GP-P5人工智能深度學(xué)習(xí)高薪就業(yè)班

harding · 發(fā)表于 2023-3-2 01:17:46

GP-P5人工智能深度學(xué)習(xí)高薪就業(yè)班

隨著新基建產(chǎn)業(yè)的迅猛發(fā)展, 2022年人工智能產(chǎn)業(yè)規(guī)模將達(dá)2729億元，5年年復(fù)合增長率高達(dá)69.79%。人力資源社會保障部報告顯示，我國人工智能人才缺口超過500萬,平均每個候選人有5-10個工作機會，人才緊缺已經(jīng)成為制約產(chǎn)業(yè)發(fā)展的首要瓶頸。

本課系統(tǒng)講解了人工智能深度學(xué)習(xí)，深度學(xué)習(xí)+計算機視覺+自然語言處理, Al領(lǐng)域全面覆蓋。以實例的形式進行算法講解,通俗、易懂、接地氣，所有算法均給出相應(yīng)實現(xiàn)案例及其應(yīng)用項目,內(nèi)容覆蓋200+案例, 30+應(yīng)用場景。通俗講解各大領(lǐng)域經(jīng)典與最新論文，結(jié)合論文展開項目實戰(zhàn)，結(jié)合數(shù)據(jù)與業(yè)務(wù)背景展開建模與分析實戰(zhàn)。

課程目錄：

├── 10_圖神經(jīng)網(wǎng)絡(luò)實戰(zhàn)/
│ ├── 1_圖神經(jīng)網(wǎng)絡(luò)基礎(chǔ)/
│ │ ├── [ 26M] 1-圖神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域分析.mp4
│ │ ├── [ 11M] 2-圖基本模塊定義.mp4
│ │ ├── [ 16M] 3-鄰接矩陣的定義.mp4
│ │ ├── [ 19M] 4-GNN中常見任務(wù).mp4
│ │ ├── [ 14M] 5-消息傳遞計算方法.mp4
│ │ └── [ 13M] 6-多層GCN的作用.mp4
│ ├── 2_圖卷積GCN模型/
│ │ ├── [ 13M] 1-GCN基本模型概述.mp4
│ │ ├── [ 13M] 2-圖卷積的基本計算方法.mp4
│ │ ├── [ 18M] 3-鄰接的矩陣的變換.mp4
│ │ └── [ 21M] 4-GCN變換原理解讀.mp4
│ ├── 3_圖模型必備神器PyTorch Geometric安裝與使用/
│ │ ├── [ 45M] 1-PyTorch Geometric工具包安裝與配置方法.mp4
│ │ ├── [ 52M] 2-數(shù)據(jù)集與鄰接矩陣格式.mp4
│ │ ├── [ 42M] 3-模型定義與訓(xùn)練方法.mp4
│ │ └── [ 48M] 4-文獻(xiàn)引用數(shù)據(jù)集分類案例實戰(zhàn).mp4
│ ├── 4_使用PyTorch Geometric構(gòu)建自己的圖數(shù)據(jù)集/
│ │ ├── [ 13M] 1-構(gòu)建數(shù)據(jù)集基本方法.mp4
│ │ ├── [ 22M] 2-數(shù)據(jù)集與任務(wù)背景概述.mp4
│ │ ├── [ 32M] 3-數(shù)據(jù)集基本預(yù)處理.mp4
│ │ ├── [ 37M] 4-用戶行為圖結(jié)構(gòu)創(chuàng)建.mp4
│ │ ├── [ 35M] 5-數(shù)據(jù)集創(chuàng)建函數(shù)介紹.mp4
│ │ ├── [ 37M] 6-網(wǎng)絡(luò)結(jié)構(gòu)定義模塊.mp4
│ │ ├── [ 31M] 7-TopkPooling進行下采樣任務(wù).mp4
│ │ ├── [ 26M] 8-獲取全局特征.mp4
│ │ └── [ 36M] 9-模型訓(xùn)練與總結(jié).mp4
│ ├── 5_圖注意力機制與序列圖模型/
│ │ ├── [ 17M] 1-圖注意力機制的作用與方法.mp4
│ │ ├── [ 21M] 2-鄰接矩陣計算圖Attention.mp4
│ │ ├── [ 13M] 3-序列圖神經(jīng)網(wǎng)絡(luò)TGCN應(yīng)用.mp4
│ │ └── [ 24M] 4-序列圖神經(jīng)網(wǎng)絡(luò)細(xì)節(jié).mp4
│ ├── 6_圖相似度論文解讀/
│ │ ├── [ 48M] 1-要完成的任務(wù)分析.mp4
│ │ ├── [ 53M] 2-基本方法概述解讀.mp4
│ │ ├── [ 47M] 3-圖模型提取全局與局部特征.mp4
│ │ ├── [ 41M] 4-NTN模塊的作用與效果.mp4
│ │ ├── [ 51M] 5-點之間的對應(yīng)關(guān)系計算.mp4
│ │ └── [ 71M] 6-結(jié)果輸出與總結(jié).mp4
│ ├── 7_圖相似度計算實戰(zhàn)/
│ │ ├── [ 18M] 1-數(shù)據(jù)集與任務(wù)概述3.mp4
│ │ ├── [ 56M] 2-圖卷積特征提取模塊3.mp4
│ │ ├── [ 32M] 3-分別計算不同Batch點的分布3.mp4
│ │ ├── [ 21M] 4-獲得直方圖特征結(jié)果.mp4
│ │ ├── [ 31M] 5-圖的全局特征構(gòu)建.mp4
│ │ ├── [ 39M] 6-NTN圖相似特征提取.mp4
│ │ └── [ 19M] 7-預(yù)測得到相似度結(jié)果.mp4
│ ├── 8_基于圖模型的軌跡估計/
│ │ ├── [ 58M] 1-數(shù)據(jù)集與標(biāo)注信息解讀.mp4
│ │ ├── [ 72M] 2-整體三大模塊分析.mp4
│ │ ├── [ 42M] 3-特征工程的作用與效果.mp4
│ │ ├── [ 52M] 4-傳統(tǒng)方法與現(xiàn)在向量空間對比.mp4
│ │ ├── [ 50M] 5-輸入細(xì)節(jié)分析.mp4
│ │ ├── [ 43M] 6-子圖模塊構(gòu)建方法.mp4
│ │ ├── [ 48M] 7-特征融合模塊分析.mp4
│ │ └── [ 85M] 8-VectorNet輸出層分析.mp4
│ └── 9_圖模型軌跡估計實戰(zhàn)/
│ ├── [ 35M] 1-數(shù)據(jù)與環(huán)境配置4.mp4
│ ├── [ 28M] 2-訓(xùn)練數(shù)據(jù)準(zhǔn)備4.mp4
│ ├── [ 38M] 3-Agent特征提取方法4.mp4
│ ├── [ 29M] 4-DataLoader構(gòu)建圖結(jié)構(gòu)4.mp4
│ └── [ 35M] 5-SubGraph與Attention模型流程4.mp4
├── 1_直播課回放/
│ ├── 1_直播1：開班典禮/
│ │ └── [1.9G] 1人工智能CV NLP高薪實戰(zhàn)班.mp4
│ ├── 2_Pycharm環(huán)境配置與Debug演示(沒用過的同學(xué)必看)/
│ │ └── [125M] Pycharm環(huán)境配置與Debug演示(沒用過的同學(xué)必看).mp4
│ ├── 3_直播2：深度學(xué)習(xí)必備基礎(chǔ)-神經(jīng)網(wǎng)絡(luò)與卷積網(wǎng)絡(luò)/
│ │ └── [938M] 1.深度學(xué)習(xí)必備基礎(chǔ)-神經(jīng)網(wǎng)絡(luò)與卷積網(wǎng)絡(luò).mp4
│ ├── 4_直播3：Transformer原理及其各領(lǐng)域應(yīng)用分析/
│ │ └── [518M] Transformer原理及其各領(lǐng)域應(yīng)用分析.mp4
│ ├── 5_額外補充：時間序列預(yù)測/
│ │ └── [527M] 額外補充：時間序列預(yù)測.mp4
│ └── 6_直播4：Informer時間序列預(yù)測源碼解讀/
│ └── [2.0G] Informer時間序列預(yù)測源碼解讀.mp4
├── 2_深度學(xué)習(xí)必備核心算法/
│ ├── 1_神經(jīng)網(wǎng)絡(luò)算法解讀/
│ │ └── [860M] 1-神經(jīng)網(wǎng)絡(luò)算法解讀.mp4
│ ├── 2_卷積神經(jīng)網(wǎng)絡(luò)算法解讀/
│ │ └── [558M] 2-卷積神經(jīng)網(wǎng)絡(luò)算法解讀.mp4
│ └── 3_遞歸神經(jīng)網(wǎng)絡(luò)算法解讀/
│ └── [457M] 3-遞歸神經(jīng)網(wǎng)絡(luò)算法解讀.mp4
├── 3_深度學(xué)習(xí)核心框架PyTorch/
│ ├── 1_PyTorch框架介紹與配置安裝/
│ │ ├── [ 33M] 1-PyTorch框架與其他框架區(qū)別分析1.mp4
│ │ └── [101M] 2-CPU與GPU版本安裝方法解讀1.mp4
│ ├── 2_使用神經(jīng)網(wǎng)絡(luò)進行分類任務(wù)/
│ │ ├── [ 43M] 1-數(shù)據(jù)集與任務(wù)概述2.mp4
│ │ ├── [ 48M] 2-基本模塊應(yīng)用測試2.mp4
│ │ ├── [ 56M] 3-網(wǎng)絡(luò)結(jié)構(gòu)定義方法2.mp4
│ │ ├── [ 39M] 4-數(shù)據(jù)源定義簡介2.mp4
│ │ ├── [ 42M] 5-損失與訓(xùn)練模塊分析2.mp4
│ │ ├── [ 55M] 6-訓(xùn)練一個基本的分類模型2.mp4
│ │ └── [ 52M] 7-參數(shù)對結(jié)果的影響2.mp4
│ ├── 3_神經(jīng)網(wǎng)絡(luò)回歸任務(wù)-氣溫預(yù)測/
│ │ └── [254M] 神經(jīng)網(wǎng)絡(luò)回歸任務(wù)-氣溫預(yù)測1.mp4
│ ├── 4_卷積網(wǎng)絡(luò)參數(shù)解讀分析/
│ │ ├── [ 56M] 1-輸入特征通道分析2.mp4
│ │ ├── [ 41M] 2-卷積網(wǎng)絡(luò)參數(shù)解讀2.mp4
│ │ └── [ 77M] 3-卷積網(wǎng)絡(luò)模型訓(xùn)練2.mp4
│ ├── 5_圖像識別模型與訓(xùn)練策略（重點）/
│ │ ├── [ 52M] 1-任務(wù)分析與圖像數(shù)據(jù)基本處理2.mp4
│ │ ├── [151M] 10-測試結(jié)果演示分析1.mp4
│ │ ├── [ 55M] 2-數(shù)據(jù)增強模塊2.mp4
│ │ ├── [ 52M] 3-數(shù)據(jù)集與模型選擇1.mp4
│ │ ├── [ 68M] 4-遷移學(xué)習(xí)方法解讀1.mp4
│ │ ├── [ 80M] 5-輸出層與梯度設(shè)置1.mp4
│ │ ├── [ 63M] 6-輸出類別個數(shù)修改1.mp4
│ │ ├── [ 66M] 7-優(yōu)化器與學(xué)習(xí)率衰減1.mp4
│ │ ├── [ 68M] 8-模型訓(xùn)練方法1.mp4
│ │ └── [ 60M] 9-重新訓(xùn)練全部模型1.mp4
│ ├── 6_DataLoader自定義數(shù)據(jù)集制作/
│ │ ├── [ 43M] 1-Dataloader要完成的任務(wù)分析1.mp4
│ │ ├── [ 59M] 2-圖像數(shù)據(jù)與標(biāo)簽路徑處理1.mp4
│ │ ├── [ 47M] 3-Dataloader中需要實現(xiàn)的方法分析1.mp4
│ │ └── [ 78M] 4-實用Dataloader加載數(shù)據(jù)并訓(xùn)練模型1.mp4
│ ├── 7_LSTM文本分類實戰(zhàn)/
│ │ ├── [ 53M] 1-數(shù)據(jù)集與任務(wù)目標(biāo)分析1.mp4
│ │ ├── [ 56M] 2-文本數(shù)據(jù)處理基本流程分析1.mp4
│ │ ├── [ 37M] 3-命令行參數(shù)與DEBUG1.mp4
│ │ ├── [ 41M] 4-訓(xùn)練模型所需基本配置參數(shù)分析1.mp4
│ │ ├── [ 32M] 5-預(yù)料表與字符切分1.mp4
│ │ ├── [ 34M] 6-字符預(yù)處理轉(zhuǎn)換ID1.mp4
│ │ ├── [ 35M] 7-LSTM網(wǎng)絡(luò)結(jié)構(gòu)基本定義1.mp4
│ │ ├── [ 39M] 8-網(wǎng)絡(luò)模型預(yù)測結(jié)果輸出1.mp4
│ │ └── [ 45M] 9-模型訓(xùn)練任務(wù)與總結(jié)1.mp4
│ └── 8_PyTorch框架Flask部署例子/
│ ├── [ 21M] 1-基本結(jié)構(gòu)與訓(xùn)練好的模型加載.mp4
│ ├── [ 41M] 2-服務(wù)端處理與預(yù)測函數(shù).mp4
│ └── [ 46M] 3-基于Flask測試模型預(yù)測結(jié)果.mp4
├── 4_MMLAB實戰(zhàn)系列/
│ ├── 10_第四模塊：DBNET文字檢測/
│ │ ├── [ 57M] 1-文字檢測數(shù)據(jù)概述與配置文件.mp4
│ │ ├── [ 39M] 2-配置文件參數(shù)設(shè)置.mp4
│ │ ├── [ 32M] 3-Neck層特征組合.mp4
│ │ ├── [ 43M] 4-損失函數(shù)模塊概述.mp4
│ │ └── [ 59M] 5-損失計算方法.mp4
│ ├── 11_第四模塊：ANINET文字識別/
│ │ ├── [ 56M] 1-數(shù)據(jù)集與環(huán)境概述.mp4
│ │ ├── [ 52M] 2-配置文件修改方法.mp4
│ │ ├── [ 42M] 3-Bakbone模塊得到特征.mp4
│ │ ├── [ 46M] 4-視覺Transformer模塊的作用.mp4
│ │ ├── [ 54M] 5-視覺模型中的編碼與解碼的效果.mp4
│ │ ├── [ 39M] 6-文本模型中的結(jié)構(gòu)分析.mp4
│ │ ├── [ 38M] 7-迭代修正模塊.mp4
│ │ └── [ 53M] 8-輸出層與損失計算.mp4
│ ├── 12_第五模塊：stylegan2源碼解讀/
│ │ ├── [ 58M] 1-要完成的任務(wù)與基本思想概述.mp4
│ │ ├── [ 70M] 2-得到style特征編碼.mp4
│ │ ├── [ 37M] 3-特征編碼風(fēng)格拼接.mp4
│ │ ├── [ 55M] 4-基礎(chǔ)風(fēng)格特征卷積模塊.mp4
│ │ ├── [ 41M] 5-上采樣得到輸出結(jié)果.mp4
│ │ └── [ 27M] 6-損失函數(shù)概述.mp4
│ ├── 12_第四模塊：KIE基于圖模型的關(guān)鍵信息抽取/
│ │ ├── [ 52M] 1-配置文件以及要完成的任務(wù)解讀.mp4
│ │ ├── [ 69M] 2-KIE數(shù)據(jù)集格式調(diào)整方法.mp4
│ │ ├── [ 48M] 3-配置文件與標(biāo)簽要進行處理操作.mp4
│ │ ├── [ 36M] 4-邊框要計算的特征分析.mp4
│ │ ├── [ 56M] 5-標(biāo)簽數(shù)據(jù)處理與關(guān)系特征提取.mp4
│ │ ├── [ 44M] 6-特征合并處理.mp4
│ │ ├── [ 41M] 7-準(zhǔn)備拼接邊與點特征.mp4
│ │ └── [ 72M] 8-整合得到圖模型輸入特征.mp4
│ ├── 13_第六模塊：BasicVSR++視頻超分辨重構(gòu)源碼解讀/
│ │ ├── [ 27M] 1-要完成的任務(wù)分析與配置文件.mp4
│ │ ├── [ 62M] 10-傳播流程整體完成一圈.mp4
│ │ ├── [ 52M] 11-完成輸出結(jié)果.mp4
│ │ ├── [ 45M] 2-特征基礎(chǔ)提取模塊.mp4
│ │ ├── [ 26M] 3-光流估計網(wǎng)絡(luò)模塊.mp4
│ │ ├── [ 40M] 4-基于光流完成對齊操作.mp4
│ │ ├── [ 32M] 5-偏移量計算方法1.mp4
│ │ ├── [ 37M] 6-雙向計算特征對齊.mp4
│ │ ├── [ 37M] 7-提特征傳遞流程分析.mp4
│ │ ├── [ 40M] 8-序列傳播計算.mp4
│ │ └── [ 45M] 9-準(zhǔn)備變形卷積模塊的輸入.mp4
│ ├── 14_第七模塊：多模態(tài)3D目標(biāo)檢測算法源碼解讀/
│ │ ├── [ 52M] 1-環(huán)境配置與數(shù)據(jù)集概述.mp4
│ │ ├── [ 57M] 10-3D卷積特征融合.mp4
│ │ ├── [ 81M] 11-輸出層預(yù)測結(jié)果.mp4
│ │ ├── [ 37M] 2-數(shù)據(jù)與標(biāo)注文件介紹.mp4
│ │ ├── [ 50M] 3-基本流程梳理并進入debug模式.mp4
│ │ ├── [ 58M] 4-數(shù)據(jù)與圖像特征提取模塊.mp4
│ │ ├── [ 65M] 5-體素索引位置獲取.mp4
│ │ ├── [ 38M] 6-體素特征提取方法解讀.mp4
│ │ ├── [ 71M] 7-體素特征計算方法分析.mp4
│ │ ├── [ 96M] 8-全局體素特征提取.mp4
│ │ └── [ 68M] 9-多模態(tài)特征融合.mp4
│ ├── 15_第八模塊：模型蒸餾應(yīng)用實例/
│ │ ├── [ 40M] 1-任務(wù)概述與工具使用.mp4
│ │ ├── [ 46M] 2-Teacher與Student網(wǎng)絡(luò)結(jié)構(gòu)定義.mp4
│ │ ├── [ 71M] 3-訓(xùn)練T與S得到蒸餾模型.mp4
│ │ ├── [ 57M] 4-開始模型訓(xùn)練過程與問題修正.mp4
│ │ ├── [ 70M] 5-日志輸出與模型分離.mp4
│ │ ├── [ 46M] 6-分別得到Teacher與Student模型.mp4
│ │ └── [ 39M] 7-實際測試效果演示.mp4
│ ├── 16_第八模塊：模型剪枝方法概述分析/
│ │ ├── [ 41M] 1-SuperNet網(wǎng)絡(luò)結(jié)構(gòu)分析與剪枝概述.mp4
│ │ └── [ 47M] 2-搜索匹配到符合計算量的模型并訓(xùn)練.mp4
│ ├── 17_第九模塊：mmaction行為識別/
│ │ └── [233M] 創(chuàng)建自己的行為識別標(biāo)注數(shù)據(jù)集.mp4
│ ├── 18_額外補充/
│ │ └── [122M] 在源碼中加入各種注意力機制方法.mp4
│ ├── 1_MMCV安裝方法/
│ │ └── [ 56M] MMCV安裝方法.mp4
│ ├── 2_第一模塊：分類任務(wù)基本操作/
│ │ ├── [ 32M] 1-準(zhǔn)備MMCLS項目.mp4
│ │ ├── [ 35M] 2-基本參數(shù)配置解讀.mp4
│ │ ├── [ 36M] 3-各模塊配置文件組成.mp4
│ │ ├── [ 24M] 4-生成完整配置文件.mp4
│ │ ├── [ 40M] 5-根據(jù)文件夾定義數(shù)據(jù)集.mp4
│ │ ├── [ 36M] 6-構(gòu)建自己的數(shù)據(jù)集.mp4
│ │ ├── [ 39M] 7-訓(xùn)練自己的任務(wù).mp4
│ │ └── [ 23M] MMCLS問題修正1.mp4
│ ├── 3_第一模塊：訓(xùn)練結(jié)果測試與驗證/
│ │ ├── [ 25M] 1-測試DEMO效果.mp4
│ │ ├── [ 28M] 2-測試評估模型效果.mp4
│ │ ├── [ 63M] 3-MMCLS中增加一個新的模塊.mp4
│ │ ├── [ 68M] 4-修改配置文件中的參數(shù).mp4
│ │ ├── [ 37M] 5-數(shù)據(jù)增強流程可視化展示.mp4
│ │ ├── [ 41M] 6-Grad-Cam可視化方法.mp4
│ │ ├── [124M] 7-可視化細(xì)節(jié)與效果分析.mp4
│ │ ├── [ 72M] 8-MMCLS可視化模塊應(yīng)用.mp4
│ │ └── [ 36M] 9-模型分析腳本使用.mp4
│ ├── 4_第一模塊：模型源碼DEBUG演示/
│ │ ├── [ 30M] 1-VIT任務(wù)概述.mp4
│ │ ├── [ 50M] 2-數(shù)據(jù)增強模塊概述分析.mp4
│ │ ├── [ 25M] 3-PatchEmbedding層.mp4
│ │ ├── [ 39M] 4-前向傳播基本模塊.mp4
│ │ └── [ 44M] 5-CLS與輸出模塊.mp4
│ ├── 5_第二模塊：使用分割模塊訓(xùn)練自己的數(shù)據(jù)集/
│ │ ├── [ 74M] 1-項目配置基本介紹.mp4
│ │ ├── [ 57M] 2-數(shù)據(jù)集標(biāo)注與制作方法.mp4
│ │ ├── [ 39M] 3-跟別預(yù)測類別數(shù)修改配置文件.mp4
│ │ ├── [ 87M] 4-加載預(yù)訓(xùn)練模型開始訓(xùn)練.mp4
│ │ └── [ 22M] 5-預(yù)測DEMO演示.mp4
│ ├── 6_第二模塊：基于Unet進行各種策略修改/
│ │ ├── [ 32M] 1-配置文件解讀.mp4
│ │ ├── [ 32M] 2-編碼層模塊.mp4
│ │ ├── [ 28M] 3-上采樣與輸出層.mp4
│ │ ├── [ 20M] 4-輔助層的作用.mp4
│ │ ├── [ 30M] 5-給Unet添加一個neck層.mp4
│ │ ├── [ 22M] 6-如何修改參數(shù)適配網(wǎng)絡(luò)結(jié)構(gòu).mp4
│ │ ├── [ 22M] 7-將Unet特征提取模塊替換成transformer.mp4
│ │ └── [ 45M] 8-VIT模塊源碼分析.mp4
│ ├── 7_第二模塊：分割任務(wù)CVPR最新Backbone設(shè)計及其應(yīng)用/
│ │ ├── [ 34M] 1-注冊自己的Backbone模塊.mp4
│ │ ├── [ 43M] 10-匯總多層級特征進行輸出.mp4
│ │ ├── [ 36M] 2-配置文件指定.mp4
│ │ ├── [ 40M] 3-DEBUG解讀Backbone設(shè)計.mp4
│ │ ├── [ 45M] 4-PatchEmbedding的作用與實現(xiàn).mp4
│ │ ├── [ 54M] 5-卷積位置編碼計算方法.mp4
│ │ ├── [ 79M] 6-近似Attention模塊實現(xiàn).mp4
│ │ ├── [ 56M] 7-完成特征提取與融合模塊.mp4
│ │ ├── [ 58M] 8-分割任務(wù)輸出模塊.mp4
│ │ └── [ 56M] 9-全局特征的作用與實現(xiàn).mp4
│ ├── 8_第三模塊：mmdet訓(xùn)練自己的數(shù)據(jù)任務(wù)/
│ │ ├── [ 31M] 1-數(shù)據(jù)集標(biāo)注與標(biāo)簽獲取.mp4
│ │ ├── [ 28M] 2-COCO數(shù)據(jù)標(biāo)注格式.mp4
│ │ ├── [ 39M] 3-通過腳本生成COCO數(shù)據(jù)格式.mp4
│ │ ├── [ 46M] 4-配置文件數(shù)據(jù)增強策略分析.mp4
│ │ ├── [ 56M] 5-訓(xùn)練所需配置說明.mp4
│ │ ├── [ 35M] 6-模型訓(xùn)練與DEMO演示.mp4
│ │ ├── [ 78M] 7-模型測試與可視化分析模塊.mp4
│ │ └── [ 14M] 8-補充：評估指標(biāo).mp4
│ └── 9_第三模塊：DeformableDetr物體檢測源碼分析/
│ ├── [ 38M] 1-特征提取與位置編碼.mp4
│ ├── [ 50M] 10-分類與回歸輸出模塊.mp4
│ ├── [ 44M] 11-預(yù)測輸出結(jié)果與標(biāo)簽匹配模塊.mp4
│ ├── [ 51M] 2-序列特征展開并疊加.mp4
│ ├── [ 29M] 3-得到相對位置點編碼.mp4
│ ├── [ 38M] 4-準(zhǔn)備Encoder編碼層所需全部輸入.mp4
│ ├── [ 40M] 5-編碼層中的序列分析.mp4
│ ├── [ 46M] 6-偏移量offset計算.mp4
│ ├── [ 40M] 7-偏移量對齊操作.mp4
│ ├── [ 52M] 8-Encoder層完成特征對齊.mp4
│ └── [ 39M] 9-Decoder要完成的操作.mp4
├── 5_Opencv圖像處理框架實戰(zhàn)/
│ ├── 10_項目實戰(zhàn)-文檔掃描OCR識別/
│ │ ├── [ 21M] 1-整體流程演示.mp4
│ │ ├── [ 28M] 2-文檔輪廓提取.mp4
│ │ ├── [ 26M] 3-原始與變換坐標(biāo)計算.mp4
│ │ ├── [ 33M] 4-透視變換結(jié)果.mp4
│ │ ├── [ 41M] 5-tesseract-ocr安裝配置.mp4
│ │ └── [ 29M] 6-文檔掃描識別效果.mp4
│ ├── 11_圖像特征-harris/
│ │ ├── [ 16M] 1-角點檢測基本原理.mp4
│ │ ├── [ 31M] 2-基本數(shù)學(xué)原理.mp4
│ │ ├── [ 32M] 3-求解化簡.mp4
│ │ ├── [ 43M] 4-特征歸屬劃分.mp4
│ │ └── [ 31M] 5-opencv角點檢測效果.mp4
│ ├── 12_圖像特征-sift/
│ │ ├── [ 20M] 1-尺度空間定義.mp4
│ │ ├── [ 22M] 2-高斯差分金字塔.mp4
│ │ ├── [ 48M] 3-特征關(guān)鍵點定位.mp4
│ │ ├── [ 25M] 4-生成特征描述.mp4
│ │ ├── [ 44M] 5-特征向量生成.mp4
│ │ └── [ 29M] 6-opencv中sift函數(shù)使用.mp4
│ ├── 13_案例實戰(zhàn)-全景圖像拼接/
│ │ ├── [ 29M] 1-特征匹配方法.mp4
│ │ ├── [ 34M] 2-RANSAC算法.mp4
│ │ ├── [ 45M] 2-圖像拼接方法.mp4
│ │ └── [ 22M] 4-流程解讀.mp4
│ ├── 14_項目實戰(zhàn)-停車場車位識別/
│ │ ├── [ 71M] 1-任務(wù)整體流程.mp4
│ │ ├── [ 34M] 2-所需數(shù)據(jù)介紹.mp4
│ │ ├── [ 57M] 3-圖像數(shù)據(jù)預(yù)處理.mp4
│ │ ├── [ 61M] 4-車位直線檢測.mp4
│ │ ├── [ 55M] 5-按列劃分區(qū)域.mp4
│ │ ├── [ 57M] 6-車位區(qū)域劃分.mp4
│ │ ├── [ 41M] 7-識別模型構(gòu)建.mp4
│ │ └── [136M] 8-基于視頻的車位檢測.mp4
│ ├── 15_項目實戰(zhàn)-答題卡識別判卷/
│ │ ├── [ 29M] 1-整體流程與效果概述.mp4
│ │ ├── [ 24M] 2-預(yù)處理操作.mp4
│ │ ├── [ 26M] 3-填涂輪廓檢測.mp4
│ │ └── [ 57M] 4-選項判斷識別.mp4
│ ├── 16_背景建模/
│ │ ├── [ 21M] 1-背景消除-幀差法.mp4
│ │ ├── [ 26M] 2-混合高斯模型.mp4
│ │ ├── [ 32M] 3-學(xué)習(xí)步驟.mp4
│ │ └── [ 51M] 4-背景建模實戰(zhàn).mp4
│ ├── 17_光流估計/
│ │ ├── [ 20M] 1-基本概念.mp4
│ │ ├── [ 20M] 2-Lucas-Kanade算法.mp4
│ │ ├── [ 26M] 3-推導(dǎo)求解.mp4
│ │ └── [ 64M] 4-光流估計實戰(zhàn).mp4
│ ├── 18_Opencv的DNN模塊/
│ │ ├── [ 29M] 1-dnn模塊.mp4
│ │ └── [ 40M] 2-模型加載結(jié)果輸出.mp4
│ ├── 19_項目實戰(zhàn)-目標(biāo)追蹤/
│ │ ├── [ 50M] 1-目標(biāo)追蹤概述.mp4
│ │ ├── [ 35M] 2-多目標(biāo)追蹤實戰(zhàn).mp4
│ │ ├── [ 44M] 3-深度學(xué)習(xí)檢測框架加載.mp4
│ │ ├── [ 73M] 4-基于dlib與ssd的追蹤.mp4
│ │ ├── [ 26M] 5-多進程目標(biāo)追蹤.mp4
│ │ └── [ 78M] 6-多進程效率提升對比.mp4
│ ├── 1_課程簡介與環(huán)境配置/
│ │ ├── [5.4M] 0-課程簡介2.mp4
│ │ ├── [ 84M] 2-Notebook與IDE環(huán)境.mp4
│ │ └── [ 33M] 2-Python與Opencv配置安裝.mp4
│ ├── 20_卷積原理與操作/
│ │ ├── [ 25M] 1-卷積效果演示.mp4
│ │ ├── [ 36M] 1-卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.mp4
│ │ ├── [ 22M] 2-卷積層解釋.mp4
│ │ ├── [ 41M] 2-卷積操作流程.mp4
│ │ ├── [ 28M] 3-卷積計算過程.mp4
│ │ ├── [ 26M] 4-pading與stride.mp4
│ │ ├── [ 18M] 5-卷積參數(shù)共享.mp4
│ │ └── [ 16M] 6-池化層原理.mp4
│ ├── 21_項目實戰(zhàn)-疲勞檢測/
│ │ ├── [ 28M] 1-關(guān)鍵點定位概述.mp4
│ │ ├── [ 36M] 2-獲取人臉關(guān)鍵點.mp4
│ │ ├── [ 45M] 3-定位效果演示.mp4
│ │ ├── [ 71M] 4-閉眼檢測.mp4
│ │ └── [ 41M] 5-檢測效果.mp4
│ ├── 2_圖像基本操作/
│ │ ├── [ 31M] 1-計算機眼中的圖像.mp4
│ │ ├── [ 47M] 2-視頻的讀取與處理.mp4
│ │ ├── [ 15M] 3-ROI區(qū)域.mp4
│ │ ├── [ 21M] 4-邊界填充.mp4
│ │ └── [ 40M] 5-數(shù)值計算.mp4
│ ├── 3_閾值與平滑處理/
│ │ ├── [ 25M] 1-圖像平滑處理.mp4
│ │ ├── [ 21M] 2-高斯與中值濾波.mp4
│ │ └── [ 31M] 圖像閾值.mp4
│ ├── 4_圖像形態(tài)學(xué)操作/
│ │ ├── [ 21M] 1-腐蝕操作.mp4
│ │ ├── [ 12M] 2-膨脹操作.mp4
│ │ ├── [9.3M] 3-開運算與閉運算.mp4
│ │ ├── [7.9M] 4-梯度計算.mp4
│ │ └── [ 16M] 5-禮帽與黑帽.mp4
│ ├── 5_圖像梯度計算/
│ │ ├── [ 27M] 1-Sobel算子.mp4
│ │ ├── [ 30M] 2-梯度計算方法.mp4
│ │ └── [ 27M] 3-scharr與lapkacian算子.mp4
│ ├── 6_邊緣檢測/
│ │ ├── [ 19M] 1-Canny邊緣檢測流程.mp4
│ │ ├── [ 18M] 2-非極大值抑制.mp4
│ │ └── [ 37M] 3-邊緣檢測效果.mp4
│ ├── 7_圖像金字塔與輪廓檢測/
│ │ ├── [ 20M] 1-圖像金字塔定義.mp4
│ │ ├── [ 47M] 1-模板匹配方法.mp4
│ │ ├── [ 19M] 1-輪廓檢測方法.mp4
│ │ ├── [ 21M] 2-匹配效果展示.mp4
│ │ ├── [ 34M] 2-輪廓檢測結(jié)果.mp4
│ │ ├── [ 25M] 2-金字塔制作方法.mp4
│ │ └── [ 38M] 3-輪廓特征與近似.mp4
│ ├── 8_直方圖與傅里葉變換/
│ │ ├── [ 39M] 1-傅里葉概述.mp4
│ │ ├── [ 24M] 1-直方圖定義.mp4
│ │ ├── [ 31M] 2-均衡化原理.mp4
│ │ ├── [ 26M] 2-頻域變換結(jié)果.mp4
│ │ ├── [ 27M] 3-低通與高通濾波.mp4
│ │ └── [ 27M] 3-均衡化效果.mp4
│ └── 9_項目實戰(zhàn)-信用卡數(shù)字識別/
│ ├── [ 35M] 2-環(huán)境配置與預(yù)處理.mp4
│ ├── [ 24M] 3-模板處理方法.mp4
│ ├── [ 29M] 4-輸入數(shù)據(jù)處理方法.mp4
│ ├── [ 48M] 5-模板匹配得出識別結(jié)果.mp4
│ └── [ 21M] 總體流程與方法講解.mp4
├── 6_綜合項目-物體檢測經(jīng)典算法實戰(zhàn)/
│ ├── 10_EfficientNet網(wǎng)絡(luò)/
│ │ └── [538M] 第八課：EfficientNet網(wǎng)絡(luò)模型.mp4
│ ├── 11_EfficientDet檢測算法/
│ │ └── [448M] 第十一章：EfficientDet檢測算法.mp4
│ ├── 12_基于Transformer的detr目標(biāo)檢測算法/
│ │ ├── [ 19M] 1-DETR目標(biāo)檢測基本思想解讀.mp4
│ │ ├── [ 32M] 2-整體網(wǎng)絡(luò)架構(gòu)分析.mp4
│ │ ├── [ 20M] 3-位置信息初始化query向量.mp4
│ │ ├── [ 21M] 4-注意力機制的作用方法.mp4
│ │ └── [ 28M] 5-訓(xùn)練過程的策略.mp4
│ ├── 13_detr目標(biāo)檢測源碼解讀/
│ │ ├── [ 40M] 1-項目環(huán)境配置解讀.mp4
│ │ ├── [ 64M] 2-數(shù)據(jù)處理與dataloader.mp4
│ │ ├── [ 48M] 3-位置編碼作用分析.mp4
│ │ ├── [ 36M] 4-backbone特征提取模塊.mp4
│ │ ├── [ 35M] 5-mask與編碼模塊.mp4
│ │ ├── [ 43M] 6-編碼層作用方法.mp4
│ │ ├── [ 30M] 7-Decoder層操作與計算.mp4
│ │ ├── [ 41M] 8-輸出預(yù)測結(jié)果.mp4
│ │ └── [ 41M] 9-損失函數(shù)與預(yù)測輸出.mp4
│ ├── 1_深度學(xué)習(xí)經(jīng)典檢測方法概述/
│ │ ├── [ 15M] 1-檢測任務(wù)中階段的意義.mp4
│ │ ├── [ 11M] 2-不同階段算法優(yōu)缺點分析.mp4
│ │ ├── [ 12M] 3-IOU指標(biāo)計算.mp4
│ │ ├── [ 26M] 4-評估所需參數(shù)計算.mp4
│ │ └── [ 20M] 5-map指標(biāo)計算.mp4
│ ├── 2_YOLO-V1整體思想與網(wǎng)絡(luò)架構(gòu)/
│ │ ├── [ 14M] 2-檢測算法要得到的結(jié)果.mp4
│ │ ├── [ 31M] 3-整體網(wǎng)絡(luò)架構(gòu)解讀.mp4
│ │ ├── [ 19M] 4-位置損失計算.mp4
│ │ ├── [ 27M] 5-置信度誤差與優(yōu)缺點分析.mp4
│ │ └── [ 15M] YOLO算法整體思路解讀.mp4
│ ├── 3_YOLO-V2改進細(xì)節(jié)詳解/
│ │ ├── [ 16M] 2-網(wǎng)絡(luò)結(jié)構(gòu)特點.mp4
│ │ ├── [ 19M] 3-架構(gòu)細(xì)節(jié)解讀.mp4
│ │ ├── [ 24M] 4-基于聚類來選擇先驗框尺寸.mp4
│ │ ├── [ 28M] 5-偏移量計算方法.mp4
│ │ ├── [ 10M] 6-坐標(biāo)映射與還原.mp4
│ │ ├── [ 28M] 7-感受野的作用.mp4
│ │ ├── [ 19M] 8-特征融合改進.mp4
│ │ └── [ 13M] V2版本細(xì)節(jié)升級概述.mp4
│ ├── 4_YOLO-V3核心網(wǎng)絡(luò)模型/
│ │ ├── [ 18M] 1-V3版本改進概述.mp4
│ │ ├── [ 17M] 2-多scale方法改進與特征融合.mp4
│ │ ├── [ 11M] 3-經(jīng)典變換方法對比分析.mp4
│ │ ├── [ 19M] 4-殘差連接方法解讀.mp4
│ │ ├── [ 13M] 5-整體網(wǎng)絡(luò)模型架構(gòu)分析.mp4
│ │ ├── [ 13M] 6-先驗框設(shè)計改進.mp4
│ │ └── [ 11M] 7-sotfmax層改進.mp4
│ ├── 5_項目實戰(zhàn)-基于V3版本進行源碼解讀/
│ │ ├── [ 66M] 1-數(shù)據(jù)與環(huán)境配置.mp4
│ │ ├── [ 34M] 10-網(wǎng)格偏移計算.mp4
│ │ ├── [ 23M] 11-模型要計算的損失概述.mp4
│ │ ├── [ 28M] 12-標(biāo)簽值格式修改.mp4
│ │ ├── [ 33M] 13-坐標(biāo)相對位置計算.mp4
│ │ ├── [ 35M] 14-完成所有損失函數(shù)所需計算指標(biāo).mp4
│ │ ├── [ 73M] 15-模型訓(xùn)練與總結(jié).mp4
│ │ ├── [ 35M] 16-預(yù)測效果展示.mp4
│ │ ├── [ 24M] 2-訓(xùn)練參數(shù)設(shè)置.mp4
│ │ ├── [ 43M] 3-數(shù)據(jù)與標(biāo)簽讀取.mp4
│ │ ├── [ 27M] 4-標(biāo)簽文件讀取與處理.mp4
│ │ ├── [ 27M] 5-debug模式介紹.mp4
│ │ ├── [ 42M] 6-基于配置文件構(gòu)建網(wǎng)絡(luò)模型.mp4
│ │ ├── [ 34M] 7-路由層與shortcut層的作用.mp4
│ │ ├── [ 61M] 8-YOLO層定義解析.mp4
│ │ └── [ 46M] 9-預(yù)測結(jié)果計算.mp4
│ ├── 6_基于YOLO-V3訓(xùn)練自己的數(shù)據(jù)集與任務(wù)/
│ │ ├── [ 14M] 1-Labelme工具安裝.mp4
│ │ ├── [ 32M] 2-數(shù)據(jù)信息標(biāo)注.mp4
│ │ ├── [ 32M] 3-完成標(biāo)簽制作.mp4
│ │ ├── [ 37M] 4-生成模型所需配置文件.mp4
│ │ ├── [ 21M] 5-json格式轉(zhuǎn)換成yolo-v3所需輸入.mp4
│ │ ├── [ 40M] 6-完成輸入數(shù)據(jù)準(zhǔn)備工作.mp4
│ │ ├── [ 44M] 7-訓(xùn)練代碼與參數(shù)配置更改.mp4
│ │ └── [ 38M] 8-訓(xùn)練模型并測試效果.mp4
│ ├── 7_YOLO-V4版本算法解讀/
│ │ ├── [ 15M] 1-V4版本整體概述.mp4
│ │ ├── [ 21M] 10-PAN模塊解讀.mp4
│ │ ├── [ 19M] 11-激活函數(shù)與整體架構(gòu)總結(jié).mp4
│ │ ├── [ 10M] 2-V4版本貢獻(xiàn)解讀.mp4
│ │ ├── [ 25M] 3-數(shù)據(jù)增強策略分析.mp4
│ │ ├── [ 19M] 4-DropBlock與標(biāo)簽平滑方法.mp4
│ │ ├── [ 14M] 5-損失函數(shù)遇到的問題.mp4
│ │ ├── [ 11M] 6-CIOU損失函數(shù)定義.mp4
│ │ ├── [ 17M] 7-NMS細(xì)節(jié)改進.mp4
│ │ ├── [ 15M] 8-SPP與CSP網(wǎng)絡(luò)結(jié)構(gòu).mp4
│ │ └── [ 22M] 9-SAM注意力機制模塊.mp4
│ ├── 8_V5版本項目配置/
│ │ ├── [ 36M] 1-整體項目概述.mp4
│ │ ├── [ 41M] 2-訓(xùn)練自己的數(shù)據(jù)集方法.mp4
│ │ ├── [ 51M] 3-訓(xùn)練數(shù)據(jù)參數(shù)配置.mp4
│ │ └── [ 50M] 4-測試DEMO演示.mp4
│ └── 9_V5項目工程源碼解讀/
│ ├── [ 48M] 1-數(shù)據(jù)源DEBUG流程解讀.mp4
│ ├── [ 59M] 10-完成配置文件解析任務(wù).mp4
│ ├── [ 31M] 11-前向傳播計算.mp4
│ ├── [ 34M] 12-BottleneckCSP層計算方法.mp4
│ ├── [ 29M] 13-1 SPP層計算細(xì)節(jié)分析.mp4
│ ├── [ 29M] 13-Head層流程解讀.mp4
│ ├── [ 21M] 14-上采樣與拼接操作.mp4
│ ├── [ 42M] 15-輸出結(jié)果分析.mp4
│ ├── [ 35M] 16-超參數(shù)解讀.mp4
│ ├── [ 44M] 17-命令行參數(shù)介紹.mp4
│ ├── [ 47M] 18-訓(xùn)練流程解讀.mp4
│ ├── [ 38M] 19-各種訓(xùn)練策略概述.mp4
│ ├── [ 35M] 2-圖像數(shù)據(jù)源配置.mp4
│ ├── [ 38M] 20-模型迭代過程.mp4
│ ├── [ 26M] 3-加載標(biāo)簽數(shù)據(jù).mp4
│ ├── [ 28M] 4-Mosaic數(shù)據(jù)增強方法.mp4
│ ├── [ 42M] 5-數(shù)據(jù)四合一方法與流程演示.mp4
│ ├── [ 33M] 6-getItem構(gòu)建batch.mp4
│ ├── [ 34M] 7-網(wǎng)絡(luò)架構(gòu)圖可視化工具安裝.mp4
│ ├── [ 36M] 8-V5網(wǎng)絡(luò)配置文件解讀.mp4
│ └── [ 22M] 9-Focus模塊流程分析.mp4
├── 7_圖像分割實戰(zhàn)/
│ ├── 10_MaskRcnn網(wǎng)絡(luò)框架源碼詳解/
│ │ ├── [ 42M] 1-FPN層特征提取原理解讀.mp4
│ │ ├── [ 33M] 10-RoiPooling層的作用與目的.mp4
│ │ ├── [ 26M] 11-RorAlign操作的效果.mp4
│ │ ├── [ 29M] 12-整體框架回顧.mp4
│ │ ├── [ 56M] 2-FPN網(wǎng)絡(luò)架構(gòu)實現(xiàn)解讀.mp4
│ │ ├── [ 28M] 3-生成框比例設(shè)置.mp4
│ │ ├── [ 33M] 4-基于不同尺度特征圖生成所有框.mp4
│ │ ├── [ 31M] 5-RPN層的作用與實現(xiàn)解讀.mp4
│ │ ├── [ 16M] 6-候選框過濾方法.mp4
│ │ ├── [ 33M] 7-Proposal層實現(xiàn)方法.mp4
│ │ ├── [ 26M] 8-DetectionTarget層的作用.mp4
│ │ └── [ 28M] 9-正負(fù)樣本選擇與標(biāo)簽定義.mp4
│ ├── 11_基于MASK-RCNN框架訓(xùn)練自己的數(shù)據(jù)與任務(wù)/
│ │ ├── [ 14M] 1-Labelme工具安裝.mp4
│ │ ├── [ 26M] 2-使用labelme進行數(shù)據(jù)與標(biāo)簽標(biāo)注.mp4
│ │ ├── [ 27M] 3-完成訓(xùn)練數(shù)據(jù)準(zhǔn)備工作.mp4
│ │ ├── [ 64M] 4-maskrcnn源碼修改方法.mp4
│ │ ├── [ 40M] 5-基于標(biāo)注數(shù)據(jù)訓(xùn)練所需任務(wù).mp4
│ │ └── [ 39M] 6-測試與展示模塊.mp4
│ ├── 1_圖像分割及其損失函數(shù)概述/
│ │ ├── [ 20M] 1-語義分割與實例分割概述.mp4
│ │ ├── [ 20M] 2-分割任務(wù)中的目標(biāo)函數(shù)定義.mp4
│ │ └── [9.0M] 3-MIOU評估標(biāo)準(zhǔn).mp4
│ ├── 2_卷積神經(jīng)網(wǎng)絡(luò)原理與參數(shù)解讀/
│ │ ├── [ 21M] 1-卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域.mp4
│ │ ├── [ 19M] 10-VGG網(wǎng)絡(luò)架構(gòu).mp4
│ │ ├── [ 18M] 11-殘差網(wǎng)絡(luò)Resnet.mp4
│ │ ├── [ 17M] 12-感受野的作用.mp4
│ │ ├── [ 23M] 2-卷積的作用.mp4
│ │ ├── [ 21M] 3-卷積特征值計算方法.mp4
│ │ ├── [ 18M] 4-得到特征圖表示.mp4
│ │ ├── [ 20M] 5-步長與卷積核大小對結(jié)果的影響.mp4
│ │ ├── [ 17M] 6-邊緣填充方法.mp4
│ │ ├── [ 22M] 7-特征圖尺寸計算與參數(shù)共享.mp4
│ │ ├── [ 11M] 8-池化層的作用.mp4
│ │ └── [ 17M] 9-1整體網(wǎng)絡(luò)架構(gòu).mp4
│ ├── 3_Unet系列算法講解/
│ │ ├── [ 18M] 1-Unet網(wǎng)絡(luò)編碼與解碼過程.mp4
│ │ ├── [ 16M] 2-網(wǎng)絡(luò)計算流程.mp4
│ │ ├── [ 16M] 3-Unet升級版本改進.mp4
│ │ └── [ 18M] 4-后續(xù)升級版本介紹.mp4
│ ├── 4_unet醫(yī)學(xué)細(xì)胞分割實戰(zhàn)/
│ │ ├── [ 71M] 1-醫(yī)學(xué)細(xì)胞數(shù)據(jù)集介紹與參數(shù)配置.mp4
│ │ ├── [ 61M] 2-數(shù)據(jù)增強工具.mp4
│ │ ├── [ 41M] 3-Debug模式演示網(wǎng)絡(luò)計算流程.mp4
│ │ ├── [ 30M] 4-特征融合方法演示.mp4
│ │ ├── [ 34M] 5-迭代完成整個模型計算任務(wù).mp4
│ │ └── [ 47M] 6-模型效果驗證.mp4
│ ├── 5_U2NET顯著性檢測實戰(zhàn)/
│ │ ├── [ 59M] 1-任務(wù)目標(biāo)與網(wǎng)絡(luò)整體介紹.mp4
│ │ ├── [ 54M] 2-顯著性檢測任務(wù)與目標(biāo)概述.mp4
│ │ ├── [ 44M] 3-編碼器模塊解讀.mp4
│ │ ├── [ 28M] 4-解碼器輸出結(jié)果.mp4
│ │ └── [ 34M] 5-損失函數(shù)與應(yīng)用效果.mp4
│ ├── 6_deeplab系列算法/
│ │ ├── [ 14M] 1-deeplab分割算法概述.mp4
│ │ ├── [ 17M] 2-空洞卷積的作用.mp4
│ │ ├── [ 19M] 3-感受野的意義.mp4
│ │ ├── [ 19M] 4-SPP層的作用.mp4
│ │ ├── [ 13M] 5-ASPP特征融合策略.mp4
│ │ └── [ 24M] 6-deeplabV3Plus版本網(wǎng)絡(luò)架構(gòu).mp4
│ ├── 7_基于deeplabV3+版本進行VOC分割實戰(zhàn)/
│ │ ├── [ 70M] 1-PascalVoc數(shù)據(jù)集介紹.mp4
│ │ ├── [ 60M] 2-項目參數(shù)與數(shù)據(jù)集讀取.mp4
│ │ ├── [ 33M] 3-網(wǎng)絡(luò)前向傳播流程.mp4
│ │ ├── [ 51M] 4-ASPP層特征融合.mp4
│ │ └── [ 35M] 5-分割模型訓(xùn)練.mp4
│ ├── 8_醫(yī)學(xué)心臟視頻數(shù)據(jù)集分割建模實戰(zhàn)/
│ │ ├── [ 46M] 1-數(shù)據(jù)集與任務(wù)概述.mp4
│ │ ├── [ 33M] 2-項目基本配置參數(shù).mp4
│ │ ├── [ 69M] 3-任務(wù)流程解讀.mp4
│ │ ├── [123M] 4-文獻(xiàn)報告分析.mp4
│ │ ├── [ 26M] 5-補充：視頻數(shù)據(jù)源特征處理方法概述.mp4
│ │ └── [ 19M] 6-補充：R(2plus1)D處理方法分析.mp4
│ └── 9_物體檢測框架-MaskRcnn項目介紹與配置/
│ ├── [ 88M] 0-Mask-Rcnn開源項目簡介.mp4
│ ├── [ 98M] 0-參數(shù)配置.mp4
│ └── [ 42M] 0-開源項目數(shù)據(jù)集.mp4
├── 8_行為識別實戰(zhàn)/
│ ├── 1_slowfast算法知識點通俗解讀/
│ │ ├── [ 75M] 1-slowfast核心思想解讀.mp4
│ │ ├── [ 21M] 2-核心網(wǎng)絡(luò)結(jié)構(gòu)模塊分析.mp4
│ │ ├── [ 18M] 3-數(shù)據(jù)采樣曾的作用.mp4
│ │ ├── [ 19M] 4-模型網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計.mp4
│ │ └── [ 39M] 5-特征融合模塊與總結(jié)分析.mp4
│ ├── 2_slowfast項目環(huán)境配置與配置文件/
│ │ ├── [ 45M] 1-環(huán)境基本配置解讀.mp4
│ │ ├── [ 37M] 2-目錄各文件分析.mp4
│ │ ├── [ 51M] 3-配置文件作用解讀.mp4
│ │ ├── [ 67M] 4-測試DEMO演示1.mp4
│ │ ├── [ 49M] 5-訓(xùn)練所需標(biāo)簽文件說明.mp4
│ │ ├── [ 47M] 6-訓(xùn)練所需視頻數(shù)據(jù)準(zhǔn)備.mp4
│ │ ├── [ 40M] 7-視頻數(shù)據(jù)集切分操作.mp4
│ │ └── [ 33M] 8-完成視頻分幀操作.mp4
│ ├── 3_slowfast源碼詳細(xì)解讀/
│ │ ├── [ 33M] 1-模型所需配置文件參數(shù)讀取1.mp4
│ │ ├── [ 79M] 10-RoiAlign與輸出層1.mp4
│ │ ├── [ 50M] 2-數(shù)據(jù)處理概述1.mp4
│ │ ├── [ 57M] 3-dataloader數(shù)據(jù)遍歷方法1.mp4
│ │ ├── [ 52M] 4-數(shù)據(jù)與標(biāo)簽讀取實例1.mp4
│ │ ├── [ 67M] 5-圖像數(shù)據(jù)所需預(yù)處理方法1.mp4
│ │ ├── [ 66M] 6-slow與fast分別執(zhí)行采樣操作1.mp4
│ │ ├── [ 57M] 7-分別計算特征圖輸出結(jié)果1.mp4
│ │ ├── [ 50M] 8-slow與fast特征圖拼接操作1.mp4
│ │ └── [ 54M] 9-resnetBolock操作1.mp4
│ ├── 4_基于3D卷積的視頻分析與動作識別/
│ │ ├── [ 21M] 1-3D卷積原理解讀.mp4
│ │ ├── [ 52M] 2-UCF101動作識別數(shù)據(jù)集簡介.mp4
│ │ ├── [ 56M] 3-測試效果與項目配置.mp4
│ │ ├── [ 32M] 4-視頻數(shù)據(jù)預(yù)處理方法.mp4
│ │ ├── [ 47M] 5-數(shù)據(jù)Batch制作方法.mp4
│ │ ├── [ 38M] 6-3D卷積網(wǎng)絡(luò)所涉及模塊.mp4
│ │ └── [ 39M] 7-訓(xùn)練網(wǎng)絡(luò)模型.mp4
│ ├── 5_視頻異常檢測算法與元學(xué)習(xí)/
│ │ ├── [ 21M] 1-異常檢測要解決的問題與數(shù)據(jù)集介紹.mp4
│ │ ├── [ 24M] 2-基本思想與流程分析.mp4
│ │ ├── [ 27M] 3-預(yù)測與常見問題.mp4
│ │ ├── [ 21M] 4-Meta-Learn要解決的問題.mp4
│ │ ├── [ 14M] 5-學(xué)習(xí)能力與參數(shù)定義.mp4
│ │ ├── [ 23M] 6-如何找到合適的初始化參數(shù).mp4
│ │ └── [ 29M] 7-MAML算法流程解讀.mp4
│ ├── 6_視頻異常檢測CVPR2021論文及其源碼解讀/
│ │ ├── [ 27M] 1-論文概述與環(huán)境配置.mp4
│ │ ├── [ 39M] 2-數(shù)據(jù)集配置與讀取.mp4
│ │ ├── [ 33M] 3-模型編碼與解碼結(jié)構(gòu).mp4
│ │ ├── [ 61M] 4-注意力機制模塊打造.mp4
│ │ ├── [ 58M] 5-損失函數(shù)的目的.mp4
│ │ ├── [ 38M] 6-特征圖生成.mp4
│ │ └── [ 30M] 7-MetaLearn與輸出.mp4
│ └── 7_基礎(chǔ)補充-Resnet模型及其應(yīng)用實例/
│ ├── [ 19M] 1-醫(yī)學(xué)疾病數(shù)據(jù)集介紹.mp4
│ ├── [ 25M] 2-Resnet網(wǎng)絡(luò)架構(gòu)原理分析.mp4
│ ├── [ 65M] 3-dataloader加載數(shù)據(jù)集.mp4
│ ├── [ 36M] 4-Resnet網(wǎng)絡(luò)前向傳播.mp4
│ ├── [ 47M] 5-殘差網(wǎng)絡(luò)的shortcut操作.mp4
│ ├── [ 27M] 6-特征圖升維與降采樣操作.mp4
│ └── [ 67M] 7-網(wǎng)絡(luò)整體流程與訓(xùn)練演示.mp4
├── 9_2022論文必備-Transformer實戰(zhàn)系列/
│ ├── 10_MedicalTransformer源碼解讀/
│ │ ├── [ 25M] 1-項目環(huán)境配置1.mp4
│ │ ├── [ 57M] 2-醫(yī)學(xué)數(shù)據(jù)介紹與分析1.mp4
│ │ ├── [ 26M] 3-基本處理操作1.mp4
│ │ ├── [ 37M] 4-AxialAttention實現(xiàn)過程1.mp4
│ │ ├── [ 28M] 5-位置編碼向量解讀1.mp4
│ │ ├── [ 52M] 6-注意力計算過程與方法1.mp4
│ │ └── [ 41M] 7-局部特征提取與計算1.mp4
│ ├── 11_商湯LoFTR算法解讀/
│ │ ├── [ 87M] 1-特征匹配的應(yīng)用場景.mp4
│ │ ├── [ 39M] 10-總結(jié)分析.mp4
│ │ ├── [ 16M] 2-特征匹配的基本流程分析.mp4
│ │ ├── [ 16M] 3-整體流程梳理分析.mp4
│ │ ├── [ 16M] 4-CrossAttention的作用與效果.mp4
│ │ ├── [ 34M] 5-transformer構(gòu)建匹配特征.mp4
│ │ ├── [ 26M] 6-粗粒度匹配過程與作用.mp4
│ │ ├── [ 14M] 7-特征圖拆解操作.mp4
│ │ ├── [ 20M] 8-細(xì)粒度匹配的作用與方法.mp4
│ │ └── [ 23M] 9-基于期望預(yù)測最終位置.mp4
│ ├── 12_局部特征關(guān)鍵點匹配實戰(zhàn)/
│ │ ├── [ 44M] 1-項目與參數(shù)配置解讀1.mp4
│ │ ├── [ 19M] 10-得到精細(xì)化輸出結(jié)果1.mp4
│ │ ├── [ 40M] 11-通過期望計算最終輸出1.mp4
│ │ ├── [ 40M] 2-DEMO效果演示1.mp4
│ │ ├── [ 29M] 3-backbone特征提取模塊1.mp4
│ │ ├── [ 31M] 4-注意力機制的作用與效果分析1.mp4
│ │ ├── [ 29M] 5-特征融合模塊實現(xiàn)方法1.mp4
│ │ ├── [ 29M] 6-cross關(guān)系計算方法實例1.mp4
│ │ ├── [ 50M] 7-粗粒度匹配過程1.mp4
│ │ ├── [ 63M] 8-完成基礎(chǔ)匹配模塊1.mp4
│ │ └── [ 43M] 9-精細(xì)化調(diào)整方法與實例1.mp4
│ ├── 13_項目補充-谷歌開源項目BERT源碼解讀與應(yīng)用實例/
│ │ ├── [ 41M] 1-BERT開源項目簡介1.mp4
│ │ ├── [ 51M] 10-構(gòu)建QKV矩陣1.mp4
│ │ ├── [ 41M] 11-完成Transformer模塊構(gòu)建1.mp4
│ │ ├── [ 55M] 12-訓(xùn)練BERT模型1.mp4
│ │ ├── [107M] 2-項目參數(shù)配置1.mp4
│ │ ├── [ 54M] 3-數(shù)據(jù)讀取模塊1.mp4
│ │ ├── [ 40M] 4-數(shù)據(jù)預(yù)處理模塊1.mp4
│ │ ├── [ 31M] 6-Embedding層的作用1.mp4
│ │ ├── [ 42M] 7-加入額外編碼特征1.mp4
│ │ ├── [ 24M] 8-加入位置編碼特征1.mp4
│ │ ├── [ 37M] 9-mask機制1.mp4
│ │ └── [ 51M] tfrecord制作1.mp4
│ ├── 14_項目補充-基于BERT的中文情感分析實戰(zhàn)/
│ │ ├── [ 83M] 1-中文分類數(shù)據(jù)與任務(wù)概述1.mp4
│ │ ├── [ 53M] 2-讀取處理自己的數(shù)據(jù)集1.mp4
│ │ └── [ 72M] 3-訓(xùn)練BERT中文分類模型1.mp4
│ ├── 1_課程介紹/
│ │ └── [ 15M] 課程介紹1.mp4
│ ├── 2_自然語言處理通用框架BERT原理解讀/
│ │ ├── [ 11M] 1-BERT任務(wù)目標(biāo)概述.mp4
│ │ ├── [ 24M] 10-訓(xùn)練實例.mp4
│ │ ├── [ 23M] 2-傳統(tǒng)解決方案遇到的問題1.mp4
│ │ ├── [ 15M] 3-注意力機制的作用1.mp4
│ │ ├── [ 24M] 4-self-attention計算方法1.mp4
│ │ ├── [ 21M] 5-特征分配與softmax機制1.mp4
│ │ ├── [ 19M] 6-Multi-head的作用1.mp4
│ │ ├── [ 17M] 7-位置編碼與多層堆疊1.mp4
│ │ ├── [ 22M] 8-transformer整體架構(gòu)梳理.mp4
│ │ └── [ 21M] 9-BERT模型訓(xùn)練方法.mp4
│ ├── 3_Transformer在視覺中的應(yīng)用VIT算法/
│ │ ├── [ 16M] 1-transformer發(fā)家史介紹1.mp4
│ │ ├── [ 22M] 2-對圖像數(shù)據(jù)構(gòu)建patch序列1.mp4
│ │ ├── [ 24M] 3-VIT整體架構(gòu)解讀1.mp4
│ │ ├── [ 22M] 4-CNN遇到的問題與窘境1.mp4
│ │ ├── [ 24M] 5-計算公式解讀1.mp4
│ │ ├── [ 25M] 6-位置編碼與TNT模型1.mp4
│ │ └── [ 28M] 7-TNT模型細(xì)節(jié)分析1.mp4
│ ├── 4_VIT算法模型源碼解讀/
│ │ ├── [ 43M] 1-項目配置說明1.mp4
│ │ ├── [ 30M] 2-輸入序列構(gòu)建方法解讀1.mp4
│ │ ├── [ 28M] 3-注意力機制計算1.mp4
│ │ └── [ 38M] 4-輸出層計算結(jié)果1.mp4
│ ├── 5_swintransformer算法原理解析/
│ │ ├── [ 15M] 1-swintransformer整體概述1.mp4
│ │ ├── [ 22M] 10-分層計算方法1.mp4
│ │ ├── [ 22M] 2-要解決的問題及其優(yōu)勢分析1.mp4
│ │ ├── [ 17M] 3-一個block要完成的任務(wù)1.mp4
│ │ ├── [ 19M] 4-獲取各窗口輸入特征1.mp4
│ │ ├── [ 30M] 5-基于窗口的注意力機制解讀1.mp4
│ │ ├── [ 24M] 6-窗口偏移操作的實現(xiàn)1.mp4
│ │ ├── [ 20M] 7-偏移細(xì)節(jié)分析及其計算量概述1.mp4
│ │ ├── [ 21M] 8-整體網(wǎng)絡(luò)架構(gòu)整合1.mp4
│ │ └── [ 22M] 9-下采樣操作實現(xiàn)方法1.mp4
│ ├── 6_swintransformer源碼解讀/
│ │ ├── [ 60M] 1-數(shù)據(jù)與環(huán)境配置解讀1.mp4
│ │ ├── [ 38M] 2-圖像數(shù)據(jù)patch編碼1.mp4
│ │ ├── [ 31M] 3-數(shù)據(jù)按window進行劃分計算1.mp4
│ │ ├── [ 28M] 4-基礎(chǔ)attention計算模塊1.mp4
│ │ ├── [ 37M] 5-窗口位移模塊細(xì)節(jié)分析1.mp4
│ │ ├── [ 25M] 6-patchmerge下采樣操作1.mp4
│ │ ├── [ 28M] 7-各block計算方法解讀1.mp4
│ │ └── [ 41M] 8-輸出層概述1.mp4
│ ├── 7_基于Transformer的detr目標(biāo)檢測算法/
│ │ ├── [ 19M] 1-DETR目標(biāo)檢測基本思想解讀1.mp4
│ │ ├── [ 32M] 2-整體網(wǎng)絡(luò)架構(gòu)分析1.mp4
│ │ ├── [ 20M] 3-位置信息初始化query向量1.mp4
│ │ ├── [ 21M] 4-注意力機制的作用方法1.mp4
│ │ └── [ 28M] 5-訓(xùn)練過程的策略1.mp4
│ ├── 8_detr目標(biāo)檢測源碼解讀/
│ │ ├── [ 40M] 1-項目環(huán)境配置解讀2.mp4
│ │ ├── [ 64M] 2-數(shù)據(jù)處理與dataloader2.mp4
│ │ ├── [ 48M] 3-位置編碼作用分析2.mp4
│ │ ├── [ 36M] 4-backbone特征提取模塊1.mp4
│ │ ├── [ 35M] 5-mask與編碼模塊1.mp4
│ │ ├── [ 43M] 6-編碼層作用方法1.mp4
│ │ ├── [ 30M] 7-Decoder層操作與計算1.mp4
│ │ ├── [ 41M] 8-輸出預(yù)測結(jié)果1.mp4
│ │ └── [ 41M] 9-損失函數(shù)與預(yù)測輸出1.mp4
│ └── 9_MedicalTrasnformer論文解讀/
│ ├── [ 24M] 1-論文整體分析.mp4
│ ├── [ 54M] 2-核心思想分析.mp4
│ ├── [ 44M] 3-網(wǎng)絡(luò)結(jié)構(gòu)計算流程概述.mp4
│ ├── [ 47M] 4-論文公式計算分析.mp4
│ ├── [ 47M] 5-位置編碼的作用與效果.mp4
│ └── [ 57M] 6-拓展應(yīng)用分析.mp4

.
├──11_3D點云實戰(zhàn)/
│ ├──1_3D點云實戰(zhàn) 3D點云應(yīng)用領(lǐng)域分析/
│ │ ├── [ 48M] 1-點云數(shù)據(jù)概述.mp4
│ │ ├── [ 86M] 2-點云應(yīng)用領(lǐng)域與發(fā)展分析.mp4
│ │ ├── [ 74M] 3-點云分割任務(wù).mp4
│ │ ├── [ 34M] 4-點云補全任務(wù).mp4
│ │ ├── [ 63M] 5-點云檢測與配準(zhǔn)任務(wù).mp4
│ │ └── [ 29M] 6-點云數(shù)據(jù)特征提取概述與預(yù)告.mp4
│ ├──2_3D點云PointNet算法/
│ │ ├── [ 60M] 1-3D數(shù)據(jù)應(yīng)用領(lǐng)域與點云介紹.mp4
│ │ ├── [ 46M] 2-點云數(shù)據(jù)可視化展示.mp4
│ │ ├── [ 43M] 3-點云數(shù)據(jù)特性和及要解決的問題.mp4
│ │ ├── [ 25M] 4-PointNet算法出發(fā)點解讀.mp4
│ │ └── [ 43M] 5-PointNet算法網(wǎng)絡(luò)架構(gòu)解讀.mp4
│ ├──3_PointNet++算法解讀/
│ │ ├── [ 29M] 10-分類與分割問題解決方案.mp4
│ │ ├── [ 18M] 11-遇到的問題及改進方法分析.mp4
│ │ ├── [ 30M] 6-PointNet升級版算法要解決的問題.mp4
│ │ ├── [ 28M] 7-最遠(yuǎn)點采樣方法.mp4
│ │ ├── [ 45M] 8-分組Group方法原理解讀.mp4
│ │ └── [ 22M] 9-整體流程概述分析.mp4
│ ├──4_Pointnet++項目實戰(zhàn)/
│ │ ├── [ 36M] 1-項目文件概述.mp4
│ │ ├── [ 28M] 10-分類任務(wù)總結(jié).mp4
│ │ ├── [ 62M] 11-分割任務(wù)數(shù)據(jù)與配置概述.mp4
│ │ ├── [ 38M] 12-分割需要解決的任務(wù)概述.mp4
│ │ ├── [ 59M] 13-上采樣完成分割任務(wù).mp4
│ │ ├── [ 41M] 2-數(shù)據(jù)讀取模塊配置.mp4
│ │ ├── [ 30M] 3-DEBUG解讀網(wǎng)絡(luò)模型架構(gòu).mp4
│ │ ├── [ 24M] 4-最遠(yuǎn)點采樣介紹.mp4
│ │ ├── [ 41M] 5-采樣得到中心點.mp4
│ │ ├── [ 32M] 6-組區(qū)域劃分方法.mp4
│ │ ├── [ 45M] 7-實現(xiàn)group操作得到各中心簇.mp4
│ │ ├── [ 51M] 8-特征提取模塊整體流程.mp4
│ │ └── [ 49M] 9-預(yù)測結(jié)果輸出模塊.mp4
│ ├──5_點云補全PF-Net論文解讀/
│ │ ├── [ 25M] 1-點云補全要解決的問題.mp4
│ │ ├── [ 24M] 2-基本解決方案概述.mp4
│ │ ├── [ 26M] 3-整體網(wǎng)絡(luò)概述.mp4
│ │ ├── [ 36M] 4-網(wǎng)絡(luò)計算流程.mp4
│ │ └── [120M] 5-輸入與計算結(jié)果.mp4
│ ├──6_點云補全實戰(zhàn)解讀/
│ │ ├── [ 64M] 1-數(shù)據(jù)與項目配置解讀.mp4
│ │ ├── [ 36M] 2-待補全數(shù)據(jù)準(zhǔn)備方法.mp4
│ │ ├── [ 64M] 3-整體框架概述.mp4
│ │ ├── [ 48M] 4-MRE特征提取模塊.mp4
│ │ ├── [ 30M] 5-分層預(yù)測輸出模塊.mp4
│ │ ├── [ 42M] 6-補全點云數(shù)據(jù).mp4
│ │ └── [ 63M] 7-判別模塊.mp4
│ ├──7_點云配準(zhǔn)及其案例實戰(zhàn)/
│ │ ├── [ 21M] 1-點云配準(zhǔn)任務(wù)概述.mp4
│ │ ├── [ 23M] 2-配準(zhǔn)要完成的目標(biāo)解讀.mp4
│ │ ├── [ 34M] 3-訓(xùn)練數(shù)據(jù)構(gòu)建1.mp4
│ │ ├── [ 19M] 4-任務(wù)基本流程.mp4
│ │ ├── [ 53M] 5-數(shù)據(jù)源配置方法.mp4
│ │ ├── [ 26M] 6-參數(shù)計算模塊解讀.mp4
│ │ ├── [ 32M] 7-基于模型預(yù)測輸出參數(shù).mp4
│ │ ├── [ 44M] 8-特征構(gòu)建方法分析.mp4
│ │ └── [ 41M] 9-任務(wù)總結(jié).mp4
│ └──8_基礎(chǔ)補充-對抗生成網(wǎng)絡(luò)架構(gòu)原理與實戰(zhàn)解析/
│ ├── [ 23M] 1-對抗生成網(wǎng)絡(luò)通俗解釋.mp4
│ ├── [ 15M] 2-GAN網(wǎng)絡(luò)組成.mp4
│ ├── [ 49M] 3-損失函數(shù)解釋說明.mp4
│ ├── [ 37M] 4-數(shù)據(jù)讀取模塊.mp4
│ └── [ 67M] 5-生成與判別網(wǎng)絡(luò)定義.mp4
├──12_目標(biāo)追蹤與姿態(tài)估計實戰(zhàn)/
│ ├──1_課程介紹/
│ │ └── [ 38M] 課程介紹2.mp4
│ ├──2_姿態(tài)估計OpenPose系列算法解讀/
│ │ ├── [ 67M] 1-姿態(tài)估計要解決的問題分析.mp4
│ │ ├── [ 26M] 10-匹配方法解讀.mp4
│ │ ├── [ 28M] 11-CPM模型特點.mp4
│ │ ├── [ 73M] 12-算法流程與總結(jié).mp4
│ │ ├── [ 28M] 2-姿態(tài)估計應(yīng)用領(lǐng)域概述.mp4
│ │ ├── [ 68M] 3-傳統(tǒng)topdown方法的問題.mp4
│ │ ├── [ 13M] 4-要解決的兩個問題分析.mp4
│ │ ├── [ 35M] 5-基于高斯分布預(yù)測關(guān)鍵點位置.mp4
│ │ ├── [ 22M] 6-各模塊輸出特征圖解讀.mp4
│ │ ├── [ 15M] 7-PAF向量登場.mp4
│ │ ├── [ 33M] 8-PAF標(biāo)簽設(shè)計方法.mp4
│ │ └── [ 48M] 9-預(yù)測時PAF積分計算方法.mp4
│ ├──3_OpenPose算法源碼分析/
│ │ ├── [ 35M] 1-數(shù)據(jù)集與路徑配置解讀.mp4
│ │ ├── [ 66M] 10-多階段輸出與預(yù)測.mp4
│ │ ├── [ 48M] 2-讀取圖像與標(biāo)注信息.mp4
│ │ ├── [ 44M] 3-關(guān)鍵點與軀干特征圖初始化.mp4
│ │ ├── [ 66M] 4-根據(jù)關(guān)鍵點位置設(shè)計關(guān)鍵點標(biāo)簽.mp4
│ │ ├── [ 36M] 5-準(zhǔn)備構(gòu)建PAF軀干標(biāo)簽.mp4
│ │ ├── [ 36M] 6-各位置點歸屬判斷.mp4
│ │ ├── [ 40M] 7-特征圖各點累加向量計算.mp4
│ │ ├── [ 42M] 8-完成PAF特征圖制作.mp4
│ │ └── [ 31M] 9-網(wǎng)絡(luò)模型一階段輸出.mp4
│ ├──4_deepsort算法知識點解讀/
│ │ ├── [ 30M] 1-卡爾曼濾波通俗解釋.mp4
│ │ ├── [ 36M] 10-sort與deepsort建模流程分析.mp4
│ │ ├── [ 35M] 11-預(yù)測與匹配流程解讀.mp4
│ │ ├── [ 40M] 12-追蹤任務(wù)流程拆解.mp4
│ │ ├── [ 24M] 2-卡爾曼濾波要完成的任務(wù).mp4
│ │ ├── [ 25M] 3-任務(wù)本質(zhì)分析.mp4
│ │ ├── [ 24M] 4-基于觀測值進行最優(yōu)估計.mp4
│ │ ├── [ 31M] 5-預(yù)測與更新操作.mp4
│ │ ├── [ 22M] 6-追蹤中的狀態(tài)量.mp4
│ │ ├── [ 23M] 7-匈牙利匹配算法概述.mp4
│ │ ├── [ 29M] 8-匹配小例子分析.mp4
│ │ └── [ 30M] 9-REID特征的作用.mp4
│ ├──5_deepsort源碼解讀/
│ │ ├── [ 46M] 1-項目環(huán)境配置4.mp4
│ │ ├── [ 92M] 10-匹配結(jié)果與總結(jié).mp4
│ │ ├── [ 49M] 2-參數(shù)與DEMO演示.mp4
│ │ ├── [ 56M] 3-針對檢測結(jié)果初始化track.mp4
│ │ ├── [ 47M] 4-對track執(zhí)行預(yù)測操作.mp4
│ │ ├── [ 44M] 5-狀態(tài)量預(yù)測結(jié)果.mp4
│ │ ├── [ 40M] 6-IOU代價矩陣計算.mp4
│ │ ├── [ 60M] 7-參數(shù)更新操作.mp4
│ │ ├── [ 50M] 8-級聯(lián)匹配模塊.mp4
│ │ └── [ 58M] 9-ReID特征代價矩陣計算.mp4
│ ├──6_YOLO-V4版本算法解讀/
│ │ ├── [ 18M] 1-V4版本整體概述.mp4
│ │ ├── [ 28M] 10-PAN模塊解讀.mp4
│ │ ├── [ 26M] 11-激活函數(shù)與整體架構(gòu)總結(jié).mp4
│ │ ├── [ 12M] 2-V4版本貢獻(xiàn)解讀.mp4
│ │ ├── [ 35M] 3-數(shù)據(jù)增強策略分析.mp4
│ │ ├── [ 26M] 4-DropBlock與標(biāo)簽平滑方法.mp4
│ │ ├── [ 20M] 5-損失函數(shù)遇到的問題.mp4
│ │ ├── [ 13M] 6-CIOU損失函數(shù)定義.mp4
│ │ ├── [ 21M] 7-NMS細(xì)節(jié)改進.mp4
│ │ ├── [ 18M] 8-SPP與CSP網(wǎng)絡(luò)結(jié)構(gòu).mp4
│ │ └── [ 30M] 9-SAM注意力機制模塊.mp4
│ ├──7_V5版本項目配置/
│ │ ├── [ 41M] 1-整體項目概述.mp4
│ │ ├── [ 47M] 2-訓(xùn)練自己的數(shù)據(jù)集方法.mp4
│ │ ├── [ 60M] 3-訓(xùn)練數(shù)據(jù)參數(shù)配置.mp4
│ │ └── [ 60M] 4-測試DEMO演示.mp4
│ └──8_V5項目工程源碼解讀/
│ ├── [ 54M] 1-數(shù)據(jù)源DEBUG流程解讀.mp4
│ ├── [ 70M] 10-完成配置文件解析任務(wù).mp4
│ ├── [ 37M] 11-前向傳播計算.mp4
│ ├── [ 40M] 12-BottleneckCSP層計算方法.mp4
│ ├── [ 31M] 13-Head層流程解讀2.mp4
│ ├── [ 39M] 13-SPP層計算細(xì)節(jié)分析.mp4
│ ├── [ 25M] 14-上采樣與拼接操作.mp4
│ ├── [ 58M] 15-輸出結(jié)果分析.mp4
│ ├── [ 42M] 16-超參數(shù)解讀.mp4
│ ├── [ 56M] 17-命令行參數(shù)介紹.mp4
│ ├── [ 57M] 18-訓(xùn)練流程解讀.mp4
│ ├── [ 47M] 19-各種訓(xùn)練策略概述.mp4
│ ├── [ 44M] 2-圖像數(shù)據(jù)源配置.mp4
│ ├── [ 53M] 20-模型迭代過程.mp4
│ ├── [ 34M] 3-加載標(biāo)簽數(shù)據(jù).mp4
│ ├── [ 31M] 4-Mosaic數(shù)據(jù)增強方法.mp4
│ ├── [ 53M] 5-數(shù)據(jù)四合一方法與流程演示.mp4
│ ├── [ 42M] 6-getItem構(gòu)建batch.mp4
│ ├── [ 41M] 7-網(wǎng)絡(luò)架構(gòu)圖可視化工具安裝.mp4
│ ├── [ 42M] 8-V5網(wǎng)絡(luò)配置文件解讀.mp4
│ └── [ 29M] 9-Focus模塊流程分析.mp4
├──13_面向深度學(xué)習(xí)的無人駕駛實戰(zhàn)/
│ ├──10_NeuralRecon項目源碼解讀/
│ │ ├── [ 43M] 1-Backbone得到特征圖.mp4
│ │ ├── [ 47M] 2-初始化體素位置.mp4
│ │ ├── [ 34M] 3-坐標(biāo)映射方法實現(xiàn).mp4
│ │ ├── [ 60M] 4-得到體素所對應(yīng)特征圖.mp4
│ │ ├── [ 41M] 5-插值得到對應(yīng)特征向量.mp4
│ │ ├── [ 46M] 6-得到一階段輸出結(jié)果.mp4
│ │ ├── [ 57M] 7-完成三個階段預(yù)測結(jié)果.mp4
│ │ └── [135M] 8-項目總結(jié)2.mp4
│ ├──11_TSDF算法與應(yīng)用/
│ │ ├── [ 28M] 1-TSDF整體概述分析.mp4
│ │ ├── [ 27M] 2-合成過程DEMO演示.mp4
│ │ ├── [ 15M] 3-布局初始化操作.mp4
│ │ ├── [ 26M] 4-TSDF計算基本流程解讀.mp4
│ │ ├── [ 38M] 5-坐標(biāo)轉(zhuǎn)換流程分析.mp4
│ │ └── [ 44M] 6-輸出結(jié)果融合更新.mp4
│ ├──12_TSDF實戰(zhàn)案例/
│ │ ├── [ 39M] 1-環(huán)境配置概述.mp4
│ │ ├── [ 26M] 2-初始化與數(shù)據(jù)讀取.mp4
│ │ └── [ 62M] 3-計算得到TSDF輸出.mp4
│ ├──13_軌跡估計算法與論文解讀/
│ │ ├── [ 77M] 1-數(shù)據(jù)集與標(biāo)注信息解讀.mp4
│ │ ├── [ 59M] 2-整體三大模塊分析.mp4
│ │ ├── [ 54M] 3-特征工程的作用與效果.mp4
│ │ ├── [ 66M] 4-傳統(tǒng)方法與現(xiàn)在向量空間對比.mp4
│ │ ├── [ 48M] 5-輸入細(xì)節(jié)分析.mp4
│ │ ├── [ 64M] 6-子圖模塊構(gòu)建方法.mp4
│ │ ├── [ 55M] 7-特征融合模塊分析.mp4
│ │ └── [117M] 8-VectorNet輸出層分析.mp4
│ ├──14_軌跡估計預(yù)測實戰(zhàn)/
│ │ ├── [ 42M] 1-數(shù)據(jù)與環(huán)境配置..mp4
│ │ ├── [ 38M] 2-訓(xùn)練數(shù)據(jù)準(zhǔn)備.mp4
│ │ ├── [ 50M] 3-Agent特征提取方法.mp4
│ │ ├── [ 37M] 4-DataLoader構(gòu)建圖結(jié)構(gòu).mp4
│ │ └── [ 43M] 5-SubGraph與Attention模型流程.mp4
│ ├──15_特斯拉無人駕駛解讀/
│ │ └── [776M] 15-特斯拉無人駕駛解讀.mp4
│ ├──1_深度估計算法原理解讀/
│ │ ├── [ 82M] 1-深度估計效果與應(yīng)用.mp4
│ │ ├── [ 48M] 10-損失計算.mp4
│ │ ├── [ 62M] 2-kitti數(shù)據(jù)集介紹.mp4
│ │ ├── [ 27M] 3-使用backbone獲取層級特征.mp4
│ │ ├── [ 35M] 4-差異特征計算邊界信息.mp4
│ │ ├── [ 20M] 5-SPP層的作用.mp4
│ │ ├── [ 26M] 6-空洞卷積與ASPP.mp4
│ │ ├── [ 29M] 7-特征拼接方法分析.mp4
│ │ ├── [ 34M] 8-網(wǎng)絡(luò)coarse-to-fine過程.mp4
│ │ └── [ 38M] 9-權(quán)重參數(shù)預(yù)處理.mp4
│ ├──2_深度估計項目實戰(zhàn)/
│ │ ├── [ 63M] 1-項目環(huán)境配置解讀1.mp4
│ │ ├── [113M] 10-模型DEMO輸出結(jié)果.mp4
│ │ ├── [103M] 2-數(shù)據(jù)與標(biāo)簽定義方法.mp4
│ │ ├── [ 40M] 3-數(shù)據(jù)集dataloader制作.mp4
│ │ ├── [ 43M] 4-使用backbone進行特征提取.mp4
│ │ ├── [ 38M] 5-計算差異特征.mp4
│ │ ├── [ 49M] 6-權(quán)重參數(shù)標(biāo)準(zhǔn)化操作.mp4
│ │ ├── [ 50M] 7-網(wǎng)絡(luò)結(jié)構(gòu)ASPP層.mp4
│ │ ├── [ 56M] 8-特征拼接方法解讀.mp4
│ │ ├── [ 35M] 8-輸出深度估計結(jié)果.mp4
│ │ └── [ 48M] 9-損失函數(shù)通俗解讀.mp4
│ ├──3_車道線檢測算法與論文解讀/
│ │ ├── [ 39M] 1-數(shù)據(jù)標(biāo)簽與任務(wù)分析.mp4
│ │ ├── [ 43M] 2-網(wǎng)絡(luò)整體框架分析.mp4
│ │ ├── [ 19M] 3-輸出結(jié)果分析.mp4
│ │ ├── [ 39M] 4-損失函數(shù)計算方法.mp4
│ │ └── [ 79M] 5-論文概述分析.mp4
│ ├──4_基于深度學(xué)習(xí)的車道線檢測項目實戰(zhàn)/
│ │ ├── [ 78M] 1-車道數(shù)據(jù)與標(biāo)簽解讀.mp4
│ │ ├── [ 57M] 10-車道線規(guī)則損失函數(shù)限制.mp4
│ │ ├── [ 54M] 11-DEMO制作與配置.mp4
│ │ ├── [ 35M] 2-項目環(huán)境配置演示.mp4
│ │ ├── [ 68M] 3-制作數(shù)據(jù)集dataloader.mp4
│ │ ├── [ 38M] 4-車道線標(biāo)簽數(shù)據(jù)處理.mp4
│ │ ├── [ 29M] 5-四條車道線標(biāo)簽位置矩陣.mp4
│ │ ├── [ 61M] 6-grid設(shè)置方法.mp4
│ │ ├── [ 33M] 7-完成數(shù)據(jù)與標(biāo)簽制作.mp4
│ │ ├── [ 62M] 8-算法網(wǎng)絡(luò)結(jié)構(gòu)解讀.mp4
│ │ └── [ 46M] 9-損失函數(shù)計算模塊分析.mp4
│ ├──5_商湯LoFTR算法解讀/
│ │ ├── [ 47M] 1-特征匹配的應(yīng)用場景.mp4
│ │ ├── [ 74M] 10-總結(jié)分析.mp4
│ │ ├── [ 22M] 2-特征匹配的基本流程分析.mp4
│ │ ├── [ 23M] 3-整體流程梳理分析.mp4
│ │ ├── [ 22M] 4-CrossAttention的作用與效果.mp4
│ │ ├── [ 45M] 5-transformer構(gòu)建匹配特征.mp4
│ │ ├── [ 35M] 6-粗粒度匹配過程與作用.mp4
│ │ ├── [ 19M] 7-特征圖拆解操作.mp4
│ │ ├── [ 27M] 8-細(xì)粒度匹配的作用與方法.mp4
│ │ └── [ 33M] 9-基于期望預(yù)測最終位置.mp4
│ ├──6_局部特征關(guān)鍵點匹配實戰(zhàn)/
│ │ ├── [ 53M] 1-項目與參數(shù)配置解讀.mp4
│ │ ├── [ 23M] 10-得到精細(xì)化輸出結(jié)果.mp4
│ │ ├── [ 54M] 11-通過期望計算最終輸出.mp4
│ │ ├── [ 31M] 2-DEMO效果演示.mp4
│ │ ├── [ 32M] 3-backbone特征提取模塊.mp4
│ │ ├── [ 36M] 4-注意力機制的作用與效果分析.mp4
│ │ ├── [ 35M] 5-特征融合模塊實現(xiàn)方法.mp4
│ │ ├── [ 36M] 6-cross關(guān)系計算方法實例.mp4
│ │ ├── [ 56M] 7-粗粒度匹配過程.mp4
│ │ ├── [ 73M] 8-完成基礎(chǔ)匹配模塊.mp4
│ │ └── [ 50M] 9-精細(xì)化調(diào)整方法與實例.mp4
│ ├──7_三維重建應(yīng)用與坐標(biāo)系基礎(chǔ)/
│ │ ├── [128M] 1-三維重建概述分析.mp4
│ │ ├── [ 16M] 2-三維重建應(yīng)用領(lǐng)域概述.mp4
│ │ ├── [ 21M] 3-成像方法概述.mp4
│ │ ├── [ 24M] 4-相機坐標(biāo)系.mp4
│ │ ├── [ 28M] 5-坐標(biāo)系轉(zhuǎn)換方法解讀.mp4
│ │ ├── [ 24M] 6-相機內(nèi)外參.mp4
│ │ ├── [ 21M] 7-通過內(nèi)外參數(shù)進行坐標(biāo)變換.mp4
│ │ └── [6.7M] 8-相機標(biāo)定簡介.mp4
│ ├──8_NeuralRecon算法解讀/
│ │ ├── [ 28M] 1-任務(wù)流程分析.mp4
│ │ ├── [ 38M] 2-基本框架熟悉.mp4
│ │ ├── [ 46M] 3-特征映射方法解讀.mp4
│ │ ├── [ 23M] 4-片段融合思想.mp4
│ │ └── [ 30M] 5-整體架構(gòu)重構(gòu)方法.mp4
│ └──9_NeuralRecon項目環(huán)境配置/
│ ├── [ 59M] 1-數(shù)據(jù)集下載與配置方法.mp4
│ ├── [ 41M] 2-Scannet數(shù)據(jù)集內(nèi)容概述.mp4
│ ├── [ 68M] 3-TSDF標(biāo)簽生成方法.mp4
│ ├── [ 58M] 4-ISSUE的作用.mp4
│ └── [ 66M] 5-完成依賴環(huán)境配置.mp4
├──14_缺陷檢測實戰(zhàn)/
│ ├──10_基于視頻流水線的Opencv缺陷檢測項目/
│ │ ├── [ 20M] 1-數(shù)據(jù)與任務(wù)概述.mp4
│ │ ├── [ 23M] 2-視頻數(shù)據(jù)讀取與輪廓檢測.mp4
│ │ ├── [ 40M] 3-目標(biāo)質(zhì)心計算.mp4
│ │ ├── [ 39M] 4-視頻數(shù)據(jù)遍歷方法.mp4
│ │ ├── [ 41M] 5-缺陷區(qū)域提取.mp4
│ │ ├── [ 47M] 6-不同類型的缺陷檢測方法.mp4
│ │ └── [ 29M] 7-檢測效果演示.mp4
│ ├──11_圖像分割deeplab系列算法/
│ │ ├── [ 19M] 1-deeplab分割算法概述.mp4
│ │ ├── [ 21M] 2-空洞卷積的作用.mp4
│ │ ├── [ 26M] 3-感受野的意義.mp4
│ │ ├── [ 26M] 4-SPP層的作用.mp4
│ │ ├── [ 17M] 5-ASPP特征融合策略.mp4
│ │ └── [ 33M] 6-deeplabV3Plus版本網(wǎng)絡(luò)架構(gòu).mp4
│ ├──12_基于deeplabV3+版本進行VOC分割實戰(zhàn)/
│ │ ├── [ 57M] 1-PascalVoc數(shù)據(jù)集介紹.mp4
│ │ ├── [ 70M] 2-項目參數(shù)與數(shù)據(jù)集讀取.mp4
│ │ ├── [ 40M] 3-網(wǎng)絡(luò)前向傳播流程.mp4
│ │ ├── [ 62M] 4-ASPP層特征融合.mp4
│ │ └── [ 43M] 5-分割模型訓(xùn)練.mp4
│ ├──13_Deeplab鐵質(zhì)材料缺陷檢測與開源項目應(yīng)用流程/
│ │ ├── [ 37M] 1-數(shù)據(jù)集與任務(wù)概述..mp4
│ │ ├── [ 40M] 2-開源項目應(yīng)用方法.mp4
│ │ ├── [ 41M] 3-github與kaggle中需要注意的點.mp4
│ │ ├── [100M] 4-源碼的利用方法.mp4
│ │ ├── [ 86M] 5-數(shù)據(jù)集制作方法.mp4
│ │ ├── [ 63M] 6-數(shù)據(jù)路徑配置.mp4
│ │ ├── [ 38M] 7-訓(xùn)練模型.mp4
│ │ └── [ 48M] 8-任務(wù)總結(jié).mp4
│ ├──1_課程介紹/
│ │ └── [ 36M] 課程介紹3.mp4
│ ├──2_物體檢框架YOLO-V4版本算法解讀/
│ │ ├── [ 15M] 1-V4版本整體概述.mp4
│ │ ├── [ 21M] 10-PAN模塊解讀.mp4
│ │ ├── [ 19M] 11-激活函數(shù)與整體架構(gòu)總結(jié).mp4
│ │ ├── [ 10M] 2-V4版本貢獻(xiàn)解讀.mp4
│ │ ├── [ 25M] 3-數(shù)據(jù)增強策略分析.mp4
│ │ ├── [ 19M] 4-DropBlock與標(biāo)簽平滑方法.mp4
│ │ ├── [ 14M] 5-損失函數(shù)遇到的問題.mp4
│ │ ├── [ 11M] 6-CIOU損失函數(shù)定義.mp4
│ │ ├── [ 17M] 7-NMS細(xì)節(jié)改進.mp4
│ │ ├── [ 15M] 8-SPP與CSP網(wǎng)絡(luò)結(jié)構(gòu).mp4
│ │ └── [ 22M] 9-SAM注意力機制模塊.mp4
│ ├──3_物體檢測框架YOLOV5版本項目配置/
│ │ ├── [ 36M] 1-整體項目概述.mp4
│ │ ├── [ 41M] 2-訓(xùn)練自己的數(shù)據(jù)集方法.mp4
│ │ ├── [ 51M] 3-訓(xùn)練數(shù)據(jù)參數(shù)配置.mp4
│ │ └── [ 50M] 4-測試DEMO演示.mp4
│ ├──4_物體檢測框架YOLOV5項目工程源碼解讀/
│ │ ├── [ 48M] 1-數(shù)據(jù)源DEBUG流程解讀.mp4
│ │ ├── [ 59M] 10-完成配置文件解析任務(wù).mp4
│ │ ├── [ 31M] 11-前向傳播計算.mp4
│ │ ├── [ 34M] 12-BottleneckCSP層計算方法.mp4
│ │ ├── [ 39M] 13-1 SPP層計算細(xì)節(jié)分析.mp4
│ │ ├── [ 31M] 13-2Head層流程解讀.mp4
│ │ ├── [ 21M] 14-上采樣與拼接操作.mp4
│ │ ├── [ 42M] 15-輸出結(jié)果分析.mp4
│ │ ├── [ 35M] 16-超參數(shù)解讀.mp4
│ │ ├── [ 35M] 16-超參數(shù)解讀.mp4.baiduyun.p.downloading
│ │ ├── [ 44M] 17-命令行參數(shù)介紹.mp4
│ │ ├── [ 47M] 18-訓(xùn)練流程解讀.mp4
│ │ ├── [ 38M] 19-各種訓(xùn)練策略概述.mp4
│ │ ├── [ 35M] 2-圖像數(shù)據(jù)源配置.mp4
│ │ ├── [ 38M] 20-模型迭代過程.mp4
│ │ ├── [ 26M] 3-加載標(biāo)簽數(shù)據(jù).mp4
│ │ ├── [ 28M] 4-Mosaic數(shù)據(jù)增強方法.mp4
│ │ ├── [ 42M] 5-數(shù)據(jù)四合一方法與流程演示.mp4
│ │ ├── [ 33M] 6-getItem構(gòu)建batch.mp4
│ │ ├── [ 34M] 7-網(wǎng)絡(luò)架構(gòu)圖可視化工具安裝.mp4
│ │ ├── [ 36M] 8-V5網(wǎng)絡(luò)配置文件解讀.mp4
│ │ └── [ 22M] 9-Focus模塊流程分析.mp4
│ ├──5_基于YOLOV5的鋼材缺陷檢測實戰(zhàn)/
│ │ ├── [ 16M] 1-任務(wù)需求與項目概述.mp4
│ │ ├── [ 43M] 2-數(shù)據(jù)與標(biāo)簽配置方法.mp4
│ │ ├── [ 39M] 3-標(biāo)簽轉(zhuǎn)換格式腳本制作.mp4
│ │ ├── [ 37M] 4-各版本模型介紹分析.mp4
│ │ ├── [ 30M] 5-項目參數(shù)配置.mp4
│ │ ├── [ 33M] 6-缺陷檢測模型訓(xùn)練.mp4
│ │ └── [ 53M] 7-輸出結(jié)果與項目總結(jié).mp4
│ ├──6_Semi-supervised布料缺陷檢測實戰(zhàn)/
│ │ ├── [ 61M] 1-任務(wù)目標(biāo)與流程概述.mp4
│ │ ├── [158M] 2-論文思想與模型分析.mp4
│ │ ├── [ 69M] 3-項目配置解讀.mp4
│ │ ├── [ 43M] 4-網(wǎng)絡(luò)流程分析.mp4
│ │ └── [ 50M] 5-輸出結(jié)果展示.mp4
│ ├──7_Opencv圖像常用處理方法實例/
│ │ ├── [ 41M] 1-圖像閾值.mp4
│ │ ├── [ 29M] 1-腐蝕操作.mp4
│ │ ├── [ 40M] 1-計算機眼中的圖像.mp4
│ │ ├── [ 34M] 2-圖像平滑處理.mp4
│ │ ├── [ 17M] 2-膨脹操作.mp4
│ │ ├── [ 60M] 2-視頻的讀取與處理.mp4
│ │ ├── [ 20M] 3-ROI區(qū)域.mp4
│ │ ├── [ 12M] 3-開運算與閉運算.mp4
│ │ ├── [ 29M] 3-高斯與中值濾波.mp4
│ │ ├── [ 10M] 4-梯度計算.mp4
│ │ ├── [ 29M] 4-邊界填充.mp4
│ │ ├── [ 52M] 5-數(shù)值計算.mp4
│ │ └── [ 23M] 5-禮帽與黑帽.mp4
│ ├──8_Opencv梯度計算與邊緣檢測實例/
│ │ ├── [ 26M] 1-Canny邊緣檢測流程.mp4
│ │ ├── [ 37M] 1-Sobel算子.mp4
│ │ ├── [ 42M] 2-梯度計算方法.mp4
│ │ ├── [ 21M] 2-非極大值抑制.mp4
│ │ ├── [ 34M] 3-scharr與lapkacian算子.mp4
│ │ └── [ 51M] 3-邊緣檢測效果.mp4
│ ├──8_Opencv輪廓檢測與直方圖/
│ │ ├── [ 27M] 1-圖像金字塔定義.mp4
│ │ ├── [ 30M] 1-直方圖定義.mp4
│ │ ├── [ 40M] 2-均衡化原理.mp4
│ │ ├── [ 32M] 2-金字塔制作方法.mp4
│ │ ├── [ 36M] 3-均衡化效果.mp4
│ │ ├── [ 27M] 3-輪廓檢測方法.mp4
│ │ ├── [ 61M] 4-傅里葉概述.mp4
│ │ ├── [ 44M] 4-輪廓檢測結(jié)果.mp4
│ │ ├── [ 53M] 5-輪廓特征與近似.mp4
│ │ ├── [ 35M] 5-頻域變換結(jié)果.mp4
│ │ ├── [ 36M] 6-低通與高通濾波.mp4
│ │ ├── [ 60M] 6-模板匹配方法.mp4
│ │ └── [ 27M] 7-匹配效果展示.mp4
│ └──9_基于Opencv缺陷檢測項目實戰(zhàn)/
│ ├── [ 18M] 1-任務(wù)需求與環(huán)境配置.mp4
│ ├── [ 33M] 2-數(shù)據(jù)讀取與基本處理.mp4
│ ├── [ 33M] 3-缺陷形態(tài)學(xué)操作.mp4
│ ├── [ 28M] 4-整體流程解讀.mp4
│ └── [ 63M] 5-缺陷檢測效果演示.mp4
├──15_行人重識別實戰(zhàn)/
│ ├──1_行人重識別原理及其應(yīng)用/
│ │ ├── [ 23M] 1-行人重識別要解決的問題.mp4
│ │ ├── [ 47M] 2-挑戰(zhàn)與困難分析.mp4
│ │ ├── [ 17M] 3-評估標(biāo)準(zhǔn)rank1指標(biāo).mp4
│ │ ├── [ 21M] 4-map值計算方法.mp4
│ │ ├── [ 34M] 5-triplet損失計算實例.mp4
│ │ └── [ 37M] 6-Hard-Negative方法應(yīng)用.mp4
│ ├──2_基于注意力機制的Reld模型論文解讀/
│ │ ├── [ 48M] 1-論文整體思想及注意力機制的作用解讀.mp4
│ │ ├── [ 28M] 2-空間權(quán)重值計算流程分析.mp4
│ │ ├── [ 29M] 3-融合空間注意力所需特征.mp4
│ │ └── [ 89M] 4-基于特征圖的注意力計算.mp4
│ ├──3_基于Attention的行人重識別項目實戰(zhàn)/
│ │ ├── [ 58M] 1-項目環(huán)境與數(shù)據(jù)集配置.mp4
│ │ ├── [ 83M] 2-參數(shù)配置與整體架構(gòu)分析.mp4
│ │ ├── [ 37M] 3-進入debug模式解讀網(wǎng)絡(luò)計算流程.mp4
│ │ ├── [ 53M] 4-獲得空間位置點之間的關(guān)系.mp4
│ │ ├── [ 42M] 5-組合關(guān)系特征圖.mp4
│ │ ├── [ 49M] 6-計算得到位置權(quán)重值.mp4
│ │ ├── [ 32M] 7-基于特征圖的權(quán)重計算.mp4
│ │ ├── [ 75M] 8-損失函數(shù)計算實例解讀.mp4
│ │ └── [ 91M] 9-訓(xùn)練與測試模塊演示.mp4
│ ├──4_AAAI2020頂會算法精講/
│ │ ├── [ 22M] 1-論文整體框架概述.mp4
│ │ ├── [ 21M] 2-局部特征與全局關(guān)系計算方法.mp4
│ │ ├── [ 20M] 3-特征分組方法.mp4
│ │ ├── [ 39M] 4-GCP模塊特征融合方法.mp4
│ │ ├── [ 20M] 5-oneVsReset方法實例.mp4
│ │ └── [ 20M] 6-損失函數(shù)應(yīng)用位置.mp4
│ ├──5_項目實戰(zhàn)-基于行人局部特征融合的再識別實戰(zhàn)/
│ │ ├── [ 94M] 1-項目配置與數(shù)據(jù)集介紹.mp4
│ │ ├── [ 62M] 10-得到所有分組特征結(jié)果.mp4
│ │ ├── [ 53M] 11-損失函數(shù)與訓(xùn)練過程演示.mp4
│ │ ├── [ 64M] 12-測試與驗證模塊.mp4
│ │ ├── [ 49M] 2-數(shù)據(jù)源構(gòu)建方法分析.mp4
│ │ ├── [ 35M] 3-dataloader加載順序解讀.mp4
│ │ ├── [101M] 4-debug模式解讀.mp4
│ │ ├── [ 38M] 5-網(wǎng)絡(luò)計算整體流程演示.mp4
│ │ ├── [ 51M] 6-特征序列構(gòu)建.mp4
│ │ ├── [ 47M] 7-GCP全局特征提取.mp4
│ │ ├── [ 58M] 8-局部特征提取實例.mp4
│ │ └── [ 59M] 9-特征組合匯總.mp4
│ ├──6_曠視研究院最新算法解讀（基于圖模型）/
│ │ ├── [ 26M] 1-關(guān)鍵點位置特征構(gòu)建.mp4
│ │ ├── [ 30M] 2-圖卷積與匹配的作用.mp4
│ │ ├── [ 33M] 3-局部特征熱度圖計算.mp4
│ │ ├── [ 39M] 4-基于圖卷積構(gòu)建人體拓?fù)潢P(guān)系.mp4
│ │ ├── [ 36M] 5-圖卷積模塊實現(xiàn)方法.mp4
│ │ ├── [ 21M] 6-圖匹配在行人重識別中的作用.mp4
│ │ └── [ 31M] 7-整體算法框架分析.mp4
│ └──7_基于拓?fù)鋱D的行人重識別項目實戰(zhàn)/
│ ├── [ 61M] 1-數(shù)據(jù)集與環(huán)境配置概述.mp4
│ ├── [ 88M] 10-整體項目總結(jié).mp4
│ ├── [ 59M] 2-局部特征準(zhǔn)備方法.mp4
│ ├── [ 52M] 3-得到一階段熱度圖結(jié)果.mp4
│ ├── [ 96M] 4-階段監(jiān)督訓(xùn)練.mp4
│ ├── [ 46M] 5-初始化圖卷積模型.mp4
│ ├── [ 47M] 6-mask矩陣的作用.mp4
│ ├── [ 58M] 7-鄰接矩陣學(xué)習(xí)與更新.mp4
│ ├── [ 76M] 8-基于拓?fù)浣Y(jié)構(gòu)組合關(guān)鍵點特征.mp4
│ └── [ 81M] 9-圖匹配模塊計算流程.mp4
├──16_對抗生成網(wǎng)絡(luò)實戰(zhàn)/
│ ├──1_課程介紹/
│ │ └── [ 35M] 課程介紹.mp4
│ ├──2_對抗生成網(wǎng)絡(luò)架構(gòu)原理與實戰(zhàn)解析/
│ │ ├── [ 23M] 1-對抗生成網(wǎng)絡(luò)通俗解釋.mp4
│ │ ├── [ 15M] 2-GAN網(wǎng)絡(luò)組成.mp4
│ │ ├── [ 49M] 3-損失函數(shù)解釋說明.mp4
│ │ ├── [ 37M] 4-數(shù)據(jù)讀取模塊.mp4
│ │ └── [ 67M] 5-生成與判別網(wǎng)絡(luò)定義.mp4
│ ├──3_基于CycleGan開源項目實戰(zhàn)圖像合成/
│ │ ├── [ 44M] 1-CycleGan網(wǎng)絡(luò)所需數(shù)據(jù).mp4
│ │ ├── [ 45M] 10-額外補充：VISDOM可視化配置.mp4
│ │ ├── [ 30M] 2-CycleGan整體網(wǎng)絡(luò)架構(gòu).mp4
│ │ ├── [ 16M] 3-PatchGan判別網(wǎng)絡(luò)原理.mp4
│ │ ├── [ 53M] 4-Cycle開源項目簡介.mp4
│ │ ├── [ 60M] 5-數(shù)據(jù)讀取與預(yù)處理操作.mp4
│ │ ├── [ 61M] 6-生成網(wǎng)絡(luò)模塊構(gòu)造.mp4
│ │ ├── [ 24M] 7-判別網(wǎng)絡(luò)模塊構(gòu)造.mp4
│ │ ├── [ 45M] 8-損失函數(shù)：identity loss計算方法.mp4
│ │ └── [ 76M] 9-生成與判別損失函數(shù)指定.mp4
│ ├──4_stargan論文架構(gòu)解析/
│ │ ├── [ 40M] 1-stargan效果演示分析.mp4
│ │ ├── [ 35M] 2-網(wǎng)絡(luò)架構(gòu)整體思路解讀.mp4
│ │ ├── [ 57M] 3-建模流程分析.mp4
│ │ ├── [ 62M] 4-V1版本存在的問題及后續(xù)改進思路.mp4
│ │ ├── [ 55M] 5-V2版本在整體網(wǎng)絡(luò)架構(gòu).mp4
│ │ ├── [ 47M] 6-編碼器訓(xùn)練方法.mp4
│ │ ├── [ 57M] 7-損失函數(shù)公式解析.mp4
│ │ └── [ 40M] 8-訓(xùn)練過程分析.mp4
│ ├──5_stargan項目實戰(zhàn)及其源碼解讀/
│ │ ├── [ 26M] 1-項目配置與數(shù)據(jù)源下載.mp4
│ │ ├── [ 27M] 10-測試模塊效果與實驗分析.mp4
│ │ ├── [ 45M] 2-測試效果演示.mp4
│ │ ├── [ 34M] 3-項目參數(shù)解析.mp4
│ │ ├── [ 62M] 4-生成器模塊源碼解讀.mp4
│ │ ├── [ 56M] 5-所有網(wǎng)絡(luò)模塊構(gòu)建實例.mp4
│ │ ├── [ 61M] 6-數(shù)據(jù)讀取模塊分析.mp4
│ │ ├── [ 41M] 7-判別器損失計算.mp4
│ │ ├── [ 60M] 8-損失計算詳細(xì)過程.mp4
│ │ └── [ 82M] 9-生成模塊損失計算.mp4
│ ├──6_基于starganvc2的變聲器論文原理解讀/
│ │ ├── [ 42M] 1-論文整體思路與架構(gòu)解讀.mp4
│ │ ├── [ 28M] 2-VCC2016輸入數(shù)據(jù).mp4
│ │ ├── [ 42M] 3-語音特征提取.mp4
│ │ ├── [ 21M] 4-生成器模型架構(gòu)分析.mp4
│ │ ├── [ 26M] 5-InstanceNorm的作用解讀.mp4
│ │ ├── [ 18M] 6-AdaIn的目的與效果.mp4
│ │ └── [212M] 7-判別器模塊分析.mp4
│ ├──7_starganvc2變聲器項目實戰(zhàn)及其源碼解讀/
│ │ ├── [ 30M] 1-數(shù)據(jù)與項目文件解讀.mp4
│ │ ├── [ 38M] 10-源碼損失計算流程.mp4
│ │ ├── [ 55M] 11-測試模塊-生成轉(zhuǎn)換語音.mp4
│ │ ├── [ 55M] 2-環(huán)境配置與工具包安裝.mp4
│ │ ├── [126M] 3-數(shù)據(jù)預(yù)處理與聲音特征提取.mp4
│ │ ├── [ 51M] 4-生成器構(gòu)造模塊解讀.mp4
│ │ ├── [ 43M] 5-下采樣與上采樣操作.mp4
│ │ ├── [ 48M] 6-starganvc2版本標(biāo)簽輸入分析.mp4
│ │ ├── [ 34M] 7-生成器前向傳播維度變化.mp4
│ │ ├── [ 45M] 8-判別器模塊解讀.mp4
│ │ └── [116M] 9-論文損失函數(shù).mp4
│ ├──8_圖像超分辨率重構(gòu)實戰(zhàn)/
│ │ ├── [ 60M] 1-論文概述.mp4
│ │ ├── [136M] 2-網(wǎng)絡(luò)架構(gòu).mp4
│ │ ├── [ 37M] 3-數(shù)據(jù)與環(huán)境配置.mp4
│ │ ├── [ 42M] 4-數(shù)據(jù)加載與配置.mp4
│ │ ├── [ 57M] 5-生成模塊.mp4
│ │ ├── [ 50M] 6-判別模塊.mp4
│ │ ├── [ 43M] 7-VGG特征提取網(wǎng)絡(luò).mp4
│ │ ├── [117M] 8-損失函數(shù)與訓(xùn)練.mp4
│ │ └── [110M] 9-測試模塊.mp4
│ └──9_基于GAN的圖像補全實戰(zhàn)/
│ ├── [ 90M] 1-.論文概述.mp4
│ ├── [ 40M] 2-網(wǎng)絡(luò)架構(gòu)11.mp4
│ ├── [ 77M] 3- 細(xì)節(jié)設(shè)計.mp4
│ ├── [ 80M] 4- 論文總結(jié).mp4
│ ├── [ 49M] 5- 數(shù)據(jù)與項目概述.mp4
│ ├── [ 84M] 6- 參數(shù)基本設(shè)計.mp4
│ ├── [ 90M] 7- 網(wǎng)絡(luò)結(jié)構(gòu)配置.mp4
│ ├── [122M] 8- 網(wǎng)絡(luò)迭代訓(xùn)練.mp4
│ └── [ 87M] 9- 測試模塊.mp4
├──17_強化學(xué)習(xí)實戰(zhàn)系列/
│ ├──1_強化學(xué)習(xí)簡介及其應(yīng)用/
│ │ ├── [ 22M] 1-一張圖通俗解釋強化學(xué)習(xí).mp4
│ │ ├── [ 29M] 2-強化學(xué)習(xí)的指導(dǎo)依據(jù).mp4
│ │ ├── [ 29M] 3-強化學(xué)習(xí)AI游戲DEMO.mp4
│ │ ├── [ 23M] 4-應(yīng)用領(lǐng)域簡介.mp4
│ │ ├── [ 19M] 5-強化學(xué)習(xí)工作流程.mp4
│ │ └── [ 27M] 6-計算機眼中的狀態(tài)與行為.mp4
│ ├──2_PPO算法與公式推導(dǎo)/
│ │ ├── [ 40M] 1-基本情況介紹.mp4
│ │ ├── [ 31M] 2-與環(huán)境交互得到所需數(shù)據(jù).mp4
│ │ ├── [ 33M] 3-要完成的目標(biāo)分析.mp4
│ │ ├── [ 30M] 4-策略梯度推導(dǎo).mp4
│ │ ├── [ 18M] 5-baseline方法.mp4
│ │ ├── [ 27M] 6-OnPolicy與OffPolicy策略.mp4
│ │ ├── [ 30M] 7-importance sampling的作用.mp4
│ │ └── [ 36M] 8-PPO算法整體思路解析.mp4
│ ├──3_PPO實戰(zhàn)-月球登陸器訓(xùn)練實例/
│ │ ├── [ 43M] 1-Critic的作用與效果.mp4
│ │ ├── [ 42M] 2-PPO2版本公式解讀.mp4
│ │ ├── [ 38M] 3-參數(shù)與網(wǎng)絡(luò)結(jié)構(gòu)定義.mp4
│ │ ├── [ 36M] 4-得到動作結(jié)果.mp4
│ │ ├── [ 44M] 5-獎勵獲得與計算.mp4
│ │ └── [ 63M] 6-參數(shù)迭代與更新.mp4
│ ├──4_Q-learning與DQN算法/
│ │ ├── [ 30M] 1-算法原理通俗解讀.mp4
│ │ ├── [ 33M] 2-目標(biāo)函數(shù)與公式解析.mp4
│ │ ├── [ 21M] 3-Qlearning算法實例解讀.mp4
│ │ ├── [ 31M] 4-Q值迭代求解.mp4
│ │ └── [ 19M] 5-DQN簡介.mp4
│ ├──5_DQN算法實例演示/
│ │ ├── [ 25M] 1-整體任務(wù)流程演示.mp4
│ │ ├── [ 35M] 2-探索與action獲取.mp4
│ │ ├── [ 27M] 3-計算target值.mp4
│ │ └── [ 40M] 4-訓(xùn)練與更新.mp4
│ ├──6_DQN改進與應(yīng)用技巧/
│ │ ├── [ 23M] 1-DoubleDqn要解決的問題.mp4
│ │ ├── [ 24M] 2-DuelingDqn改進方法.mp4
│ │ ├── [ 28M] 3-Dueling整體網(wǎng)絡(luò)架構(gòu)分析.mp4
│ │ ├── [9.7M] 4-MultiSetp策略.mp4
│ │ └── [ 30M] 5-連續(xù)動作處理方法.mp4
│ ├──7_Actor-Critic算法分析（A3C）/
│ │ ├── [ 23M] 1-AC算法回顧與知識點總結(jié).mp4
│ │ ├── [ 27M] 2-優(yōu)勢函數(shù)解讀與分析.mp4
│ │ ├── [ 22M] 3-計算流程實例.mp4
│ │ ├── [ 22M] 4-A3C整體架構(gòu)分析.mp4
│ │ └── [ 31M] 5-損失函數(shù)整理.mp4
│ └──8_用A3C玩轉(zhuǎn)超級馬里奧/
│ ├── [ 32M] 1-整體流程與環(huán)境配置.mp4
│ ├── [ 38M] 2-啟動游戲環(huán)境.mp4
│ ├── [ 45M] 3-要計算的指標(biāo)回顧.mp4
│ ├── [ 40M] 4-初始化局部模型并加載參數(shù).mp4
│ ├── [ 50M] 5-與環(huán)境交互得到訓(xùn)練數(shù)據(jù).mp4
│ └── [ 56M] 6-訓(xùn)練網(wǎng)絡(luò)模型.mp4
├──18_面向醫(yī)學(xué)領(lǐng)域的深度學(xué)習(xí)實戰(zhàn)/
│ ├──10_基于deeplab的心臟視頻數(shù)據(jù)診斷分析/
│ │ ├── [ 46M] 1-數(shù)據(jù)集與任務(wù)概述1.mp4
│ │ ├── [ 39M] 2-項目基本配置參數(shù)1.mp4
│ │ ├── [ 80M] 3-任務(wù)流程解讀1.mp4
│ │ ├── [141M] 4-文獻(xiàn)報告分析1.mp4
│ │ ├── [ 35M] 5-補充：視頻數(shù)據(jù)源特征處理方法概述1.mp4
│ │ └── [ 25M] 6-補充：R(2plus1)D處理方法分析1.mp4
│ ├──11_YOLO系列物體檢測算法原理解讀/
│ │ ├── [ 17M] 1-V2版本細(xì)節(jié)升級概述.mp4
│ │ ├── [ 23M] 1-V3版本改進概述.mp4
│ │ ├── [ 18M] 1-V4版本整體概述.mp4
│ │ ├── [ 22M] 1-YOLO算法整體思路解讀.mp4
│ │ ├── [ 21M] 1-檢測任務(wù)中階段的意義.mp4
│ │ ├── [ 28M] 10-PAN模塊解讀.mp4
│ │ ├── [ 26M] 11-激活函數(shù)與整體架構(gòu)總結(jié).mp4
│ │ ├── [ 12M] 2-V4版本貢獻(xiàn)解讀.mp4
│ │ ├── [ 14M] 2-不同階段算法優(yōu)缺點分析.mp4
│ │ ├── [ 25M] 2-多scale方法改進與特征融合.mp4
│ │ ├── [ 20M] 2-檢測算法要得到的結(jié)果.mp4
│ │ ├── [ 22M] 2-網(wǎng)絡(luò)結(jié)構(gòu)特點.mp4
│ │ ├── [ 17M] 3-IOU指標(biāo)計算.mp4
│ │ ├── [ 35M] 3-數(shù)據(jù)增強策略分析.mp4
│ │ ├── [ 44M] 3-整體網(wǎng)絡(luò)架構(gòu)解讀.mp4
│ │ ├── [ 25M] 3-架構(gòu)細(xì)節(jié)解讀.mp4
│ │ ├── [ 16M] 3-經(jīng)典變換方法對比分析.mp4
│ │ ├── [ 26M] 4-DropBlock與標(biāo)簽平滑方法.mp4
│ │ ├── [ 27M] 4-位置損失計算.mp4
│ │ ├── [ 33M] 4-基于聚類來選擇先驗框尺寸.mp4
│ │ ├── [ 25M] 4-殘差連接方法解讀.mp4
│ │ ├── [ 36M] 4-評估所需參數(shù)計算.mp4
│ │ ├── [ 25M] 5-map指標(biāo)計算.mp4
│ │ ├── [ 39M] 5-偏移量計算方法.mp4
│ │ ├── [ 20M] 5-損失函數(shù)遇到的問題.mp4
│ │ ├── [ 17M] 5-整體網(wǎng)絡(luò)模型架構(gòu)分析.mp4
│ │ ├── [ 39M] 5-置信度誤差與優(yōu)缺點分析.mp4
│ │ ├── [ 13M] 6-CIOU損失函數(shù)定義.mp4
│ │ ├── [ 19M] 6-先驗框設(shè)計改進.mp4
│ │ ├── [ 13M] 6-坐標(biāo)映射與還原.mp4
│ │ ├── [ 21M] 7-NMS細(xì)節(jié)改進.mp4
│ │ ├── [ 14M] 7-sotfmax層改進.mp4
│ │ ├── [ 38M] 7-感受野的作用.mp4
│ │ ├── [ 18M] 8-SPP與CSP網(wǎng)絡(luò)結(jié)構(gòu).mp4
│ │ ├── [ 28M] 8-特征融合改進.mp4
│ │ ├── [ 30M] 9-SAM注意力機制模塊.mp4
│ │ └── [1.7K] 目錄.txt
│ ├──12_基于YOLO5細(xì)胞檢測實戰(zhàn)/
│ │ ├── [ 50M] 1-任務(wù)與細(xì)胞數(shù)據(jù)集介紹.mp4
│ │ ├── [ 42M] 2-模型與算法配置參數(shù)解讀.mp4
│ │ ├── [ 42M] 3-網(wǎng)絡(luò)訓(xùn)練流程演示.mp4
│ │ ├── [ 33M] 4-效果評估與展示.mp4
│ │ └── [ 43M] 5-細(xì)胞檢測效果演示.mp4
│ ├──13_知識圖譜原理解讀/
│ │ ├── [ 27M] 1-數(shù)據(jù)關(guān)系抽取分析.mp4
│ │ ├── [ 20M] 1-知識圖譜通俗解讀.mp4
│ │ ├── [ 22M] 2-常用NLP技術(shù)點分析.mp4
│ │ ├── [ 27M] 2-知識圖譜在搜索引擎中的應(yīng)用.mp4
│ │ ├── [ 26M] 3-graph-embedding的作用與效果.mp4
│ │ ├── [103M] 3-知識圖譜在醫(yī)療領(lǐng)域應(yīng)用實例.mp4
│ │ ├── [ 20M] 4-金融與推薦領(lǐng)域的應(yīng)用.mp4
│ │ ├── [ 13M] 4-金融領(lǐng)域圖編碼實例.mp4
│ │ ├── [ 36M] 5-數(shù)據(jù)獲取分析.mp4
│ │ ├── [ 28M] 5-視覺領(lǐng)域圖編碼實例.mp4
│ │ ├── [ 34M] 6-圖譜知識融合與總結(jié)分析.mp4
│ │ └── [ 586] 目錄.txt
│ ├──14_Neo4j數(shù)據(jù)庫實戰(zhàn)/
│ │ ├── [ 73M] 1-Neo4j圖數(shù)據(jù)庫介紹.mp4
│ │ ├── [ 33M] 2-Neo4j數(shù)據(jù)庫安裝流程演示.mp4
│ │ ├── [ 50M] 3-可視化例子演示.mp4
│ │ ├── [ 33M] 4-創(chuàng)建與刪除操作演示.mp4
│ │ └── [ 36M] 5-數(shù)據(jù)庫更改查詢操作演示.mp4
│ ├──15_基于知識圖譜的醫(yī)藥問答系統(tǒng)實戰(zhàn)/
│ │ ├── [ 44M] 1-項目概述與整體架構(gòu)分析.mp4
│ │ ├── [ 53M] 10-完成對話系統(tǒng)構(gòu)建.mp4
│ │ ├── [ 72M] 2-醫(yī)療數(shù)據(jù)介紹及其各字段含義.mp4
│ │ ├── [ 43M] 3-任務(wù)流程概述.mp4
│ │ ├── [ 42M] 4-環(huán)境配置與所需工具包安裝.mp4
│ │ ├── [ 61M] 5-提取數(shù)據(jù)中的關(guān)鍵字段信息.mp4
│ │ ├── [ 47M] 5-數(shù)據(jù)獲取分析.mp4
│ │ ├── [ 45M] 6-創(chuàng)建關(guān)系邊.mp4
│ │ ├── [ 63M] 7-打造醫(yī)療知識圖譜模型.mp4
│ │ ├── [ 44M] 8-加載所有實體數(shù)據(jù).mp4
│ │ └── [ 40M] 9-實體關(guān)鍵詞字典制作.mp4
│ ├──16_詞向量模型與RNN網(wǎng)絡(luò)架構(gòu)/
│ │ ├── [ 22M] 2-1詞向量模型通俗解釋.mp4
│ │ ├── [ 28M] 3-1模型整體框架.mp4
│ │ ├── [ 16M] 4-1訓(xùn)練數(shù)據(jù)構(gòu)建.mp4
│ │ ├── [ 24M] 5-1CBOW與Skip-gram模型.mp4
│ │ ├── [ 30M] 6-1負(fù)采樣方案.mp4
│ │ ├── [ 304] 目錄.txt
│ │ └── [ 24M] 額外補充-RNN網(wǎng)絡(luò)模型解讀.mp4
│ ├──17_醫(yī)學(xué)糖尿病數(shù)據(jù)命名實體識別/
│ │ ├── [ 23M] 1-數(shù)據(jù)與任務(wù)介紹1.mp4
│ │ ├── [ 15M] 2-整體模型架構(gòu)1.mp4
│ │ ├── [ 40M] 3-數(shù)據(jù)-標(biāo)簽-語料庫處理1.mp4
│ │ ├── [ 36M] 4-輸入樣本填充補齊1.mp4
│ │ ├── [ 40M] 5-訓(xùn)練網(wǎng)絡(luò)模型1.mp4
│ │ └── [ 81M] 6-醫(yī)療數(shù)據(jù)集（糖尿病）實體識別1.mp4
│ ├──1_卷積神經(jīng)網(wǎng)絡(luò)原理與參數(shù)解讀/
│ │ ├── [ 32M] 1-1卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域.mp4
│ │ ├── [ 25M] 10-1VGG網(wǎng)絡(luò)架構(gòu).mp4
│ │ ├── [ 26M] 11-1殘差網(wǎng)絡(luò)Resnet.mp4
│ │ ├── [ 19M] 12-感受野的作用.mp4
│ │ ├── [ 32M] 2-1卷積的作用.mp4
│ │ ├── [ 30M] 3-1卷積特征值計算方法.mp4
│ │ ├── [ 25M] 4-1得到特征圖表示.mp4
│ │ ├── [ 28M] 5-1步長與卷積核大小對結(jié)果的影響.mp4
│ │ ├── [ 23M] 6-1邊緣填充方法.mp4
│ │ ├── [ 29M] 7-1特征圖尺寸計算與參數(shù)共享.mp4
│ │ ├── [ 14M] 8-1池化層的作用.mp4
│ │ └── [ 22M] 9-1整體網(wǎng)絡(luò)架構(gòu).mp4
│ ├──2_PyTorch框架基本處理操作/
│ │ ├── [ 23M] 1-PyTorch實戰(zhàn)課程簡介.mp4
│ │ ├── [ 35M] 2-PyTorch框架發(fā)展趨勢簡介1.mp4
│ │ ├── [ 23M] 3-框架安裝方法（CPU與GPU版本）1.mp4
│ │ ├── [ 39M] 4-PyTorch基本操作簡介1.mp4
│ │ ├── [ 48M] 5-自動求導(dǎo)機制.mp4
│ │ ├── [ 31M] 6線性回歸DEMO-數(shù)據(jù)與參數(shù)配置1.mp4
│ │ ├── [ 52M] 7線性回歸DEMO-訓(xùn)練回歸模型1.mp4
│ │ ├── [ 28M] 8常見tensor格式1.mp4
│ │ └── [ 68M] 9Hub模塊簡介1.mp4
│ ├──3_PyTorch框架必備核心模塊解讀/
│ │ ├── [ 34M] 1-卷積網(wǎng)絡(luò)參數(shù)定義1.mp4
│ │ ├── [ 60M] 10-加載訓(xùn)練好的網(wǎng)絡(luò)模型1.mp4
│ │ ├── [ 25M] 11-優(yōu)化器模塊配置1.mp4
│ │ ├── [ 45M] 12-實現(xiàn)訓(xùn)練模塊1.mp4
│ │ ├── [ 58M] 13-訓(xùn)練結(jié)果與模型保存1.mp4
│ │ ├── [ 83M] 14-加載模型對測試數(shù)據(jù)進行預(yù)測1.mp4
│ │ ├── [159M] 15-額外補充-Resnet論文解讀1.mp4
│ │ ├── [ 27M] 16-額外補充-Resnet網(wǎng)絡(luò)架構(gòu)解讀1.mp4
│ │ ├── [ 62M] 2-網(wǎng)絡(luò)流程解讀1.mp4
│ │ ├── [ 32M] 3-Vision模塊功能解讀1.mp4
│ │ ├── [ 35M] 4-分類任務(wù)數(shù)據(jù)集定義與配置1.mp4
│ │ ├── [ 15M] 5-圖像增強的作用1.mp4
│ │ ├── [ 49M] 6-數(shù)據(jù)預(yù)處理與數(shù)據(jù)增強模塊1.mp4
│ │ ├── [ 53M] 7-Batch數(shù)據(jù)制作1.mp4
│ │ ├── [ 17M] 8-遷移學(xué)習(xí)的目標(biāo)1.mp4
│ │ └── [ 22M] 9-遷移學(xué)習(xí)策略1.mp4
│ ├──4_基于Resnet的醫(yī)學(xué)數(shù)據(jù)集分類實戰(zhàn)/
│ │ ├── [ 26M] 1-醫(yī)學(xué)疾病數(shù)據(jù)集介紹.mp4
│ │ ├── [ 37M] 2-Resnet網(wǎng)絡(luò)架構(gòu)原理分析.mp4
│ │ ├── [ 70M] 3-dataloader加載數(shù)據(jù)集.mp4
│ │ ├── [ 42M] 4-Resnet網(wǎng)絡(luò)前向傳播.mp4
│ │ ├── [ 55M] 5-殘差網(wǎng)絡(luò)的shortcut操作.mp4
│ │ ├── [ 37M] 6-特征圖升維與降采樣操作.mp4
│ │ └── [ 83M] 7-網(wǎng)絡(luò)整體流程與訓(xùn)練演示.mp4
│ ├──5_圖像分割及其損失函數(shù)概述/
│ │ ├── [ 27M] 1-語義分割與實例分割概述.mp4
│ │ ├── [ 26M] 2-分割任務(wù)中的目標(biāo)函數(shù)定義.mp4
│ │ └── [ 13M] 3-MIOU評估標(biāo)準(zhǔn).mp4
│ ├──6_Unet系列算法講解/
│ │ ├── [ 24M] 1-Unet網(wǎng)絡(luò)編碼與解碼過程.mp4
│ │ ├── [ 21M] 2-網(wǎng)絡(luò)計算流程1.mp4
│ │ ├── [ 21M] 3-Unet升級版本改進1.mp4
│ │ └── [ 25M] 4-后續(xù)升級版本介紹1.mp4
│ ├──7_unet醫(yī)學(xué)細(xì)胞分割實戰(zhàn)/
│ │ ├── [ 70M] 1-醫(yī)學(xué)細(xì)胞數(shù)據(jù)集介紹與參數(shù)配置.mp4
│ │ ├── [ 65M] 2-數(shù)據(jù)增強工具.mp4
│ │ ├── [ 51M] 3-Debug模式演示網(wǎng)絡(luò)計算流程.mp4
│ │ ├── [ 36M] 4-特征融合方法演示.mp4
│ │ ├── [ 43M] 5-迭代完成整個模型計算任務(wù).mp4
│ │ └── [ 40M] 6-模型效果驗證.mp4
│ ├──8_deeplab系列算法/
│ │ ├── [ 19M] 1-deeplab分割算法概述.mp4
│ │ ├── [ 21M] 2-空洞卷積的作用.mp4
│ │ ├── [ 26M] 3-感受野的意義.mp4
│ │ ├── [ 26M] 4-SPP層的作用.mp4
│ │ ├── [ 17M] 5-ASPP特征融合策略.mp4
│ │ └── [ 33M] 6-deeplabV3Plus版本網(wǎng)絡(luò)架構(gòu).mp4
│ └──9_基于deeplabV3+版本進行VOC分割實戰(zhàn)/
│ ├── [ 57M] 1-PascalVoc數(shù)據(jù)集介紹.mp4
│ ├── [ 70M] 2-項目參數(shù)與數(shù)據(jù)集讀取.mp4
│ ├── [ 40M] 3-網(wǎng)絡(luò)前向傳播流程.mp4
│ ├── [ 62M] 4-ASPP層特征融合.mp4
│ └── [ 43M] 5-分割模型訓(xùn)練.mp4
├──19_深度學(xué)習(xí)模型部署與剪枝優(yōu)化實戰(zhàn)/
│ ├──3_pyTorch框架部署實踐/
│ │ ├── [9.5M] 0-課程簡介12.mp4
│ │ ├── [ 28M] 1-所需基本環(huán)境配置.mp4
│ │ ├── [ 46M] 2-模型加載與數(shù)據(jù)預(yù)處理.mp4
│ │ ├── [ 49M] 3-接收與預(yù)測模塊實現(xiàn).mp4
│ │ └── [ 55M] 4-效果實例演示.mp4
│ ├──4_YOLO-V3物體檢測部署實例/
│ │ ├── [ 34M] 1-項目所需配置文件介紹.mp4
│ │ ├── [ 46M] 2-加載參數(shù)與模型權(quán)重.mp4
│ │ ├── [ 61M] 3-數(shù)據(jù)預(yù)處理.mp4
│ │ └── [ 55M] 4-返回線性預(yù)測結(jié)果.mp4
│ ├──5_docker實例演示/
│ │ ├── [ 21M] 1-docker簡介.mp4
│ │ ├── [ 61M] 2-docker安裝與配置.mp4
│ │ ├── [ 32M] 3-阿里云鏡像配置.mp4
│ │ ├── [ 49M] 4-基于docker配置pytorch環(huán)境.mp4
│ │ ├── [ 41M] 5-安裝演示環(huán)境所需依賴.mp4
│ │ ├── [ 36M] 6-復(fù)制所需配置到容器中.mp4
│ │ └── [ 59M] 7-上傳與下載配置好的項目.mp4
│ ├──6_tensorflow-serving實戰(zhàn)/
│ │ ├── [ 35M] 1-tf-serving項目獲取與配置.mp4
│ │ ├── [ 41M] 2-加載并啟動模型服務(wù).mp4
│ │ ├── [ 56M] 3-測試模型部署效果.mp4
│ │ ├── [ 43M] 4-fashion數(shù)據(jù)集獲取.mp4
│ │ └── [ 34M] 5-加載fashion模型啟動服務(wù).mp4
│ ├──7_模型剪枝-Network Slimming算法分析/
│ │ ├── [ 26M] 1-論文算法核心框架概述.mp4
│ │ ├── [ 25M] 2-BatchNorm要解決的問題.mp4
│ │ ├── [ 27M] 3-BN的本質(zhì)作用.mp4
│ │ ├── [ 27M] 4-額外的訓(xùn)練參數(shù)解讀.mp4
│ │ └── [ 33M] 5-稀疏化原理與效果.mp4
│ ├──8_模型剪枝-Network Slimming實戰(zhàn)解讀/
│ │ ├── [ 47M] 1-整體案例流程解讀.mp4
│ │ ├── [ 34M] 2-加入L1正則化來進行更新.mp4
│ │ ├── [ 35M] 3-剪枝模塊介紹.mp4
│ │ ├── [ 41M] 4-篩選需要的特征圖.mp4
│ │ ├── [ 63M] 5-剪枝后模型參數(shù)賦值.mp4
│ │ └── [ 55M] 6-微調(diào)完成剪枝模型.mp4
│ └──9_Mobilenet三代網(wǎng)絡(luò)模型架構(gòu)/
│ ├── [ 27M] 1-模型剪枝分析.mp4
│ ├── [ 15M] 10-V2整體架構(gòu)與效果分析.mp4
│ ├── [ 15M] 11-V3版本網(wǎng)絡(luò)架構(gòu)分析.mp4
│ ├── [ 46M] 12-SE模塊作用與效果解讀.mp4
│ ├── [ 87M] 13-代碼實現(xiàn)mobilenetV3網(wǎng)絡(luò)架構(gòu).mp4
│ ├── [ 29M] 2-常見剪枝方法介紹.mp4
│ ├── [ 11M] 3-mobilenet簡介.mp4
│ ├── [ 18M] 4-經(jīng)典卷積計算量與參數(shù)量分析.mp4
│ ├── [ 19M] 5-深度可分離卷積的作用與效果.mp4
│ ├── [ 56M] 6-參數(shù)與計算量的比較.mp4
│ ├── [ 35M] 7-V1版本效果分析.mp4
│ ├── [ 26M] 8-V2版本改進以及Relu激活函數(shù)的問題.mp4
│ └── [ 22M] 9-倒殘差結(jié)構(gòu)的作用.mp4
├──20_自然語言處理經(jīng)典案例實戰(zhàn)/
│ └──20_自然語言處理經(jīng)典案例實戰(zhàn)/
│ ├──10_NLP-文本特征方法對比/
│ │ ├── [ 55M] 1.1-任務(wù)概述.mp4
│ │ ├── [ 35M] 2-詞袋模型.mp4
│ │ ├── [ 72M] 3-詞袋模型分析.mp4
│ │ ├── [ 56M] 4-TFIDF模型.mp4
│ │ ├── [ 73M] 5-word2vec詞向量模型.mp4
│ │ └── [ 42M] 6-深度學(xué)習(xí)模型.mp4
│ ├──11_NLP-相似度模型/
│ │ ├── [ 14M] 1.任務(wù)概述.mp4
│ │ ├── [ 29M] 2-數(shù)據(jù)展示.mp4
│ │ ├── [ 43M] 3-正負(fù)樣本制作.mp4
│ │ ├── [ 40M] 4-數(shù)據(jù)預(yù)處理.mp4
│ │ ├── [ 67M] 5-網(wǎng)絡(luò)模型定義.mp4
│ │ ├── [ 76M] 6-基于字符的訓(xùn)練.mp4
│ │ └── [ 48M] 7-基于句子的相似度訓(xùn)練.mp4
│ ├──12_LSTM情感分析/
│ │ ├── [ 26M] 1-RNN網(wǎng)絡(luò)架構(gòu).mp4
│ │ ├── [ 28M] 2-LSTM網(wǎng)絡(luò)架構(gòu).mp4
│ │ ├── [ 47M] 3-案例：使用LSTM進行情感分類.mp4
│ │ ├── [ 48M] 4-情感數(shù)據(jù)集處理.mp4
│ │ └── [ 73M] 5-基于word2vec的LSTM模型.mp4
│ ├──13_機器人寫唐詩/
│ │ ├── [ 14M] 1.1.1-任務(wù)概述與環(huán)境配置.mp4
│ │ ├── [ 33M] 2-參數(shù)配置.mp4
│ │ ├── [ 45M] 3-數(shù)據(jù)預(yù)處理模塊.mp4
│ │ ├── [ 39M] 4-batch數(shù)據(jù)制作.mp4
│ │ ├── [ 25M] 5-RNN模型定義.mp4
│ │ ├── [ 42M] 6-完成訓(xùn)練模塊.mp4
│ │ ├── [ 15M] 7-訓(xùn)練唐詩生成模型.mp4
│ │ └── [ 31M] 8-測試唐詩生成效果.mp4
│ ├──14_對話機器人/
│ │ ├── [ 38M] 1-效果演示.mp4
│ │ ├── [ 62M] 2-參數(shù)配置與數(shù)據(jù)加載.mp4
│ │ ├── [ 53M] 3-數(shù)據(jù)處理.mp4
│ │ ├── [ 49M] 4-詞向量與投影.mp4
│ │ ├── [ 38M] 5-seq網(wǎng)絡(luò).mp4
│ │ └── [ 50M] 6-網(wǎng)絡(luò)訓(xùn)練.mp4
│ ├──1_NLP常用工具包實戰(zhàn)/
│ │ ├── [ 65M] 1-Python字符串處理.mp4
│ │ ├── [ 30M] 10-名字實體匹配.mp4
│ │ ├── [ 50M] 11-恐怖襲擊分析.mp4
│ │ ├── [ 80M] 12-統(tǒng)計分析結(jié)果.mp4
│ │ ├── [ 40M] 13-結(jié)巴分詞器.mp4
│ │ ├── [ 98M] 14-詞云展示.mp4
│ │ ├── [ 41M] 2-正則常用符號.mp4
│ │ ├── [ 36M] 2-正則表達(dá)式基本語法.mp4
│ │ ├── [ 53M] 4-常用函數(shù)介紹.mp4
│ │ ├── [ 42M] 5-NLTK工具包簡介.mp4
│ │ ├── [ 35M] 6-停用詞過濾.mp4
│ │ ├── [ 45M] 7-詞性標(biāo)注.mp4
│ │ ├── [ 56M] 8-數(shù)據(jù)清洗實例.mp4
│ │ └── [ 53M] 9-Spacy工具包.mp4
│ ├──2_商品信息可視化與文本分析/
│ │ ├── [ 40M] 1-任務(wù)概述.mp4
│ │ ├── [ 49M] 2-商品類別劃分.mp4
│ │ ├── [ 49M] 3-商品類別可視化展示.mp4
│ │ ├── [ 34M] 4-描述長度對價格的影響.mp4
│ │ ├── [ 67M] 5-詞云展示.mp4
│ │ ├── [ 44M] 6-tf-idf結(jié)果.mp4
│ │ ├── [ 50M] 7-降維可視化展示.mp4
│ │ └── [ 73M] 8-聚類與主題模型.mp4
│ ├──3_貝葉斯算法/
│ │ ├── [ 16M] 1-貝葉斯算法概述.mp4
│ │ ├── [ 16M] 2-貝葉斯推導(dǎo)實例.mp4
│ │ ├── [ 26M] 3-貝葉斯拼寫糾錯實例.mp4
│ │ ├── [ 31M] 4-垃圾郵件過濾實例.mp4
│ │ └── [ 50M] 5-貝葉斯實現(xiàn)拼寫檢查器.mp4
│ ├──4_新聞分類任務(wù)實戰(zhàn)/
│ │ ├── [ 25M] 1-文本分析與關(guān)鍵詞提取.mp4
│ │ ├── [ 29M] 2-相似度計算.mp4
│ │ ├── [ 43M] 3-新聞數(shù)據(jù)與任務(wù)簡介.mp4
│ │ ├── [ 63M] 4-TF-IDF關(guān)鍵詞提取.mp4
│ │ ├── [ 40M] 5-LDA建模.mp4
│ │ └── [ 75M] 6-基于貝葉斯算法進行新聞分類.mp4
│ ├──5_HMM隱馬爾科夫模型/
│ │ ├── [ 24M] 1-馬爾科夫模型.mp4
│ │ ├── [ 62M] 10-維特比算法.mp4
│ │ ├── [ 25M] 2-隱馬爾科夫模型基本出發(fā)點.mp4
│ │ ├── [ 18M] 3-組成與要解決的問題.mp4
│ │ ├── [ 37M] 4-暴力求解方法.mp4
│ │ ├── [ 19M] 5-復(fù)雜度計算.mp4
│ │ ├── [ 49M] 6-前向算法.mp4
│ │ ├── [ 46M] 7-前向算法求解實例.mp4
│ │ ├── [ 36M] 8-Baum-Welch算法.mp4
│ │ └── [ 22M] 9-參數(shù)求解.mp4
│ ├──6_HMM工具包實戰(zhàn)/
│ │ ├── [ 28M] 1-hmmlearn工具包.mp4
│ │ ├── [ 70M] 2-工具包使用方法.mp4
│ │ ├── [ 17M] 3-中文分詞任務(wù).mp4
│ │ └── [ 46M] 4-實現(xiàn)中文分詞.mp4
│ ├──7_語言模型/
│ │ ├── [ 13M] 1-開篇.mp4
│ │ ├── [ 15M] 10-負(fù)采樣模型.mp4
│ │ ├── [ 13M] 2-語言模型.mp4
│ │ ├── [ 20M] 3-N-gram模型.mp4
│ │ ├── [ 19M] 4-詞向量.mp4
│ │ ├── [ 24M] 5-神經(jīng)網(wǎng)絡(luò)模型.mp4
│ │ ├── [ 24M] 6-Hierarchical Softmax.mp4
│ │ ├── [ 30M] 7-CBOW模型實例.mp4
│ │ ├── [ 14M] 8-CBOW求解目標(biāo).mp4
│ │ └── [ 26M] 9-銻度上升求解.mp4
│ ├──8_使用Gemsim構(gòu)建詞向量/
│ │ ├── [ 25M] 1-使用Gensim庫構(gòu)造詞向量.mp4
│ │ ├── [ 35M] 2-維基百科中文數(shù)據(jù)處理.mp4
│ │ ├── [ 31M] 3-Gensim構(gòu)造word2vec模型.mp4
│ │ └── [ 29M] 4-測試模型相似度結(jié)果.mp4
│ └──9_基于word2vec的分類任務(wù)/
│ ├── [ 69M] 1-影評情感分類.mp4
│ ├── [ 35M] 2-基于詞袋模型訓(xùn)練分類器.mp4
│ ├── [ 35M] 3-準(zhǔn)備word2vec輸入數(shù)據(jù).mp4
│ └── [ 85M] 4-使用gensim構(gòu)建word2vec詞向量（新）.mp4
├──21_自然語言處理通用框架-BERT實戰(zhàn)/
│ └──21_自然語言處理通用框架-BERT實戰(zhàn)/
│ ├──1_自然語言處理通用框架BERT原理解讀/
│ │ ├── [ 46M] 1-BERT課程簡介.mp4
│ │ ├── [ 27M] 10-BERT模型訓(xùn)練方法.mp4
│ │ ├── [ 33M] 11-訓(xùn)練實例.mp4
│ │ ├── [ 14M] 2-BERT任務(wù)目標(biāo)概述.mp4
│ │ ├── [ 31M] 2-傳統(tǒng)解決方案遇到的問題.mp4
│ │ ├── [ 20M] 3-注意力機制的作用.mp4
│ │ ├── [ 33M] 4-self-attention計算方法.mp4
│ │ ├── [ 29M] 5-特征分配與softmax機制.mp4
│ │ ├── [ 27M] 7-Multi-head的作用.mp4
│ │ ├── [ 23M] 8-位置編碼與多層堆疊.mp4
│ │ └── [ 22M] 9-transformer整體架構(gòu)梳理.mp4
│ ├──2_谷歌開源項目BERT源碼解讀與應(yīng)用實例/
│ │ ├── [ 47M] 1-BERT開源項目簡介.mp4
│ │ ├── [ 63M] 10-構(gòu)建QKV矩陣.mp4
│ │ ├── [ 52M] 11-完成Transformer模塊構(gòu)建.mp4
│ │ ├── [ 72M] 12-訓(xùn)練BERT模型.mp4
│ │ ├── [100M] 2-項目參數(shù)配置.mp4
│ │ ├── [ 56M] 3-數(shù)據(jù)讀取模塊.mp4
│ │ ├── [ 50M] 4-數(shù)據(jù)預(yù)處理模塊.mp4
│ │ ├── [ 65M] 5-tfrecord制作.mp4
│ │ ├── [ 38M] 6-Embedding層的作用.mp4
│ │ ├── [ 51M] 7-加入額外編碼特征.mp4
│ │ ├── [ 30M] 8-加入位置編碼特征.mp4
│ │ └── [ 46M] 9-mask機制.mp4
│ ├──3_項目實戰(zhàn)-基于BERT的中文情感分析實戰(zhàn)/
│ │ ├── [ 94M] 1-中文分類數(shù)據(jù)與任務(wù)概述.mp4
│ │ ├── [ 61M] 2-讀取處理自己的數(shù)據(jù)集.mp4
│ │ └── [ 82M] 3-訓(xùn)練BERT中文分類模型.mp4
│ ├──4_項目實戰(zhàn)-基于BERT的中文命名實體識別識別實戰(zhàn)/
│ │ ├── [ 43M] 1-命名實體識別數(shù)據(jù)分析與任務(wù)目標(biāo).mp4
│ │ ├── [ 78M] 2-NER標(biāo)注數(shù)據(jù)處理與讀取.mp4
│ │ └── [ 65M] 3-構(gòu)建BERT與CRF模型.mp4
│ ├──5_必備基礎(chǔ)知識點-woed2vec模型通俗解讀/
│ │ ├── [ 30M] 1-詞向量模型通俗解釋.mp4
│ │ ├── [ 32M] 2-模型整體框架.mp4
│ │ ├── [ 20M] 3-訓(xùn)練數(shù)據(jù)構(gòu)建.mp4
│ │ ├── [ 33M] 4-CBOW與Skip-gram模型.mp4
│ │ └── [ 45M] 5-負(fù)采樣方案.mp4
│ ├──6_必備基礎(chǔ)-掌握Tensorflow如何實現(xiàn)word2vec模型/
│ │ ├── [ 50M] 1-數(shù)據(jù)與任務(wù)流程.mp4
│ │ ├── [ 30M] 2-數(shù)據(jù)清洗.mp4
│ │ ├── [ 62M] 3-batch數(shù)據(jù)制作.mp4
│ │ ├── [ 68M] 4-網(wǎng)絡(luò)訓(xùn)練.mp4
│ │ └── [ 59M] 5-可視化展示.mp4
│ ├──7_必備基礎(chǔ)知識點-RNN網(wǎng)絡(luò)架構(gòu)與情感分析應(yīng)用實例/
│ │ ├── [ 35M] 1-RNN網(wǎng)絡(luò)模型解讀.mp4
│ │ ├── [ 48M] 2-NLP應(yīng)用領(lǐng)域與任務(wù)簡介.mp4
│ │ ├── [ 52M] 3-項目流程解讀.mp4
│ │ ├── [ 40M] 4-加載詞向量特征.mp4
│ │ ├── [ 48M] 5-正負(fù)樣本數(shù)據(jù)讀取.mp4
│ │ ├── [ 58M] 6-構(gòu)建LSTM網(wǎng)絡(luò)模型.mp4
│ │ ├── [101M] 7-訓(xùn)練與測試效果.mp4
│ │ └── [717M] 第十二課：LSTM情感分析.mp4
│ └──8_醫(yī)學(xué)糖尿病數(shù)據(jù)命名實體識別/
│ ├── [ 23M] 1-數(shù)據(jù)與任務(wù)介紹1.mp4
│ ├── [ 15M] 2-整體模型架構(gòu)1.mp4
│ ├── [ 40M] 3-數(shù)據(jù)-標(biāo)簽-語料庫處理1.mp4
│ ├── [ 36M] 4-輸入樣本填充補齊1.mp4
│ ├── [ 40M] 5-訓(xùn)練網(wǎng)絡(luò)模型1.mp4
│ └── [ 81M] 6-醫(yī)療數(shù)據(jù)集（糖尿�。⿲嶓w識別1.mp4
├──22_知識圖譜實戰(zhàn)系列/
│ └──22_知識圖譜實戰(zhàn)系列/
│ ├──1_知識圖譜介紹及其應(yīng)用領(lǐng)域分析/
│ │ ├── [ 20M] 1-知識圖譜通俗解讀.mp4
│ │ ├── [ 27M] 2-知識圖譜在搜索引擎中的應(yīng)用.mp4
│ │ ├── [103M] 3-知識圖譜在醫(yī)療領(lǐng)域應(yīng)用實例.mp4
│ │ ├── [ 20M] 4-金融與推薦領(lǐng)域的應(yīng)用.mp4
│ │ └── [ 36M] 5-數(shù)據(jù)獲取分析.mp4
│ ├──2_知識圖譜涉及技術(shù)點分析/
│ │ ├── [ 27M] 1-數(shù)據(jù)關(guān)系抽取分析.mp4
│ │ ├── [ 22M] 2-常用NLP技術(shù)點分析.mp4
│ │ ├── [ 26M] 3-graph-embedding的作用與效果.mp4
│ │ ├── [ 13M] 4-金融領(lǐng)域圖編碼實例.mp4
│ │ ├── [ 21M] 5-視覺領(lǐng)域圖編碼實例.mp4
│ │ └── [ 24M] 6-圖譜知識融合與總結(jié)分析.mp4
│ ├──3_Neo4j數(shù)據(jù)庫實戰(zhàn)/
│ │ ├── [ 63M] 1-Neo4j圖數(shù)據(jù)庫介紹.mp4
│ │ ├── [ 28M] 2-Neo4j數(shù)據(jù)庫安裝流程演示.mp4
│ │ ├── [ 44M] 3-可視化例子演示.mp4
│ │ ├── [ 25M] 4-創(chuàng)建與刪除操作演示.mp4
│ │ └── [ 27M] 5-數(shù)據(jù)庫更改查詢操作演示.mp4
│ ├──4_使用python操作neo4j實例/
│ │ ├── [ 51M] 1-使用Py2neo建立連接.mp4
│ │ ├── [ 60M] 2-提取所需的指標(biāo)信息.mp4
│ │ ├── [ 52M] 3-在圖中創(chuàng)建實體.mp4
│ │ └── [ 67M] 4-根據(jù)給定實體創(chuàng)建關(guān)系.mp4
│ ├──5_基于知識圖譜的醫(yī)藥問答系統(tǒng)實戰(zhàn)/
│ │ ├── [ 37M] 1-項目概述與整體架構(gòu)分析.mp4
│ │ ├── [ 39M] 10-完成對話系統(tǒng)構(gòu)建.mp4
│ │ ├── [ 63M] 2-醫(yī)療數(shù)據(jù)介紹及其各字段含義.mp4
│ │ ├── [ 40M] 3-任務(wù)流程概述.mp4
│ │ ├── [ 36M] 4-環(huán)境配置與所需工具包安裝.mp4
│ │ ├── [ 61M] 5-提取數(shù)據(jù)中的關(guān)鍵字段信息.mp4
│ │ ├── [ 39M] 6-創(chuàng)建關(guān)系邊.mp4
│ │ ├── [ 59M] 7-打造醫(yī)療知識圖譜模型.mp4
│ │ ├── [ 42M] 8-加載所有實體數(shù)據(jù).mp4
│ │ └── [ 32M] 9-實體關(guān)鍵詞字典制作.mp4
│ ├──6_文本關(guān)系抽取實踐/
│ │ ├── [ 23M] 1-關(guān)系抽取要完成的任務(wù)演示與分析.mp4
│ │ ├── [ 58M] 2-LTP工具包概述介紹.mp4
│ │ ├── [ 46M] 3-pyltp安裝與流程演示.mp4
│ │ ├── [ 45M] 4-得到分詞與詞性標(biāo)注結(jié)果.mp4
│ │ ├── [ 34M] 5-依存句法概述.mp4
│ │ ├── [ 49M] 6-句法分析結(jié)果整理.mp4
│ │ ├── [ 70M] 7-語義角色構(gòu)建與分析.mp4
│ │ └── [ 64M] 8-設(shè)計規(guī)則完成關(guān)系抽取.mp4
│ ├──7_金融平臺風(fēng)控模型實踐/
│ │ ├── [ 25M] 1-競賽任務(wù)目標(biāo).mp4
│ │ ├── [ 39M] 2-圖模型信息提取.mp4
│ │ ├── [ 47M] 3-節(jié)點權(quán)重特征提取(PageRank).mp4
│ │ ├── [ 66M] 4-deepwalk構(gòu)建圖頂點特征.mp4
│ │ ├── [ 58M] 5-各項統(tǒng)計特征.mp4
│ │ ├── [ 46M] 6-app安裝特征.mp4
│ │ └── [102M] 7-圖中聯(lián)系人特征.mp4
│ └──8_醫(yī)學(xué)糖尿病數(shù)據(jù)命名實體識別/
│ ├── [ 23M] 1-數(shù)據(jù)與任務(wù)介紹1.mp4
│ ├── [ 15M] 2-整體模型架構(gòu)1.mp4
│ ├── [ 40M] 3-數(shù)據(jù)-標(biāo)簽-語料庫處理1.mp4
│ ├── [ 36M] 4-輸入樣本填充補齊1.mp4
│ ├── [ 40M] 5-訓(xùn)練網(wǎng)絡(luò)模型1.mp4
│ └── [ 81M] 6-醫(yī)療數(shù)據(jù)集（糖尿�。⿲嶓w識別1.mp4
├──23_語音識別實戰(zhàn)系列/
│ └──23_語音識別實戰(zhàn)系列/
│ ├──1_seq2seq序列網(wǎng)絡(luò)模型/
│ │ ├── [ 17M] 1-序列網(wǎng)絡(luò)模型概述分析.mp4
│ │ ├── [9.0M] 2-工作原理概述.mp4
│ │ ├──3.注意力機制的作用.txt
│ │ ├── [ 21M] 4-加入attention的序列模型整體架構(gòu).mp4
│ │ ├── [ 17M] 5-TeacherForcing的作用與訓(xùn)練策略.mp4
│ │ └── [ 24M] 額外補充-RNN網(wǎng)絡(luò)模型解讀.mp4
│ ├──2_LAS模型語音識別實戰(zhàn)/
│ │ ├── [ 32M] 1-數(shù)據(jù)源與環(huán)境配置.mp4
│ │ ├── [ 25M] 2-語料表制作方法.mp4
│ │ ├── [ 38M] 3-制作json標(biāo)注數(shù)據(jù).mp4
│ │ ├── [ 63M] 4-聲音數(shù)據(jù)處理模塊解讀.mp4
│ │ ├── [ 36M] 5-Pack與Pad操作解析.mp4
│ │ ├── [ 31M] 6-編碼器模塊整體流程.mp4
│ │ ├── [ 33M] 7-加入注意力機制.mp4
│ │ ├── [ 36M] 8-計算得到每個輸出的attention得分.mp4
│ │ └── [ 44M] 9-解碼器與訓(xùn)練過程演示.mp4
│ ├──3.注意力機制的作用.txt
│ ├──3_starganvc2變聲器論文原理解讀/
│ │ ├── [ 35M] 1-論文整體思路與架構(gòu)解讀.mp4
│ │ ├── [ 21M] 2-VCC2016輸入數(shù)據(jù).mp4
│ │ ├── [ 31M] 3-語音特征提取.mp4
│ │ ├── [ 16M] 4-生成器模型架構(gòu)分析.mp4
│ │ ├── [ 19M] 5-InstanceNorm的作用解讀.mp4
│ │ ├── [ 13M] 6-AdaIn的目的與效果.mp4
│ │ └── [114M] 7-判別器模塊分析.mp4
│ ├──4_staeganvc2變聲器源碼實戰(zhàn)/
│ │ ├── [ 22M] 1-數(shù)據(jù)與項目文件解讀.mp4
│ │ ├── [ 35M] 10-源碼損失計算流程.mp4
│ │ ├── [ 47M] 11-測試模塊-生成轉(zhuǎn)換語音.mp4
│ │ ├── [ 37M] 2-環(huán)境配置與工具包安裝.mp4
│ │ ├── [ 88M] 3-數(shù)據(jù)預(yù)處理與聲音特征提取.mp4
│ │ ├── [ 41M] 4-生成器構(gòu)造模塊解讀.mp4
│ │ ├── [ 35M] 5-下采樣與上采樣操作.mp4
│ │ ├── [ 50M] 6-starganvc2版本標(biāo)簽輸入分析.mp4
│ │ ├── [ 26M] 7-生成器前向傳播維度變化.mp4
│ │ ├── [ 35M] 8-判別器模塊解讀.mp4
│ │ └── [100M] 9-論文損失函數(shù).mp4
│ ├──5_語音分離ConvTasnet模型/
│ │ ├── [ 12M] 1-語音分離任務(wù)分析.mp4
│ │ ├── [ 25M] 2-經(jīng)典語音分離模型概述.mp4
│ │ ├── [ 22M] 3-DeepClustering論文解讀.mp4
│ │ ├── [ 38M] 4-TasNet編碼器結(jié)構(gòu)分析.mp4
│ │ ├── [ 12M] 5-DW卷積的作用與效果.mp4
│ │ └── [ 24M] 6-基于Mask得到分離結(jié)果.mp4
│ ├──6_ConvTasnet語音分離實戰(zhàn)/
│ │ ├── [ 76M] 1-數(shù)據(jù)準(zhǔn)備與環(huán)境配置.mp4
│ │ ├── [ 39M] 2-訓(xùn)練任務(wù)所需參數(shù)介紹.mp4
│ │ ├── [ 38M] 3-DataLoader定義.mp4
│ │ ├── [ 37M] 4-采樣數(shù)據(jù)特征編碼.mp4
│ │ ├── [ 50M] 5編碼器特征提取.mp4
│ │ ├── [ 71M] 6-構(gòu)建更大的感受區(qū)域.mp4
│ │ ├── [ 51M] 7-解碼得到分離后的語音.mp4
│ │ └── [ 75M] 8-測試模塊所需參數(shù).mp4
│ └──7_語音合成tacotron最新版實戰(zhàn)/
│ ├── [ 57M] 1-語音合成項目所需環(huán)境配置.mp4
│ ├── [ 70M] 10-得到加權(quán)的編碼向量.mp4
│ ├── [ 66M] 11-模型輸出結(jié)果.mp4
│ ├── [ 69M] 12-損失函數(shù)與預(yù)測.mp4
│ ├── [ 65M] 2-所需數(shù)據(jù)集介紹.mp4
│ ├── [ 79M] 3-路徑配置與整體流程解讀.mp4
│ ├── [ 84M] 4-Dataloader構(gòu)建數(shù)據(jù)與標(biāo)簽.mp4
│ ├── [ 42M] 5-編碼層要完成的任務(wù).mp4
│ ├── [ 38M] 6-得到編碼特征向量.mp4
│ ├── [ 43M] 7-解碼器輸入準(zhǔn)備.mp4
│ ├── [ 46M] 8-解碼器流程梳理.mp4
│ └── [ 72M] 9-注意力機制應(yīng)用方法.mp4
├──24_推薦系統(tǒng)實戰(zhàn)系列/
│ └──24_推薦系統(tǒng)實戰(zhàn)系列/
│ ├──10_基本統(tǒng)計分析的電影推薦/
│ │ ├── [ 86M] 1-電影數(shù)據(jù)與環(huán)境配置.mp4
│ │ ├── [ 61M] 2-數(shù)據(jù)與關(guān)鍵詞信息展示.mp4
│ │ ├── [ 54M] 3-關(guān)鍵詞云與直方圖展示.mp4
│ │ ├── [ 49M] 4-特征可視化.mp4
│ │ ├── [ 78M] 5-數(shù)據(jù)清洗概述.mp4
│ │ ├── [ 46M] 6-缺失值填充方法.mp4
│ │ ├── [ 59M] 7-推薦引擎構(gòu)造.mp4
│ │ ├── [ 46M] 8-數(shù)據(jù)特征構(gòu)造.mp4
│ │ └── [ 64M] 9-得出推薦結(jié)果.mp4
│ ├──11_補充-基于相似度的酒店推薦系統(tǒng)/
│ │ ├── [ 34M] 1-酒店數(shù)據(jù)與任務(wù)介紹.mp4
│ │ ├── [ 33M] 2-文本詞頻統(tǒng)計.mp4
│ │ ├── [ 66M] 3-ngram結(jié)果可視化展示.mp4
│ │ ├── [ 49M] 4-文本清洗.mp4
│ │ ├── [ 57M] 5-相似度計算.mp4
│ │ └── [ 86M] 6-得出推薦結(jié)果.mp4
│ ├──1_推薦系統(tǒng)介紹及其應(yīng)用/
│ │ ├── [ 24M] 1-推薦系統(tǒng)通俗解讀.mp4
│ │ ├── [ 28M] 2-推薦系統(tǒng)發(fā)展簡介.mp4
│ │ ├── [ 32M] 3-應(yīng)用領(lǐng)域與多方位評估指標(biāo).mp4
│ │ ├── [ 37M] 4-任務(wù)流程與挑戰(zhàn)概述.mp4
│ │ ├── [ 22M] 5-常用技術(shù)點分析.mp4
│ │ └── [ 33M] 6-與深度學(xué)習(xí)的結(jié)合.mp4
│ ├──2_協(xié)同過濾與矩陣分解/
│ │ ├── [ 14M] 1-協(xié)同過濾與矩陣分解簡介.mp4
│ │ ├── [ 24M] 2-基于用戶與商品的協(xié)同過濾.mp4
│ │ ├── [ 21M] 3-相似度計算與推薦實例.mp4
│ │ ├── [ 28M] 4-矩陣分解的目的與效果.mp4
│ │ ├── [ 35M] 5-矩陣分解中的隱向量.mp4
│ │ ├── [ 14M] 6-目標(biāo)函數(shù)簡介.mp4
│ │ ├── [ 18M] 7-隱式情況分析.mp4
│ │ └── [ 14M] 8-Embedding的作用.mp4
│ ├──3_音樂推薦系統(tǒng)實戰(zhàn)/
│ │ ├── [101M] 1-音樂推薦任務(wù)概述.mp4
│ │ ├── [ 65M] 2-數(shù)據(jù)集整合.mp4
│ │ ├── [ 73M] 3-基于物品的協(xié)同過濾.mp4
│ │ ├── [106M] 4-物品相似度計算與推薦.mp4
│ │ ├── [ 44M] 5-SVD矩陣分解.mp4
│ │ └── [126M] 6-基于矩陣分解的音樂推薦.mp4
│ ├──4_知識圖譜與Neo4j數(shù)據(jù)庫實例/
│ │ ├── [ 63M] 1-Neo4j圖數(shù)據(jù)庫介紹.mp4
│ │ ├── [ 20M] 1-知識圖譜通俗解讀.mp4
│ │ ├── [ 28M] 2-Neo4j數(shù)據(jù)庫安裝流程演示.mp4
│ │ ├── [ 27M] 2-知識圖譜在搜索引擎中的應(yīng)用.mp4
│ │ ├── [ 44M] 3-可視化例子演示.mp4
│ │ ├── [103M] 3-知識圖譜在醫(yī)療領(lǐng)域應(yīng)用實例.mp4
│ │ ├── [ 25M] 4-創(chuàng)建與刪除操作演示.mp4
│ │ ├── [ 20M] 4-金融與推薦領(lǐng)域的應(yīng)用.mp4
│ │ ├── [ 27M] 5-數(shù)據(jù)庫更改查詢操作演示.mp4
│ │ └── [ 36M] 5-數(shù)據(jù)獲取分析.mp4
│ ├──5_基于知識圖譜的電影推薦實戰(zhàn)/
│ │ ├── [ 29M] 1-知識圖譜推薦系統(tǒng)效果演示.mp4
│ │ ├── [ 73M] 2-kaggle電影數(shù)據(jù)集下載與配置.mp4
│ │ ├── [ 35M] 3-圖譜需求與任務(wù)流程解讀.mp4
│ │ ├── [ 59M] 4-項目所需環(huán)境配置安裝.mp4
│ │ ├── [ 66M] 5-構(gòu)建用戶電影知識圖譜.mp4
│ │ ├── [ 25M] 6-圖譜查詢與匹配操作.mp4
│ │ └── [ 53M] 7-相似度計算與推薦引擎構(gòu)建.mp4
│ ├──6_點擊率估計FM與DeepFM算法/
│ │ ├── [ 28M] 1-CTR估計及其經(jīng)典方法概述.mp4
│ │ ├── [ 16M] 2-高維特征帶來的問題.mp4
│ │ ├── [ 14M] 3-二項式特征的作用與挑戰(zhàn).mp4
│ │ ├── [ 27M] 4-二階公式推導(dǎo)與化簡.mp4
│ │ ├── [ 27M] 5-FM算法解析.mp4
│ │ ├── [ 20M] 6-DeepFm整體架構(gòu)解讀.mp4
│ │ ├── [ 16M] 7-輸入層所需數(shù)據(jù)樣例.mp4
│ │ └── [ 30M] 8-Embedding層的作用與總結(jié).mp4
│ ├──7_DeepFM算法實戰(zhàn)/
│ │ ├── [ 70M] 1-數(shù)據(jù)集介紹與環(huán)境配置.mp4
│ │ ├── [ 65M] 2-廣告點擊數(shù)據(jù)預(yù)處理實例.mp4
│ │ ├── [ 41M] 3-數(shù)據(jù)處理模塊Embedding層.mp4
│ │ ├── [ 39M] 4-Index與Value數(shù)據(jù)制作.mp4
│ │ ├── [ 40M] 5-一階權(quán)重參數(shù)設(shè)計.mp4
│ │ ├── [ 36M] 6-二階特征構(gòu)建方法.mp4
│ │ ├── [ 60M] 7-特征組合方法實例分析.mp4
│ │ ├── [ 30M] 8-完成FM模塊計算.mp4
│ │ └── [ 47M] 9-DNN模塊與訓(xùn)練過程.mp4
│ ├──8_推薦系統(tǒng)常用工具包演示/
│ │ ├── [ 49M] 1-環(huán)境配置與數(shù)據(jù)集介紹.mp4
│ │ ├── [ 46M] 2-電影數(shù)據(jù)集預(yù)處理分析.mp4
│ │ ├── [ 50M] 3-surprise工具包基本使用.mp4
│ │ ├── [ 41M] 4-模型測試集結(jié)果.mp4
│ │ └── [109M] 5-評估指標(biāo)概述.mp4
│ └──9_基于文本數(shù)據(jù)的推薦實例/
│ ├── [ 25M] 1-數(shù)據(jù)與環(huán)境配置介紹.mp4
│ ├── [ 37M] 2-數(shù)據(jù)科學(xué)相關(guān)數(shù)據(jù)介紹.mp4
│ ├── [ 45M] 3-文本數(shù)據(jù)預(yù)處理.mp4
│ ├── [ 41M] 4-TFIDF構(gòu)建特征矩陣.mp4
│ ├── [ 40M] 5-矩陣分解演示.mp4
│ ├── [ 66M] 6-LDA主題模型效果演示.mp4
│ └── [ 50M] 7-推薦結(jié)果分析.mp4
└── 資料/

購買主題本主題需向作者支付 20 資源幣 才能瀏覽

testcat · 發(fā)表于 2023-3-2 08:41:16

我看不錯噢謝謝樓主！

503969402 · 發(fā)表于 2023-3-2 10:34:15

6666666

尼比魯人 · 發(fā)表于 2023-3-2 14:04:44

6666666666666666666

eagle083 · 發(fā)表于 2023-3-2 14:20:20

11111111111111

verse · 發(fā)表于 2023-3-2 18:54:20

祝資源共享吧越來越火！

ehu4ever · 發(fā)表于 2023-3-2 20:35:28

thx ..

...

bdyker · 發(fā)表于 2023-3-2 20:55:27

感謝樓主分享

yuan71058 · 發(fā)表于 2023-3-2 21:11:52

我看不錯噢謝謝樓主！

南方 · 發(fā)表于 2023-3-3 11:09:45

謝謝樓主！

		自動登錄	找回密碼
密碼			注冊成為正式會員

GP-P5人工智能深度學(xué)習(xí)高薪就業(yè)班

終身VIP會員