文本词频统计.mp4.mp4
│ │ ├3-ngram结果可视化展示.mp4.mp4
│ │ ├4-文本清洗.mp4.mp4
│ │ ├5-相似度计算.mp4.mp4
│ │ └6-得出推荐结果.mp4.mp4
│ ├<2_协同过滤与矩阵分解>
│ │ ├1-协同过滤与矩阵分解简介.mp4.mp4
│ │ ├2-基于用户与商品的协同过滤.mp4.mp4
│ │ ├3-相似度计算与推荐实例.mp4.mp4
│ │ ├4-矩阵分解的目的与效果.mp4.mp4
│ │ ├5-矩阵分解中的隐向量.mp4.mp4
│ │ ├6-目标函数简介.mp4.mp4
│ │ ├7-隐式情况分析.mp4.mp4
│ │ └8-Embedding的作用.mp4.mp4
│ ├<3_音乐推荐系统实战>
│ │ ├1-音乐推荐任务概述.mp4.mp4
│ │ ├2-数据集整合.mp4.mp4
│ │ ├3-基于物品的协同过滤.mp4.mp4
│ │ ├4-物品相似度计算与推荐.mp4.mp4
│ │ ├5-SVD矩阵分解.mp4.mp4
│ │ └6-基于矩阵分解的音乐推荐.mp4.mp4
│ ├<4_知识图谱与Neo4j数据库实例>
│ │ ├1-Neo4j图数据库介绍.mp4.mp4
│ │ ├1-知识图谱通俗解读.mp4.mp4
│ │ ├2-Neo4j数据库安装流程演示.mp4.mp4
│ │ ├2-知识图谱在搜索引擎中的应用.mp4.mp4
│ │ ├3-可视化例子演示.mp4.mp4
│ │ ├3-知识图谱在医疗领域应用实例.mp4.mp4
│ │ ├4-创建与删除操作演示.mp4.mp4
│ │ ├4-金融与推荐领域的应用.mp4.mp4
│ │ ├5-数据获取分析.mp4.mp4
│ │ └5-数据库更改查询操作演示.mp4.mp4
│ ├<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
│ │ ├2-kaggle电影数据集下载与配置.mp4.mp4
│ │ ├3-图谱需求与任务流程解读.mp4.mp4
│ │ ├4-项目所需环境配置安装.mp4.mp4
│ │ ├5-构建用户电影知识图谱.mp4.mp4
│ │ ├6-图谱查询与匹配操作.mp4.mp4
│ │ └7-相似度计算与推荐引擎构建.mp4.mp4
│ ├<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
│ │ ├2-高维特征带来的问题.mp4.mp4
│ │ ├3-二项式特征的作用与挑战.mp4.mp4
│ │ ├4-二阶公式推导与化简.mp4.mp4
│ │ ├5-FM算法解析.mp4.mp4
│ │ ├6-DeepFm整体架构解读.mp4.mp4
│ │ ├7-输入层所需数据样例.mp4.mp4
│ │ └8-Embedding层的作用与总结.mp4.mp4
│ ├<7_DeepFM算法实战>
│ │ ├1-数据集介绍与环境配置.mp4.mp4
│ │ ├2-广告点击数据预处理实例.mp4.mp4
│ │ ├3-数据处理模块Embedding层.mp4.mp4
│ │ ├4-Index与Value数据制作.mp4.mp4
│ │ ├5-一阶权重参数设计.mp4.mp4
│ │ ├6-二阶特征构建方法.mp4.mp4
│ │ ├7-特征组合方法实例分析.mp4.mp4
│ │ ├8-完成FM模块计算.mp4.mp4
│ │ └9-DNN模块与训练过程.mp4.mp4
│ ├<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
│ │ ├2-电影数据集预处理分析.mp4.mp4
│ │ ├3-surprise工具包基本使用.mp4.mp4
│ │ ├4-模型测试集结果.mp4.mp4
│ │ └5-评估指标概述.mp4.mp4
│ ├<9_基于文本数据的推荐实例>
│ │ ├1-数据与环境配置介绍.mp4.mp4
│ │ ├2-数据科学相关数据介绍.mp4.mp4
│ │ ├3-文本数据预处理.mp4.mp4
│ │ ├4-TFIDF构建特征矩阵.mp4.mp4
│ │ ├5-矩阵分解演示.mp4.mp4
│ │ ├6-LDA主题模型效果演示.mp4.mp4
│ │ └7-推荐结果分析.mp4.mp4
├<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
│ │ └2-CPU与GPU版本安装方法解读1.mp4.mp4
│ ├<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
│ │ ├2-基本模块应用测试2.mp4.mp4
│ │ ├3-网络结构定义方法2.mp4.mp4
│ │ ├4-数据源定义简介2.mp4.mp4
│ │ ├5-损失与训练模块分析2.mp4.mp4
│ │ ├6-训练一个基本的分类模型2.mp4.mp4
│ │ └7-参数对结果的影响2.mp4.mp4
│ ├<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
│ ├<4_卷积网络参数解读分析>
│ │ ├1-输入特征通道分析2.mp4.mp4
│ │ ├2-卷积网络参数解读2.mp4.mp4
│ │ └3-卷积网络模型训练2.mp4.mp4
│ ├<5_图像识别模型与训练策略（重点）>
│ │ ├10-测试结果演示分析1.mp4.mp4
│ │ ├1-任务分析与图像数据基本处理2.mp4.mp4
│ │ ├2-数据增强模块2.mp4.mp4
│ │ ├3-数据集与模型选择1.mp4.mp4
│ │ ├4-迁移学习方法解读1.mp4.mp4
│ │ ├5-输出层与梯度设置1.mp4.mp4
│ │ ├6-输出类别个数修改1.mp4.mp4
│ │ ├7-优化器与学习率衰减1.mp4.mp4
│ │ ├8-模型训练方法1.mp4.mp4
│ │ └9-重新训练全部模型1.mp4.mp4
│ ├<6_DataLoader自定义数据集制作>
│ │ ├1-Dataloader要完成的任务分析1.mp4.mp4
│ │ ├2-图像数据与标签路径处理1.mp4.mp4
│ │ ├3-Dataloader中需要实现的方法分析1.mp4.mp4
│ │ └4-实用Dataloader加载数据并训练模型1.mp4.mp4
│ ├<7_LSTM文本分类实战>
│ │ ├1-数据集与任务目标分析1.mp4.mp4
│ │ ├2-文本数据处理基本流程分析1.mp4.mp4
│ │ ├3-命令行参数与DEBUG1.mp4.mp4
│ │ ├4-训练模型所需基本配置参数分析1.mp4.mp4
│ │ ├5-预料表与字符切分1.mp4.mp4
│ │ ├6-字符预处理转换ID1.mp4.mp4
│ │ ├7-LSTM网络结构基本定义1.mp4.mp4
│ │ ├8-网络模型预测结果输出1.mp4.mp4
│ │ └9-模型训练任务与总结1.mp4.mp4
│ ├<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
│ │ ├2-服务端处理与预测函数.mp4.mp4
│ │ └3-基于Flask测试模型预测结果.mp4.mp4
├<4_MMLAB实战系列>
│ ├<1_MMCV安装方法>
│ │ └MMCV安装方法.mp4
│ ├<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
│ │ ├2-配置文件参数设置.mp4.mp4
│ │ ├3-Neck层特征组合.mp4.mp4
│ │ ├4-损失函数模块概述.mp4.mp4
│ │ └5-损失计算方法.mp4.mp4
│ ├<11_第四模块：ANINET文字识别>
│ │ ├1-数据集与环境概述.mp4.mp4
│ │ ├2-配置文件修改方法.mp4.mp4
│ │ ├3-Bakbone模块得到特征.mp4.mp4
│ │ ├4-视觉Transformer模块的作用.mp4.mp4
│ │ ├5-视觉模型中的编码与解码的效果.mp4.mp4
│ │ ├6-文本模型中的结构分析.mp4.mp4
│ │ ├7-迭代修正模块.mp4.mp4
│ │ └8-输出层与损失计算.mp4.mp4
│ ├<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
│ │ ├2-KIE数据集格式调整方法.mp4.mp4
│ │ ├3-配置文件与标签要进行处理操作.mp4.mp4
│ │ ├4-边框要计算的特征分析.mp4.mp4
│ │ ├5-标签数据处理与关系特征提取.mp4.mp4
│ │ ├6-特征合并处理.mp4.mp4
│ │ ├7-准备拼接边与点特征.mp4.mp4
│ │ └8-整合得到图模型输入特征.mp4.mp4
│ ├<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
│ │ ├2-得到style特征编码.mp4.mp4
│ │ ├3-特征编码风格拼接.mp4.mp4
│ │ ├4-基础风格特征卷积模块.mp4.mp4
│ │ ├5-上采样得到输出结果.mp4.mp4
│ │ └6-损失函数概述.mp4.mp4
│ ├<13_第六模块：BasicVSR++视频超分辨重构源码解读>
│ │ ├10-传播流程整体完成一圈.mp4
│ │ ├11-完成输出结果.mp4.mp4
│ │ ├1-要完成的任务分析与配置文件.mp4.mp4
│ │ ├2-特征基础提取模块.mp4
│ │ ├3-光流估计网络模块.mp4
│ │ ├4-基于光流完成对齐操作.mp4
│ │ ├5-偏移量计算方法1.mp4.mp4
│ │ ├6-双向计算特征对齐.mp4
│ │ ├7-提特征传递流程分析.mp4
│ │ ├8-序列传播计算.mp4
│ │ └9-准备变形卷积模块的输入.mp4.mp4
│ ├<14_第七模块：多模态3D目标检测算法源码解读>
│ │ ├10-3D卷积特征融合.mp4
│ │ ├11-输出层预测结果.mp4
│ │ ├1-环境配置与数据集概述.mp4
│ │ ├2-数据与标注文件介绍.mp4
│ │ ├3-基本流程梳理并进入debug模式.mp4
│ │ ├4-数据与图像特征提取模块.mp4
│ │ ├5-体素索引位置获取.mp4.mp4
│ │ ├6-体素特征提取方法解读.mp4
│ │ ├7-体素特征计算方法分析.mp4
│ │ ├8-全局体素特征提取.mp4
│ │ └9-多模态特征融合.mp4
│ ├<15_第八模块：模型蒸馏应用实例>
│ │ ├1-任务概述与工具使用.mp4
│ │ ├2-Teacher与Student网络结构定义.mp4
│ │ ├3-训练T与S得到蒸馏模型.mp4
│ │ ├4-开始模型训练过程与问题修正.mp4
│ │ ├5-日志输出与模型分离.mp4
│ │ ├6-分别得到Teacher与Student模型.mp4
│ │ └7-实际测试效果演示.mp4
│ ├<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
│ │ └2-搜索匹配到符合计算量的模型并训练.mp4
│ ├<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
│ ├<18_额外补充>
│ │ └在源码中加入各种注意力机制方法.mp4
│ ├<2_第一模块：分类任务基本操作>
│ │ ├1-准备MMCLS项目.mp4
│ │ ├2-基本参数配置解读.mp4
│ │ ├3-各模块配置文件组成.mp4
│ │ ├4-生成完整配置文件.mp4
│ │ ├5-根据文件夹定义数据集.mp4
│ │ ├6-构建自己的数据集.mp4
│ │ ├7-训练自己的任务.mp4
│ │ └MMCLS问题修正1.mp4
│ ├<3_第一模块：训练结果测试与验证>
│ │ ├1-测试DEMO效果.mp4
│ │ ├2-测试评估模型效果.mp4
│ │ ├3-MMCLS中增加一个新的模块.mp4
│ │ ├4-修改配置文件中的参数.mp4
│ │ ├5-数据增强流程可视化展示.mp4
│ │ ├6-Grad-Cam可视化方法.mp4
│ │ ├7-可视化细节与效果分析.mp4
│ │ ├8-MMCLS可视化模块应用.mp4
│ │ └9-模型分析脚本使用.mp4
│ ├<4_第一模块：模型源码DEBUG演示>
│ │ ├1-VIT任务概述.mp4
│ │ ├2-数据增强模块概述分析.mp4
│ │ ├3-PatchEmbedding层.mp4
│ │ ├4-前向传播基本模块.mp4
│ │ └5-CLS与输出模块.mp4
│ ├<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
│ │ ├2-数据集标注与制作方法.mp4
│ │ ├3-跟别预测类别数修改配置文件.mp4
│ │ ├4-加载预训练模型开始训练.mp4
│ │ └5-预测DEMO演示.mp4
│ ├<6_第二模块：基于Unet进行各种策略修改>
│ │ ├1-配置文件解读.mp4
│ │ ├2-编码层模块.mp4
│ │ ├3-上采样与输出层.mp4
│ │ ├4-辅助层的作用.mp4
│ │ ├5-给Unet添加一个neck层.mp4
│ │ ├6-如何修改参数适配网络结构.mp4
│ │ ├7-将Unet特征提取模块替换成transformer.mp4
│ │ └8-VIT模块源码分析.mp4
│ ├<7_第二模块：分割任务CVPR最新Backbone设计及其应用>
│ │ ├10-汇总多层级特征进行输出.mp4.mp4
│ │ ├1-注册自己的Backbone模块.mp4.mp4
│ │ ├2-配置文件指定.mp4.mp4
│ │ ├3-DEBUG解读Backbone设计.mp4.mp4
│ │ ├4-PatchEmbedding的作用与实现.mp4.mp4
│ │ ├5-卷积位置编码计算方法.mp4.mp4
│ │ ├6-近似Attention模块实现.mp4.mp4
│ │ ├7-完成特征提取与融合模块.mp4.mp4
│ │ ├8-分割任务输出模块.mp4.mp4
│ │ └9-全局特征的作用与实现.mp4.mp4
│ ├<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
│ │ ├2-COCO数据标注格式.mp4.mp4
│ │ ├3-通过脚本生成COCO数据格式.mp4.mp4
│ │ ├4-配置文件数据增强策略分析.mp4.mp4
│ │ ├5-训练所需配置说明.mp4.mp4
│ │ ├6-模型训练与DEMO演示.mp4.mp4
│ │ ├7-模型测试与可视化分析模块.mp4.mp4
│ │ └8-补充：评估指标.mp4.mp4
│ ├<9_第三模块：DeformableDetr物体检测源码分析>
│ │ ├10-分类与回归输出模块.mp4
│ │ ├11-预测输出结果与标签匹配模块.mp4
│ │ ├1-特征提取与位置编码.mp4
│ │ ├2-序列特征展开并叠加.mp4
│ │ ├3-得到相对位置点编码.mp4
│ │ ├4-准备Encoder编码层所需全部输入.mp4
│ │ ├5-编码层中的序列分析.mp4
│ │ ├6-偏移量offset计算.mp4
│ │ ├7-偏移量对齐操作.mp4
│ │ ├8-Encoder层完成特征对齐.mp4
│ │ └9-Decoder要完成的操作.mp4
├<5_Opencv图像处理框架实战>
│ ├<1_课程简介与环境配置>
│ │ ├0-课程简介2.mp4.mp4
│ │ ├2-Notebook与IDE环境.mp4.mp4
│ │ └2-Python与Opencv配置安装.mp4.mp4
│ ├<10_项目实战-文档扫描OCR识别>
│ │ ├1-整体流程演示.mp4.mp4
│ │ ├2-文档轮廓提取.mp4.mp4
│ │ ├3-原始与变换坐标计算.mp4.mp4
│ │ ├4-透视变换结果.mp4.mp4
│ │ ├5-tesseract-ocr安装配置.mp4.mp4
│ │ └6-文档扫描识别效果.mp4.mp4
│ ├<11_图像特征-harris>
│ │ ├1-角点检测基本原理.mp4.mp4
│ │ ├2-基本数学原理.mp4.mp4
│ │ ├3-求解化简.mp4.mp4
│ │ ├4-特征归属划分.mp4.mp4
│ │ └5-opencv角点检测效果.mp4.mp4
│ ├<12_图像特征-sift>
│ │ ├1-尺度空间定义.mp4.mp4
│ │ ├2-高斯差分金字塔.mp4.mp4
│ │ ├3-特征关键点定位.mp4.mp4
│ │ ├4-生成特征描述.mp4.mp4
│ │ ├5-特征向量生成.mp4.mp4
│ │ └6-opencv中sift函数使用.mp4.mp4
│ ├<13_案例实战-全景图像拼接>
│ │ ├1-特征匹配方法.mp4.mp4
│ │ ├2-RANSAC算法.mp4.mp4
│ │ ├2-图像拼接方法.mp4.mp4
│ │ └4-流程解读.mp4.mp4
│ ├<14_项目实战-停车场车位识别>
│ │ ├1-任务整体流程.mp4.mp4
│ │ ├2-所需数据介绍.mp4.mp4
│ │ ├3-图像数据预处理.mp4.mp4
│ │ ├4-车位直线检测.mp4.mp4
│ │ ├5-按列划分区域.mp4.mp4
│ │ ├6-车位区域划分.mp4.mp4
│ │ ├7-识别模型构建.mp4(1).mp4
│ │ ├7-识别模型构建.mp4.mp4
│ │ └8-基于视频的车位检测.mp4.mp4
│ ├<15_项目实战-答题卡识别判卷>
│ │ ├1-整体流程与效果概述.mp4.mp4
│ │ ├2-预处理操作.mp4.mp4
│ │ ├3-填涂轮廓检测.mp4.mp4
│ │ └4-选项判断识别.mp4.mp4
│ ├<16_背景建模>
│ │ ├1-背景消除-帧差法.mp4.mp4
│ │ ├2-混合高斯模型.mp4.mp4
│ │ ├3-学习步骤.mp4.mp4
│ │ └4-背景建模实战.mp4.mp4
│ ├<17_光流估计>
│ │ ├1-基本概念.mp4.mp4
│ │ ├2-Lucas-Kanade算法.mp4.mp4
│ │ ├3-推导求解.mp4.mp4
│ │ └4-光流估计实战.mp4.mp4
│ ├<18_Opencv的DNN模块>
│ │ ├1-dnn模块.mp4.mp4
│ │ └2-模型加载结果输出.mp4.mp4
│ ├<19_项目实战-目标追踪>
│ │ ├1-目标追踪概述.mp4.mp4
│ │ ├2-多目标追踪实战.mp4.mp4
│ │ ├3-深度学习检测框架加载.mp4.mp4
│ │ ├4-基于dlib与ssd的追踪.mp4.mp4
│ │ ├5-多进程目标追踪.mp4.mp4
│ │ └6-多进程效率提升对比.mp4.mp4
│ ├<2_图像基本操作>
│ │ ├1-计算机眼中的图像.mp4.mp4
│ │ ├2-视频的读取与处理.mp4.mp4
│ │ ├3-ROI区域.mp4.mp4
│ │ ├4-边界填充.mp4.mp4
│ │ └5-数值计算.mp4.mp4
│ ├<20_卷积原理与操作>
│ │ ├1-卷积神经网络的应用.mp4(1).mp4
│ │ ├1-卷积神经网络的应用.mp4.mp4
│ │ ├1-卷积效果演示.mp4.mp4
│ │ ├2-卷积操作流程.mp4.mp4
│ │ ├2-卷积层解释.mp4.mp4
│ │ ├3-卷积计算过程.mp4.mp4
│ │ ├4-pading与stride.mp4.mp4
│ │ ├5-卷积参数共享.mp4.mp4
│ │ └6-池化层原理.mp4.mp4
│ ├<21_项目实战-疲劳检测>
│ │ ├1-关键点定位概述.mp4.mp4
│ │ ├2-获取人脸关键点.mp4.mp4
│ │ ├3-定位效果演示.mp4.mp4
│ │ ├4-闭眼检测.mp4.mp4
│ │ └5-检测效果.mp4.mp4
│ ├<3_阈值与平滑处理>
│ │ ├1-图像平滑处理.mp4.mp4
│ │ ├2-高斯与中值滤波.mp4.mp4
│ │ └图像阈值.mp4.mp4
│ ├<4_图像形态学操作>
│ │ ├1-腐蚀操作.mp4.mp4
│ │ ├2-膨胀操作.mp4.mp4
│ │ ├3-开运算与闭运算.mp4.mp4
│ │ ├4-梯度计算.mp4.mp4
│ │ └5-礼帽与黑帽.mp4.mp4
│ ├<5_图像梯度计算>
│ │ ├1-Sobel算子.mp4.mp4
│ │ ├2-梯度计算方法.mp4.mp4
│ │ └3-scharr与lapkacian算子.mp4.mp4
│ ├<6_边缘检测>
│ │ ├1-Canny边缘检测流程.mp4.mp4
│ │ ├2-非极大值抑制.mp4.mp4
│ │ └3-边缘检测效果.mp4.mp4
│ ├<666JAVA下载必看>
│ │ ├高薪学习it网【海量资源：666java.com】.url
│ │ ├海量优质it资源【www.666java.com】.url
│ │ ├看看我【www.666java.com】.zip
│ │ ├课程总结【海量资源：666java.com】.mp4
│ │ ├面试合集【海量资源：666java.com】.txt
│ │ ├软件下载【海量资源：666java.com】.txt
│ │ ├下载必看.txt
│ │ └资料2【海量资源：666java.com】.zip
│ ├<7_图像金字塔与轮廓检测>
│ │ ├1-轮廓检测方法.mp4.mp4
│ │ ├1-模板匹配方法.mp4.mp4
│ │ ├1-图像金字塔定义.mp4.mp4
│ │ ├2-金字塔制作方法.mp4.mp4
│ │ ├2-轮廓检测结果.mp4.mp4
│ │ ├2-匹配效果展示.mp4.mp4
│ │ └3-轮廓特征与近似.mp4.mp4
│ ├<8_直方图与傅里叶变换>
│ │ ├1-傅里叶概述.mp4.mp4
│ │ ├1-直方图定义.mp4.mp4
│ │ ├2-均衡化原理.mp4.mp4
│ │ ├2-频域变换结果.mp4.mp4
│ │ ├3-低通与高通滤波.mp4.mp4
│ │ └3-均衡化效果.mp4.mp4
│ ├<9_项目实战-信用卡数字识别>
│ │ ├2-环境配置与预处理.mp4.mp4
│ │ ├3-模板处理方法.mp4.mp4
│ │ ├4-输入数据处理方法.mp4.mp4
│ │ ├5-模板匹配得出识别结果.mp4.mp4
│ │ └总体流程与方法讲解.mp4.mp4
├<6_综合项目-物体检测经典算法实战>
│ ├<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
│ │ ├2-不同阶段算法优缺点分析.mp4.mp4
│ │ ├3-IOU指标计算.mp4.mp4
│ │ ├4-评估所需参数计算.mp4.mp4
│ │ └5-map指标计算.mp4.mp4
│ ├<10_EfficientNet网络>
│ │ └第八课：EfficientNet网络模型.mp4.mp4
│ ├<11_EfficientDet检测算法>
│ │ └第十一章：EfficientDet检测算法.mp4.mp4
│ ├<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
│ │ ├2-整体网络架构分析.mp4.mp4
│ │ ├3-位置信息初始化query向量.mp4.mp4
│ │ ├4-注意力机制的作用方法.mp4.mp4
│ │ └5-训练过程的策略.mp4.mp4
│ ├<13_detr目标检测源码解读>
│ │ ├1-项目环境配置解读.mp4.mp4
│ │ ├2-数据处理与dataloader.mp4.mp4
│ │ ├3-位置编码作用分析.mp4.mp4
│ │ ├4-backbone特征提取模块.mp4.mp4
│ │ ├5-mask与编码模块.mp4.mp4
│ │ ├6-编码层作用方法.mp4.mp4
│ │ ├7-Decoder层操作与计算.mp4.mp4
│ │ ├8-输出预测结果.mp4.mp4
│ │ └9-损失函数与预测输出.mp4.mp4
│ ├<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
│ │ ├3-整体网络架构解读.mp4.mp4
│ │ ├4-位置损失计算.mp4.mp4
│ │ ├5-置信度误差与优缺点分析.mp4.mp4
│ │ └YOLO算法整体思路解读.mp4.mp4
│ ├<3_YOLO-V2改进细节详解>
│ │ ├2-网络结构特点.mp4.mp4
│ │ ├3-架构细节解读.mp4.mp4
│ │ ├4-基于聚类来选择先验框尺寸.mp4.mp4
│ │ ├5-偏移量计算方法.mp4.mp4
│ │ ├6-坐标映射与还原.mp4.mp4
│ │ ├7-感受野的作用.mp4.mp4
│ │ ├8-特征融合改进.mp4.mp4
│ │ └V2版本细节升级概述.mp4.mp4
│ ├<4_YOLO-V3核心网络模型>
│ │ ├1-V3版本改进概述.mp4.mp4
│ │ ├2-多scale方法改进与特征融合.mp4.mp4
│ │ ├3-经典变换方法对比分析.mp4.mp4
│ │ ├4-残差连接方法解读.mp4.mp4
│ │ ├5-整体网络模型架构分析.mp4.mp4
│ │ ├6-先验框设计改进.mp4.mp4
│ │ └7-sotfmax层改进.mp4.mp4
│ ├<5_项目实战-基于V3版本进行源码解读>
│ │ ├10-网格偏移计算.mp4.mp4
│ │ ├11-模型要计算的损失概述.mp4.mp4
│ │ ├12-标签值格式修改.mp4.mp4
│ │ ├13-坐标相对位置计算.mp4.mp4
│ │ ├14-完成所有损失函数所需计算指标.mp4.mp4
│ │ ├15-模型训练与总结.mp4.mp4
│ │ ├16-预测效果展示.mp4.mp4
│ │ ├1-数据与环境配置.mp4.mp4
│ │ ├2-训练参数设置.mp4.mp4
│ │ ├3-数据与标签读取.mp4.mp4
│ │ ├4-标签文件读取与处理.mp4.mp4
│ │ ├5-debug模式介绍.mp4.mp4
│ │ ├6-基于配置文件构建网络模型.mp4.mp4
│ │ ├7-路由层与shortcut层的作用.mp4.mp4
│ │ ├8-YOLO层定义解析.mp4.mp4
│ │ └9-预测结果计算.mp4.mp4
│ ├<6_基于YOLO-V3训练自己的数据集与任务>
│ │ ├1-Labelme工具安装.mp4.mp4
│ │ ├2-数据信息标注.mp4.mp4
│ │ ├3-完成标签制作.mp4.mp4
│ │ ├4-生成模型所需配置文件.mp4.mp4
│ │ ├5-json格式转换成yolo-v3所需输入.mp4.mp4
│ │ ├6-完成输入数据准备工作.mp4.mp4
│ │ ├7-训练代码与参数配置更改.mp4.mp4
│ │ └8-训练模型并测试效果.mp4.mp4
│ ├<7_YOLO-V4版本算法解读>
│ │ ├10-PAN模块解读.mp4.mp4
│ │ ├11-激活函数与整体架构总结.mp4.mp4
│ │ ├1-V4版本整体概述.mp4.mp4
│ │ ├2-V4版本贡献解读.mp4.mp4
│ │ ├3-数据增强策略分析.mp4.mp4
│ │ ├4-DropBlock与标签平滑方法.mp4.mp4
│ │ ├5-损失函数遇到的问题.mp4.mp4
│ │ ├6-CIOU损失函数定义.mp4.mp4
│ │ ├7-NMS细节改进.mp4.mp4
│ │ ├8-SPP与CSP网络结构.mp4.mp4
│ │ └9-SAM注意力机制模块.mp4.mp4
│ ├<8_V5版本项目配置>
│ │ ├1-整体项目概述.mp4.mp4
│ │ ├2-训练自己的数据集方法.mp4.mp4
│ │ ├3-训练数据参数配置.mp4.mp4
│ │ └4-测试DEMO演示.mp4.mp4
│ ├<9_V5项目工程源码解读>
│ │ ├10-完成配置文件解析任务.mp4.mp4
│ │ ├11-前向传播计算.mp4.mp4
│ │ ├12-BottleneckCSP层计算方法.mp4.mp4
│ │ ├13-1 SPP层计算细节分析.mp4.mp4
│ │ ├13-Head层流程解读.mp4.mp4
│ │ ├14-上采样与拼接操作.mp4.mp4
│ │ ├15-输出结果分析.mp4.mp4
│ │ ├16-超参数解读.mp4.mp4
│ │ ├17-命令行参数介绍.mp4.mp4
│ │ ├18-训练流程解读.mp4.mp4
│ │ ├19-各种训练策略概述.mp4.mp4
│ │ ├1-数据源DEBUG流程解读.mp4.mp4
│ │ ├20-模型迭代过程.mp4.mp4
│ │ ├2-图像数据源配置.mp4.mp4
│ │ ├3-加载标签数据.mp4.mp4
│ │ ├4-Mosaic数据增强方法.mp4.mp4
│ │ ├5-数据四合一方法与流程演示.mp4.mp4
│ │ ├6-getItem构建batch.mp4.mp4
│ │ ├7-网络架构图可视化工具安装.mp4.mp4
│ │ ├8-V5网络配置文件解读.mp4.mp4
│ │ └9-Focus模块流程分析.mp4.mp4
├<7_图像分割实战>
│ ├<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
│ │ ├2-分割任务中的目标函数定义.mp4.mp4
│ │ └3-MIOU评估标准.mp4.mp4
│ ├<10_MaskRcnn网络框架源码详解>
│ │ ├10-RoiPooling层的作用与目的.mp4.mp4
│ │ ├11-RorAlign操作的效果.mp4.mp4
│ │ ├12-整体框架回顾.mp4.mp4
│ │ ├1-FPN层特征提取原理解读.mp4.mp4
│ │ ├2-FPN网络架构实现解读.mp4.mp4
│ │ ├3-生成框比例设置.mp4.mp4
│ │ ├4-基于不同尺度特征图生成所有框.mp4.mp4
│ │ ├5-RPN层的作用与实现解读.mp4.mp4
│ │ ├6-候选框过滤方法.mp4.mp4
│ │ ├7-Proposal层实现方法.mp4.mp4
│ │ ├8-DetectionTarget层的作用.mp4.mp4
│ │ └9-正负样本选择与标签定义.mp4.mp4
│ ├<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
│ │ ├2-使用labelme进行数据与标签标注.mp4.mp4
│ │ ├3-完成训练数据准备工作.mp4.mp4
│ │ ├4-maskrcnn源码修改方法.mp4.mp4
│ │ ├5-基于标注数据训练所需任务.mp4.mp4
│ │ └6-测试与展示模块.mp4.mp4
│ ├<2_卷积神经网络原理与参数解读>
│ │ ├10-VGG网络架构.mp4.mp4
│ │ ├11-残差网络Resnet.mp4.mp4
│ │ ├12-感受野的作用.mp4.mp4
│ │ ├1-卷积神经网络应用领域.mp4.mp4
│ │ ├2-卷积的作用.mp4.mp4
│ │ ├3-卷积特征值计算方法.mp4.mp4
│ │ ├4-得到特征图表示.mp4.mp4
│ │ ├5-步长与卷积核大小对结果的影响.mp4.mp4
│ │ ├6-边缘填充方法.mp4.mp4
│ │ ├7-特征图尺寸计算与参数共享.mp4.mp4
│ │ ├8-池化层的作用.mp4.mp4
│ │ └9-1整体网络架构.mp4.mp4
│ ├<3_Unet系列算法讲解>
│ │ ├1-Unet网络编码与解码过程.mp4.mp4
│ │ ├2-网络计算流程.mp4.mp4
│ │ ├3-Unet升级版本改进.mp4.mp4
│ │ └4-后续升级版本介绍.mp4.mp4
│ ├<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
│ │ ├2-数据增强工具.mp4.mp4
│ │ ├3-Debug模式演示网络计算流程.mp4.mp4
│ │ ├4-特征融合方法演示.mp4.mp4
│ │ ├5-迭代完成整个模型计算任务.mp4.mp4
│ │ └6-模型效果验证.mp4.mp4
│ ├<5_U2NET显著姓检测实战>
│ │ ├1-任务目标与网络整体介绍.mp4.mp4
│ │ ├2-显著姓检测任务与目标概述.mp4.mp4
│ │ ├3-编码器模块解读.mp4.mp4
│ │ ├4-解码器输出结果.mp4.mp4
│ │ └5-损失函数与应用效果.mp4.mp4
│ ├<6_deeplab系列算法>
│ │ ├1-deeplab分割算法概述.mp4.mp4
│ │ ├2-空洞卷积的作用.mp4.mp4
│ │ ├3-感受野的意义.mp4.mp4
│ │ ├4-SPP层的作用.mp4.mp4
│ │ ├5-ASPP特征融合策略.mp4.mp4
│ │ └6-deeplabV3Plus版本网络架构.mp4.mp4
│ ├<7_基于deeplabV3+版本进行VOC分割实战>
│ │ ├1-PascalVoc数据集介绍.mp4.mp4
│ │ ├2-项目参数与数据集读取.mp4.mp4
│ │ ├3-网络前向传播流程.mp4.mp4
│ │ ├4-ASPP层特征融合.mp4.mp4
│ │ └5-分割模型训练.mp4.mp4
│ ├<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
│ │ ├2-项目基本配置参数.mp4.mp4
│ │ ├3-任务流程解读.mp4.mp4
│ │ ├4-文献报告分析.mp4.mp4
│ │ ├5-补充：视频数据源特征处理方法概述.mp4.mp4
│ │ └6-补充：R(2plus1)D处理方法分析.mp4.mp4
│ ├<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
│ │ ├0-参数配置.mp4.mp4
│ │ └0-开源项目数据集.mp4.mp4
├<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
│ │ ├2-核心网络结构模块分析.mp4.mp4
│ │ ├3-数据采样曾的作用.mp4.mp4
│ │ ├4-模型网络结构设计.mp4.mp4
│ │ └5-特征融合模块与总结分析.mp4.mp4
│ ├<2_slowfast项目环境配置与配置文件>
│ │ ├1-环境基本配置解读.mp4.mp4
│ │ ├2-目录各文件分析.mp4.mp4
│ │ ├3-配置文件作用解读.mp4.mp4
│ │ ├4-测试DEMO演示1.mp4.mp4
│ │ ├5-训练所需标签文件说明.mp4.mp4
│ │ ├6-训练所需视频数据准备.mp4.mp4
│ │ ├7-视频数据集切分操作.mp4.mp4
│ │ └8-完成视频分帧操作.mp4.mp4
│ ├<3_slowfast源码详细解读>
│ │ ├10-RoiAlign与输出层1.mp4.mp4
│ │ ├1-模型所需配置文件参数读取1.mp4.mp4
│ │ ├2-数据处理概述1.mp4.mp4
│ │ ├3-dataloader数据遍历方法1.mp4.mp4
│ │ ├4-数据与标签读取实例1.mp4.mp4
│ │ ├5-图像数据所需预处理方法1.mp4.mp4
│ │ ├6-slow与fast分别执行采样操作1.mp4.mp4
│ │ ├7-分别计算特征图输出结果1.mp4.mp4
│ │ ├8-slow与fast特征图拼接操作1.mp4.mp4
│ │ └9-resnetBolock操作1.mp4.mp4
│ ├<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
│ │ ├2-UCF101动作识别数据集简介.mp4.mp4
│ │ ├3-测试效果与项目配置.mp4.mp4
│ │ ├4-视频数据预处理方法.mp4.mp4
│ │ ├5-数据Batch制作方法.mp4.mp4
│ │ ├6-3D卷积网络所涉及模块.mp4.mp4
│ │ └7-训练网络模型.mp4.mp4
│ ├<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
│ │ ├2-基本思想与流程分析.mp4.mp4
│ │ ├3-预测与常见问题.mp4.mp4
│ │ ├4-Meta-Learn要解决的问题.mp4.mp4
│ │ ├5-学习能力与参数定义.mp4.mp4
│ │ ├6-如何找到合适的初始化参数.mp4.mp4
│ │ └7-MAML算法流程解读.mp4.mp4
│ ├<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
│ │ ├2-数据集配置与读取.mp4.mp4
│ │ ├3-模型编码与解码结构.mp4.mp4
│ │ ├4-注意力机制模块打造.mp4.mp4
│ │ ├5-损失函数的目的.mp4.mp4
│ │ ├6-特征图生成.mp4.mp4
│ │ └7-MetaLearn与输出.mp4.mp4
│ ├<666JAVA下载必看>
│ │ ├高薪学习it网【海量资源：666java.com】.url
│ │ ├海量优质it资源【www.666java.com】.url
│ │ ├看看我【www.666java.com】.zip
│ │ ├课程总结【海量资源：666java.com】.mp4
│ │ ├面试合集【海量资源：666java.com】.txt
│ │ ├软件下载【海量资源：666java.com】.txt
│ │ ├下载必看.txt
│ │ └资料2【海量资源：666java.com】.zip
│ ├<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
│ │ ├2-Resnet网络架构原理分析.mp4.mp4
│ │ ├3-dataloader加载数据集.mp4.mp4
│ │ ├4-Resnet网络前向传播.mp4.mp4
│ │ ├5-残差网络的shortcut操作.mp4.mp4
│ │ ├6-特征图升维与降采样操作.mp4.mp4
│ │ └7-网络整体流程与训练演示.mp4.mp4
├<9_2022论文必备-Transformer实战系列>
│ ├<1_课程介绍>
│ │ └课程介绍1.mp4.mp4
│ ├<10_MedicalTransformer源码解读>
│ │ ├1-项目环境配置1.mp4.mp4
│ │ ├2-医学数据介绍与分析1.mp4.mp4
│ │ ├3-基本处理操作1.mp4.mp4
│ │ ├4-AxialAttention实现过程1.mp4.mp4
│ │ ├5-位置编码向量解读1.mp4.mp4
│ │ ├6-注意力计算过程与方法1.mp4.mp4
│ │ └7-局部特征提取与计算1.mp4.mp4
│ ├<11_商汤LoFTR算法解读>
│ │ ├10-总结分析.mp4.mp4
│ │ ├1-特征匹配的应用场景.mp4.mp4
│ │ ├2-特征匹配的基本流程分析.mp4.mp4
│ │ ├3-整体流程梳理分析.mp4.mp4
│ │ ├4-CrossAttention的作用与效果.mp4.mp4
│ │ ├5-transformer构建匹配特征.mp4.mp4
│ │ ├6-粗粒度匹配过程与作用.mp4.mp4
│ │ ├7-特征图拆解操作.mp4.mp4
│ │ ├8-细粒度匹配的作用与方法.mp4.mp4
│ │ └9-基于期望预测最终位置.mp4.mp4
│ ├<12_局部特征关键点匹配实战>
│ │ ├10-得到精细化输出结果1.mp4.mp4
│ │ ├11-通过期望计算最终输出1.mp4.mp4
│ │ ├1-项目与参数配置解读1.mp4.mp4
│ │ ├2-DEMO效果演示1.mp4.mp4
│ │ ├3-backbone特征提取模块1.mp4.mp4
│ │ ├4-注意力机制的作用与效果分析1.mp4.mp4
│ │ ├5-特征融合模块实现方法1.mp4.mp4
│ │ ├6-cross关系计算方法实例1.mp4.mp4
│ │ ├7-粗粒度匹配过程1.mp4.mp4
│ │ ├8-完成基础匹配模块1.mp4.mp4
│ │ └9-精细化调整方法与实例1.mp4.mp4
│ ├<13_项目补充-谷歌开源项目BERT源码解读与应用实例>
│ │ ├10-构建QKV矩阵1.mp4.mp4
│ │ ├11-完成Transformer模块构建1.mp4.mp4
│ │ ├12-训练BERT模型1.mp4.mp4
│ │ ├1-BERT开源项目简介1.mp4.mp4
│ │ ├2-项目参数配置1.mp4.mp4
│ │ ├3-数据读取模块1.mp4.mp4
│ │ ├4-数据预处理模块1.mp4.mp4
│ │ ├6-Embedding层的作用1.mp4.mp4
│ │ ├7-加入额外编码特征1.mp4.mp4
│ │ ├8-加入位置编码特征1.mp4.mp4
│ │ ├9-mask机制1.mp4.mp4
│ │ └tfrecord制作1.mp4.mp4
│ ├<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
│ │ ├2-读取处理自己的数据集1.mp4.mp4
│ │ └3-训练BERT中文分类模型1.mp4.mp4
│ ├<2_自然语言处理通用框架BERT原理解读>
│ │ ├10-训练实例.mp4.mp4
│ │ ├1-BERT任务目标概述.mp4.mp4
│ │ ├2-传统解决方案遇到的问题1.mp4.mp4
│ │ ├3-注意力机制的作用1.mp4.mp4
│ │ ├4-self-attention计算方法1.mp4.mp4
│ │ ├5-特征分配与softmax机制1.mp4.mp4
│ │ ├6-Multi-head的作用1.mp4.mp4
│ │ ├7-位置编码与多层堆叠1.mp4.mp4
│ │ ├8-transformer整体架构梳理.mp4.mp4
│ │ └9-BERT模型训练方法.mp4.mp4
│ ├<3_Transformer在视觉中的应用VIT算法>
│ │ ├1-transformer发家史介绍1.mp4.mp4
│ │ ├2-对图像数据构建patch序列1.mp4.mp4
│ │ ├3-VIT整体架构解读1.mp4.mp4
│ │ ├4-CNN遇到的问题与窘境1.mp4.mp4
│ │ ├5-计算公式解读1.mp4.mp4
│ │ ├6-位置编码与TNT模型1.mp4.mp4
│ │ └7-TNT模型细节分析1.mp4.mp4
│ ├<4_VIT算法模型源码解读>
│ │ ├1-项目配置说明1.mp4.mp4
│ │ ├2-输入序列构建方法解读1.mp4.mp4
│ │ ├3-注意力机制计算1.mp4.mp4
│ │ └4-输出层计算结果1.mp4.mp4
│ ├<5_swintransformer算法原理解析>
│ │ ├10-分层计算方法1.mp4.mp4
│ │ ├1-swintransformer整体概述1.mp4.mp4
│ │ ├2-要解决的问题及其优势分析1.mp4.mp4
│ │ ├3-一个block要完成的任务1.mp4.mp4
│ │ ├4-获取各窗口输入特征1.mp4.mp4
│ │ ├5-基于窗口的注意力机制解读1.mp4.mp4
│ │ ├6-窗口偏移操作的实现1.mp4.mp4
│ │ ├7-偏移细节分析及其计算量概述1.mp4.mp4
│ │ ├8-整体网络架构整合1.mp4.mp4
│ │ └9-下采样操作实现方法1.mp4.mp4
│ ├<6_swintransformer源码解读>
│ │ ├1-数据与环境配置解读1.mp4.mp4
│ │ ├2-图像数据patch编码1.mp4.mp4
│ │ ├3-数据按window进行划分计算1.mp4.mp4
│ │ ├4-基础attention计算模块1.mp4.mp4
│ │ ├5-窗口位移模块细节分析1.mp4.mp4
│ │ ├6-patchmerge下采样操作1.mp4.mp4
│ │ ├7-各block计算方法解读1.mp4.mp4
│ │ └8-输出层概述1.mp4.mp4
│ ├<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
│ │ ├2-整体网络架构分析1.mp4.mp4
│ │ ├3-位置信息初始化query向量1.mp4.mp4
│ │ ├4-注意力机制的作用方法1.mp4.mp4
│ │ └5-训练过程的策略1.mp4.mp4
│ ├<8_detr目标检测源码解读>
│ │ ├1-项目环境配置解读2.mp4.mp4
│ │ ├2-数据处理与dataloader2.mp4.mp4
│ │ ├3-位置编码作用分析2.mp4.mp4
│ │ ├4-backbone特征提取模块1.mp4.mp4
│ │ ├5-mask与编码模块1.mp4.mp4
│ │ ├6-编码层作用方法1.mp4.mp4
│ │ ├7-Decoder层操作与计算1.mp4.mp4
│ │ ├8-输出预测结果1.mp4.mp4
│ │ └9-损失函数与预测输出1.mp4.mp4
│ ├<9_MedicalTrasnformer论文解读>
│ │ ├1-论文整体分析.mp4.mp4
│ │ ├2-核心思想分析.mp4.mp4
│ │ ├3-网络结构计算流程概述.mp4.mp4
│ │ ├4-论文公式计算分析.mp4.mp4
│ │ ├5-位置编码的作用与效果.mp4.mp4
│ │ └6-拓展应用分析.mp4.mp4