資源共享吧|易語言論壇|逆向破解教程|輔助開發(fā)教程|網(wǎng)絡(luò)安全教程|anzei.cn|我的開發(fā)技術(shù)隨記

 找回密碼
 注冊成為正式會員
查看: 2478|回復(fù): 18
打印 上一主題 下一主題

人工智能深度學(xué)習(xí)教程

[復(fù)制鏈接]

6

主題

46

帖子

0

精華

終身高級VIP會員

Rank: 7Rank: 7Rank: 7

資源幣
92
積分
88
貢獻(xiàn)
0
在線時(shí)間
15 小時(shí)
注冊時(shí)間
2017-12-8
最后登錄
2024-2-5

終身VIP會員
跳轉(zhuǎn)到指定樓層
樓主
發(fā)表于 2024-2-5 01:30:04 | 只看該作者 回帖獎勵 |倒序?yàn)g覽 |閱讀模式
人工智能深度學(xué)習(xí)教程



├──00 資料
| ├──1.第一章 直播回放
| | ├──1-1 節(jié)開班典禮
| | ├──1-10 節(jié)直播7：半監(jiān)督物體檢測
| | ├──1-11 節(jié)直播8：基于圖模型的時(shí)間序列預(yù)測
| | ├──1-12 節(jié)直播9：圖像定位與檢索
| | ├──1-13 節(jié)直播10：近期內(nèi)容補(bǔ)充
| | ├──1-14 節(jié)直播11文本生成GPT系列
| | ├──1-15 節(jié)直播12：異構(gòu)圖神經(jīng)網(wǎng)絡(luò)
| | ├──1-16 節(jié)直播13：BEV特征空間
| | ├──1-17 節(jié)補(bǔ)充：BevFormer源碼解讀
| | ├──1-18 節(jié)直播14：知識蒸餾
| | ├──1-3 節(jié)直播1：深度學(xué)習(xí)核心算法-神經(jīng)網(wǎng)絡(luò)與卷積網(wǎng)絡(luò)
| | ├──1-4 節(jié)卷積神經(jīng)網(wǎng)絡(luò)
| | ├──1-5 節(jié)直播3：Transformer架構(gòu)
| | ├──1-6 節(jié)直播4：Transfomer在視覺任務(wù)中的應(yīng)用實(shí)例
| | ├──1-7 節(jié)直播5：YOLO系列（V7）算法解讀
| | ├──1-8 節(jié)直播6：分割模型Maskformer系列
| | └──1-9 節(jié)補(bǔ)充：Mask2former源碼解讀
| ├──10.第一十章 圖神經(jīng)⽹絡(luò)實(shí)戰(zhàn)
| | ├──3-圖模型必備神器PyTorch Geometric安裝與使用
| | ├──4-使用PyTorch Geometric構(gòu)建自己的圖數(shù)據(jù)集
| | ├──5-圖注意力機(jī)制與序列圖模型
| | ├──6-圖相似度論文解讀
| | ├──7-圖相似度計(jì)算實(shí)戰(zhàn)
| | ├──8-基于圖模型的軌跡估計(jì)
| | ├──9-圖模型軌跡估計(jì)實(shí)戰(zhàn)
| | ├──第二章：圖卷積GCN模型
| | └──第一章：圖神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
| ├──11.第一十一章 3D點(diǎn)云實(shí)戰(zhàn)
| | ├──第1節(jié)：3D點(diǎn)云應(yīng)用領(lǐng)域分析
| | ├──第2節(jié)：3D點(diǎn)云PointNet算法
| | ├──第3節(jié)：PointNet算法解讀
| | ├──第4節(jié)：Pointnet項(xiàng)目實(shí)戰(zhàn)
| | ├──第5節(jié)：點(diǎn)云補(bǔ)全PF-Net論文解讀
| | ├──第6節(jié)：點(diǎn)云補(bǔ)全實(shí)戰(zhàn)解讀
| | ├──第7節(jié)：點(diǎn)云配準(zhǔn)及其案例實(shí)戰(zhàn)
| | └──第8節(jié)：基礎(chǔ)補(bǔ)充-對抗生成網(wǎng)絡(luò)架構(gòu)原理與實(shí)戰(zhàn)解析
| ├──12.第一十二章 ⽬標(biāo)追蹤與姿態(tài)估計(jì)實(shí)戰(zhàn)
| | ├──第五六七章：YOLO目標(biāo)檢測
| | ├──基礎(chǔ)補(bǔ)充-Resnet模型及其應(yīng)用實(shí)例
| | ├──第二章：OpenPose算法源碼分析.zip 243.86M
| | ├──第三章：Deepsort算法知識點(diǎn)解讀.pdf 1.58M
| | ├──第四章：Deepsort源碼解讀.zip 107.90M
| | ├──第一章：姿態(tài)估計(jì)OpenPose系列算法解讀.pdf 2.42M
| | ├──基礎(chǔ)補(bǔ)充-PyTorch框架必備核心模塊解讀.zip 336.95M
| | └──基礎(chǔ)補(bǔ)充-PyTorch框架基本處理操作.zip 98.58M
| ├──13.第一十三章 ⾯向深度學(xué)習(xí)的⽆⼈駕駛實(shí)戰(zhàn)
| | ├──1.深度估計(jì)算法解讀
| | ├──10-NeuralRecon項(xiàng)目源碼解讀
| | ├──11-TSDF算法與應(yīng)用
| | ├──12-TSDF實(shí)戰(zhàn)案例
| | ├──13-軌跡估計(jì)算法與論文解讀
| | ├──14-軌跡估計(jì)預(yù)測實(shí)戰(zhàn)
| | ├──15-特斯拉無人駕駛解讀
| | ├──2.深度估計(jì)項(xiàng)目實(shí)戰(zhàn)
| | ├──3-車道線檢測算法與論文解讀
| | ├──4-基于深度學(xué)習(xí)的車道線檢測項(xiàng)目實(shí)戰(zhàn)
| | ├──5-商湯LoFTR算法解讀
| | ├──6-局部特征關(guān)鍵點(diǎn)匹配實(shí)戰(zhàn)
| | ├──7-三維重建應(yīng)用與坐標(biāo)系基礎(chǔ)
| | ├──8-NeuralRecon算法解讀
| | └──9-NeuralRecon項(xiàng)目環(huán)境配置
| ├──14.第一十四章 對比學(xué)習(xí)與多模態(tài)任務(wù)實(shí)戰(zhàn)
| | ├──ANINET源碼解讀
| | ├──CLIP系列
| | ├──對比學(xué)習(xí)算法與實(shí)例
| | ├──多模態(tài)3D目標(biāo)檢測算法源碼解讀
| | └──多模態(tài)文字識別
| ├──15.第一十五章 缺陷檢測實(shí)戰(zhàn)
| | ├──PyTorch基礎(chǔ)
| | ├──Resnet分類實(shí)戰(zhàn)
| | ├──第1-4章：YOLOV5缺陷檢測
| | ├──第11-12章：deeplab
| | ├──第6-8章：Opencv各函數(shù)使用實(shí)例
| | ├──DeepLab鐵質(zhì)材料缺陷檢測與開源項(xiàng)目應(yīng)用流程.zip 3.58G
| | ├──第10章：基于視頻流水線的Opnecv缺陷檢測項(xiàng)目.zip 13.96M
| | ├──第5章：Semi-supervised布料缺陷檢測實(shí)戰(zhàn).zip 212.33M
| | └──第9章：基于Opencv缺陷檢測項(xiàng)目實(shí)戰(zhàn).zip 11.38M
| ├──16.第一十六章 ⾏⼈重識別實(shí)戰(zhàn)
| | ├──第1節(jié)：行人重識別原理及其應(yīng)用
| | ├──第2節(jié)：基于注意力機(jī)制的ReId模型論文解讀
| | ├──第3節(jié)：基于Attention的行人重識別項(xiàng)目實(shí)戰(zhàn)
| | ├──第4節(jié)：經(jīng)典會議算法精講（特征融合）
| | ├──第5節(jié)：項(xiàng)目實(shí)戰(zhàn)-基于行人局部特征融合的再識別實(shí)戰(zhàn)
| | ├──第6節(jié)：曠視研究院最新算法解讀（基于圖模型）
| | └──第7節(jié)：基于拓?fù)鋱D的行人重識別項(xiàng)目實(shí)戰(zhàn)
| ├──17.第一十七章 對抗⽣成⽹絡(luò)實(shí)戰(zhàn)
| | ├──第4節(jié)：stargan論文架構(gòu)解析
| | ├──第6節(jié)：基于starganvc2的變聲器論文原理解讀
| | ├──第8節(jié)：圖像超分辨率重構(gòu)實(shí)戰(zhàn)
| | ├──第9節(jié)：基于GAN的圖像補(bǔ)全實(shí)戰(zhàn)
| | ├──cyclegan.pdf 2.67M
| | ├──static.zip 1.26M
| | ├──第2節(jié)：對抗生成網(wǎng)絡(luò)架構(gòu)原理與實(shí)戰(zhàn)解析.zip 35.28M
| | ├──第3節(jié)：基于CycleGan開源項(xiàng)目實(shí)戰(zhàn)圖像合成.zip 1.60G
| | ├──第5節(jié)：stargan項(xiàng)目實(shí)戰(zhàn)及其源碼解讀.zip 869.44M
| | └──第7節(jié)：starganvc2變聲器項(xiàng)目實(shí)戰(zhàn)及其源碼解讀.zip 485.00M
| ├──18.第一十八章 強(qiáng)化學(xué)習(xí)實(shí)戰(zhàn)系列
| | ├──第1節(jié)：強(qiáng)化學(xué)習(xí)簡介及其應(yīng)用.pdf 738.65kb
| | ├──第2節(jié)：PPO算法與公式推導(dǎo).pdf 899.22kb
| | ├──第3節(jié)：策略梯度實(shí)戰(zhàn)-月球登陸器訓(xùn)練實(shí)例.zip 4.34M
| | ├──第4節(jié)：DQN算法.pdf 1.43M
| | ├──第5節(jié)：DQN算法實(shí)例演示.zip 1.98kb
| | ├──第7節(jié)：Actor-Critic算法分析(A3C).pdf 560.29kb
| | └──第8節(jié)：A3C算法玩轉(zhuǎn)超級馬里奧.zip 97.62M
| ├──19.第一十九章 Openai頂級黑科技算法及其項(xiàng)目實(shí)戰(zhàn)
| | ├──1 節(jié)GPT系列生成模型
| | ├──2 節(jié)GPT建模與預(yù)測流程
| | ├──3 節(jié)CLIP系列
| | ├──4 節(jié)Diffusion模型解讀
| | ├──5 節(jié)Dalle2及其源碼解讀
| | └──6 節(jié)ChatGPT
| ├──2.第二章 深度學(xué)習(xí)必備核⼼算法
| | └──課件
| ├──20.第二十章 面向醫(yī)學(xué)領(lǐng)域的深度學(xué)習(xí)實(shí)戰(zhàn)
| | ├──1-神經(jīng)網(wǎng)絡(luò)算法PPT
| | ├──10-基于deeplab的心臟視頻數(shù)據(jù)診斷分析
| | ├──11-YOLO系列物體檢測算法原理解讀
| | ├──12-基于YOLO5細(xì)胞檢測實(shí)戰(zhàn)
| | ├──13-知識圖譜原理解讀
| | ├──14-Neo4j數(shù)據(jù)庫實(shí)戰(zhàn)
| | ├──15-基于知識圖譜的醫(yī)藥問答系統(tǒng)實(shí)戰(zhàn)
| | ├──17-醫(yī)學(xué)糖尿病數(shù)據(jù)命名實(shí)體識別
| | ├──4-基于Resnet的醫(yī)學(xué)數(shù)據(jù)集分類實(shí)戰(zhàn)
| | ├──5-圖像分割及其損失函數(shù)概述
| | ├──6-Unet系列算法講解
| | ├──7-unet醫(yī)學(xué)細(xì)胞分割實(shí)戰(zhàn)
| | ├──8-deeplab系列算法
| | ├──9-基于deeplabV3+版本進(jìn)行VOC分割實(shí)戰(zhàn)
| | ├──16-詞向量模型與RNN網(wǎng)絡(luò)架構(gòu).zip 2.15M
| | ├──2-PyTorch框架基本處理操作.zip 98.58M
| | └──3-PyTorch框架必備核心模塊解讀.zip 336.95M
| ├──21.第二十一章 深度學(xué)習(xí)模型部署與剪枝優(yōu)化實(shí)戰(zhàn)
| | ├──tensorRT
| | ├──嵌入式AI
| | ├──Docker使用命令.zip 7.83M
| | ├──Mobilenet.pdf 2.41M
| | ├──mobilenetv3.py 7.31kb
| | ├──pytorch-slimming.zip 356.43M
| | ├──PyTorch模型部署實(shí)例.zip 102.80kb
| | ├──TensorFlow-serving.zip 2.96M
| | ├──YOLO部署實(shí)例.zip 876.45M
| | └──剪枝算法.pdf 504.02kb
| ├──22.第二十二章 自然語言處理必備神器Huggingface系列實(shí)戰(zhàn)
| | ├──第八章：GPT訓(xùn)練與預(yù)測部署流程
| | ├──第二章：Transformer工具包基本操作實(shí)例解讀
| | ├──第九章：文本摘要建模
| | ├──第六章：文本預(yù)訓(xùn)練模型構(gòu)建實(shí)例
| | ├──第七章：GPT系列算法
| | ├──第三章：transformer原理解讀
| | ├──第十一章：補(bǔ)充Huggingface數(shù)據(jù)集制作方法實(shí)例
| | ├──第十章：圖譜知識抽取實(shí)戰(zhàn)
| | ├──第四章：BERT系列算法解讀
| | ├──第五章：文本標(biāo)注工具與NER實(shí)例
| | └──第一章：Huggingface與NLP介紹解讀
| ├──23.第二十三章 ⾃然語⾔處理通⽤框架-BERT實(shí)戰(zhàn)
| | ├──課后作業(yè)
| | └──課件、源碼
| ├──24.第二十四章 ⾃然語⾔處理經(jīng)典案例實(shí)戰(zhàn)
| | ├──NLP常用工具包
| | ├──課后作業(yè)
| | ├──課件
| | └──源碼、數(shù)據(jù)集等
| ├──25.第二十五章 知識圖譜實(shí)戰(zhàn)系列
| | ├──第1.2節(jié)：知識圖譜介紹及其應(yīng)用領(lǐng)域分析
| | ├──第3節(jié)：Neo4j數(shù)據(jù)庫實(shí)戰(zhàn)
| | ├──第4節(jié)：使用python操作neo4j實(shí)例
| | ├──第5節(jié)：基于知識圖譜的醫(yī)藥問答系統(tǒng)實(shí)戰(zhàn)
| | ├──第6節(jié)：文本關(guān)系抽取實(shí)踐
| | ├──第7節(jié)：金融平臺風(fēng)控模型實(shí)踐
| | └──第8節(jié)：醫(yī)學(xué)糖尿病數(shù)據(jù)命名實(shí)體識別
| ├──26.第二十六章 語⾳識別實(shí)戰(zhàn)系列
| | ├──PPT
| | ├──論文
| | ├──變聲器pytorch-StarGAN-VC2.zip 484.93M
| | ├──語音分離Conv-TasNet.zip 84.38M
| | ├──語音合成tacotron2實(shí)戰(zhàn).zip 302.43M
| | └──語音識別LAS模型.zip 420.12M
| ├──27.第二十七章 推薦系統(tǒng)實(shí)戰(zhàn)系列
| | ├──第10節(jié)：基于統(tǒng)計(jì)分析的電影推薦
| | ├──第3節(jié)：音樂推薦系統(tǒng)實(shí)戰(zhàn)
| | ├──第4節(jié)：Neo4j數(shù)據(jù)庫實(shí)例
| | ├──第11節(jié)：補(bǔ)充-基于相似度的酒店推薦系統(tǒng).zip 1.81M
| | ├──第1節(jié)：推薦系統(tǒng)介紹.pdf 1.50M
| | ├──第2節(jié)：協(xié)同過濾與矩陣分解.pdf 974.68kb
| | ├──第5節(jié)：基于知識圖譜的電影推薦實(shí)戰(zhàn).zip 160.61M
| | ├──第6節(jié)：FM與DeepFM算法.pdf 759.61kb
| | ├──第7節(jié)：DeepFM算法實(shí)戰(zhàn).zip 1.16M
| | ├──第8節(jié)：推薦系統(tǒng)常用工具包演示.zip 129.35M
| | └──第9節(jié)：基于文本數(shù)據(jù)的推薦實(shí)例.zip 254.77M
| ├──28.第二十八章 AI課程所需安裝軟件教程
| | ├──Anaconda3-2020.07-Windows-x86_64.exe 467.49M
| | ├──cuda_11.3.0_465.89_win10.exe 2.68G
| | ├──mmcv_full-1.4.7-cp38-cp38-win_amd64.whl 12.75M
| | ├──notepadplusplus-8-4.exe 4.28M
| | ├──pycharm-community-2022.1.2.exe 378.78M
| | ├──torch-1.10.0+cu113-cp38-cp38-win_amd64.whl 2.27G
| | ├──torchvision-0.11.0+cu113-cp38-cp38-win_amd64.whl 3.04M
| | └──VisualStudioSetup.exe 1.60M
| ├──29.第二十九章 額外補(bǔ)充
| | ├──ACMIX(卷積與注意力結(jié)合)
| | ├──ConvNeXt
| | ├──Coordinate_attention
| | ├──GCNET(全局特征融合)
| | ├──mobileone(提速)
| | ├──SPD-Conv
| | ├──SPPCSPC(替換SPP)
| | ├──gc(2).py 5.67kb
| | └──gc.py 5.67kb
| ├──3.第三章 深度學(xué)習(xí)核⼼框架PyTorch
| | ├──flask預(yù)測.zip 712.05M
| | ├──第八章：對抗生成網(wǎng)絡(luò)架構(gòu)原理與實(shí)戰(zhàn)解析.zip 35.28M
| | ├──第二,三章：神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)分類與回歸任務(wù).zip 15.82M
| | ├──第六章：DataLoader自定義數(shù)據(jù)集制作.zip 594.02M
| | ├──第七章：LSTM文本分類實(shí)戰(zhàn).zip 31.53M
| | ├──第四章：卷積網(wǎng)絡(luò)參數(shù)解讀.zip 33.37M
| | └──第五章：圖像識別模型與訓(xùn)練策略（重點(diǎn)）.zip 449.77M
| ├──4.第四章 MMLAB實(shí)戰(zhàn)系列
| | ├──DeformableDetr算法解讀
| | ├──KIE關(guān)鍵信息抽取與視頻超分辨率重構(gòu)
| | ├──OCR算法解讀
| | ├──mask2former(mmdetection).zip 192.38M
| | ├──ner.zip 121.60M
| | ├──第八模塊：mmrazor-模型蒸餾.zip 1.00G
| | ├──第二模塊：mmsegmentation-0.20.2.zip 2.80G
| | ├──第二模塊：MPViT-main.zip 924.77M
| | ├──第九模塊：mmaction2-master.zip 827.76M
| | ├──第六模塊：mmediting-master.zip 107.78M
| | ├──第七模塊：mmdetection3d-1.0.0rc0.zip 395.05M
| | ├──第三模塊：mmdetection-master.zip 1.46G
| | ├──第四模塊：mmocr-main.zip 381.72M
| | ├──第五模塊：mmgeneration-master.zip 746.81M
| | └──第一模塊：mmclassification-master.zip 912.00M
| ├──5.第五章 Opencv圖像處理框架實(shí)戰(zhàn)
| | ├──課件
| | └──源碼資料
| ├──6.第六章 綜合項(xiàng)⽬-物體檢測經(jīng)典算法實(shí)戰(zhàn)
| | ├──YOLO系列（PyTorch）
| | ├──CenterNet.pdf 8.83M
| | ├──detr目標(biāo)檢測源碼解讀.zip 108.29kb
| | ├──EfficientDet.pdf 780.70kb
| | ├──EfficientDet.zip 80.48M
| | ├──EfficientNet.pdf 943.23kb
| | ├──json2yolo.py 1.48kb
| | ├──yolov7-main.zip 337.57M
| | ├──第十二章：基于Transformer的detr目標(biāo)檢測算法.pdf 885.69kb
| | └──物體檢測.pdf 1.38M
| ├──7.第七章 圖像分割實(shí)戰(zhàn)
| | ├──第1節(jié)：圖像分割算法
| | ├──第2節(jié)：卷積網(wǎng)絡(luò)
| | ├──第3節(jié)：Unet系列算法講解
| | ├──第4節(jié)：unet醫(yī)學(xué)細(xì)胞分割實(shí)戰(zhàn)
| | ├──第6節(jié)：deeplab系列算法
| | ├──第7節(jié)：基于deeplabV3+版本進(jìn)行VOC分割實(shí)戰(zhàn)
| | ├──第8節(jié)：基于deeplab的心臟視頻數(shù)據(jù)診斷分析
| | ├──基于Resnet的醫(yī)學(xué)數(shù)據(jù)集分類實(shí)戰(zhàn)
| | ├──f112c9fda85536ee3eba662c9043e683.bat 0.07kb
| | ├──mask-rcnn.pdf 989.98kb
| | ├──MaskRcnn網(wǎng)絡(luò)框架源碼詳解.zip 1.14G
| | ├──PyTorch框架基本處理操作.zip 98.58M
| | ├──R(2+1)D網(wǎng)絡(luò).pdf 507.15kb
| | ├──第5節(jié)：U-2-Net.zip 636.25M
| | ├──基于MASK-RCNN框架訓(xùn)練自己的數(shù)據(jù)與任務(wù).zip 439.38M
| | └──圖像識別核心模塊實(shí)戰(zhàn)解讀.zip 336.95M
| ├──8.第八章 行為識別實(shí)戰(zhàn)
| | ├──slowfast-add
| | ├──基礎(chǔ)補(bǔ)充-Resnet模型及其應(yīng)用實(shí)例
| | ├──1-slowfast算法知識點(diǎn)通俗解讀.pdf 572.31kb
| | ├──4-基于3D卷積的視頻分析與動作識別.zip 845.84M
| | ├──5-視頻異常檢測算法與元學(xué)習(xí).pdf 1.15M
| | ├──6-視頻異常檢測CVPR2021論文及其源碼解讀.zip 243.75M
| | ├──slowfast論文.pdf 1.45M
| | ├──基礎(chǔ)補(bǔ)充-PyTorch框架必備核心模塊解讀.zip 336.95M
| | └──基礎(chǔ)補(bǔ)充-PyTorch框架基本處理操作.zip 98.58M
| └──9.第九章 2022論⽂必備-Transformer實(shí)戰(zhàn)系列
| | └──transformer系列
├──01 直播課回放
| ├──01 開班典禮
| | └──01 開班典禮.mp4 1.04G
| ├──02 Pycharm環(huán)境配置與Debug演示(沒用過的同學(xué)必看)
| | └──01 Pycharm環(huán)境配置與Debug演示(沒用過的同學(xué)必看).mp4 96.02M
| ├──03 直播1：深度學(xué)習(xí)核心算法-神經(jīng)網(wǎng)絡(luò)與卷積網(wǎng)絡(luò)
| | └──01 深度學(xué)習(xí)核心算法-神經(jīng)網(wǎng)絡(luò)與卷積網(wǎng)絡(luò).mp4 370.69M
| ├──04 直播2：卷積神經(jīng)網(wǎng)絡(luò)
| | └──01 卷積神經(jīng)網(wǎng)絡(luò).mp4 414.75M
| ├──05 直播3：Transformer架構(gòu)
| | └──01 Transformer架構(gòu).mp4 365.08M
| ├──06 直播4：Transfomer在視覺任務(wù)中的應(yīng)用實(shí)例
| | └──01 Transfomer在視覺任務(wù)中的應(yīng)用實(shí)例.mp4 661.46M
| ├──07 直播5：YOLO系列（V7）算法解讀
| | └──01 YOLO系列（V7）算法解讀.mp4 392.52M
| ├──08 直播6：分割模型Maskformer系列
| | └──01 分割模型Maskformer系列.mp4 570.91M
| ├──09 補(bǔ)充：Mask2former源碼解讀
| | ├──01 Backbone獲取多層級特征.mp4 27.89M
| | ├──02 多層級采樣點(diǎn)初始化構(gòu)建.mp4 33.82M
| | ├──03 多層級輸入特征序列創(chuàng)建方法.mp4 33.71M
| | ├──04 偏移量與權(quán)重計(jì)算并轉(zhuǎn)換.mp4 37.60M
| | ├──05 Encoder特征構(gòu)建方法實(shí)例.mp4 40.05M
| | ├──06 query要預(yù)測的任務(wù)解讀.mp4 36.21M
| | ├──07 Decoder中的AttentionMask方法.mp4 40.02M
| | ├──08 損失模塊輸入?yún)?shù)分析.mp4 31.76M
| | ├──09 標(biāo)簽分配策略解讀.mp4 33.32M
| | ├──10 正樣本篩選損失計(jì)算.mp4 32.51M
| | ├──11 標(biāo)簽分類匹配結(jié)果分析.mp4 49.34M
| | ├──12 最終損失計(jì)算流程.mp4 41.44M
| | └──13 匯總所有損失完成迭代.mp4 28.48M
| ├──10 直播7：半監(jiān)督物體檢測
| | └──01 半監(jiān)督物體檢測.mp4 606.03M
| ├──11 直播8：基于圖模型的時(shí)間序列預(yù)測
| | └──01 基于圖模型的時(shí)間序列預(yù)測.mp4 911.17M
| ├──12 直播9：圖像定位與檢索
| | └──01 圖像定位與檢索.mp4 717.84M
| ├──13 直播10：近期內(nèi)容補(bǔ)充
| | └──01 近期內(nèi)容補(bǔ)充.mp4 725.35M
| ├──14 直播11：文本生成GPT系列
| | └──01 文本生成GPT系列.mp4 307.00M
| ├──15 直播12：異構(gòu)圖神經(jīng)網(wǎng)絡(luò)
| | └──01 異構(gòu)圖神經(jīng)網(wǎng)絡(luò).mp4 527.75M
| ├──16 直播13：BEV特征空間
| | └──01 BEV特征空間.mp4 384.59M
| ├──17 補(bǔ)充：BevFormer源碼解讀
| | ├──01 環(huán)境配置方法解讀.mp4 34.17M
| | ├──02 數(shù)據(jù)集下載與配置方法.mp4 41.44M
| | ├──03 特征提取以及BEV空間初始化.mp4 33.67M
| | ├──04 特征對齊與位置編碼初始化.mp4 33.90M
| | ├──05 Reference初始點(diǎn)構(gòu)建.mp4 29.37M
| | ├──06 BEV空間與圖像空間位置對應(yīng).mp4 29.38M
| | ├──07 注意力機(jī)制模塊計(jì)算方法.mp4 30.62M
| | ├──08 BEV空間特征構(gòu)建.mp4 26.80M
| | ├──09 Decoder要完成的任務(wù)分析.mp4 26.51M
| | ├──10 獲取當(dāng)前BEV特征.mp4 28.58M
| | ├──11 Decoder級聯(lián)校正模塊.mp4 33.43M
| | └──12 損失函數(shù)與預(yù)測可視化.mp4 41.28M
| ├──18 直播14：知識蒸餾
| | └──01 知識蒸餾.mp4 354.30M
| └──19 直播15：六期總結(jié)與論文簡歷
| | └──01 六期總結(jié)與論文簡歷.mp4 289.93M
├──02 深度學(xué)習(xí)必備核心算法
| ├──01 神經(jīng)網(wǎng)絡(luò)算法解讀
| | └──01 神經(jīng)網(wǎng)絡(luò)算法解讀.mp4 415.30M
| ├──02 卷積神經(jīng)網(wǎng)絡(luò)算法解讀
| | └──01 卷積神經(jīng)網(wǎng)絡(luò)算法解讀.mp4 325.31M
| └──03 遞歸神經(jīng)網(wǎng)絡(luò)算法解讀
| | └──01 遞歸神經(jīng)網(wǎng)絡(luò)算法解讀.mp4 271.82M
├──03 深度學(xué)習(xí)核心框架PyTorch
| ├──01 PyTorch框架介紹與配置安裝
| | ├──01 PyTorch框架與其他框架區(qū)別分析.mp4 28.86M
| | └──02 CPU與GPU版本安裝方法解讀.mp4 69.56M
| ├──02 使用神經(jīng)網(wǎng)絡(luò)進(jìn)行分類任務(wù)
| | ├──01 數(shù)據(jù)集與任務(wù)概述.mp4 35.61M
| | ├──02 基本模塊應(yīng)用測試.mp4 36.42M
| | ├──03 網(wǎng)絡(luò)結(jié)構(gòu)定義方法.mp4 43.97M
| | ├──04 數(shù)據(jù)源定義簡介.mp4 29.45M
| | ├──05 損失與訓(xùn)練模塊分析.mp4 32.01M
| | ├──06 訓(xùn)練一個(gè)基本的分類模型.mp4 42.01M
| | └──07 參數(shù)對結(jié)果的影響.mp4 39.23M
| ├──03 神經(jīng)網(wǎng)絡(luò)回歸任務(wù)-氣溫預(yù)測
| | └──01 神經(jīng)網(wǎng)絡(luò)回歸任務(wù)-氣溫預(yù)測.mp4 154.93M
| ├──04 卷積網(wǎng)絡(luò)參數(shù)解讀分析
| | ├──01 輸入特征通道分析.mp4 33.69M
| | ├──02 卷積網(wǎng)絡(luò)參數(shù)解讀.mp4 24.75M
| | └──03 卷積網(wǎng)絡(luò)模型訓(xùn)練.mp4 41.99M
| ├──05 圖像識別模型與訓(xùn)練策略（重點(diǎn)）
| | ├──01 任務(wù)分析與圖像數(shù)據(jù)基本處理.mp4 31.96M
| | ├──02 數(shù)據(jù)增強(qiáng)模塊.mp4 30.83M
| | ├──03 數(shù)據(jù)集與模型選擇.mp4 36.14M
| | ├──04 遷移學(xué)習(xí)方法解讀.mp4 34.10M
| | ├──05 輸出層與梯度設(shè)置.mp4 47.38M
| | ├──06 輸出類別個(gè)數(shù)修改.mp4 40.46M
| | ├──07 優(yōu)化器與學(xué)習(xí)率衰減.mp4 41.29M
| | ├──08 模型訓(xùn)練方法.mp4 39.99M
| | ├──09 重新訓(xùn)練全部模型.mp4 43.25M
| | └──10 測試結(jié)果演示分析.mp4 91.09M
| ├──06 DataLoader自定義數(shù)據(jù)集制作
| | ├──01 Dataloader要完成的任務(wù)分析.mp4 29.00M
| | ├──02 圖像數(shù)據(jù)與標(biāo)簽路徑處理.mp4 37.60M
| | ├──03 Dataloader中需要實(shí)現(xiàn)的方法分析.mp4 33.96M
| | └──04 實(shí)用Dataloader加載數(shù)據(jù)并訓(xùn)練模型.mp4 63.88M
| ├──07 LSTM文本分類實(shí)戰(zhàn)
| | ├──01 數(shù)據(jù)集與任務(wù)目標(biāo)分析.mp4 36.03M
| | ├──02 文本數(shù)據(jù)處理基本流程分析.mp4 38.62M
| | ├──03 命令行參數(shù)與DEBUG.mp4 30.07M
| | ├──04 訓(xùn)練模型所需基本配置參數(shù)分析.mp4 33.00M
| | ├──05 預(yù)料表與字符切分.mp4 25.85M
| | ├──06 字符預(yù)處理轉(zhuǎn)換ID.mp4 28.32M
| | ├──07 LSTM網(wǎng)絡(luò)結(jié)構(gòu)基本定義.mp4 28.87M
| | ├──08 網(wǎng)絡(luò)模型預(yù)測結(jié)果輸出.mp4 32.54M
| | └──09 模型訓(xùn)練任務(wù)與總結(jié).mp4 39.42M
| └──08 PyTorch框架Flask部署例子
| | ├──01 基本結(jié)構(gòu)與訓(xùn)練好的模型加載.mp4 17.32M
| | ├──02 服務(wù)端處理與預(yù)測函數(shù).mp4 36.32M
| | └──03 基于Flask測試模型預(yù)測結(jié)果.mp4 38.76M
├──04 MMLAB實(shí)戰(zhàn)系列
| ├──01 MMCV安裝方法
| | └──01 MMCV安裝方法.mp4 38.52M
| ├──02 第一模塊：分類任務(wù)基本操作
| | ├──01 MMCLS問題修正.mp4 18.43M
| | ├──02 準(zhǔn)備MMCLS項(xiàng)目.mp4 25.79M
| | ├──03 基本參數(shù)配置解讀.mp4 26.22M
| | ├──04 各模塊配置文件組成.mp4 29.52M
| | ├──05 生成完整配置文件.mp4 18.70M
| | ├──06 根據(jù)文件夾定義數(shù)據(jù)集.mp4 31.27M
| | ├──07 構(gòu)建自己的數(shù)據(jù)集.mp4 26.92M
| | └──08 訓(xùn)練自己的任務(wù).mp4 30.97M
| ├──03 第一模塊：訓(xùn)練結(jié)果測試與驗(yàn)證
| | ├──01 測試DEMO效果.mp4 18.86M
| | ├──02 測試評估模型效果.mp4 21.47M
| | ├──03 MMCLS中增加一個(gè)新的模塊.mp4 49.34M
| | ├──04 修改配置文件中的參數(shù).mp4 52.35M
| | ├──05 數(shù)據(jù)增強(qiáng)流程可視化展示.mp4 29.94M
| | ├──06 Grad-Cam可視化方法.mp4 30.29M
| | ├──07 可視化細(xì)節(jié)與效果分析.mp4 91.83M
| | ├──08 MMCLS可視化模塊應(yīng)用.mp4 55.84M
| | └──09 模型分析腳本使用.mp4 26.39M
| ├──04 第一模塊：模型源碼DEBUG演示
| | ├──01 VIT任務(wù)概述.mp4 23.77M
| | ├──02 數(shù)據(jù)增強(qiáng)模塊概述分析.mp4 43.85M
| | ├──03 PatchEmbedding層.mp4 19.28M
| | ├──04 前向傳播基本模塊.mp4 30.85M
| | └──05 CLS與輸出模塊.mp4 35.13M
| ├──05 第二模塊：使用分割模塊訓(xùn)練自己的數(shù)據(jù)集
| | ├──01 項(xiàng)目配置基本介紹.mp4 56.78M
| | ├──02 數(shù)據(jù)集標(biāo)注與制作方法.mp4 44.00M
| | ├──03 根據(jù)預(yù)測類別數(shù)修改配置文件.mp4 31.28M
| | ├──04 加載預(yù)訓(xùn)練模型開始訓(xùn)練.mp4 69.51M
| | └──05 預(yù)測DEMO演示.mp4 16.89M
| ├──06 第二模塊：基于Unet進(jìn)行各種策略修改
| | ├──01 配置文件解讀.mp4 25.75M
| | ├──02 編碼層模塊.mp4 25.47M
| | ├──03 上采樣與輸出層.mp4 22.78M
| | ├──04 輔助層的作用.mp4 15.46M
| | ├──05 給Unet添加一個(gè)neck層.mp4 24.60M
| | ├──06 如何修改參數(shù)適配網(wǎng)絡(luò)結(jié)構(gòu).mp4 17.28M
| | ├──07 將Unet特征提取模塊替換成transformer.mp4 18.15M
| | └──08 VIT模塊源碼分析.mp4 35.23M
| ├──07 第二模塊：分割任務(wù)CVPR最新Backbone設(shè)計(jì)及其應(yīng)用
| | ├──01 注冊自己的Backbone模塊.mp4 26.57M
| | ├──02 配置文件指定.mp4 29.26M
| | ├──03 DEBUG解讀Backbone設(shè)計(jì).mp4 29.89M
| | ├──04 PatchEmbedding的作用與實(shí)現(xiàn).mp4 33.03M
| | ├──05 卷積位置編碼計(jì)算方法.mp4 41.89M
| | ├──06 近似Attention模塊實(shí)現(xiàn).mp4 65.19M
| | ├──07 完成特征提取與融合模塊.mp4 42.11M
| | ├──08 分割輸出模塊.mp4 40.73M
| | ├──09 全局特征的作用與實(shí)現(xiàn).mp4 44.05M
| | └──10 匯總多層級特征進(jìn)行輸出.mp4 31.83M
| ├──08 第三模塊：mmdet訓(xùn)練自己的數(shù)據(jù)任務(wù)
| | ├──01 數(shù)據(jù)集標(biāo)注與標(biāo)簽獲取.mp4 25.15M
| | ├──02 COCO數(shù)據(jù)標(biāo)注格式.mp4 22.09M
| | ├──03 通過腳本生成COCO數(shù)據(jù)格式.mp4 29.89M
| | ├──04 配置文件數(shù)據(jù)增強(qiáng)策略分析.mp4 35.01M
| | ├──05 訓(xùn)練所需配置說明.mp4 44.55M
| | ├──06 模型訓(xùn)練與DEMO演示.mp4 26.62M
| | ├──07 模型測試與可視化分析模塊.mp4 58.45M
| | └──08 補(bǔ)充：評估指標(biāo).mp4 11.21M
| ├──09 第三模塊：DeformableDetr物體檢測源碼分析
| | ├──01 特征提取與位置編碼.mp4 29.53M
| | ├──02 序列特征展開并疊加.mp4 37.73M
| | ├──03 得到相對位置點(diǎn)編碼.mp4 23.07M
| | ├──04 準(zhǔn)備Encoder編碼層所需全部輸入.mp4 28.79M
| | ├──05 編碼層中的序列分析.mp4 30.81M
| | ├──06 偏移量offset計(jì)算.mp4 35.35M
| | ├──07 偏移量對齊操作.mp4 29.91M
| | ├──08 Encoder層完成特征對齊.mp4 39.83M
| | ├──09 Decoder要完成的操作.mp4 30.18M
| | ├──10 分類與回歸輸出模塊.mp4 38.58M
| | └──11 預(yù)測輸出結(jié)果與標(biāo)簽匹配模塊.mp4 34.68M
| ├──10 補(bǔ)充：Mask2former源碼解讀
| | ├──01 Backbone獲取多層級特征.mp4 27.89M
| | ├──02 多層級采樣點(diǎn)初始化構(gòu)建.mp4 33.82M
| | ├──03 多層級輸入特征序列創(chuàng)建方法.mp4 33.71M
| | ├──04 偏移量與權(quán)重計(jì)算并轉(zhuǎn)換.mp4 37.60M
| | ├──05 Encoder特征構(gòu)建方法實(shí)例.mp4 40.05M
| | ├──06 query要預(yù)測的任務(wù)解讀.mp4 36.21M
| | ├──07 Decoder中的AttentionMask方法.mp4 40.02M
| | ├──08 損失模塊輸入?yún)?shù)分析.mp4 31.76M
| | ├──09 標(biāo)簽分配策略解讀.mp4 33.32M
| | ├──10 正樣本篩選損失計(jì)算.mp4 32.51M
| | ├──11 標(biāo)簽分類匹配結(jié)果分析.mp4 49.34M
| | ├──12 最終損失計(jì)算流程.mp4 41.44M
| | └──13 匯總所有損失完成迭代.mp4 28.48M
| ├──11 第三模塊：DeformableDetr算法解讀
| | └──01 DeformableDetr算法解讀.mp4 540.76M
| ├──12 KIE關(guān)鍵信息抽取與視頻超分辨率重構(gòu)
| | └──01 KIE關(guān)鍵信息抽取與視頻超分辨率重構(gòu).mp4 671.16M
| ├──13 第四模塊：DBNET文字檢測
| | ├──01 文字檢測數(shù)據(jù)概述與配置文件.mp4 42.82M
| | ├──02 配置文件參數(shù)設(shè)置.mp4 29.54M
| | ├──03 Neck層特征組合.mp4 24.90M
| | ├──04 損失函數(shù)模塊概述.mp4 33.38M
| | └──05 損失計(jì)算方法.mp4 42.61M
| ├──14 第四模塊：ANINET文字識別
| | ├──01 數(shù)據(jù)集與環(huán)境概述.mp4 41.91M
| | ├──02 配置文件修改方法.mp4 40.85M
| | ├──03 Bakbone模塊得到特征.mp4 32.66M
| | ├──04 視覺Transformer模塊的作用.mp4 32.87M
| | ├──05 視覺模型中的編碼與解碼的效果.mp4 40.90M
| | ├──06 文本模型中的結(jié)構(gòu)分析.mp4 29.91M
| | ├──07 迭代修正模塊.mp4 29.60M
| | └──08 輸出層與損失計(jì)算.mp4 40.41M
| ├──15 第四模塊：KIE基于圖模型的關(guān)鍵信息抽取
| | ├──01 配置文件以及要完成的任務(wù)解讀.mp4 35.84M
| | ├──02 KIE數(shù)據(jù)集格式調(diào)整方法.mp4 54.91M
| | ├──03 配置文件與標(biāo)簽要進(jìn)行處理操作.mp4 38.07M
| | ├──04 邊框要計(jì)算的特征分析.mp4 27.09M
| | ├──05 標(biāo)簽數(shù)據(jù)處理與關(guān)系特征提取.mp4 43.14M
| | ├──06 特征合并處理.mp4 32.93M
| | ├──07 準(zhǔn)備拼接邊與點(diǎn)特征.mp4 32.09M
| | └──08 整合得到圖模型輸入特征.mp4 53.51M
| ├──16 第五模塊：stylegan2源碼解讀
| | ├──01 要完成的任務(wù)與基本思想概述.mp4 42.32M
| | ├──02 得到style特征編碼.mp4 48.23M
| | ├──03 特征編碼風(fēng)格拼接.mp4 27.51M
| | ├──04 基礎(chǔ)風(fēng)格特征卷積模塊.mp4 39.69M
| | ├──05 上采樣得到輸出結(jié)果.mp4 30.61M
| | └──06 損失函數(shù)概述.mp4 20.37M
| ├──17 第六模塊：BasicVSR視頻超分辨重構(gòu)源碼解讀
| | ├──01 要完成的任務(wù)分析與配置文件.mp4 21.72M
| | ├──02 特征基礎(chǔ)提取模塊.mp4 32.13M
| | ├──03 光流估計(jì)網(wǎng)絡(luò)模塊.mp4 20.15M
| | ├──04 基于光流完成對齊操作.mp4 31.96M
| | ├──05 偏移量計(jì)算方法.mp4 24.16M
| | ├──06 雙向計(jì)算特征對齊.mp4 28.35M
| | ├──07 提特征傳遞流程分析.mp4 28.08M
| | ├──08 序列傳播計(jì)算.mp4 30.46M
| | ├──09 準(zhǔn)備變形卷積模塊的輸入.mp4 34.31M
| | ├──10 傳播流程整體完成一圈.mp4 47.99M
| | └──11 完成輸出結(jié)果.mp4 40.20M
| ├──18 第七模塊：多模態(tài)3D目標(biāo)檢測算法源碼解讀
| | ├──01 環(huán)境配置與數(shù)據(jù)集概述.mp4 40.34M
| | ├──02 數(shù)據(jù)與標(biāo)注文件介紹.mp4 30.35M
| | ├──03 基本流程梳理并進(jìn)入debug模式.mp4 34.43M
| | ├──04 數(shù)據(jù)與圖像特征提取模塊.mp4 43.20M
| | ├──05 體素索引位置獲取.mp4 47.13M
| | ├──06 體素特征提取方法解讀.mp4 27.56M
| | ├──07 體素特征計(jì)算方法分析.mp4 50.68M
| | ├──08 全局體素特征提取.mp4 70.15M
| | ├──09 多模態(tài)特征融合.mp4 47.47M
| | ├──10 3D卷積特征融合.mp4 41.41M
| | └──11 輸出層預(yù)測結(jié)果.mp4 61.43M
| ├──19 第八模塊：模型蒸餾應(yīng)用實(shí)例
| | ├──01 任務(wù)概述與工具使用.mp4 29.51M
| | ├──02 Teacher與Student網(wǎng)絡(luò)結(jié)構(gòu)定義.mp4 37.75M
| | ├──03 訓(xùn)練T與S得到蒸餾模型.mp4 54.35M
| | ├──04 開始模型訓(xùn)練過程與問題修正.mp4 43.60M
| | ├──05 日志輸出與模型分離.mp4 53.46M
| | ├──06 分別得到Teacher與Student模型.mp4 36.11M
| | └──07 實(shí)際測試效果演示.mp4 30.76M
| ├──20 第八模塊：模型剪枝方法概述分析
| | ├──01 SuperNet網(wǎng)絡(luò)結(jié)構(gòu)分析與剪枝概述.mp4 33.37M
| | └──02 搜索匹配到符合計(jì)算量的模型并訓(xùn)練.mp4 37.01M
| ├──21 第九模塊：mmaction行為識別
| | └──01 創(chuàng)建自己的行為識別標(biāo)注數(shù)據(jù)集.mp4 166.34M
| ├──22 OCR算法解讀
| | └──01 OCR算法解讀.mp4 1.22G
| └──23 額外補(bǔ)充-在源碼中加入各種注意力機(jī)制方法
| | └──01 在源碼中加入各種注意力機(jī)制方法.mp4 91.89M
├──05 Opencv圖像處理框架實(shí)戰(zhàn)
| ├──01 課程簡介與環(huán)境配置
| | ├──01 課程簡介.mp4 4.33M
| | ├──02 Python與Opencv配置安裝.mp4 27.60M
| | └──03 Notebook與IDE環(huán)境.mp4 61.54M
| ├──02 圖像基本操作
| | ├──01 計(jì)算機(jī)眼中的圖像.mp4 24.20M
| | ├──02 視頻的讀取與處理.mp4 36.27M
| | ├──03 ROI區(qū)域.mp4 12.10M
| | ├──04 邊界填充.mp4 18.29M
| | └──05 數(shù)值計(jì)算.mp4 31.90M
| ├──03 閾值與平滑處理
| | ├──01 圖像閾值.mp4 25.23M
| | ├──02 圖像平滑處理.mp4 19.45M
| | └──03 高斯與中值濾波.mp4 16.59M
| ├──04 圖像形態(tài)學(xué)操作
| | ├──01 腐蝕操作.mp4 14.51M
| | ├──02 膨脹操作.mp4 9.43M
| | ├──03 開運(yùn)算與閉運(yùn)算.mp4 7.53M
| | ├──04 梯度計(jì)算.mp4 5.92M
| | └──05 禮帽與黑帽.mp4 13.68M
| ├──05 圖像梯度計(jì)算
| | ├──01 Sobel算子.mp4 20.99M
| | ├──02 梯度計(jì)算方法.mp4 23.41M
| | └──03 scharr與lapkacian算子.mp4 20.80M
| ├──06 邊緣檢測
| | ├──01 Canny邊緣檢測流程.mp4 14.30M
| | ├──02 非極大值抑制.mp4 14.08M
| | └──03 邊緣檢測效果.mp4 25.53M
| ├──07 圖像金字塔與輪廓檢測
| | ├──01 圖像金字塔定義.mp4 16.03M
| | ├──02 金字塔制作方法.mp4 20.18M
| | ├──03 輪廓檢測方法.mp4 14.59M
| | ├──04 輪廓檢測結(jié)果.mp4 23.61M
| | ├──05 輪廓特征與近似.mp4 29.38M
| | ├──06 模板匹配方法.mp4 37.32M
| | └──07 匹配效果展示.mp4 17.09M
| ├──08 直方圖與傅里葉變換
| | ├──01 直方圖定義.mp4 19.79M
| | ├──02 均衡化原理.mp4 26.00M
| | ├──03 均衡化效果.mp4 21.44M
| | ├──04 傅里葉概述.mp4 29.84M
| | ├──05 頻域變換結(jié)果.mp4 21.16M
| | └──06 低通與高通濾波.mp4 23.17M
| ├──09 項(xiàng)目實(shí)戰(zhàn)-信用卡數(shù)字識別
| | ├──01 總體流程與方法講解.mp4 18.80M
| | ├──02 環(huán)境配置與預(yù)處理.mp4 25.37M
| | ├──03 模板處理方法.mp4 17.88M
| | ├──04 輸入數(shù)據(jù)處理方法.mp4 22.35M
| | └──05 模板匹配得出識別結(jié)果.mp4 34.74M
| ├──10 項(xiàng)目實(shí)戰(zhàn)-文檔掃描OCR識別
| | ├──01 整體流程演示.mp4 16.02M
| | ├──02 文檔輪廓提取.mp4 21.78M
| | ├──03 原始與變換坐標(biāo)計(jì)算.mp4 19.67M
| | ├──04 透視變換結(jié)果.mp4 23.94M
| | ├──05 tesseract-ocr安裝配置.mp4 28.47M
| | └──06 文檔掃描識別效果.mp4 20.73M
| ├──11 圖像特征-harris
| | ├──01 角點(diǎn)檢測基本原理.mp4 12.66M
| | ├──02 基本數(shù)學(xué)原理.mp4 23.93M
| | ├──03 求解化簡.mp4 23.68M
| | ├──04 特征歸屬劃分.mp4 33.70M
| | └──05 opencv角點(diǎn)檢測效果.mp4 24.15M
| ├──12 圖像特征-sift
| | ├──01 尺度空間定義.mp4 17.54M
| | ├──02 高斯差分金字塔.mp4 17.50M
| | ├──03 特征關(guān)鍵點(diǎn)定位.mp4 39.27M
| | ├──04 生成特征描述.mp4 19.13M
| | ├──05 特征向量生成.mp4 37.06M
| | └──06 opencv中sift函數(shù)使用.mp4 23.04M
| ├──13 案例實(shí)戰(zhàn)-全景圖像拼接
| | ├──01 特征匹配方法.mp4 21.70M
| | ├──02 RANSAC算法.mp4 28.32M
| | ├──03 圖像拼接方法.mp4 33.33M
| | └──04 流程解讀.mp4 16.24M
| ├──14 項(xiàng)目實(shí)戰(zhàn)-停車場車位識別
| | ├──01 任務(wù)整體流程.mp4 38.80M
| | ├──02 所需數(shù)據(jù)介紹.mp4 24.05M
| | ├──03 圖像數(shù)據(jù)預(yù)處理.mp4 36.17M
| | ├──04 車位直線檢測.mp4 41.21M
| | ├──05 按列劃分區(qū)域.mp4 37.61M
| | ├──06 車位區(qū)域劃分.mp4 39.33M
| | ├──07 識別模型構(gòu)建.mp4 29.77M
| | └──08 基于視頻的車位檢測.mp4 72.08M
| ├──15 項(xiàng)目實(shí)戰(zhàn)-答題卡識別判卷
| | ├──01 整體流程與效果概述.mp4 20.46M
| | ├──02 預(yù)處理操作.mp4 17.86M
| | ├──03 填涂輪廓檢測.mp4 19.21M
| | └──04 選項(xiàng)判斷識別.mp4 35.75M
| ├──16 背景建模
| | ├──01 背景消除-幀差法.mp4 16.67M
| | ├──02 混合高斯模型.mp4 21.11M
| | ├──03 學(xué)習(xí)步驟.mp4 24.87M
| | └──04 背景建模實(shí)戰(zhàn).mp4 37.01M
| ├──17 光流估計(jì)
| | ├──01 基本概念.mp4 16.76M
| | ├──02 Lucas-Kanade算法.mp4 16.15M
| | ├──03 推導(dǎo)求解.mp4 21.02M
| | └──04 光流估計(jì)實(shí)戰(zhàn).mp4 49.11M
| ├──18 Opencv的DNN模塊
| | ├──01 dnn模塊.mp4 22.33M
| | └──02 模型加載結(jié)果輸出.mp4 30.31M
| ├──19 項(xiàng)目實(shí)戰(zhàn)-目標(biāo)追蹤
| | ├──01 目標(biāo)追蹤概述.mp4 36.05M
| | ├──02 多目標(biāo)追蹤實(shí)戰(zhàn).mp4 23.65M
| | ├──03 深度學(xué)習(xí)檢測框架加載.mp4 29.57M
| | ├──04 基于dlib與ssd的追蹤.mp4 49.38M
| | ├──05 多進(jìn)程目標(biāo)追蹤.mp4 20.41M
| | └──06 多進(jìn)程效率提升對比.mp4 45.47M
| ├──20 卷積原理與操作
| | ├──01 卷積神經(jīng)網(wǎng)絡(luò)的應(yīng)用.mp4 31.39M
| | ├──02 卷積層解釋.mp4 20.01M
| | ├──03 卷積計(jì)算過程.mp4 24.73M
| | ├──04 pading與stride.mp4 23.28M
| | ├──05 卷積參數(shù)共享.mp4 15.55M
| | ├──06 池化層原理.mp4 14.38M
| | ├──07 卷積效果演示.mp4 18.09M
| | └──08 卷積操作流程.mp4 29.60M
| └──21 項(xiàng)目實(shí)戰(zhàn)-疲勞檢測
| | ├──01 關(guān)鍵點(diǎn)定位概述.mp4 20.83M
| | ├──02 獲取人臉關(guān)鍵點(diǎn).mp4 26.65M
| | ├──03 定位效果演示.mp4 32.39M
| | ├──04 閉眼檢測.mp4 47.61M
| | └──05 檢測效果.mp4 29.73M
├──06 綜合項(xiàng)目-物體檢測經(jīng)典算法實(shí)戰(zhàn)
| ├──01 深度學(xué)習(xí)經(jīng)典檢測方法概述
| | ├──01 檢測任務(wù)中階段的意義.mp4 12.98M
| | ├──02 不同階段算法優(yōu)缺點(diǎn)分析.mp4 8.95M
| | ├──03 IOU指標(biāo)計(jì)算.mp4 9.79M
| | ├──04 評估所需參數(shù)計(jì)算.mp4 20.90M
| | └──05 map指標(biāo)計(jì)算.mp4 17.04M
| ├──02 YOLO-V1整體思想與網(wǎng)絡(luò)架構(gòu)
| | ├──01 YOLO算法整體思路解讀.mp4 12.69M
| | ├──02 檢測算法要得到的結(jié)果.mp4 11.73M
| | ├──03 整體網(wǎng)絡(luò)架構(gòu)解讀.mp4 25.44M
| | ├──04 位置損失計(jì)算.mp4 16.36M
| | └──05 置信度誤差與優(yōu)缺點(diǎn)分析.mp4 23.08M
| ├──03 YOLO-V2改進(jìn)細(xì)節(jié)詳解
| | ├──01 V2版本細(xì)節(jié)升級概述.mp4 11.21M
| | ├──02 網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn).mp4 12.99M
| | ├──03 架構(gòu)細(xì)節(jié)解讀.mp4 15.84M
| | ├──04 基于聚類來選擇先驗(yàn)框尺寸.mp4 20.64M
| | ├──05 偏移量計(jì)算方法.mp4 23.07M
| | ├──06 坐標(biāo)映射與還原.mp4 8.48M
| | ├──07 感受野的作用.mp4 22.27M
| | └──08 特征融合改進(jìn).mp4 16.21M
| ├──04 YOLO-V3核心網(wǎng)絡(luò)模型
| | ├──01 V3版本改進(jìn)概述.mp4 14.94M
| | ├──02 多scale方法改進(jìn)與特征融合.mp4 14.52M
| | ├──03 經(jīng)典變換方法對比分析.mp4 9.27M
| | ├──04 殘差連接方法解讀.mp4 15.89M
| | ├──05 整體網(wǎng)絡(luò)模型架構(gòu)分析.mp4 10.54M
| | ├──06 先驗(yàn)框設(shè)計(jì)改進(jìn).mp4 10.80M
| | └──07 sotfmax層改進(jìn).mp4 8.77M
| ├──05 項(xiàng)目實(shí)戰(zhàn)-基于V3版本進(jìn)行源碼解讀（建議直接跑V5版本）
| | ├──01 數(shù)據(jù)與環(huán)境配置.mp4 45.91M
| | ├──02 訓(xùn)練參數(shù)設(shè)置.mp4 17.23M
| | ├──03 COCO圖像數(shù)據(jù)讀取與處理.mp4 30.25M
| | ├──04 標(biāo)簽文件讀取與處理.mp4 19.05M
| | ├──05 debug模式介紹.mp4 19.80M
| | ├──06 基于配置文件構(gòu)建網(wǎng)絡(luò)模型.mp4 29.14M
| | ├──07 路由層與shortcut層的作用.mp4 24.13M
| | ├──08 YOLO層定義解析.mp4 44.64M
| | ├──09 預(yù)測結(jié)果計(jì)算.mp4 32.27M
| | ├──10 網(wǎng)格偏移計(jì)算.mp4 24.06M
| | ├──11 模型要計(jì)算的損失概述.mp4 17.36M
| | ├──12 標(biāo)簽值格式修改.mp4 20.27M
| | ├──13 坐標(biāo)相對位置計(jì)算.mp4 23.63M
| | ├──14 完成所有損失函數(shù)所需計(jì)算指標(biāo).mp4 26.24M
| | ├──15 模型訓(xùn)練與總結(jié).mp4 56.26M
| | └──16 預(yù)測效果展示.mp4 25.13M
| ├──06 基于YOLO-V3訓(xùn)練自己的數(shù)據(jù)集與任務(wù)（建議直接跑V5版本）
| | ├──01 Labelme工具安裝.mp4 12.55M
| | ├──02 數(shù)據(jù)信息標(biāo)注.mp4 23.64M
| | ├──03 完成標(biāo)簽制作.mp4 23.63M
| | ├──04 生成模型所需配置文件.mp4 27.42M
| | ├──05 json格式轉(zhuǎn)換成yolo-v3所需輸入.mp4 15.62M
| | ├──06 完成輸入數(shù)據(jù)準(zhǔn)備工作.mp4 29.35M
| | ├──07 訓(xùn)練代碼與參數(shù)配置更改.mp4 33.77M
| | └──08 訓(xùn)練模型并測試效果.mp4 26.97M
| ├──07 YOLO-V4版本算法解讀
| | ├──01 V4版本整體概述.mp4 13.00M
| | ├──02 V4版本貢獻(xiàn)解讀.mp4 8.19M
| | ├──03 數(shù)據(jù)增強(qiáng)策略分析.mp4 19.93M
| | ├──04 DropBlock與標(biāo)簽平滑方法.mp4 16.22M
| | ├──05 損失函數(shù)遇到的問題.mp4 12.28M
| | ├──06 CIOU損失函數(shù)定義.mp4 8.88M
| | ├──07 NMS細(xì)節(jié)改進(jìn).mp4 12.82M
| | ├──08 SPP與CSP網(wǎng)絡(luò)結(jié)構(gòu).mp4 12.87M
| | ├──09 SAM注意力機(jī)制模塊.mp4 18.63M
| | ├──10 PAN模塊解讀.mp4 18.35M
| | └──11 激活函數(shù)與整體架構(gòu)總結(jié).mp4 16.17M
| ├──08 V5版本項(xiàng)目配置
| | ├──01 整體項(xiàng)目概述.mp4 30.59M
| | ├──02 訓(xùn)練自己的數(shù)據(jù)集方法.mp4 32.00M
| | ├──03 訓(xùn)練數(shù)據(jù)參數(shù)配置.mp4 39.04M
| | └──04 測試DEMO演示.mp4 39.96M
| ├──09 V5項(xiàng)目工程源碼解讀
| | ├──01 數(shù)據(jù)源DEBUG流程解讀.mp4 31.25M
| | ├──02 圖像數(shù)據(jù)源配置.mp4 25.11M
| | ├──03 加載標(biāo)簽數(shù)據(jù).mp4 19.15M
| | ├──04 Mosaic數(shù)據(jù)增強(qiáng)方法.mp4 20.36M
| | ├──05 數(shù)據(jù)四合一方法與流程演示.mp4 30.47M
| | ├──06 getItem構(gòu)建batch.mp4 24.55M
| | ├──07 網(wǎng)絡(luò)架構(gòu)圖可視化工具安裝.mp4 24.71M
| | ├──08 V5網(wǎng)絡(luò)配置文件解讀.mp4 28.14M
| | ├──09 Focus模塊流程分析.mp4 16.12M
| | ├──10 完成配置文件解析任務(wù).mp4 40.97M
| | ├──11 前向傳播計(jì)算.mp4 22.10M
| | ├──12 BottleneckCSP層計(jì)算方法.mp4 23.91M
| | ├──13 SPP層計(jì)算細(xì)節(jié)分析.mp4 20.94M
| | ├──14 Head層流程解讀.mp4 21.78M
| | ├──15 上采樣與拼接操作.mp4 14.72M
| | ├──16 輸出結(jié)果分析.mp4 26.86M
| | ├──17 超參數(shù)解讀.mp4 26.59M
| | ├──18 命令行參數(shù)介紹.mp4 31.71M
| | ├──19 訓(xùn)練流程解讀.mp4 35.08M
| | ├──20 各種訓(xùn)練策略概述.mp4 29.71M
| | └──21 模型迭代過程.mp4 29.18M
| ├──10 V7源碼解讀
| | ├──01 命令行參數(shù)介紹.mp4 20.65M
| | ├──02 基本參數(shù)作用.mp4 33.81M
| | ├──03 EMA等訓(xùn)練技巧解讀.mp4 42.26M
| | ├──04 網(wǎng)絡(luò)結(jié)構(gòu)配置文件解讀.mp4 30.16M
| | ├──05 各模塊操作細(xì)節(jié)分析.mp4 37.92M
| | ├──06 輸出層與配置文件其他模塊解讀.mp4 49.75M
| | ├──07 標(biāo)簽分配策略準(zhǔn)備操作.mp4 28.14M
| | ├──08 候選框偏移方法與find3p模塊解讀.mp4 27.40M
| | ├──09 得到偏移點(diǎn)所在網(wǎng)格位置.mp4 33.88M
| | ├──10 完成BuildTargets模塊.mp4 40.87M
| | ├──11 候選框篩選流程分析.mp4 25.00M
| | ├──12 預(yù)測值各項(xiàng)指標(biāo)獲取與調(diào)整.mp4 36.53M
| | ├──13 GT匹配正樣本數(shù)量計(jì)算.mp4 32.72M
| | ├──14 通過IOU與置信度分配正樣本.mp4 48.07M
| | ├──15 損失函數(shù)計(jì)算方法.mp4 37.02M
| | ├──16 輔助頭AUX網(wǎng)絡(luò)結(jié)構(gòu)配置文件解析.mp4 25.74M
| | ├──17 輔助頭損失函數(shù)調(diào)整.mp4 33.33M
| | ├──18 BN與卷積權(quán)重參數(shù)融合方法.mp4 41.80M
| | └──19 重參數(shù)化多分支合并加速.mp4 34.97M
| ├──11 EfficientNet網(wǎng)絡(luò)
| | └──01 EfficientNet網(wǎng)絡(luò)模型.mp4 406.83M
| ├──12 EfficientDet檢測算法
| | └──01 EfficientDet檢測算法.mp4 344.48M
| ├──13 基于Transformer的detr目標(biāo)檢測算法
| | ├──01 DETR目標(biāo)檢測基本思想解讀.mp4 16.02M
| | ├──02 整體網(wǎng)絡(luò)架構(gòu)分析.mp4 24.00M
| | ├──03 位置信息初始化query向量.mp4 15.81M
| | ├──04 注意力機(jī)制的作用方法.mp4 16.18M
| | └──05 訓(xùn)練過程的策略.mp4 23.73M
| └──14 detr目標(biāo)檢測源碼解讀
| | ├──01 項(xiàng)目環(huán)境配置解讀.mp4 31.98M
| | ├──02 數(shù)據(jù)處理與dataloader.mp4 46.74M
| | ├──03 位置編碼作用分析.mp4 35.67M
| | ├──04 backbone特征提取模塊.mp4 25.73M
| | ├──05 mask與編碼模塊.mp4 25.66M
| | ├──06 編碼層作用方法.mp4 32.20M
| | ├──07 Decoder層操作與計(jì)算.mp4 21.60M
| | ├──08 輸出預(yù)測結(jié)果.mp4 30.35M
| | └──09 損失函數(shù)與預(yù)測輸出.mp4 31.75M
├──07 圖像分割實(shí)戰(zhàn)
| ├──01 圖像分割及其損失函數(shù)概述
| | ├──01 語義分割與實(shí)例分割概述.mp4 15.95M
| | ├──02 分割任務(wù)中的目標(biāo)函數(shù)定義.mp4 15.36M
| | └──03 MIOU評估標(biāo)準(zhǔn).mp4 7.37M
| ├──02 卷積神經(jīng)網(wǎng)絡(luò)原理與參數(shù)解讀
| | ├──01 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域.mp4 17.00M
| | ├──02 卷積的作用.mp4 19.52M
| | ├──03 卷積特征值計(jì)算方法.mp4 17.78M
| | ├──04 得到特征圖表示.mp4 15.02M
| | ├──05 步長與卷積核大小對結(jié)果的影響.mp4 16.53M
| | ├──06 邊緣填充方法.mp4 14.43M
| | ├──07 特征圖尺寸計(jì)算與參數(shù)共享.mp4 17.03M
| | ├──08 池化層的作用.mp4 9.77M
| | ├──09 整體網(wǎng)絡(luò)架構(gòu).mp4 13.09M
| | ├──10 VGG網(wǎng)絡(luò)架構(gòu).mp4 15.62M
| | ├──11 殘差網(wǎng)絡(luò)Resnet.mp4 15.69M
| | └──12 感受野的作用.mp4 12.87M
| ├──03 Unet系列算法講解
| | ├──01 Unet網(wǎng)絡(luò)編碼與解碼過程.mp4 15.21M
| | ├──02 網(wǎng)絡(luò)計(jì)算流程.mp4 13.01M
| | ├──03 Unet升級版本改進(jìn).mp4 12.22M
| | └──04 后續(xù)升級版本介紹.mp4 14.43M
| ├──04 unet醫(yī)學(xué)細(xì)胞分割實(shí)戰(zhàn)
| | ├──01 醫(yī)學(xué)細(xì)胞數(shù)據(jù)集介紹與參數(shù)配置.mp4 46.02M
| | ├──02 數(shù)據(jù)增強(qiáng)工具.mp4 52.28M
| | ├──03 Debug模式演示網(wǎng)絡(luò)計(jì)算流程.mp4 33.57M
| | ├──04 特征融合方法演示.mp4 21.21M
| | ├──05 迭代完成整個(gè)模型計(jì)算任務(wù).mp4 23.94M
| | └──06 模型效果驗(yàn)證.mp4 35.40M
| ├──05 U2NET顯著性檢測實(shí)戰(zhàn)
| | ├──01 任務(wù)目標(biāo)與網(wǎng)絡(luò)整體介紹.mp4 42.98M
| | ├──02 顯著性檢測任務(wù)與目標(biāo)概述.mp4 49.01M
| | ├──03 編碼器模塊解讀.mp4 30.94M
| | ├──04 解碼器輸出結(jié)果.mp4 21.67M
| | └──05 損失函數(shù)與應(yīng)用效果.mp4 25.52M
| ├──06 deeplab系列算法
| | ├──01 deeplab分割算法概述.mp4 12.26M
| | ├──02 空洞卷積的作用.mp4 14.19M
| | ├──03 感受野的意義.mp4 14.85M
| | ├──04 SPP層的作用.mp4 15.63M
| | ├──05 ASPP特征融合策略.mp4 11.12M
| | └──06 deeplabV3Plus版本網(wǎng)絡(luò)架構(gòu).mp4 19.02M
| ├──07 基于deeplabV3+版本進(jìn)行VOC分割實(shí)戰(zhàn)
| | ├──01 PascalVoc數(shù)據(jù)集介紹.mp4 49.31M
| | ├──02 項(xiàng)目參數(shù)與數(shù)據(jù)集讀取.mp4 46.37M
| | ├──03 網(wǎng)絡(luò)前向傳播流程.mp4 24.29M
| | ├──04 ASPP層特征融合.mp4 37.63M
| | └──05 分割模型訓(xùn)練.mp4 26.00M
| ├──08 醫(yī)學(xué)心臟視頻數(shù)據(jù)集分割建模實(shí)戰(zhàn)
| | ├──01 數(shù)據(jù)集與任務(wù)概述.mp4 27.87M
| | ├──02 項(xiàng)目基本配置參數(shù).mp4 26.17M
| | ├──03 任務(wù)流程解讀.mp4 55.75M
| | ├──04 文獻(xiàn)報(bào)告分析.mp4 91.69M
| | ├──05 補(bǔ)充：視頻數(shù)據(jù)源特征處理方法概述.mp4 20.94M
| | └──06 補(bǔ)充：R(2plus1)D處理方法分析.mp4 14.63M
| ├──09 物體檢測框架-MaskRcnn項(xiàng)目介紹與配置
| | ├──01 Mask-Rcnn開源項(xiàng)目簡介.mp4 75.30M
| | ├──02 開源項(xiàng)目數(shù)據(jù)集.mp4 33.48M
| | └──03 開源項(xiàng)目數(shù)據(jù)集.mp4 67.37M
| ├──10 MaskRcnn網(wǎng)絡(luò)框架源碼詳解
| | ├──01 FPN層特征提取原理解讀.mp4 31.37M
| | ├──02 FPN網(wǎng)絡(luò)架構(gòu)實(shí)現(xiàn)解讀.mp4 41.99M
| | ├──03 生成框比例設(shè)置.mp4 21.08M
| | ├──04 基于不同尺度特征圖生成所有框.mp4 25.04M
| | ├──05 RPN層的作用與實(shí)現(xiàn)解讀.mp4 24.37M
| | ├──06 候選框過濾方法.mp4 12.55M
| | ├──07 Proposal層實(shí)現(xiàn)方法.mp4 25.49M
| | ├──08 DetectionTarget層的作用.mp4 19.28M
| | ├──09 正負(fù)樣本選擇與標(biāo)簽定義.mp4 20.59M
| | ├──10 RoiPooling層的作用與目的.mp4 25.21M
| | ├──11 RorAlign操作的效果.mp4 19.38M
| | └──12 整體框架回顧.mp4 22.88M
| └──11 基于MASK-RCNN框架訓(xùn)練自己的數(shù)據(jù)與任務(wù)
| | ├──01 Labelme工具安裝.mp4 12.55M
| | ├──02 使用labelme進(jìn)行數(shù)據(jù)與標(biāo)簽標(biāo)注.mp4 20.95M
| | ├──03 完成訓(xùn)練數(shù)據(jù)準(zhǔn)備工作.mp4 21.14M
| | ├──04 maskrcnn源碼修改方法.mp4 49.33M
| | ├──05 基于標(biāo)注數(shù)據(jù)訓(xùn)練所需任務(wù).mp4 33.51M
| | └──06 測試與展示模塊.mp4 27.72M
├──08 行為識別實(shí)戰(zhàn)
| ├──01 slowfast算法知識點(diǎn)通俗解讀
| | ├──01 slowfast核心思想解讀.mp4 46.88M
| | ├──02 核心網(wǎng)絡(luò)結(jié)構(gòu)模塊分析.mp4 17.28M
| | ├──03 數(shù)據(jù)采樣曾的作用.mp4 14.04M
| | ├──04 模型網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì).mp4 14.81M
| | └──05 特征融合模塊與總結(jié)分析.mp4 28.29M
| ├──02 slowfast項(xiàng)目環(huán)境配置與配置文件
| | ├──01 環(huán)境基本配置解讀.mp4 33.61M
| | ├──02 目錄各文件分析.mp4 27.07M
| | ├──03 配置文件作用解讀.mp4 37.55M
| | ├──04 測試DEMO演示.mp4 59.29M
| | ├──05 訓(xùn)練所需標(biāo)簽文件說明.mp4 35.70M
| | ├──06 訓(xùn)練所需視頻數(shù)據(jù)準(zhǔn)備.mp4 31.91M
| | ├──07 視頻數(shù)據(jù)集切分操作.mp4 28.89M
| | └──08 完成視頻分幀操作.mp4 24.24M
| ├──03 slowfast源碼詳細(xì)解讀
| | ├──01 模型所需配置文件參數(shù)讀取.mp4 24.11M
| | ├──02 數(shù)據(jù)處理概述.mp4 32.06M
| | ├──03 dataloader數(shù)據(jù)遍歷方法.mp4 34.33M
| | ├──04 數(shù)據(jù)與標(biāo)簽讀取實(shí)例.mp4 32.40M
| | ├──05 圖像數(shù)據(jù)所需預(yù)處理方法.mp4 42.91M
| | ├──06 slow與fast分別執(zhí)行采樣操作.mp4 42.53M
| | ├──07 分別計(jì)算特征圖輸出結(jié)果.mp4 37.35M
| | ├──08 slow與fast特征圖拼接操作.mp4 33.43M
| | ├──09 resnetBolock操作.mp4 34.68M
| | └──10 RoiAlign與輸出層.mp4 51.65M
| ├──04 基于3D卷積的視頻分析與動作識別
| | ├──01 3D卷積原理解讀.mp4 16.86M
| | ├──02 UCF101動作識別數(shù)據(jù)集簡介.mp4 35.67M
| | ├──03 測試效果與項(xiàng)目配置.mp4 41.51M
| | ├──04 視頻數(shù)據(jù)預(yù)處理方法.mp4 22.95M
| | ├──05 數(shù)據(jù)Batch制作方法.mp4 34.48M
| | ├──06 3D卷積網(wǎng)絡(luò)所涉及模塊.mp4 27.67M
| | └──07 訓(xùn)練網(wǎng)絡(luò)模型.mp4 30.13M
| ├──05 視頻異常檢測算法與元學(xué)習(xí)
| | ├──01 異常檢測要解決的問題與數(shù)據(jù)集介紹.mp4 17.38M
| | ├──02 基本思想與流程分析.mp4 20.71M
| | ├──03 預(yù)測與常見問題.mp4 21.86M
| | ├──04 Meta-Learn要解決的問題.mp4 16.71M
| | ├──05 學(xué)習(xí)能力與參數(shù)定義.mp4 11.50M
| | ├──06 如何找到合適的初始化參數(shù).mp4 18.90M
| | └──07 MAML算法流程解讀.mp4 22.60M
| ├──06 視頻異常檢測CVPR2021論文及其源碼解讀
| | ├──01 論文概述與環(huán)境配置.mp4 19.18M
| | ├──02 數(shù)據(jù)集配置與讀取.mp4 28.24M
| | ├──03 模型編碼與解碼結(jié)構(gòu).mp4 24.26M
| | ├──04 注意力機(jī)制模塊打造.mp4 45.53M
| | ├──05 損失函數(shù)的目的.mp4 50.62M
| | ├──06 特征圖生成.mp4 30.10M
| | └──07 MetaLearn與輸出.mp4 22.04M
| └──07 基礎(chǔ)補(bǔ)充-Resnet模型及其應(yīng)用實(shí)例
| | ├──01 醫(yī)學(xué)疾病數(shù)據(jù)集介紹.mp4 15.88M
| | ├──02 Resnet網(wǎng)絡(luò)架構(gòu)原理分析.mp4 20.70M
| | ├──03 dataloader加載數(shù)據(jù)集.mp4 46.80M
| | ├──04 Resnet網(wǎng)絡(luò)前向傳播.mp4 26.17M
| | ├──05 殘差網(wǎng)絡(luò)的shortcut操作.mp4 34.86M
| | ├──06 特征圖升維與降采樣操作.mp4 19.69M
| | └──07 網(wǎng)絡(luò)整體流程與訓(xùn)練演示.mp4 51.41M
├──09 2022論文必備-Transformer實(shí)戰(zhàn)系列
| ├──01 課程介紹
| | └──01 課程介紹.mp4 10.87M
| ├──02 自然語言處理通用框架BERT原理解讀
| | ├──01 BERT任務(wù)目標(biāo)概述.mp4 10.07M
| | ├──02 傳統(tǒng)解決方案遇到的問題.mp4 19.87M
| | ├──03 注意力機(jī)制的作用.mp4 13.08M
| | ├──04 self-attention計(jì)算方法.mp4 21.40M
| | ├──05 特征分配與softmax機(jī)制.mp4 18.48M
| | ├──06 Multi-head的作用.mp4 16.99M
| | ├──07 位置編碼與多層堆疊.mp4 14.54M
| | ├──08 transformer整體架構(gòu)梳理.mp4 20.18M
| | ├──09 BERT模型訓(xùn)練方法.mp4 17.76M
| | └──10 訓(xùn)練實(shí)例.mp4 19.42M
| ├──03 Transformer在視覺中的應(yīng)用VIT算法
| | ├──01 transformer發(fā)家史介紹.mp4 12.63M
| | ├──02 對圖像數(shù)據(jù)構(gòu)建patch序列.mp4 17.95M
| | ├──03 VIT整體架構(gòu)解讀.mp4 18.88M
| | ├──04 CNN遇到的問題與窘境.mp4 17.44M
| | ├──05 計(jì)算公式解讀.mp4 19.24M
| | ├──06 位置編碼與TNT模型.mp4 19.53M
| | └──07 TNT模型細(xì)節(jié)分析.mp4 22.12M
| ├──04 VIT算法模型源碼解讀
| | ├──01 項(xiàng)目配置說明.mp4 34.33M
| | ├──02 輸入序列構(gòu)建方法解讀.mp4 21.51M
| | ├──03 注意力機(jī)制計(jì)算.mp4 20.15M
| | └──04 輸出層計(jì)算結(jié)果.mp4 27.44M
| ├──05 swintransformer算法原理解析
| | ├──01 swintransformer整體概述.mp4 11.67M
| | ├──02 要解決的問題及其優(yōu)勢分析.mp4 17.42M
| | ├──03 一個(gè)block要完成的任務(wù).mp4 13.77M
| | ├──04 獲取各窗口輸入特征.mp4 15.81M
| | ├──05 基于窗口的注意力機(jī)制解讀.mp4 24.90M
| | ├──06 窗口偏移操作的實(shí)現(xiàn).mp4 19.44M
| | ├──07 偏移細(xì)節(jié)分析及其計(jì)算量概述.mp4 17.07M
| | ├──08 整體網(wǎng)絡(luò)架構(gòu)整合.mp4 16.13M
| | ├──09 下采樣操作實(shí)現(xiàn)方法.mp4 16.85M
| | └──10 分層計(jì)算方法.mp4 16.37M
| ├──06 swintransformer源碼解讀
| | ├──01 數(shù)據(jù)與環(huán)境配置解讀.mp4 48.61M
| | ├──02 圖像數(shù)據(jù)patch編碼.mp4 27.92M
| | ├──03 數(shù)據(jù)按window進(jìn)行劃分計(jì)算.mp4 24.66M
| | ├──04 基礎(chǔ)attention計(jì)算模塊.mp4 21.68M
| | ├──05 窗口位移模塊細(xì)節(jié)分析.mp4 27.77M
| | ├──06 patchmerge下采樣操作.mp4 18.58M
| | ├──07 各block計(jì)算方法解讀.mp4 21.34M
| | └──08 輸出層概述.mp4 29.67M
| ├──07 基于Transformer的detr目標(biāo)檢測算法
| | ├──01 DETR目標(biāo)檢測基本思想解讀.mp4 16.02M
| | ├──02 整體網(wǎng)絡(luò)架構(gòu)分析.mp4 24.00M
| | ├──03 位置信息初始化query向量.mp4 15.81M
| | ├──04 注意力機(jī)制的作用方法.mp4 16.18M
| | └──05 訓(xùn)練過程的策略.mp4 23.73M
| ├──08 detr目標(biāo)檢測源碼解讀
| | ├──01 項(xiàng)目環(huán)境配置解讀.mp4 31.98M
| | ├──02 數(shù)據(jù)處理與dataloader.mp4 46.74M
| | ├──03 位置編碼作用分析.mp4 35.67M
| | ├──04 backbone特征提取模塊.mp4 25.73M
| | ├──05 mask與編碼模塊.mp4 25.66M
| | ├──06 編碼層作用方法.mp4 32.20M
| | ├──07 Decoder層操作與計(jì)算.mp4 21.60M
| | ├──08 輸出預(yù)測結(jié)果.mp4 30.35M
| | └──09 損失函數(shù)與預(yù)測輸出.mp4 31.75M
| ├──09 MedicalTrasnformer論文解讀
| | ├──01 論文整體分析.mp4 18.35M
| | ├──02 核心思想分析.mp4 39.39M
| | ├──03 網(wǎng)絡(luò)結(jié)構(gòu)計(jì)算流程概述.mp4 35.50M
| | ├──04 論文公式計(jì)算分析.mp4 36.45M
| | ├──05 位置編碼的作用與效果.mp4 35.22M
| | └──06 拓展應(yīng)用分析.mp4 44.06M
| ├──10 MedicalTransformer源碼解讀
| | ├──01 項(xiàng)目環(huán)境配置.mp4 19.92M
| | ├──02 醫(yī)學(xué)數(shù)據(jù)介紹與分析.mp4 45.25M
| | ├──03 基本處理操作.mp4 18.98M
| | ├──04 AxialAttention實(shí)現(xiàn)過程.mp4 26.74M
| | ├──05 位置編碼向量解讀.mp4 20.54M
| | ├──06 注意力計(jì)算過程與方法.mp4 39.19M
| | └──07 局部特征提取與計(jì)算.mp4 28.49M
| ├──11 商湯LoFTR算法解讀
| | ├──01 特征匹配的應(yīng)用場景.mp4 55.02M
| | ├──02 特征匹配的基本流程分析.mp4 13.09M
| | ├──03 整體流程梳理分析.mp4 13.70M
| | ├──04 CrossAttention的作用與效果.mp4 13.22M
| | ├──05 transformer構(gòu)建匹配特征.mp4 26.75M
| | ├──06 粗粒度匹配過程與作用.mp4 21.40M
| | ├──07 特征圖拆解操作.mp4 12.16M
| | ├──08 細(xì)粒度匹配的作用與方法.mp4 16.67M
| | ├──09 基于期望預(yù)測最終位置.mp4 18.81M
| | └──10 總結(jié)分析.mp4 26.80M
| ├──12 局部特征關(guān)鍵點(diǎn)匹配實(shí)戰(zhàn)
| | ├──01 項(xiàng)目與參數(shù)配置解讀.mp4 30.33M
| | ├──02 DEMO效果演示.mp4 51.84M
| | ├──03 backbone特征提取模塊.mp4 20.14M
| | ├──04 注意力機(jī)制的作用與效果分析.mp4 21.95M
| | ├──05 特征融合模塊實(shí)現(xiàn)方法.mp4 21.37M
| | ├──06 cross關(guān)系計(jì)算方法實(shí)例.mp4 21.11M
| | ├──07 粗粒度匹配過程.mp4 36.33M
| | ├──08 完成基礎(chǔ)匹配模塊.mp4 45.59M
| | ├──09 精細(xì)化調(diào)整方法與實(shí)例.mp4 31.94M
| | ├──10 得到精細(xì)化輸出結(jié)果.mp4 14.17M
| | └──11 通過期望計(jì)算最終輸出.mp4 27.08M
| ├──13 項(xiàng)目補(bǔ)充-谷歌開源項(xiàng)目BERT源碼解讀與應(yīng)用實(shí)例
| | ├──01 BERT開源項(xiàng)目簡介.mp4 33.52M
| | ├──02 項(xiàng)目參數(shù)配置.mp4 75.02M
| | ├──03 數(shù)據(jù)讀取模塊.mp4 39.33M
| | ├──04 數(shù)據(jù)預(yù)處理模塊.mp4 29.63M
| | ├──05 tfrecord制作.mp4 37.70M
| | ├──06 Embedding層的作用.mp4 22.79M
| | ├──07 加入額外編碼特征.mp4 31.48M
| | ├──08 加入位置編碼特征.mp4 17.18M
| | ├──09 mask機(jī)制的作用.mp4 26.76M
| | ├──10 構(gòu)建QKV矩陣.mp4 38.19M
| | ├──11 完成Transformer模塊構(gòu)建.mp4 30.38M
| | └──12 訓(xùn)練BERT模型.mp4 40.90M
| └──14 項(xiàng)目補(bǔ)充-基于BERT的中文情感分析實(shí)戰(zhàn)
| | ├──01 中文分類數(shù)據(jù)與任務(wù)概述.mp4 47.89M
| | ├──02 讀取處理自己的數(shù)據(jù)集.mp4 40.67M
| | └──03 訓(xùn)練BERT中文分類模型.mp4 51.08M
├──10 圖神經(jīng)網(wǎng)絡(luò)實(shí)戰(zhàn)
| ├──01 圖神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
| | ├──01 圖神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域分析.mp4 21.89M
| | ├──02 圖基本模塊定義.mp4 9.24M
| | ├──03 鄰接矩陣的定義.mp4 12.89M
| | ├──04 GNN中常見任務(wù).mp4 15.62M
| | ├──05 消息傳遞計(jì)算方法.mp4 12.63M
| | └──06 多層GCN的作用.mp4 11.02M
| ├──02 圖卷積GCN模型
| | ├──01 GCN基本模型概述.mp4 11.84M
| | ├──02 圖卷積的基本計(jì)算方法.mp4 10.43M
| | ├──03 鄰接的矩陣的變換.mp4 15.15M
| | └──04 GCN變換原理解讀.mp4 16.72M
| ├──03 圖模型必備神器PyTorch Geometric安裝與使用
| | ├──01 PyTorch Geometric工具包安裝與配置方法.mp4 38.17M
| | ├──02 數(shù)據(jù)集與鄰接矩陣格式.mp4 42.37M
| | ├──03 模型定義與訓(xùn)練方法.mp4 34.01M
| | └──04 文獻(xiàn)引用數(shù)據(jù)集分類案例實(shí)戰(zhàn).mp4 39.78M
| ├──04 使用PyTorch Geometric構(gòu)建自己的圖數(shù)據(jù)集
| | ├──01 構(gòu)建數(shù)據(jù)集基本方法.mp4 11.33M
| | ├──02 數(shù)據(jù)集與任務(wù)背景概述.mp4 16.85M
| | ├──03 數(shù)據(jù)集基本預(yù)處理.mp4 25.19M
| | ├──04 用戶行為圖結(jié)構(gòu)創(chuàng)建.mp4 28.97M
| | ├──05 數(shù)據(jù)集創(chuàng)建函數(shù)介紹.mp4 27.72M
| | ├──06 網(wǎng)絡(luò)結(jié)構(gòu)定義模塊.mp4 29.65M
| | ├──07 TopkPooling進(jìn)行下采樣任務(wù).mp4 24.17M
| | ├──08 獲取全局特征.mp4 20.67M
| | └──09 模型訓(xùn)練與總結(jié).mp4 27.64M
| ├──05 圖注意力機(jī)制與序列圖模型
| | ├──01 圖注意力機(jī)制的作用與方法.mp4 13.58M
| | ├──02 鄰接矩陣計(jì)算圖Attention.mp4 17.03M
| | ├──03 序列圖神經(jīng)網(wǎng)絡(luò)TGCN應(yīng)用.mp4 10.55M
| | └──04 序列圖神經(jīng)網(wǎng)絡(luò)細(xì)節(jié).mp4 18.98M
| ├──06 圖相似度論文解讀
| | ├──01 要完成的任務(wù)分析.mp4 36.68M
| | ├──02 基本方法概述解讀.mp4 39.08M
| | ├──03 圖模型提取全局與局部特征.mp4 34.55M
| | ├──04 NTN模塊的作用與效果.mp4 31.42M
| | ├──05 點(diǎn)之間的對應(yīng)關(guān)系計(jì)算.mp4 40.46M
| | └──06 結(jié)果輸出與總結(jié).mp4 51.72M
| ├──07 圖相似度計(jì)算實(shí)戰(zhàn)
| | ├──01 數(shù)據(jù)集與任務(wù)概述.mp4 12.88M
| | ├──02 圖卷積特征提取模塊.mp4 41.78M
| | ├──03 分別計(jì)算不同Batch點(diǎn)的分布.mp4 23.38M
| | ├──04 獲得直方圖特征結(jié)果.mp4 15.63M
| | ├──05 圖的全局特征構(gòu)建.mp4 22.57M
| | ├──06 NTN圖相似特征提取.mp4 28.95M
| | └──07 預(yù)測得到相似度結(jié)果.mp4 13.76M
| ├──08 基于圖模型的軌跡估計(jì)
| | ├──01 數(shù)據(jù)集與標(biāo)注信息解讀.mp4 41.67M
| | ├──02 整體三大模塊分析.mp4 45.75M
| | ├──03 特征工程的作用與效果.mp4 29.55M
| | ├──04 傳統(tǒng)方法與現(xiàn)在向量空間對比.mp4 40.02M
| | ├──05 輸入細(xì)節(jié)分析.mp4 36.45M
| | ├──06 子圖模塊構(gòu)建方法.mp4 32.51M
| | ├──07 特征融合模塊分析.mp4 36.86M
| | └──08 VectorNet輸出層分析.mp4 57.30M
| └──09 圖模型軌跡估計(jì)實(shí)戰(zhàn)
| | ├──01 數(shù)據(jù)與環(huán)境配置.mp4 24.54M
| | ├──02 訓(xùn)練數(shù)據(jù)準(zhǔn)備.mp4 18.99M
| | ├──03 Agent特征提取方法.mp4 30.09M
| | ├──04 DataLoader構(gòu)建圖結(jié)構(gòu).mp4 22.49M
| | └──05 SubGraph與Attention模型流程.mp4 27.30M
├──11 3D點(diǎn)云實(shí)戰(zhàn)
| ├──01 3D點(diǎn)云實(shí)戰(zhàn) 3D點(diǎn)云應(yīng)用領(lǐng)域分析
| | ├──01 點(diǎn)云數(shù)據(jù)概述.mp4 59.71M
| | ├──02 點(diǎn)云應(yīng)用領(lǐng)域與發(fā)展分析.mp4 130.49M
| | ├──03 點(diǎn)云分割任務(wù).mp4 54.07M
| | ├──04 點(diǎn)云補(bǔ)全任務(wù).mp4 19.85M
| | ├──05 點(diǎn)云檢測與配準(zhǔn)任務(wù).mp4 70.48M
| | └──06 點(diǎn)云數(shù)據(jù)特征提取概述與預(yù)告.mp4 16.30M
| ├──02 3D點(diǎn)云PointNet算法
| | ├──01 3D數(shù)據(jù)應(yīng)用領(lǐng)域與點(diǎn)云介紹.mp4 26.90M
| | ├──02 點(diǎn)云數(shù)據(jù)可視化展示.mp4 24.37M
| | ├──03 點(diǎn)云數(shù)據(jù)特性和及要解決的問題.mp4 25.50M
| | ├──04 PointNet算法出發(fā)點(diǎn)解讀.mp4 13.91M
| | └──05 PointNet算法網(wǎng)絡(luò)架構(gòu)解讀.mp4 24.42M
| ├──03 PointNet算法解讀
| | ├──01 PointNet升級版算法要解決的問題.mp4 17.47M
| | ├──02 最遠(yuǎn)點(diǎn)采樣方法.mp4 16.00M
| | ├──03 分組Group方法原理解讀.mp4 26.16M
| | ├──04 整體流程概述分析.mp4 13.33M
| | ├──05 分類與分割問題解決方案.mp4 17.06M
| | └──06 遇到的問題及改進(jìn)方法分析.mp4 10.38M
| ├──04 Pointnet++項(xiàng)目實(shí)戰(zhàn)
| | ├──01 項(xiàng)目文件概述.mp4 21.66M
| | ├──02 數(shù)據(jù)讀取模塊配置.mp4 28.76M
| | ├──03 DEBUG解讀網(wǎng)絡(luò)模型架構(gòu).mp4 18.03M
| | ├──04 最遠(yuǎn)點(diǎn)采樣介紹.mp4 14.38M
| | ├──05 采樣得到中心點(diǎn).mp4 23.17M
| | ├──06 組區(qū)域劃分方法.mp4 18.33M
| | ├──07 實(shí)現(xiàn)group操作得到各中心簇.mp4 25.59M
| | ├──08 特征提取模塊整體流程.mp4 29.68M
| | ├──09 預(yù)測結(jié)果輸出模塊.mp4 29.51M
| | ├──10 分類任務(wù)總結(jié).mp4 15.55M
| | ├──11 分割任務(wù)數(shù)據(jù)與配置概述.mp4 31.38M
| | ├──12 分割需要解決的任務(wù)概述.mp4 23.56M
| | └──13 上采樣完成分割任務(wù).mp4 33.84M
| ├──05 點(diǎn)云補(bǔ)全PF-Net論文解讀
| | ├──01 點(diǎn)云補(bǔ)全要解決的問題.mp4 13.76M
| | ├──02 基本解決方案概述.mp4 15.08M
| | ├──03 整體網(wǎng)絡(luò)概述.mp4 16.25M
| | ├──04 網(wǎng)絡(luò)計(jì)算流程.mp4 20.58M
| | └──05 輸入與計(jì)算結(jié)果.mp4 41.49M
| ├──06 點(diǎn)云補(bǔ)全實(shí)戰(zhàn)解讀
| | ├──01 數(shù)據(jù)與項(xiàng)目配置解讀.mp4 31.85M
| | ├──02 待補(bǔ)全數(shù)據(jù)準(zhǔn)備方法.mp4 21.10M
| | ├──03 整體框架概述.mp4 33.98M
| | ├──04 MRE特征提取模塊.mp4 28.18M
| | ├──05 分層預(yù)測輸出模塊.mp4 21.72M
| | ├──06 補(bǔ)全點(diǎn)云數(shù)據(jù).mp4 24.21M
| | └──07 判別模塊.mp4 33.74M
| ├──07 點(diǎn)云配準(zhǔn)及其案例實(shí)戰(zhàn)
| | ├──01 點(diǎn)云配準(zhǔn)任務(wù)概述.mp4 13.55M
| | ├──02 配準(zhǔn)要完成的目標(biāo)解讀.mp4 14.90M
| | ├──03 訓(xùn)練數(shù)據(jù)構(gòu)建.mp4 16.83M
| | ├──04 任務(wù)基本流程.mp4 11.95M
| | ├──05 數(shù)據(jù)源配置方法.mp4 33.19M
| | ├──06 參數(shù)計(jì)算模塊解讀.mp4 15.93M
| | ├──07 基于模型預(yù)測輸出參數(shù).mp4 18.04M
| | ├──08 特征構(gòu)建方法分析.mp4 25.85M
| | └──09 任務(wù)總結(jié).mp4 24.90M
| └──08 基礎(chǔ)補(bǔ)充-對抗生成網(wǎng)絡(luò)架構(gòu)原理與實(shí)戰(zhàn)解析
| | ├──01 對抗生成網(wǎng)絡(luò)通俗解釋.mp4 16.05M
| | ├──02 GAN網(wǎng)絡(luò)組成.mp4 9.51M
| | ├──03 損失函數(shù)解釋說明.mp4 31.10M
| | ├──04 數(shù)據(jù)讀取模塊.mp4 21.85M
| | └──05 生成與判別網(wǎng)絡(luò)定義.mp4 31.53M
├──12 目標(biāo)追蹤與姿態(tài)估計(jì)實(shí)戰(zhàn)
| ├──01 課程介紹
| | └──01 課程介紹.mp4 19.92M
| ├──02 姿態(tài)估計(jì)OpenPose系列算法解讀
| | ├──01 姿態(tài)估計(jì)要解決的問題分析.mp4 40.26M
| | ├──02 姿態(tài)估計(jì)應(yīng)用領(lǐng)域概述.mp4 16.41M
| | ├──03 傳統(tǒng)topdown方法的問題.mp4 25.00M
| | ├──04 要解決的兩個(gè)問題分析.mp4 8.65M
| | ├──05 基于高斯分布預(yù)測關(guān)鍵點(diǎn)位置.mp4 21.40M
| | ├──06 各模塊輸出特征圖解讀.mp4 13.74M
| | ├──07 PAF向量登場.mp4 10.57M
| | ├──08 PAF標(biāo)簽設(shè)計(jì)方法.mp4 20.03M
| | ├──09 預(yù)測時(shí)PAF積分計(jì)算方法.mp4 26.24M
| | ├──10 匹配方法解讀.mp4 16.18M
| | ├──11 CPM模型特點(diǎn).mp4 18.67M
| | └──12 算法流程與總結(jié).mp4 29.97M
| ├──03 OpenPose算法源碼分析
| | ├──01 數(shù)據(jù)集與路徑配置解讀.mp4 24.76M
| | ├──02 讀取圖像與標(biāo)注信息.mp4 35.20M
| | ├──03 關(guān)鍵點(diǎn)與軀干特征圖初始化.mp4 23.92M
| | ├──04 根據(jù)關(guān)鍵點(diǎn)位置設(shè)計(jì)關(guān)鍵點(diǎn)標(biāo)簽.mp4 37.71M
| | ├──05 準(zhǔn)備構(gòu)建PAF軀干標(biāo)簽.mp4 20.96M
| | ├──06 各位置點(diǎn)歸屬判斷.mp4 20.56M
| | ├──07 特征圖各點(diǎn)累加向量計(jì)算.mp4 24.26M
| | ├──08 完成PAF特征圖制作.mp4 23.91M
| | ├──09 網(wǎng)絡(luò)模型一階段輸出.mp4 19.69M
| | └──10 多階段輸出與預(yù)測.mp4 34.35M
| ├──04 deepsort算法知識點(diǎn)解讀
| | ├──01 卡爾曼濾波通俗解釋.mp4 22.77M
| | ├──02 卡爾曼濾波要完成的任務(wù).mp4 12.89M
| | ├──03 任務(wù)本質(zhì)分析.mp4 15.96M
| | ├──04 基于觀測值進(jìn)行最優(yōu)估計(jì).mp4 14.76M
| | ├──05 預(yù)測與更新操作.mp4 19.56M
| | ├──06 追蹤中的狀態(tài)量.mp4 13.03M
| | ├──07 匈牙利匹配算法概述.mp4 14.81M
| | ├──08 匹配小例子分析.mp4 16.76M
| | ├──09 REID特征的作用.mp4 15.89M
| | ├──10 sort與deepsort建模流程分析.mp4 21.61M
| | ├──11 預(yù)測與匹配流程解讀.mp4 21.22M
| | └──12 追蹤任務(wù)流程拆解.mp4 22.99M
| ├──05 deepsort源碼解讀
| | ├──01 項(xiàng)目環(huán)境配置.mp4 29.15M
| | ├──02 參數(shù)與DEMO演示.mp4 29.37M
| | ├──03 針對檢測結(jié)果初始化track.mp4 34.80M
| | ├──04 對track執(zhí)行預(yù)測操作.mp4 27.22M
| | ├──05 狀態(tài)量預(yù)測結(jié)果.mp4 25.47M
| | ├──06 IOU代價(jià)矩陣計(jì)算.mp4 22.77M
| | ├──07 參數(shù)更新操作.mp4 34.57M
| | ├──08 級聯(lián)匹配模塊.mp4 28.61M
| | ├──09 ReID特征代價(jià)矩陣計(jì)算.mp4 32.19M
| | └──10 匹配結(jié)果與總結(jié).mp4 54.81M
| ├──06 YOLO-V4版本算法解讀
| | ├──01 V4版本整體概述.mp4 13.00M
| | ├──02 V4版本貢獻(xiàn)解讀.mp4 8.19M
| | ├──03 數(shù)據(jù)增強(qiáng)策略分析.mp4 19.93M
| | ├──04 DropBlock與標(biāo)簽平滑方法.mp4 16.22M
| | ├──05 損失函數(shù)遇到的問題.mp4 12.28M
| | ├──06 CIOU損失函數(shù)定義.mp4 8.88M
| | ├──07 NMS細(xì)節(jié)改進(jìn).mp4 12.82M
| | ├──08 SPP與CSP網(wǎng)絡(luò)結(jié)構(gòu).mp4 12.87M
| | ├──09 SAM注意力機(jī)制模塊.mp4 18.63M
| | ├──10 PAN模塊解讀.mp4 18.35M
| | └──11 激活函數(shù)與整體架構(gòu)總結(jié).mp4 16.17M
| ├──07 V5版本項(xiàng)目配置
| | ├──01 整體項(xiàng)目概述.mp4 30.59M
| | ├──02 訓(xùn)練自己的數(shù)據(jù)集方法.mp4 32.00M
| | ├──03 訓(xùn)練數(shù)據(jù)參數(shù)配置.mp4 39.04M
| | └──04 測試DEMO演示.mp4 39.96M
| └──08 V5項(xiàng)目工程源碼解讀
| | ├──01 數(shù)據(jù)源DEBUG流程解讀.mp4 31.25M
| | ├──02 圖像數(shù)據(jù)源配置.mp4 25.11M
| | ├──03 加載標(biāo)簽數(shù)據(jù).mp4 19.15M
| | ├──04 Mosaic數(shù)據(jù)增強(qiáng)方法.mp4 20.36M
| | ├──05 數(shù)據(jù)四合一方法與流程演示.mp4 30.47M
| | ├──06 getItem構(gòu)建batch.mp4 24.55M
| | ├──07 網(wǎng)絡(luò)架構(gòu)圖可視化工具安裝.mp4 24.71M
| | ├──08 V5網(wǎng)絡(luò)配置文件解讀.mp4 28.14M
| | ├──09 Focus模塊流程分析.mp4 16.12M
| | ├──10 完成配置文件解析任務(wù).mp4 40.97M
| | ├──11 前向傳播計(jì)算.mp4 22.10M
| | ├──12 BottleneckCSP層計(jì)算方法.mp4 23.91M
| | ├──13 1-SPP層計(jì)算細(xì)節(jié)分析.mp4 20.94M
| | ├──14 2-Head層流程解讀.mp4 21.78M
| | ├──15 上采樣與拼接操作.mp4 14.72M
| | ├──16 輸出結(jié)果分析.mp4 26.86M
| | ├──17 超參數(shù)解讀.mp4 26.59M
| | ├──18 命令行參數(shù)介紹.mp4 31.71M
| | ├──19 訓(xùn)練流程解讀.mp4 35.08M
| | ├──20 各種訓(xùn)練策略概述.mp4 29.71M
| | └──21 模型迭代過程.mp4 29.18M
├──13 面向深度學(xué)習(xí)的無人駕駛實(shí)戰(zhàn)
| ├──01 深度估計(jì)算法原理解讀
| | ├──01 深度估計(jì)效果與應(yīng)用.mp4 50.24M
| | ├──02 kitti數(shù)據(jù)集介紹.mp4 64.85M
| | ├──03 使用backbone獲取層級特征.mp4 17.08M
| | ├──04 差異特征計(jì)算邊界信息.mp4 20.86M
| | ├──05 SPP層的作用.mp4 13.00M
| | ├──06 空洞卷積與ASPP.mp4 15.21M
| | ├──07 特征拼接方法分析.mp4 17.47M
| | ├──08 網(wǎng)絡(luò)coarse-to-fine過程.mp4 20.60M
| | ├──09 權(quán)重參數(shù)預(yù)處理.mp4 22.35M
| | └──10 損失計(jì)算.mp4 23.60M
| ├──02 深度估計(jì)項(xiàng)目實(shí)戰(zhàn)
| | ├──01 項(xiàng)目環(huán)境配置解讀.mp4 37.02M
| | ├──02 數(shù)據(jù)與標(biāo)簽定義方法.mp4 50.54M
| | ├──03 數(shù)據(jù)集dataloader制作.mp4 27.86M
| | ├──04 使用backbone進(jìn)行特征提取.mp4 30.56M
| | ├──05 計(jì)算差異特征.mp4 22.66M
| | ├──06 權(quán)重參數(shù)標(biāo)準(zhǔn)化操作.mp4 30.60M
| | ├──07 網(wǎng)絡(luò)結(jié)構(gòu)ASPP層.mp4 35.26M
| | ├──08 特征拼接方法解讀.mp4 34.70M
| | ├──09 輸出深度估計(jì)結(jié)果.mp4 18.41M
| | ├──10 損失函數(shù)通俗解讀.mp4 49.18M
| | └──11 模型DEMO輸出結(jié)果.mp4 54.44M
| ├──03 車道線檢測算法與論文解讀
| | ├──01 數(shù)據(jù)標(biāo)簽與任務(wù)分析.mp4 39.44M
| | ├──02 網(wǎng)絡(luò)整體框架分析.mp4 23.37M
| | ├──03 輸出結(jié)果分析.mp4 15.05M
| | ├──04 損失函數(shù)計(jì)算方法.mp4 21.12M
| | └──05 論文概述分析.mp4 48.20M
| ├──04 基于深度學(xué)習(xí)的車道線檢測項(xiàng)目實(shí)戰(zhàn)
| | ├──01 車道數(shù)據(jù)與標(biāo)簽解讀.mp4 43.13M
| | ├──02 項(xiàng)目環(huán)境配置演示.mp4 21.48M
| | ├──03 制作數(shù)據(jù)集dataloader.mp4 39.31M
| | ├──04 車道線標(biāo)簽數(shù)據(jù)處理.mp4 24.06M
| | ├──05 四條車道線標(biāo)簽位置矩陣.mp4 16.34M
| | ├──06 grid設(shè)置方法.mp4 29.68M
| | ├──07 完成數(shù)據(jù)與標(biāo)簽制作.mp4 18.48M
| | ├──08 算法網(wǎng)絡(luò)結(jié)構(gòu)解讀.mp4 42.14M
| | ├──09 損失函數(shù)計(jì)算模塊分析.mp4 33.29M
| | ├──10 車道線規(guī)則損失函數(shù)限制.mp4 32.38M
| | └──11 DEMO制作與配置.mp4 31.81M
| ├──05 商湯LoFTR算法解讀
| | ├──01 特征匹配的應(yīng)用場景.mp4 55.02M
| | ├──02 特征匹配的基本流程分析.mp4 13.09M
| | ├──03 整體流程梳理分析.mp4 13.70M
| | ├──04 CrossAttention的作用與效果.mp4 13.22M
| | ├──05 transformer構(gòu)建匹配特征.mp4 26.75M
| | ├──06 粗粒度匹配過程與作用.mp4 21.40M
| | ├──07 特征圖拆解操作.mp4 12.16M
| | ├──08 細(xì)粒度匹配的作用與方法.mp4 16.67M
| | ├──09 基于期望預(yù)測最終位置.mp4 18.81M
| | └──10 總結(jié)分析.mp4 26.80M
| ├──06 局部特征關(guān)鍵點(diǎn)匹配實(shí)戰(zhàn)
| | ├──01 項(xiàng)目與參數(shù)配置解讀.mp4 30.33M
| | ├──02 DEMO效果演示.mp4 51.75M
| | ├──03 backbone特征提取模塊.mp4 20.14M
| | ├──04 注意力機(jī)制的作用與效果分析.mp4 21.95M
| | ├──05 特征融合模塊實(shí)現(xiàn)方法.mp4 21.37M
| | ├──06 cross關(guān)系計(jì)算方法實(shí)例.mp4 21.11M
| | ├──07 粗粒度匹配過程.mp4 36.33M
| | ├──08 完成基礎(chǔ)匹配模塊.mp4 45.59M
| | ├──09 精細(xì)化調(diào)整方法與實(shí)例.mp4 31.92M
| | ├──10 得到精細(xì)化輸出結(jié)果.mp4 14.17M
| | └──11 通過期望計(jì)算最終輸出.mp4 27.08M
| ├──07 三維重建應(yīng)用與坐標(biāo)系基礎(chǔ)
| | ├──01 三維重建概述分析.mp4 49.66M
| | ├──02 三維重建應(yīng)用領(lǐng)域概述.mp4 10.79M
| | ├──03 成像方法概述.mp4 13.34M
| | ├──04 相機(jī)坐標(biāo)系.mp4 15.08M
| | ├──05 坐標(biāo)系轉(zhuǎn)換方法解讀.mp4 17.46M
| | ├──06 相機(jī)內(nèi)外參.mp4 14.40M
| | ├──07 通過內(nèi)外參數(shù)進(jìn)行坐標(biāo)變換.mp4 13.81M
| | └──08 相機(jī)標(biāo)定簡介.mp4 4.21M
| ├──08 NeuralRecon算法解讀
| | ├──01 任務(wù)流程分析.mp4 16.53M
| | ├──02 基本框架熟悉.mp4 22.32M
| | ├──03 特征映射方法解讀.mp4 27.16M
| | ├──04 片段融合思想.mp4 13.42M
| | └──05 整體架構(gòu)重構(gòu)方法.mp4 17.83M
| ├──09 NeuralRecon項(xiàng)目環(huán)境配置
| | ├──01 數(shù)據(jù)集下載與配置方法.mp4 39.03M
| | ├──02 Scannet數(shù)據(jù)集內(nèi)容概述.mp4 26.50M
| | ├──03 TSDF標(biāo)簽生成方法.mp4 39.48M
| | ├──04 ISSUE的作用.mp4 42.02M
| | └──05 完成依賴環(huán)境配置.mp4 41.47M
| ├──10 NeuralRecon項(xiàng)目源碼解讀
| | ├──01 Backbone得到特征圖.mp4 27.33M
| | ├──02 初始化體素位置.mp4 34.06M
| | ├──03 坐標(biāo)映射方法實(shí)現(xiàn).mp4 20.82M
| | ├──04 得到體素所對應(yīng)特征圖.mp4 40.44M
| | ├──05 插值得到對應(yīng)特征向量.mp4 24.38M
| | ├──06 得到一階段輸出結(jié)果.mp4 29.90M
| | ├──07 完成三個(gè)階段預(yù)測結(jié)果.mp4 33.57M
| | └──08 項(xiàng)目總結(jié).mp4 72.66M
| ├──11 TSDF算法與應(yīng)用
| | ├──01 TSDF整體概述分析.mp4 18.89M
| | ├──02 合成過程DEMO演示.mp4 12.99M
| | ├──03 布局初始化操作.mp4 10.25M
| | ├──04 TSDF計(jì)算基本流程解讀.mp4 21.16M
| | ├──05 坐標(biāo)轉(zhuǎn)換流程分析.mp4 24.77M
| | └──06 輸出結(jié)果融合更新.mp4 20.16M
| ├──12 TSDF實(shí)戰(zhàn)案例
| | ├──01 環(huán)境配置概述.mp4 24.00M
| | ├──02 初始化與數(shù)據(jù)讀取.mp4 16.32M
| | └──03 計(jì)算得到TSDF輸出.mp4 30.44M
| ├──13 軌跡估計(jì)算法與論文解讀
| | ├──01 數(shù)據(jù)集與標(biāo)注信息解讀.mp4 41.67M
| | ├──02 整體三大模塊分析.mp4 45.75M
| | ├──03 特征工程的作用與效果.mp4 29.55M
| | ├──04 傳統(tǒng)方法與現(xiàn)在向量空間對比.mp4 40.02M
| | ├──05 輸入細(xì)節(jié)分析.mp4 36.45M
| | ├──06 子圖模塊構(gòu)建方法.mp4 32.51M
| | ├──07 特征融合模塊分析.mp4 36.86M
| | └──08 VectorNet輸出層分析.mp4 57.30M
| ├──14 軌跡估計(jì)預(yù)測實(shí)戰(zhàn)
| | ├──01 數(shù)據(jù)與環(huán)境配置.mp4 24.54M
| | ├──02 訓(xùn)練數(shù)據(jù)準(zhǔn)備.mp4 18.99M
| | ├──03 Agent特征提取方法.mp4 30.09M
| | ├──04 DataLoader構(gòu)建圖結(jié)構(gòu).mp4 22.49M
| | └──05 SubGraph與Attention模型流程.mp4 27.30M
| └──15 特斯拉無人駕駛解讀
| | └──01 特斯拉無人駕駛解讀.mp4 409.96M
├──14 對比學(xué)習(xí)與多模態(tài)任務(wù)實(shí)戰(zhàn)
| ├──01 對比學(xué)習(xí)算法與實(shí)例
| | └──01 對比學(xué)習(xí)算法與實(shí)例.mp4 423.98M
| ├──02 CLIP系列
| | └──01 CLIP系列.mp4 479.43M
| ├──03 多模態(tài)3D目標(biāo)檢測算法源碼解讀
| | ├──01 環(huán)境配置與數(shù)據(jù)集概述.mp4 40.34M
| | ├──02 數(shù)據(jù)與標(biāo)注文件介紹.mp4 30.35M
| | ├──03 基本流程梳理并進(jìn)入debug模式.mp4 34.43M
| | ├──04 數(shù)據(jù)與圖像特征提取模塊.mp4 43.20M
| | ├──05 體素索引位置獲取.mp4 47.13M
| | ├──06 體素特征提取方法解讀.mp4 27.56M
| | ├──07 體素特征計(jì)算方法分析.mp4 50.68M
| | ├──08 全局體素特征提取.mp4 70.15M
| | ├──09 多模態(tài)特征融合.mp4 47.47M
| | ├──10 3D卷積特征融合.mp4 41.41M
| | └──11 輸出層預(yù)測結(jié)果.mp4 61.43M
| ├──04 多模態(tài)文字識別
| | └──01 多模態(tài)文字識別.mp4 588.84M
| └──05 ANINET源碼解讀
| | ├──01 數(shù)據(jù)集與環(huán)境概述.mp4 41.91M
| | ├──02 配置文件修改方法.mp4 40.85M
| | ├──03 Bakbone模塊得到特征.mp4 32.66M
| | ├──04 視覺Transformer模塊的作用.mp4 32.87M
| | ├──05 視覺模型中的編碼與解碼的效果.mp4 40.90M
| | ├──06 文本模型中的結(jié)構(gòu)分析.mp4 29.91M
| | ├──07 迭代修正模塊.mp4 29.60M
| | └──08 輸出層與損失計(jì)算.mp4 40.41M
├──15 缺陷檢測實(shí)戰(zhàn)
| ├──01 課程介紹
| | └──01 課程介紹.mp4 19.16M
| ├──02 物體檢框架YOLO-V4版本算法解讀
| | ├──01 V4版本整體概述.mp4 13.00M
| | ├──01 源碼【內(nèi)有百度云地址，自取】.txt 0.15kb
| | ├──02 V4版本貢獻(xiàn)解讀.mp4 8.19M
| | ├──03 數(shù)據(jù)增強(qiáng)策略分析.mp4 19.93M
| | ├──04 DropBlock與標(biāo)簽平滑方法.mp4 16.22M
| | ├──05 損失函數(shù)遇到的問題.mp4 12.28M
| | ├──06 CIOU損失函數(shù)定義.mp4 8.88M
| | ├──07 NMS細(xì)節(jié)改進(jìn).mp4 12.82M
| | ├──08 SPP與CSP網(wǎng)絡(luò)結(jié)構(gòu).mp4 12.87M
| | ├──09 SAM注意力機(jī)制模塊.mp4 18.63M
| | ├──10 PAN模塊解讀.mp4 18.35M
| | └──11 激活函數(shù)與整體架構(gòu)總結(jié).mp4 16.17M
| ├──03 物體檢測框架YOLOV5版本項(xiàng)目配置
| | ├──01 整體項(xiàng)目概述.mp4 30.59M
| | ├──02 訓(xùn)練自己的數(shù)據(jù)集方法.mp4 32.00M
| | ├──03 訓(xùn)練數(shù)據(jù)參數(shù)配置.mp4 39.04M
| | └──04 測試DEMO演示.mp4 39.96M
| ├──04 物體檢測框架YOLOV5項(xiàng)目工程源碼解讀
| | ├──01 數(shù)據(jù)源DEBUG流程解讀.mp4 31.25M
| | ├──02 圖像數(shù)據(jù)源配置.mp4 25.11M
| | ├──03 加載標(biāo)簽數(shù)據(jù).mp4 19.15M
| | ├──04 Mosaic數(shù)據(jù)增強(qiáng)方法.mp4 20.36M
| | ├──05 數(shù)據(jù)四合一方法與流程演示.mp4 30.47M
| | ├──06 getItem構(gòu)建batch.mp4 24.55M
| | ├──07 網(wǎng)絡(luò)架構(gòu)圖可視化工具安裝.mp4 24.71M
| | ├──08 V5網(wǎng)絡(luò)配置文件解讀.mp4 28.14M
| | ├──09 Focus模塊流程分析.mp4 16.12M
| | ├──10 完成配置文件解析任務(wù).mp4 40.97M
| | ├──11 前向傳播計(jì)算.mp4 22.10M
| | ├──12 BottleneckCSP層計(jì)算方法.mp4 23.91M
| | ├──13 SPP層計(jì)算細(xì)節(jié)分析.mp4 20.94M
| | ├──14 Head層流程解讀.mp4 21.78M
| | ├──15 上采樣與拼接操作.mp4 14.72M
| | ├──16 輸出結(jié)果分析.mp4 26.86M
| | ├──17 超參數(shù)解讀.mp4 26.59M
| | ├──18 命令行參數(shù)介紹.mp4 31.71M
| | ├──19 訓(xùn)練流程解讀.mp4 35.08M
| | ├──20 各種訓(xùn)練策略概述.mp4 29.71M
| | └──21 模型迭代過程.mp4 29.18M
| ├──05 基于YOLOV5的鋼材缺陷檢測實(shí)戰(zhàn)
| | ├──01 任務(wù)需求與項(xiàng)目概述.mp4 12.91M
| | ├──02 數(shù)據(jù)與標(biāo)簽配置方法.mp4 29.67M
| | ├──03 標(biāo)簽轉(zhuǎn)換格式腳本制作.mp4 23.79M
| | ├──04 各版本模型介紹分析.mp4 24.68M
| | ├──05 項(xiàng)目參數(shù)配置.mp4 20.20M
| | ├──06 缺陷檢測模型訓(xùn)練.mp4 27.45M
| | └──07 輸出結(jié)果與項(xiàng)目總結(jié).mp4 34.15M
| ├──06 Semi-supervised布料缺陷檢測實(shí)戰(zhàn)
| | ├──01 任務(wù)目標(biāo)與流程概述.mp4 41.66M
| | ├──02 論文思想與模型分析.mp4 91.35M
| | ├──03 項(xiàng)目配置解讀.mp4 46.08M
| | ├──04 網(wǎng)絡(luò)流程分析.mp4 25.82M
| | └──05 輸出結(jié)果展示.mp4 28.25M
| ├──07 Opencv圖像常用處理方法實(shí)例
| | ├──01 計(jì)算機(jī)眼中的圖像.mp4 24.20M
| | ├──02 視頻的讀取與處理.mp4 36.27M
| | ├──03 ROI區(qū)域.mp4 12.10M
| | ├──04 邊界填充.mp4 18.29M
| | ├──05 數(shù)值計(jì)算.mp4 31.90M
| | ├──06 圖像閾值.mp4 25.24M
| | ├──07 圖像平滑處理.mp4 19.45M
| | ├──08 高斯與中值濾波.mp4 16.59M
| | ├──09 腐蝕操作.mp4 14.51M
| | ├──10 膨脹操作.mp4 9.43M
| | ├──11 開運(yùn)算與閉運(yùn)算.mp4 7.53M
| | ├──12 梯度計(jì)算.mp4 5.92M
| | └──13 禮帽與黑帽.mp4 13.68M
| ├──08 Opencv梯度計(jì)算與邊緣檢測實(shí)例
| | ├──01 Canny邊緣檢測流程.mp4 14.30M
| | ├──02 非極大值抑制.mp4 14.08M
| | ├──03 邊緣檢測效果.mp4 25.53M
| | ├──04 Sobel算子.mp4 20.99M
| | ├──05 梯度計(jì)算方法.mp4 23.41M
| | └──06 scharr與lapkacian算子.mp4 20.80M
| ├──09 Opencv輪廓檢測與直方圖
| | ├──01 圖像金字塔定義.mp4 16.03M
| | ├──02 金字塔制作方法.mp4 20.18M
| | ├──03 輪廓檢測方法.mp4 14.59M
| | ├──04 輪廓檢測結(jié)果.mp4 23.61M
| | ├──05 輪廓特征與近似.mp4 29.38M
| | ├──06 模板匹配方法.mp4 37.29M
| | ├──07 匹配效果展示.mp4 17.08M
| | ├──08 直方圖定義.mp4 19.79M
| | ├──09 均衡化原理.mp4 26.00M
| | ├──10 均衡化效果.mp4 21.44M
| | ├──11 傅里葉概述.mp4 29.84M
| | ├──12 頻域變換結(jié)果.mp4 21.16M
| | └──13 低通與高通濾波.mp4 23.17M
| ├──10 基于Opencv缺陷檢測項(xiàng)目實(shí)戰(zhàn)
| | ├──01 任務(wù)需求與環(huán)境配置.mp4 12.01M
| | ├──02 數(shù)據(jù)讀取與基本處理.mp4 19.80M
| | ├──03 缺陷形態(tài)學(xué)操作.mp4 19.36M
| | ├──04 整體流程解讀.mp4 17.73M
| | └──05 缺陷檢測效果演示.mp4 38.94M
| ├──11 基于視頻流水線的Opencv缺陷檢測項(xiàng)目
| | ├──01 數(shù)據(jù)與任務(wù)概述.mp4 12.52M
| | ├──02 視頻數(shù)據(jù)讀取與輪廓檢測.mp4 15.77M
| | ├──03 目標(biāo)質(zhì)心計(jì)算.mp4 23.52M
| | ├──04 視頻數(shù)據(jù)遍歷方法.mp4 22.29M
| | ├──05 缺陷區(qū)域提取.mp4 26.52M
| | ├──06 不同類型的缺陷檢測方法.mp4 26.15M
| | └──07 檢測效果演示.mp4 18.49M
| ├──12 圖像分割deeplab系列算法
| | ├──01 deeplab分割算法概述.mp4 12.26M
| | ├──02 空洞卷積的作用.mp4 14.19M
| | ├──03 感受野的意義.mp4 14.85M
| | ├──04 SPP層的作用.mp4 15.63M
| | ├──05 ASPP特征融合策略.mp4 11.12M
| | └──06 deeplabV3Plus版本網(wǎng)絡(luò)架構(gòu).mp4 19.02M
| ├──13 基于deeplabV3+版本進(jìn)行VOC分割實(shí)戰(zhàn)
| | ├──01 PascalVoc數(shù)據(jù)集介紹.mp4 49.31M
| | ├──02 項(xiàng)目參數(shù)與數(shù)據(jù)集讀取.mp4 46.37M
| | ├──03 網(wǎng)絡(luò)前向傳播流程.mp4 24.29M
| | ├──04 ASPP層特征融合.mp4 37.63M
| | └──05 分割模型訓(xùn)練.mp4 26.00M
| └──14 Deeplab鐵質(zhì)材料缺陷檢測與開源項(xiàng)目應(yīng)用流程
| | ├──01 數(shù)據(jù)集與任務(wù)概述.mp4 23.89M
| | ├──02 開源項(xiàng)目應(yīng)用方法.mp4 27.10M
| | ├──03 github與kaggle中需要注意的點(diǎn).mp4 30.85M
| | ├──04 源碼的利用方法.mp4 98.83M
| | ├──04 源碼的利用方法_ev.mp4 74.00M
| | ├──05 數(shù)據(jù)集制作方法.mp4 58.20M
| | ├──06 數(shù)據(jù)路徑配置.mp4 41.89M
| | ├──07 訓(xùn)練模型.mp4 25.04M
| | └──08 任務(wù)總結(jié).mp4 31.72M
├──16 行人重識別實(shí)戰(zhàn)
| ├──01 行人重識別原理及其應(yīng)用
| | ├──01 行人重識別要解決的問題.mp4 14.16M
| | ├──02 挑戰(zhàn)與困難分析.mp4 27.88M
| | ├──03 評估標(biāo)準(zhǔn)rank1指標(biāo).mp4 10.31M
| | ├──04 map值計(jì)算方法.mp4 12.30M
| | ├──05 triplet損失計(jì)算實(shí)例.mp4 19.96M
| | └──06 Hard-Negative方法應(yīng)用.mp4 21.02M
| ├──02 基于注意力機(jī)制的Reld模型論文解讀
| | ├──01 論文整體思想及注意力機(jī)制的作用解讀.mp4 40.43M
| | ├──02 空間權(quán)重值計(jì)算流程分析.mp4 23.32M
| | ├──03 融合空間注意力所需特征.mp4 20.28M
| | └──04 基于特征圖的注意力計(jì)算.mp4 47.89M
| ├──03 基于Attention的行人重識別項(xiàng)目實(shí)戰(zhàn)
| | ├──01 項(xiàng)目環(huán)境與數(shù)據(jù)集配置.mp4 38.80M
| | ├──02 參數(shù)配置與整體架構(gòu)分析.mp4 48.84M
| | ├──03 進(jìn)入debug模式解讀網(wǎng)絡(luò)計(jì)算流程.mp4 21.54M
| | ├──04 獲得空間位置點(diǎn)之間的關(guān)系.mp4 30.41M
| | ├──05 組合關(guān)系特征圖.mp4 29.21M
| | ├──06 計(jì)算得到位置權(quán)重值.mp4 27.12M
| | ├──07 基于特征圖的權(quán)重計(jì)算.mp4 17.98M
| | ├──08 損失函數(shù)計(jì)算實(shí)例解讀.mp4 43.56M
| | └──09 訓(xùn)練與測試模塊演示.mp4 54.85M
| ├──04 AAAI2020頂會算法精講
| | ├──01 論文整體框架概述.mp4 14.21M
| | ├──02 局部特征與全局關(guān)系計(jì)算方法.mp4 13.31M
| | ├──03 特征分組方法.mp4 12.77M
| | ├──04 GCP模塊特征融合方法.mp4 23.56M
| | ├──05 oneVsReset方法實(shí)例.mp4 12.67M
| | └──06 損失函數(shù)應(yīng)用位置.mp4 13.73M
| ├──05 項(xiàng)目實(shí)戰(zhàn)-基于行人局部特征融合的再識別實(shí)戰(zhàn)
| | ├──01 項(xiàng)目配置與數(shù)據(jù)集介紹.mp4 47.38M
| | ├──02 數(shù)據(jù)源構(gòu)建方法分析.mp4 31.42M
| | ├──03 dataloader加載順序解讀.mp4 19.40M
| | ├──04 debug模式解讀.mp4 46.24M
| | ├──05 網(wǎng)絡(luò)計(jì)算整體流程演示.mp4 21.56M
| | ├──06 特征序列構(gòu)建.mp4 28.23M
| | ├──07 GCP全局特征提取.mp4 25.93M
| | ├──08 局部特征提取實(shí)例.mp4 37.44M
| | ├──09 特征組合匯總.mp4 32.50M
| | ├──10 得到所有分組特征結(jié)果.mp4 35.79M
| | ├──11 損失函數(shù)與訓(xùn)練過程演示.mp4 30.40M
| | └──12 測試與驗(yàn)證模塊.mp4 36.59M
| ├──06 曠視研究院最新算法解讀（基于圖模型）
| | ├──01 關(guān)鍵點(diǎn)位置特征構(gòu)建.mp4 17.62M
| | ├──02 圖卷積與匹配的作用.mp4 20.09M
| | ├──03 局部特征熱度圖計(jì)算.mp4 21.03M
| | ├──04 基于圖卷積構(gòu)建人體拓?fù)潢P(guān)系.mp4 25.39M
| | ├──05 圖卷積模塊實(shí)現(xiàn)方法.mp4 22.70M
| | ├──06 圖匹配在行人重識別中的作用.mp4 15.41M
| | └──07 整體算法框架分析.mp4 20.28M
| └──07 基于拓?fù)鋱D的行人重識別項(xiàng)目實(shí)戰(zhàn)
| | ├──01 數(shù)據(jù)集與環(huán)境配置概述.mp4 35.08M
| | ├──02 局部特征準(zhǔn)備方法.mp4 38.93M
| | ├──03 得到一階段熱度圖結(jié)果.mp4 28.59M
| | ├──04 階段監(jiān)督訓(xùn)練.mp4 58.65M
| | ├──05 初始化圖卷積模型.mp4 28.31M
| | ├──06 mask矩陣的作用.mp4 32.47M
| | ├──07 鄰接矩陣學(xué)習(xí)與更新.mp4 37.08M
| | ├──08 基于拓?fù)浣Y(jié)構(gòu)組合關(guān)鍵點(diǎn)特征.mp4 44.34M
| | ├──09 圖匹配模塊計(jì)算流程.mp4 48.65M
| | └──10 整體項(xiàng)目總結(jié).mp4 55.71M
├──17 對抗生成網(wǎng)絡(luò)實(shí)戰(zhàn)
| ├──01 課程介紹
| | └──01 課程介紹.mp4 20.37M
| ├──02 對抗生成網(wǎng)絡(luò)架構(gòu)原理與實(shí)戰(zhàn)解析
| | ├──01 對抗生成網(wǎng)絡(luò)通俗解釋.mp4 16.05M
| | ├──02 GAN網(wǎng)絡(luò)組成.mp4 9.51M
| | ├──03 損失函數(shù)解釋說明.mp4 31.10M
| | ├──04 數(shù)據(jù)讀取模塊.mp4 21.85M
| | └──05 生成與判別網(wǎng)絡(luò)定義.mp4 31.53M
| ├──03 基于CycleGan開源項(xiàng)目實(shí)戰(zhàn)圖像合成
| | ├──01 CycleGan網(wǎng)絡(luò)所需數(shù)據(jù).mp4 23.13M
| | ├──02 CycleGan整體網(wǎng)絡(luò)架構(gòu).mp4 19.00M
| | ├──03 PatchGan判別網(wǎng)絡(luò)原理.mp4 9.49M
| | ├──04 Cycle開源項(xiàng)目簡介.mp4 37.84M
| | ├──05 數(shù)據(jù)讀取與預(yù)處理操作.mp4 40.42M
| | ├──06 生成網(wǎng)絡(luò)模塊構(gòu)造.mp4 36.07M
| | ├──07 判別網(wǎng)絡(luò)模塊構(gòu)造.mp4 14.57M
| | ├──08 損失函數(shù)：identity loss計(jì)算方法.mp4 27.22M
| | ├──09 生成與判別損失函數(shù)指定.mp4 41.17M
| | └──10 額外補(bǔ)充：VISDOM可視化配置.mp4 26.31M
| ├──04 stargan論文架構(gòu)解析
| | ├──01 stargan效果演示分析.mp4 22.99M
| | ├──02 網(wǎng)絡(luò)架構(gòu)整體思路解讀.mp4 22.23M
| | ├──03 建模流程分析.mp4 31.06M
| | ├──04 V1版本存在的問題及后續(xù)改進(jìn)思路.mp4 40.55M
| | ├──05 V2版本在整體網(wǎng)絡(luò)架構(gòu).mp4 55.70M
| | ├──06 編碼器訓(xùn)練方法.mp4 45.16M
| | ├──07 損失函數(shù)公式解析.mp4 36.48M
| | └──08 訓(xùn)練過程分析.mp4 81.35M
| ├──05 stargan項(xiàng)目實(shí)戰(zhàn)及其源碼解讀
| | ├──01 測試模塊效果與實(shí)驗(yàn)分析.mp4 24.72M
| | ├──02 項(xiàng)目配置與數(shù)據(jù)源下載.mp4 15.60M
| | ├──03 測試效果演示.mp4 30.87M
| | ├──04 項(xiàng)目參數(shù)解析.mp4 20.98M
| | ├──05 生成器模塊源碼解讀.mp4 34.59M
| | ├──06 所有網(wǎng)絡(luò)模塊構(gòu)建實(shí)例.mp4 34.06M
| | ├──07 數(shù)據(jù)讀取模塊分析.mp4 39.58M
| | ├──08 判別器損失計(jì)算.mp4 22.65M
| | ├──09 損失計(jì)算詳細(xì)過程.mp4 33.48M
| | └──10 生成模塊損失計(jì)算.mp4 49.90M
| ├──06 基于starganvc2的變聲器論文原理解讀
| | ├──01 論文整體思路與架構(gòu)解讀.mp4 29.63M
| | ├──02 VCC2016輸入數(shù)據(jù).mp4 15.84M
| | ├──03 語音特征提取.mp4 24.20M
| | ├──04 生成器模型架構(gòu)分析.mp4 11.70M
| | ├──05 InstanceNorm的作用解讀.mp4 15.20M
| | ├──06 AdaIn的目的與效果.mp4 11.12M
| | └──07 判別器模塊分析.mp4 86.72M
| ├──07 starganvc2變聲器項(xiàng)目實(shí)戰(zhàn)及其源碼解讀
| | ├──01 數(shù)據(jù)與項(xiàng)目文件解讀.mp4 16.60M
| | ├──02 環(huán)境配置與工具包安裝.mp4 30.25M
| | ├──03 數(shù)據(jù)預(yù)處理與聲音特征提取.mp4 61.10M
| | ├──04 生成器構(gòu)造模塊解讀.mp4 29.54M
| | ├──05 下采樣與上采樣操作.mp4 24.50M
| | ├──06 starganvc2版本標(biāo)簽輸入分析.mp4 37.38M
| | ├──07 生成器前向傳播維度變化.mp4 19.33M
| | ├──08 判別器模塊解讀.mp4 24.21M
| | ├──09 論文損失函數(shù).mp4 87.19M
| | ├──10 源碼損失計(jì)算流程.mp4 27.61M
| | └──11 測試模塊-生成轉(zhuǎn)換語音.mp4 36.03M
| ├──08 圖像超分辨率重構(gòu)實(shí)戰(zhàn)
| | ├──01 論文概述.mp4 42.01M
| | ├──02 網(wǎng)絡(luò)架構(gòu).mp4 71.01M
| | ├──03 數(shù)據(jù)與環(huán)境配置.mp4 21.97M
| | ├──04 數(shù)據(jù)加載與配置.mp4 28.88M
| | ├──05 生成模塊.mp4 35.59M
| | ├──06 判別模塊.mp4 31.69M
| | ├──07 VGG特征提取網(wǎng)絡(luò).mp4 26.99M
| | ├──08 損失函數(shù)與訓(xùn)練.mp4 67.04M
| | └──09 測試模塊.mp4 62.39M
| └──09 基于GAN的圖像補(bǔ)全實(shí)戰(zhàn)
| | ├──01 論文概述.mp4 71.57M
| | ├──02 網(wǎng)絡(luò)架構(gòu).mp4 23.41M
| | ├──03 細(xì)節(jié)設(shè)計(jì).mp4 68.64M
| | ├──04 論文總結(jié).mp4 110.96M
| | ├──05 數(shù)據(jù)與項(xiàng)目概述.mp4 37.85M
| | ├──06 參數(shù)基本設(shè)計(jì).mp4 53.68M
| | ├──07 網(wǎng)絡(luò)結(jié)構(gòu)配置.mp4 50.16M
| | ├──08 網(wǎng)絡(luò)迭代訓(xùn)練.mp4 70.51M
| | └──09 測試模塊.mp4 34.78M
├──18 強(qiáng)化學(xué)習(xí)實(shí)戰(zhàn)系列
| ├──01 強(qiáng)化學(xué)習(xí)簡介及其應(yīng)用
| | ├──01 一張圖通俗解釋強(qiáng)化學(xué)習(xí).mp4 12.45M
| | ├──02 強(qiáng)化學(xué)習(xí)的指導(dǎo)依據(jù).mp4 15.62M
| | ├──03 強(qiáng)化學(xué)習(xí)AI游戲DEMO.mp4 13.38M
| | ├──04 應(yīng)用領(lǐng)域簡介.mp4 13.86M
| | ├──05 強(qiáng)化學(xué)習(xí)工作流程.mp4 12.11M
| | └──06 計(jì)算機(jī)眼中的狀態(tài)與行為.mp4 16.43M
| ├──02 PPO算法與公式推導(dǎo)
| | ├──01 基本情況介紹.mp4 21.74M
| | ├──02 與環(huán)境交互得到所需數(shù)據(jù).mp4 18.47M
| | ├──03 要完成的目標(biāo)分析.mp4 20.35M
| | ├──04 策略梯度推導(dǎo).mp4 18.05M
| | ├──05 baseline方法.mp4 14.08M
| | ├──06 OnPolicy與OffPolicy策略.mp4 16.36M
| | ├──07 importance sampling的作用.mp4 18.70M
| | └──08 PPO算法整體思路解析.mp4 20.39M
| ├──03 PPO實(shí)戰(zhàn)-月球登陸器訓(xùn)練實(shí)例
| | ├──01 Critic的作用與效果.mp4 30.04M
| | ├──02 PPO2版本公式解讀.mp4 25.27M
| | ├──03 參數(shù)與網(wǎng)絡(luò)結(jié)構(gòu)定義.mp4 24.80M
| | ├──04 得到動作結(jié)果.mp4 21.10M
| | ├──05 獎勵獲得與計(jì)算.mp4 26.23M
| | └──06 參數(shù)迭代與更新.mp4 34.90M
| ├──04 Q-learning與DQN算法
| | ├──01 整體任務(wù)流程演示.mp4 17.27M
| | ├──02 探索與action獲取.mp4 20.68M
| | ├──03 計(jì)算target值.mp4 16.37M
| | ├──04 訓(xùn)練與更新.mp4 24.62M
| | ├──05 算法原理通俗解讀.mp4 18.78M
| | ├──06 目標(biāo)函數(shù)與公式解析.mp4 21.21M
| | ├──07 Qlearning算法實(shí)例解讀.mp4 14.15M
| | ├──08 Q值迭代求解.mp4 18.41M
| | └──09 DQN簡介.mp4 11.60M
| ├──05 DQN算法實(shí)例演示
| | ├──01 整體任務(wù)流程演示.mp4 17.27M
| | ├──02 探索與action獲取.mp4 20.68M
| | ├──03 計(jì)算target值.mp4 16.37M
| | └──04 訓(xùn)練與更新.mp4 24.62M
| ├──06 DQN改進(jìn)與應(yīng)用技巧
| | ├──01 DoubleDqn要解決的問題.mp4 15.78M
| | ├──02 DuelingDqn改進(jìn)方法.mp4 14.41M
| | ├──03 Dueling整體網(wǎng)絡(luò)架構(gòu)分析.mp4 17.33M
| | ├──04 MultiSetp策略.mp4 7.03M
| | └──05 連續(xù)動作處理方法.mp4 17.45M
| ├──07 Actor-Critic算法分析（A3C）
| | ├──01 AC算法回顧與知識點(diǎn)總結(jié).mp4 13.91M
| | ├──02 優(yōu)勢函數(shù)解讀與分析.mp4 15.50M
| | ├──03 計(jì)算流程實(shí)例.mp4 13.82M
| | ├──04 A3C整體架構(gòu)分析.mp4 13.01M
| | └──05 損失函數(shù)整理.mp4 17.91M
| └──08 用A3C玩轉(zhuǎn)超級馬里奧
| | ├──01 整體流程與環(huán)境配置.mp4 19.17M
| | ├──02 啟動游戲環(huán)境.mp4 24.56M
| | ├──03 要計(jì)算的指標(biāo)回顧.mp4 26.23M
| | ├──04 初始化局部模型并加載參數(shù).mp4 23.29M
| | ├──05 與環(huán)境交互得到訓(xùn)練數(shù)據(jù).mp4 27.98M
| | └──06 訓(xùn)練網(wǎng)絡(luò)模型.mp4 31.62M
├──19 Openai頂級黑科技算法及其項(xiàng)目實(shí)戰(zhàn)
| ├──01 GPT系列生成模型
| | └──01 GPT系列.mp4 346.96M
| ├──02 GPT建模與預(yù)測流程
| | ├──01 生成模型可以完成的任務(wù)概述.mp4 23.08M
| | ├──02 數(shù)據(jù)樣本生成方法.mp4 53.49M
| | ├──03 訓(xùn)練所需參數(shù)解讀.mp4 46.11M
| | ├──04 模型訓(xùn)練過程.mp4 41.37M
| | └──05 部署與網(wǎng)頁預(yù)測展示.mp4 62.77M
| ├──03 CLIP系列
| | └──01 CLIP系列.mp4 479.43M
| ├──04 Diffusion模型解讀
| | └──01 Diffusion模型解讀.mp4 547.16M
| ├──05 Dalle2及其源碼解讀
| | └──01 Dalle2源碼解讀.mp4 462.67M
| └──06 ChatGPT
| | └──01 ChatGPT.mp4 307.00M
├──20 面向醫(yī)學(xué)領(lǐng)域的深度學(xué)習(xí)實(shí)戰(zhàn)
| ├──01 卷積神經(jīng)網(wǎng)絡(luò)原理與參數(shù)解讀
| | ├──01 卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用領(lǐng)域.mp4 17.00M
| | ├──02 卷積的作用.mp4 19.52M
| | ├──03 卷積特征值計(jì)算方法.mp4 17.78M
| | ├──04 得到特征圖表示.mp4 15.02M
| | ├──05 步長與卷積核大小對結(jié)果的影響.mp4 16.53M
| | ├──06 邊緣填充方法.mp4 14.43M
| | ├──07 特征圖尺寸計(jì)算與參數(shù)共享.mp4 17.03M
| | ├──08 池化層的作用.mp4 9.77M
| | ├──09 整體網(wǎng)絡(luò)架構(gòu).mp4 13.09M
| | ├──10 VGG網(wǎng)絡(luò)架構(gòu).mp4 15.62M
| | ├──11 殘差網(wǎng)絡(luò)Resnet.mp4 15.69M
| | └──12 感受野的作用.mp4 12.87M
| ├──02 PyTorch框架基本處理操作
| | ├──01 PyTorch實(shí)戰(zhàn)課程簡介.mp4 17.64M
| | ├──02 PyTorch框架發(fā)展趨勢簡介.mp4 19.20M
| | ├──03 框架安裝方法（CPU與GPU版本）.mp4 14.24M
| | ├──04 PyTorch基本操作簡介.mp4 21.86M
| | ├──05 自動求導(dǎo)機(jī)制.mp4 29.31M
| | ├──06 線性回歸DEMO-數(shù)據(jù)與參數(shù)配置.mp4 19.09M
| | ├──07 線性回歸DEMO-訓(xùn)練回歸模型.mp4 32.77M
| | ├──08 補(bǔ)充：常見tensor格式.mp4 16.98M
| | └──09 補(bǔ)充：Hub模塊簡介.mp4 46.26M
| ├──03 PyTorch框架必備核心模塊解讀
| | ├──01 卷積網(wǎng)絡(luò)參數(shù)定義.mp4 20.38M
| | ├──02 網(wǎng)絡(luò)流程解讀.mp4 28.99M
| | ├──03 Vision模塊功能解讀.mp4 18.90M
| | ├──04 分類任務(wù)數(shù)據(jù)集定義與配置.mp4 22.07M
| | ├──05 圖像增強(qiáng)的作用.mp4 13.30M
| | ├──06 數(shù)據(jù)預(yù)處理與數(shù)據(jù)增強(qiáng)模塊.mp4 27.17M
| | ├──07 Batch數(shù)據(jù)制作.mp4 34.45M
| | ├──08 遷移學(xué)習(xí)的目標(biāo).mp4 9.99M
| | ├──09 遷移學(xué)習(xí)策略.mp4 13.47M
| | ├──10 加載訓(xùn)練好的網(wǎng)絡(luò)模型.mp4 39.52M
| | ├──11 優(yōu)化器模塊配置.mp4 20.42M
| | ├──12 實(shí)現(xiàn)訓(xùn)練模塊.mp4 27.46M
| | ├──13 訓(xùn)練結(jié)果與模型保存.mp4 33.83M
| | ├──14 加載模型對測試數(shù)據(jù)進(jìn)行預(yù)測.mp4 43.28M
| | ├──15 額外補(bǔ)充-Resnet論文解讀.mp4 82.12M
| | └──16 額外補(bǔ)充-Resnet網(wǎng)絡(luò)架構(gòu)解讀.mp4 15.62M
| ├──04 基于Resnet的醫(yī)學(xué)數(shù)據(jù)集分類實(shí)戰(zhàn)
| | ├──01 醫(yī)學(xué)疾病數(shù)據(jù)集介紹.mp4 15.88M
| | ├──02 Resnet網(wǎng)絡(luò)架構(gòu)原理分析.mp4 20.70M
| | ├──03 dataloader加載數(shù)據(jù)集.mp4 46.80M
| | ├──04 Resnet網(wǎng)絡(luò)前向傳播.mp4 26.17M
| | ├──05 殘差網(wǎng)絡(luò)的shortcut操作.mp4 34.86M
| | ├──06 特征圖升維與降采樣操作.mp4 19.69M
| | └──07 網(wǎng)絡(luò)整體流程與訓(xùn)練演示.mp4 51.41M
| ├──05 圖像分割及其損失函數(shù)概述
| | ├──01 語義分割與實(shí)例分割概述.mp4 15.95M
| | ├──02 分割任務(wù)中的目標(biāo)函數(shù)定義.mp4 15.36M
| | └──03 MIOU評估標(biāo)準(zhǔn).mp4 7.37M
| ├──06 Unet系列算法講解
| | ├──01 Unet網(wǎng)絡(luò)編碼與解碼過程.mp4 15.21M
| | ├──02 網(wǎng)絡(luò)計(jì)算流程.mp4 13.01M
| | ├──03 Unet升級版本改進(jìn).mp4 12.22M
| | └──04 后續(xù)升級版本介紹.mp4 14.43M
| ├──07 unet醫(yī)學(xué)細(xì)胞分割實(shí)戰(zhàn)
| | ├──01 醫(yī)學(xué)細(xì)胞數(shù)據(jù)集介紹與參數(shù)配置.mp4 46.02M
| | ├──02 數(shù)據(jù)增強(qiáng)工具.mp4 52.28M
| | ├──03 Debug模式演示網(wǎng)絡(luò)計(jì)算流程.mp4 33.57M
| | ├──04 特征融合方法演示.mp4 21.21M
| | ├──05 迭代完成整個(gè)模型計(jì)算任務(wù).mp4 23.94M
| | └──06 模型效果驗(yàn)證.mp4 35.40M
| ├──08 deeplab系列算法
| | ├──01 deeplab分割算法概述.mp4 12.26M
| | ├──02 空洞卷積的作用.mp4 14.19M
| | ├──03 感受野的意義.mp4 14.85M
| | ├──04 SPP層的作用.mp4 15.63M
| | ├──05 ASPP特征融合策略.mp4 11.12M
| | └──06 deeplabV3Plus版本網(wǎng)絡(luò)架構(gòu).mp4 19.02M
| ├──09 基于deeplabV3+版本進(jìn)行VOC分割實(shí)戰(zhàn)
| | ├──01 PascalVoc數(shù)據(jù)集介紹.mp4 49.31M
| | ├──02 項(xiàng)目參數(shù)與數(shù)據(jù)集讀取.mp4 46.37M
| | ├──03 網(wǎng)絡(luò)前向傳播流程.mp4 24.29M
| | ├──04 ASPP層特征融合.mp4 37.63M
| | └──05 分割模型訓(xùn)練.mp4 26.00M
| ├──10 基于deeplab的心臟視頻數(shù)據(jù)診斷分析
| | ├──01 數(shù)據(jù)集與任務(wù)概述.mp4 27.87M
| | ├──02 項(xiàng)目基本配置參數(shù).mp4 26.17M
| | ├──03 任務(wù)流程解讀.mp4 55.75M
| | ├──04 文獻(xiàn)報(bào)告分析.mp4 91.69M
| | ├──05 補(bǔ)充：視頻數(shù)據(jù)源特征處理方法概述.mp4 20.94M
| | └──06 補(bǔ)充：R(2plus1)D處理方法分析.mp4 14.63M
| ├──11 YOLO系列物體檢測算法原理解讀
| | ├──01 檢測任務(wù)中階段的意義.mp4 12.98M
| | ├──02 不同階段算法優(yōu)缺點(diǎn)分析.mp4 8.95M
| | ├──03 IOU指標(biāo)計(jì)算.mp4 9.79M
| | ├──04 評估所需參數(shù)計(jì)算.mp4 20.90M
| | ├──05 map指標(biāo)計(jì)算.mp4 17.04M
| | ├──06 YOLO算法整體思路解讀.mp4 12.69M
| | ├──07 檢測算法要得到的結(jié)果.mp4 11.73M
| | ├──08 整體網(wǎng)絡(luò)架構(gòu)解讀.mp4 25.44M
| | ├──09 位置損失計(jì)算.mp4 16.36M
| | ├──10 置信度誤差與優(yōu)缺點(diǎn)分析.mp4 23.08M
| | ├──11 V2版本細(xì)節(jié)升級概述.mp4 11.21M
| | ├──12 網(wǎng)絡(luò)結(jié)構(gòu)特點(diǎn).mp4 12.99M
| | ├──13 架構(gòu)細(xì)節(jié)解讀.mp4 15.84M
| | ├──14 基于聚類來選擇先驗(yàn)框尺寸.mp4 20.64M
| | ├──15 偏移量計(jì)算方法.mp4 23.07M
| | ├──16 坐標(biāo)映射與還原.mp4 8.48M
| | ├──17 感受野的作用.mp4 22.27M
| | ├──18 特征融合改進(jìn).mp4 16.21M
| | ├──19 V3版本改進(jìn)概述.mp4 14.94M
| | ├──20 多scale方法改進(jìn)與特征融合.mp4 14.52M
| | ├──21 經(jīng)典變換方法對比分析.mp4 9.27M
| | ├──22 殘差連接方法解讀.mp4 15.89M
| | ├──23 整體網(wǎng)絡(luò)模型架構(gòu)分析.mp4 10.54M
| | ├──24 先驗(yàn)框設(shè)計(jì)改進(jìn).mp4 10.80M
| | ├──25 sotfmax層改進(jìn).mp4 8.77M
| | ├──26 V4版本整體概述.mp4 13.00M
| | ├──27 V4版本貢獻(xiàn)解讀.mp4 8.19M
| | ├──28 數(shù)據(jù)增強(qiáng)策略分析.mp4 19.93M
| | ├──29 DropBlock與標(biāo)簽平滑方法.mp4 16.22M
| | ├──30 損失函數(shù)遇到的問題.mp4 12.28M
| | ├──31 CIOU損失函數(shù)定義.mp4 8.88M
| | ├──32 NMS細(xì)節(jié)改進(jìn).mp4 12.82M
| | ├──33 SPP與CSP網(wǎng)絡(luò)結(jié)構(gòu).mp4 12.87M
| | ├──34 SAM注意力機(jī)制模塊.mp4 18.63M
| | ├──35 PAN模塊解讀.mp4 18.35M
| | └──36 激活函數(shù)與整體架構(gòu)總結(jié).mp4 16.17M
| ├──12 基于YOLO5細(xì)胞檢測實(shí)戰(zhàn)
| | ├──01 任務(wù)與細(xì)胞數(shù)據(jù)集介紹.mp4 34.31M
| | ├──02 模型與算法配置參數(shù)解讀.mp4 30.75M
| | ├──03 網(wǎng)絡(luò)訓(xùn)練流程演示.mp4 32.31M
| | ├──04 效果評估與展示.mp4 22.48M
| | └──05 細(xì)胞檢測效果演示.mp4 30.61M
| ├──13 知識圖譜原理解讀
| | ├──01 知識圖譜通俗解讀.mp4 16.22M
| | ├──02 知識圖譜在搜索引擎中的應(yīng)用.mp4 20.74M
| | ├──03 知識圖譜在醫(yī)療領(lǐng)域應(yīng)用實(shí)例.mp4 65.42M
| | ├──04 金融與推薦領(lǐng)域的應(yīng)用.mp4 17.14M
| | ├──05 數(shù)據(jù)獲取分析.mp4 27.15M
| | ├──06 數(shù)據(jù)關(guān)系抽取分析.mp4 21.29M
| | ├──07 常用NLP技術(shù)點(diǎn)分析.mp4 18.19M
| | ├──08 graph-embedding的作用與效果.mp4 21.37M
| | ├──09 金融領(lǐng)域圖編碼實(shí)例.mp4 10.14M
| | ├──10 視覺領(lǐng)域圖編碼實(shí)例.mp4 17.11M
| | └──11 圖譜知識融合與總結(jié)分析.mp4 19.22M
| ├──14 Neo4j數(shù)據(jù)庫實(shí)戰(zhàn)
| | ├──01 Neo4j圖數(shù)據(jù)庫介紹.mp4 36.74M
| | ├──02 Neo4j數(shù)據(jù)庫安裝流程演示.mp4 21.06M
| | ├──03 可視化例子演示.mp4 33.63M
| | ├──04 創(chuàng)建與刪除操作演示.mp4 20.27M
| | └──05 數(shù)據(jù)庫更改查詢操作演示.mp4 21.39M
| ├──15 基于知識圖譜的醫(yī)藥問答系統(tǒng)實(shí)戰(zhàn)
| | ├──01 項(xiàng)目概述與整體架構(gòu)分析.mp4 25.48M
| | ├──02 醫(yī)療數(shù)據(jù)介紹及其各字段含義.mp4 85.49M
| | ├──03 任務(wù)流程概述.mp4 24.82M
| | ├──04 環(huán)境配置與所需工具包安裝.mp4 24.22M
| | ├──05 提取數(shù)據(jù)中的關(guān)鍵字段信息.mp4 43.55M
| | ├──06 創(chuàng)建關(guān)系邊.mp4 28.69M
| | ├──07 打造醫(yī)療知識圖譜模型.mp4 41.80M
| | ├──08 加載所有實(shí)體數(shù)據(jù).mp4 27.31M
| | ├──09 實(shí)體關(guān)鍵詞字典制作.mp4 24.13M
| | └──10 完成對話系統(tǒng)構(gòu)建.mp4 28.64M
| ├──16 詞向量模型與RNN網(wǎng)絡(luò)架構(gòu)
| | ├──01 詞向量模型通俗解釋.mp4 17.35M
| | ├──02 模型整體框架.mp4 23.56M
| | ├──03 訓(xùn)練數(shù)據(jù)構(gòu)建.mp4 13.87M
| | ├──04 CBOW與Skip-gram模型.mp4 20.09M
| | ├──05 負(fù)采樣方案.mp4 24.16M
| | └──06 額外補(bǔ)充-RNN網(wǎng)絡(luò)模型解讀.mp4 21.07M
| └──17 醫(yī)學(xué)糖尿病數(shù)據(jù)命名實(shí)體識別
| | ├──01 數(shù)據(jù)與任務(wù)介紹.mp4 17.20M
| | ├──02 整體模型架構(gòu).mp4 12.01M
| | ├──03 數(shù)據(jù)-標(biāo)簽-語料庫處理.mp4 28.87M
| | ├──04 輸入樣本填充補(bǔ)齊.mp4 26.49M
| | ├──05 訓(xùn)練網(wǎng)絡(luò)模型.mp4 30.07M
| | └──06 醫(yī)療數(shù)據(jù)集（糖尿�。⿲�(shí)體識別.mp4 67.86M
├──21 深度學(xué)習(xí)模型部署與剪枝優(yōu)化實(shí)戰(zhàn)
| ├──01 AIoT人工智能物聯(lián)網(wǎng)之認(rèn)識 jetson nano
| | ├──01 jetson nano 硬件介紹.mp4 20.81M
| | ├──02 jetson nano 刷機(jī).mp4 15.98M
| | ├──03 jetson nano 系統(tǒng)安裝過程.mp4 89.80M
| | ├──04 感受nano的GPU算力.mp4 67.13M
| | └──05 安裝使用攝像頭csi usb.mp4 47.55M
| ├──02 AIoT人工智能物聯(lián)網(wǎng)之AI 實(shí)戰(zhàn)
| | ├──01 jetson-inference 入門.mp4 43.82M
| | ├──02 docker 的安裝使用.mp4 32.63M
| | ├──03 docker中運(yùn)行分類模型.mp4 141.33M
| | ├──04 訓(xùn)練自己的目標(biāo)檢測模型準(zhǔn)備.mp4 56.11M
| | ├──05 訓(xùn)練出自己目標(biāo)識別模型a.mp4 101.63M
| | ├──06 訓(xùn)練出自己目標(biāo)識別模型b.mp4 67.92M
| | └──07 轉(zhuǎn)換出onnx模型，并使用.mp4 437.20M
| ├──03 AIoT人工智能物聯(lián)網(wǎng)之NVIDIA TAO 實(shí)用級的訓(xùn)練神器
| | ├──01 NVIDIA TAO介紹和安裝.mp4 75.50M
| | ├──02 NVIDIA TAO數(shù)據(jù)準(zhǔn)備和環(huán)境設(shè)置.mp4 46.29M
| | ├──03 NVIDIA TAO數(shù)據(jù)轉(zhuǎn)換.mp4 146.44M
| | ├──04 NVIDIA TAO預(yù)訓(xùn)練模型和訓(xùn)練a.mp4 73.64M
| | ├──05 NVIDIA TAO預(yù)訓(xùn)練模型和訓(xùn)練b.mp4 13.54M
| | ├──06 NVIDIA TAO預(yù)訓(xùn)練模型和訓(xùn)練c…mp4 32.05M
| | └──07 TAO 剪枝在訓(xùn)練推理驗(yàn)證.mp4 143.98M
| ├──04 AIoT人工智能物聯(lián)網(wǎng)之deepstream
| | ├──01 deepstream 介紹安裝.mp4 79.02M
| | ├──02 deepstream HelloWorld.mp4 48.33M
| | ├──03 GStreamer RTP和RTSP1.mp4 85.35M
| | ├──04 GStreamer RTP和RTSP2.mp4 111.14M
| | ├──05 python實(shí)現(xiàn)RTP和RTSP.mp4 75.31M
| | ├──06 deepstream推理.mp4 111.37M
| | └──07 deepstream集成yolov4.mp4 108.50M
| ├──05 tensorRT視頻
| | ├──01 說在前面.mp4 27.33M
| | ├──01 源碼【內(nèi)有百度云地址，自取】.txt 0.15kb
| | ├──02 學(xué)習(xí)工具環(huán)境的介紹，自動環(huán)境配置.mp4 32.90M
| | ├──03 cuda驅(qū)動API，課程概述和清單.mp4 14.36M
| | ├──04 cuda驅(qū)動API，初始化和檢查的理解，CUDA錯誤檢查習(xí)慣.mp4 54.35M
| | ├──05 cuda驅(qū)動API，上下文管理設(shè)置，以及其作用.mp4 36.25M
| | ├──06 cuda驅(qū)動API，使用驅(qū)動API進(jìn)行內(nèi)存分配.mp4 16.28M
| | ├──07 cuda運(yùn)行時(shí)API，課程概述和清單.mp4 10.71M
| | ├──08 cuda運(yùn)行時(shí)API，第一個(gè)運(yùn)行時(shí)程序，hello-cuda.mp4 17.03M
| | ├──09 cuda運(yùn)行時(shí)API，內(nèi)存的學(xué)習(xí)，pinnedmemory，內(nèi)存效率問題.mp4 39.68M
| | ├──10 cuda運(yùn)行時(shí)API，流的學(xué)習(xí)，異步任務(wù)的管理.mp4 32.66M
| | ├──11 cuda運(yùn)行時(shí)API，核函數(shù)的定義和使用.mp4 115.38M
| | ├──12 cuda運(yùn)行時(shí)API，共享內(nèi)存的學(xué)習(xí).mp4 39.31M
| | ├──13 cuda運(yùn)行時(shí)API，使用cuda核函數(shù)加速warpaffine.mp4 45.74M
| | ├──14 cuda運(yùn)行時(shí)API，使用cuda核函數(shù)加速yolov5的后處理.mp4 122.11M
| | ├──15 cuda運(yùn)行時(shí)API，錯誤處理的理解以及錯誤的傳播特性.mp4 25.82M
| | ├──16 tensorRT基礎(chǔ)，課程概述清單.mp4 26.84M
| | ├──17 tensorRT基礎(chǔ)，第一個(gè)trt程序，實(shí)現(xiàn)模型編譯的過程.mp4 41.94M
| | ├──18 tensorRT基礎(chǔ)，實(shí)現(xiàn)模型的推理過程.mp4 40.09M
| | ├──19 tensorRT基礎(chǔ)，模型推理時(shí)動態(tài)shape的具體實(shí)現(xiàn)要點(diǎn).mp4 36.76M
| | ├──20 tensorRT基礎(chǔ)，onnx文件及其結(jié)構(gòu)的學(xué)習(xí)，編輯修改onnx.mkv.mp4 80.14M
| | ├──21 tensorRT基礎(chǔ)，實(shí)際模型上onnx文件的各種操作.mp4 227.02M
| | ├──22 tensorRT基礎(chǔ)，正確導(dǎo)出onnx的介紹，使得onnx問題盡量少.mp4 24.99M
| | ├──23 tensorRT基礎(chǔ)，學(xué)習(xí)使用onnx解析器來讀取onnx文件，使用onnx-tensorrt源代碼.mp4 89.32M
| | ├──24 tensorRT基礎(chǔ)，學(xué)習(xí)從下載onnx-tensorrt到配置好并運(yùn)行起來全過程.mp4 115.58M
| | ├──25 tensorRT基礎(chǔ)，學(xué)習(xí)第一個(gè)插件的編寫.mp4 141.19M
| | ├──26 tensorRT基礎(chǔ)，對插件過程進(jìn)行封裝，并實(shí)現(xiàn)更容易的插件開發(fā).mp4 80.33M
| | ├──27 tensorRT基礎(chǔ)，學(xué)習(xí)編譯int8模型，對模型進(jìn)行int8量化.mp4 118.23M
| | ├──28 tensorRT高級，課程概述和清單.mp4 32.30M
| | ├──29 tensorRT高級，第一個(gè)完整的分類器程序.mp4 82.97M
| | ├──30 tensorRT高級，學(xué)習(xí)yolov5目標(biāo)檢測項(xiàng)目的代碼修改、模型導(dǎo)出、編譯到推理過程，沒有封裝.mp4 144.19M
| | ├──31 tensorRT高級，學(xué)習(xí)UNet場景分割項(xiàng)目的代碼修改、模型導(dǎo)出、編譯到推理過程，沒有封裝.mp4 283.67M
| | ├──32 tensorRT高級，學(xué)習(xí)alphapose姿態(tài)檢測項(xiàng)目的代碼修改、模型導(dǎo)出、編譯到推理過程，沒有封裝.mp4 385.47M
| | ├──33 tensorRT高級，學(xué)習(xí)如何處理mmdetection框架下yolox模型的導(dǎo)出，并使得正常推理出來.mp4 303.16M
| | ├──34 tensorRT高級，學(xué)習(xí)如何使用onnxruntime進(jìn)行onnx的模型推理過程.mp4 63.09M
| | ├──35 tensorRT高級，學(xué)習(xí)如何使用openvino進(jìn)行onnx的模型推理過程.mp4 49.48M
| | ├──36 tensorRT高級，學(xué)習(xí)深度學(xué)習(xí)中涉及的線程知識.mp4 54.28M
| | ├──37 tensorRT高級，學(xué)習(xí)模型部署時(shí)常用的生產(chǎn)者消費(fèi)者模型，以及future、promise、condition_variable.mkv.mp4 137.02M
| | ├──38 tensorRT高級，學(xué)習(xí)使用RAII資源獲取即初始化配合接口模式對代碼進(jìn)行有效封裝.mp4 125.43M
| | ├──39 tensorRT高級，學(xué)習(xí)RAII 接口模式下的生產(chǎn)者消費(fèi)者以及多Batch的實(shí)現(xiàn).mp4 129.38M
| | ├──40 tensorRT高級，封裝之，模型編譯過程封裝，簡化模型編譯代碼.mp4 82.12M
| | ├──41 tensorRT高級，封裝之，內(nèi)存管理的封裝，內(nèi)存的復(fù)用.mp4 39.70M
| | ├──42 tensorRT高級，封裝之，tensor張量的封裝，索引計(jì)算，內(nèi)存標(biāo)記以及自動復(fù)制.mp4 118.52M
| | ├──43 tensorRT高級，封裝之，infer推理的封裝，輸入輸出tensor的關(guān)聯(lián).mp4 50.57M
| | ├──44 tensorRT高級，封裝之，基于生產(chǎn)者消費(fèi)者實(shí)現(xiàn)的yolov5封裝.mp4 80.52M
| | ├──45 tensorRT高級，封裝之，終極封裝形態(tài)，以及考慮的問題.mp4 234.61M
| | ├──46 tensorRT高級，調(diào)試方法、思想討論.mp4 87.74M
| | ├──47 tensorRT高級，自動駕駛案例項(xiàng)目self-driving-道路分割分析.mp4 173.54M
| | ├──48 tensorRT高級，自動駕駛案例項(xiàng)目self-driving-深度估計(jì)分析.mp4 99.56M
| | ├──49 tensorRT高級，自動駕駛案例項(xiàng)目self-driving-車道線檢測分析.mp4 239.73M
| | └──50 tensorRT高級，學(xué)習(xí)使用pybind11為python開發(fā)擴(kuò)展模塊.mp4 91.76M
| ├──06 pyTorch框架部署實(shí)踐
| | ├──01 所需基本環(huán)境配置.mp4 16.18M
| | ├──02 模型加載與數(shù)據(jù)預(yù)處理.mp4 28.03M
| | ├──03 接收與預(yù)測模塊實(shí)現(xiàn).mp4 28.56M
| | ├──04 效果實(shí)例演示.mp4 31.64M
| | ├──05 課程簡介.mp4 6.52M
| | └──05 源碼【內(nèi)有百度云地址，自取】.txt 0.15kb
| ├──07 YOLO-V3物體檢測部署實(shí)例
| | ├──01 項(xiàng)目所需配置文件介紹.mp4 18.87M
| | ├──02 加載參數(shù)與模型權(quán)重.mp4 26.94M
| | ├──03 數(shù)據(jù)預(yù)處理.mp4 40.31M
| | └──04 返回線性預(yù)測結(jié)果.mp4 32.56M
| ├──08 docker實(shí)例演示
| | ├──01 docker簡介.mp4 12.10M
| | ├──02 docker安裝與配置.mp4 36.85M
| | ├──03 阿里云鏡像配置.mp4 20.05M
| | ├──04 基于docker配置pytorch環(huán)境.mp4 28.38M
| | ├──05 安裝演示環(huán)境所需依賴.mp4 25.09M
| | ├──06 復(fù)制所需配置到容器中.mp4 21.71M
| | └──07 上傳與下載配置好的項(xiàng)目.mp4 36.18M
| ├──09 tensorflow-serving實(shí)戰(zhàn)
| | ├──01 tf-serving項(xiàng)目獲取與配置.mp4 23.18M
| | ├──02 加載并啟動模型服務(wù).mp4 23.11M
| | ├──03 測試模型部署效果.mp4 32.59M
| | ├──04 fashion數(shù)據(jù)集獲取.mp4 27.32M
| | └──05 加載fashion模型啟動服務(wù).mp4 28.19M
| ├──10 模型剪枝-Network Slimming算法分析
| | ├──01 論文算法核心框架概述.mp4 15.23M
| | ├──02 BatchNorm要解決的問題.mp4 15.14M
| | ├──03 BN的本質(zhì)作用.mp4 17.66M
| | ├──04 額外的訓(xùn)練參數(shù)解讀.mp4 16.14M
| | └──05 稀疏化原理與效果.mp4 19.08M
| ├──11 模型剪枝-Network Slimming實(shí)戰(zhàn)解讀
| | ├──01 整體案例流程解讀.mp4 25.37M
| | ├──02 加入L1正則化來進(jìn)行更新.mp4 20.52M
| | ├──03 剪枝模塊介紹.mp4 23.63M
| | ├──04 篩選需要的特征圖.mp4 27.92M
| | ├──05 剪枝后模型參數(shù)賦值.mp4 36.68M
| | └──06 微調(diào)完成剪枝模型.mp4 33.71M
| └──12 Mobilenet三代網(wǎng)絡(luò)模型架構(gòu)
| | ├──01 模型剪枝分析.mp4 17.36M
| | ├──02 常見剪枝方法介紹.mp4 19.86M
| | ├──03 mobilenet簡介.mp4 7.50M
| | ├──04 經(jīng)典卷積計(jì)算量與參數(shù)量分析.mp4 11.49M
| | ├──05 深度可分離卷積的作用與效果.mp4 12.73M
| | ├──06 參數(shù)與計(jì)算量的比較.mp4 31.97M
| | ├──07 V1版本效果分析.mp4 19.62M
| | ├──08 V2版本改進(jìn)以及Relu激活函數(shù)的問題.mp4 15.45M
| | ├──09 倒殘差結(jié)構(gòu)的作用.mp4 14.38M
| | ├──10 V2整體架構(gòu)與效果分析.mp4 8.36M
| | ├──11 V3版本網(wǎng)絡(luò)架構(gòu)分析.mp4 9.54M
| | ├──12 SE模塊作用與效果解讀.mp4 25.55M
| | └──13 代碼實(shí)現(xiàn)mobilenetV3網(wǎng)絡(luò)架構(gòu).mp4 46.99M
├──22 自然語言處理必備神器Huggingface系列實(shí)戰(zhàn)
| ├──01 Huggingface與NLP介紹解讀
| | └──01 Huggingface與NLP介紹解讀.mp4 133.48M
| ├──02 Transformer工具包基本操作實(shí)例解讀
| | ├──01 工具包與任務(wù)整體介紹.mp4 24.29M
| | ├──02 NLP任務(wù)常規(guī)流程分析.mp4 23.33M
| | ├──03 文本切分方法實(shí)例解讀.mp4 34.51M
| | ├──04 AttentionMask配套使用方法.mp4 32.73M
| | ├──05 數(shù)據(jù)集與模型.mp4 34.74M
| | ├──06 數(shù)據(jù)Dataloader封裝.mp4 45.42M
| | ├──07 模型訓(xùn)練所需配置參數(shù).mp4 32.04M
| | └──08 模型訓(xùn)練DEMO.mp4 51.52M
| ├──03 transformer原理解讀
| | └──01 transformer原理解讀.mp4 302.10M
| ├──04 BERT系列算法解讀
| | ├──01 BERT模型訓(xùn)練方法解讀.mp4 20.74M
| | ├──02 ALBERT基本定義.mp4 31.81M
| | ├──03 ALBERT中的簡化方法解讀.mp4 36.68M
| | ├──04 RoBerta模型訓(xùn)練方法解讀.mp4 22.64M
| | └──05 DistilBert模型解讀.mp4 13.96M
| ├──05 文本標(biāo)注工具與NER實(shí)例
| | ├──01 文本標(biāo)注工具Doccano配置方法.mp4 27.62M
| | ├──02 命名實(shí)體識別任務(wù)標(biāo)注方法實(shí)例.mp4 29.96M
| | ├──03 標(biāo)注導(dǎo)出與BIO處理.mp4 30.65M
| | ├──04 標(biāo)簽處理并完成對齊操作.mp4 32.65M
| | ├──05 預(yù)訓(xùn)練模型加載與參數(shù)配置.mp4 34.16M
| | └──06 模型訓(xùn)練與輸出結(jié)果預(yù)測.mp4 35.57M
| ├──06 文本預(yù)訓(xùn)練模型構(gòu)建實(shí)例
| | ├──01 預(yù)訓(xùn)練模型效果分析.mp4 27.07M
| | ├──02 文本數(shù)據(jù)截?cái)嗵幚?mp4 38.11M
| | └──03 預(yù)訓(xùn)練模型自定義訓(xùn)練.mp4 83.34M
| ├──07 GPT系列算法
| | ├──01 GPT系列算法概述.mp4 21.79M
| | ├──02 GPT三代版本分析.mp4 25.04M
| | ├──03 GPT初代版本要解決的問題.mp4 26.61M
| | ├──04 GPT第二代版本訓(xùn)練策略.mp4 22.53M
| | ├──05 采樣策略與多樣性.mp4 22.14M
| | ├──06 GPT3的提示與生成方法.mp4 58.77M
| | ├──07 應(yīng)用場景CODEX分析.mp4 31.10M
| | └──08 DEMO應(yīng)用演示.mp4 72.71M
| ├──08 GPT訓(xùn)練與預(yù)測部署流程
| | ├──01 生成模型可以完成的任務(wù)概述.mp4 23.08M
| | ├──01 源碼【內(nèi)有百度云地址，自取】.txt 0.15kb
| | ├──02 數(shù)據(jù)樣本生成方法.mp4 53.49M
| | ├──03 訓(xùn)練所需參數(shù)解讀.mp4 46.11M
| | ├──04 模型訓(xùn)練過程.mp4 41.37M
| | └──05 部署與網(wǎng)頁預(yù)測展示.mp4 62.77M
| ├──09 文本摘要建模
| | ├──01 源碼【內(nèi)有百度云地址，自取】.txt 0.15kb
| | ├──01 中文商城評價(jià)數(shù)據(jù)處理方法.mp4 53.68M
| | ├──02 模型訓(xùn)練與測試結(jié)果.mp4 83.03M
| | ├──03 文本摘要數(shù)據(jù)標(biāo)注方法.mp4 44.44M
| | └──04 訓(xùn)練自己標(biāo)注的數(shù)據(jù)并測試.mp4 22.74M
| ├──10 圖譜知識抽取實(shí)戰(zhàn)
| | ├──01 應(yīng)用場景概述分析.mp4 66.44M
| | ├──02 數(shù)據(jù)標(biāo)注格式樣例分析.mp4 51.34M
| | ├──03 數(shù)據(jù)處理與讀取模塊.mp4 31.60M
| | ├──04 實(shí)體抽取模塊分析.mp4 37.15M
| | ├──05 標(biāo)簽與數(shù)據(jù)結(jié)構(gòu)定義方法.mp4 39.88M
| | ├──06 模型構(gòu)建與計(jì)算流程.mp4 35.86M
| | ├──07 網(wǎng)絡(luò)模型前向計(jì)算方法.mp4 26.17M
| | └──08 關(guān)系抽取模型訓(xùn)練.mp4 33.54M
| └──11 補(bǔ)充Huggingface數(shù)據(jù)集制作方法實(shí)例
| | ├──01 數(shù)據(jù)結(jié)構(gòu)分析.mp4 46.24M
| | ├──02 Huggingface中的預(yù)處理實(shí)例.mp4 67.44M
| | └──03 數(shù)據(jù)處理基本流程.mp4 62.46M
├──23 自然語言處理通用框架-BERT實(shí)戰(zhàn)
| ├──01 自然語言處理通用框架BERT原理解讀
| | ├──01 BERT課程簡介.mp4 21.52M
| | ├──02 BERT任務(wù)目標(biāo)概述.mp4 10.07M
| | ├──03 傳統(tǒng)解決方案遇到的問題.mp4 19.87M
| | ├──04 注意力機(jī)制的作用.mp4 13.08M
| | ├──05 self-attention計(jì)算方法.mp4 21.40M
| | ├──06 特征分配與softmax機(jī)制.mp4 18.48M
| | ├──07 Multi-head的作用.mp4 16.99M
| | ├──08 位置編碼與多層堆疊.mp4 14.54M
| | ├──09 transformer整體架構(gòu)梳理.mp4 20.18M
| | ├──10 BERT模型訓(xùn)練方法.mp4 17.75M
| | └──11 訓(xùn)練實(shí)例.mp4 19.42M
| ├──02 谷歌開源項(xiàng)目BERT源碼解讀與應(yīng)用實(shí)例
| | ├──01 BERT開源項(xiàng)目簡介.mp4 33.51M
| | ├──02 項(xiàng)目參數(shù)配置.mp4 74.98M
| | ├──03 數(shù)據(jù)讀取模塊.mp4 39.33M
| | ├──04 數(shù)據(jù)預(yù)處理模塊.mp4 29.63M
| | ├──05 tfrecord數(shù)據(jù)源制作.mp4 37.70M
| | ├──06 Embedding層的作用.mp4 22.79M
| | ├──07 加入額外編碼特征.mp4 31.47M
| | ├──08 加入位置編碼特征.mp4 17.18M
| | ├──09 mask機(jī)制的作用.mp4 26.76M
| | ├──10 構(gòu)建QKV矩陣.mp4 38.19M
| | ├──11 完成Transformer模塊構(gòu)建.mp4 30.38M
| | └──12 訓(xùn)練BERT模型.mp4 40.90M
| ├──03 項(xiàng)目實(shí)戰(zhàn)-基于BERT的中文情感分析實(shí)戰(zhàn)
| | ├──01 中文分類數(shù)據(jù)與任務(wù)概述.mp4 47.89M
| | ├──02 讀取處理自己的數(shù)據(jù)集.mp4 40.67M
| | └──03 訓(xùn)練BERT中文分類模型.mp4 51.06M
| ├──04 項(xiàng)目實(shí)戰(zhàn)-基于BERT的中文命名實(shí)體識別識別實(shí)戰(zhàn)
| | ├──01 命名實(shí)體識別數(shù)據(jù)分析與任務(wù)目標(biāo).mp4 25.14M
| | ├──02 NER標(biāo)注數(shù)據(jù)處理與讀取.mp4 51.73M
| | └──03 構(gòu)建BERT與CRF模型.mp4 48.68M
| ├──05 必備基礎(chǔ)知識點(diǎn)-woed2vec模型通俗解讀
| | ├──01 詞向量模型通俗解釋.mp4 17.35M
| | ├──02 模型整體框架.mp4 23.56M
| | ├──03 訓(xùn)練數(shù)據(jù)構(gòu)建.mp4 13.87M
| | ├──04 CBOW與Skip-gram模型.mp4 20.09M
| | └──05 負(fù)采樣方案.mp4 24.16M
| ├──06 必備基礎(chǔ)-掌握Tensorflow如何實(shí)現(xiàn)word2vec模型
| | ├──01 數(shù)據(jù)與任務(wù)流程.mp4 36.56M
| | ├──02 數(shù)據(jù)清洗.mp4 21.20M
| | ├──03 batch數(shù)據(jù)制作.mp4 38.00M
| | ├──04 網(wǎng)絡(luò)訓(xùn)練.mp4 37.77M
| | └──05 可視化展示.mp4 30.99M
| ├──07 必備基礎(chǔ)知識點(diǎn)-RNN網(wǎng)絡(luò)架構(gòu)與情感分析應(yīng)用實(shí)例
| | ├──01 RNN網(wǎng)絡(luò)模型解讀.mp4 21.07M
| | ├──02 NLP應(yīng)用領(lǐng)域與任務(wù)簡介.mp4 27.14M
| | ├──03 項(xiàng)目流程解讀.mp4 34.00M
| | ├──04 加載詞向量特征.mp4 24.99M
| | ├──05 正負(fù)樣本數(shù)據(jù)讀取.mp4 30.75M
| | ├──06 構(gòu)建LSTM網(wǎng)絡(luò)模型.mp4 37.00M
| | ├──07 訓(xùn)練與測試效果.mp4 71.00M
| | └──08 LSTM情感分析.mp4 460.22M
| └──08 醫(yī)學(xué)糖尿病數(shù)據(jù)命名實(shí)體識別
| | ├──01 數(shù)據(jù)與任務(wù)介紹.mp4 17.20M
| | ├──02 整體模型架構(gòu).mp4 12.01M
| | ├──03 數(shù)據(jù)-標(biāo)簽-語料庫處理.mp4 28.87M
| | ├──04 訓(xùn)練網(wǎng)絡(luò)模型.mp4 30.07M
| | ├──05 醫(yī)療數(shù)據(jù)集（糖尿�。⿲�(shí)體識別.mp4 67.86M
| | └──06 輸入樣本填充補(bǔ)齊.mp4 26.49M
├──24 自然語言處理經(jīng)典案例實(shí)戰(zhàn)
| ├──01 NLP常用工具包實(shí)戰(zhàn)
| | ├──01 Python字符串處理.mp4 32.37M
| | ├──02 正則表達(dá)式基本語法.mp4 26.35M
| | ├──03 正則常用符號.mp4 30.75M
| | ├──04 常用函數(shù)介紹.mp4 31.77M
| | ├──05 NLTK工具包簡介.mp4 24.55M
| | ├──06 停用詞過濾.mp4 22.15M
| | ├──07 詞性標(biāo)注.mp4 28.94M
| | ├──08 數(shù)據(jù)清洗實(shí)例.mp4 36.17M
| | ├──09 Spacy工具包.mp4 36.94M
| | ├──10 名字實(shí)體匹配.mp4 17.57M
| | ├──11 恐怖襲擊分析.mp4 33.51M
| | ├──12 統(tǒng)計(jì)分析結(jié)果.mp4 38.11M
| | ├──13 結(jié)巴分詞器.mp4 22.94M
| | └──14 詞云展示.mp4 72.83M
| ├──02 商品信息可視化與文本分析
| | ├──01 在線商城商品數(shù)據(jù)信息概述.mp4 27.30M
| | ├──02 商品類別劃分方式.mp4 30.37M
| | ├──03 商品類別可視化展示.mp4 33.33M
| | ├──04 商品描述長度對價(jià)格的影響分析.mp4 27.75M
| | ├──05 關(guān)鍵詞的詞云可視化展示.mp4 45.17M
| | ├──06 基于tf-idf提取關(guān)鍵詞信息.mp4 27.51M
| | ├──07 通過降維進(jìn)行可視化展示.mp4 30.91M
| | └──08 聚類分析與主題模型展示.mp4 48.53M
| ├──03 貝葉斯算法
| | ├──01 貝葉斯算法概述.mp4 10.25M
| | ├──02 貝葉斯推導(dǎo)實(shí)例.mp4 11.08M
| | ├──03 貝葉斯拼寫糾錯實(shí)例.mp4 17.59M
| | ├──04 垃圾郵件過濾實(shí)例.mp4 21.06M
| | └──05 貝葉斯實(shí)現(xiàn)拼寫檢查器.mp4 33.53M
| ├──04 新聞分類任務(wù)實(shí)戰(zhàn)
| | ├──01 文本分析與關(guān)鍵詞提取.mp4 18.04M
| | ├──02 相似度計(jì)算.mp4 17.52M
| | ├──03 新聞數(shù)據(jù)與任務(wù)簡介.mp4 30.55M
| | ├──04 TF-IDF關(guān)鍵詞提取.mp4 44.00M
| | ├──05 LDA建模.mp4 26.19M
| | └──06 基于貝葉斯算法進(jìn)行新聞分類.mp4 46.68M
| ├──05 HMM隱馬爾科夫模型
| | ├──01 馬爾科夫模型.mp4 14.24M
| | ├──02 隱馬爾科夫模型基本出發(fā)點(diǎn).mp4 15.04M
| | ├──03 組成與要解決的問題.mp4 12.09M
| | ├──04 暴力求解方法.mp4 21.01M
| | ├──05 復(fù)雜度計(jì)算.mp4 12.42M
| | ├──06 前向算法.mp4 28.20M
| | ├──07 前向算法求解實(shí)例.mp4 27.10M
| | ├──08 Baum-Welch算法.mp4 20.75M
| | ├──09 參數(shù)求解.mp4 13.68M
| | └──10 維特比算法.mp4 34.24M
| ├──06 HMM工具包實(shí)戰(zhàn)
| | ├──01 hmmlearn工具包.mp4 16.18M
| | ├──02 工具包使用方法.mp4 48.00M
| | ├──03 中文分詞任務(wù).mp4 11.17M
| | └──04 實(shí)現(xiàn)中文分詞.mp4 27.67M
| ├──07 語言模型
| | ├──01 開篇.mp4 7.56M
| | ├──02 語言模型.mp4 8.32M
| | ├──03 N-gram模型.mp4 12.62M
| | ├──04 詞向量.mp4 12.59M
| | ├──05 神經(jīng)網(wǎng)絡(luò)模型.mp4 14.99M
| | ├──06 Hierarchical Softmax.mp4 14.52M
| | ├──07 CBOW模型實(shí)例.mp4 17.33M
| | ├──08 CBOW求解目標(biāo).mp4 8.19M
| | ├──09 銻度上升求解.mp4 15.55M
| | └──10 負(fù)采樣模型.mp4 9.77M
| ├──08 使用Gemsim構(gòu)建詞向量
| | ├──01 使用Gensim庫構(gòu)造詞向量.mp4 14.84M
| | ├──02 維基百科中文數(shù)據(jù)處理.mp4 34.30M
| | ├──03 Gensim構(gòu)造word2vec模型.mp4 19.14M
| | └──04 測試模型相似度結(jié)果.mp4 17.74M
| ├──09 基于word2vec的分類任務(wù)
| | ├──01 影評情感分類.mp4 43.97M
| | ├──02 基于詞袋模型訓(xùn)練分類器.mp4 26.80M
| | ├──03 準(zhǔn)備word2vec輸入數(shù)據(jù).mp4 23.41M
| | └──04 使用gensim構(gòu)建word2vec詞向量（新）.mp4 54.57M
| ├──10 NLP-文本特征方法對比
| | ├──01 任務(wù)概述.mp4 30.59M
| | ├──02 詞袋模型.mp4 23.16M
| | ├──03 詞袋模型分析.mp4 53.16M
| | ├──04 TFIDF模型.mp4 35.60M
| | ├──05 word2vec詞向量模型.mp4 40.89M
| | └──06 深度學(xué)習(xí)模型.mp4 31.08M
| ├──11 NLP-相似度模型
| | ├──01 任務(wù)概述.mp4 10.63M
| | ├──02 數(shù)據(jù)展示.mp4 17.04M
| | ├──03 正負(fù)樣本制作.mp4 28.70M
| | ├──04 數(shù)據(jù)預(yù)處理.mp4 29.06M
| | ├──05 網(wǎng)絡(luò)模型定義.mp4 39.19M
| | ├──06 基于字符的訓(xùn)練.mp4 40.91M
| | └──07 基于句子的相似度訓(xùn)練.mp4 29.17M
| ├──12 LSTM情感分析
| | ├──01 RNN網(wǎng)絡(luò)架構(gòu).mp4 18.03M
| | ├──02 LSTM網(wǎng)絡(luò)架構(gòu).mp4 16.63M
| | ├──03 案例：使用LSTM進(jìn)行情感分類.mp4 28.36M
| | ├──04 情感數(shù)據(jù)集處理.mp4 32.21M
| | └──05 基于word2vec的LSTM模型.mp4 47.23M
| ├──13 機(jī)器人寫唐詩
| | ├──01 任務(wù)概述與環(huán)境配置.mp4 11.24M
| | ├──02 參數(shù)配置.mp4 20.54M
| | ├──03 數(shù)據(jù)預(yù)處理模塊.mp4 31.88M
| | ├──04 batch數(shù)據(jù)制作.mp4 25.87M
| | ├──05 RNN模型定義.mp4 16.59M
| | ├──06 完成訓(xùn)練模塊.mp4 25.30M
| | ├──07 訓(xùn)練唐詩生成模型.mp4 10.34M
| | └──08 測試唐詩生成效果.mp4 19.61M
| └──14 對話機(jī)器人
| | ├──01 效果演示.mp4 24.19M
| | ├──02 參數(shù)配置與數(shù)據(jù)加載.mp4 37.63M
| | ├──03 數(shù)據(jù)處理.mp4 31.80M
| | ├──04 詞向量與投影.mp4 29.20M
| | ├──05 seq網(wǎng)絡(luò).mp4 23.66M
| | └──06 網(wǎng)絡(luò)訓(xùn)練.mp4 28.47M
├──25 知識圖譜實(shí)戰(zhàn)系列
| ├──01 知識圖譜介紹及其應(yīng)用領(lǐng)域分析
| | ├──01 知識圖譜通俗解讀.mp4 16.22M
| | ├──02 知識圖譜在搜索引擎中的應(yīng)用.mp4 20.74M
| | ├──03 知識圖譜在醫(yī)療領(lǐng)域應(yīng)用實(shí)例.mp4 65.42M
| | ├──04 金融與推薦領(lǐng)域的應(yīng)用.mp4 17.14M
| | └──05 數(shù)據(jù)獲取分析.mp4 27.15M
| ├──02 知識圖譜涉及技術(shù)點(diǎn)分析
| | ├──01 數(shù)據(jù)關(guān)系抽取分析.mp4 21.29M
| | ├──02 常用NLP技術(shù)點(diǎn)分析.mp4 18.19M
| | ├──03 graph-embedding的作用與效果.mp4 21.37M
| | ├──04 金融領(lǐng)域圖編碼實(shí)例.mp4 10.14M
| | ├──05 視覺領(lǐng)域圖編碼實(shí)例.mp4 17.11M
| | └──06 圖譜知識融合與總結(jié)分析.mp4 19.22M
| ├──03 Neo4j數(shù)據(jù)庫實(shí)戰(zhàn)
| | ├──01 Neo4j圖數(shù)據(jù)庫介紹.mp4 36.74M
| | ├──02 Neo4j數(shù)據(jù)庫安裝流程演示.mp4 21.06M
| | ├──03 可視化例子演示.mp4 33.63M
| | ├──04 創(chuàng)建與刪除操作演示.mp4 20.27M
| | └──05 數(shù)據(jù)庫更改查詢操作演示.mp4 21.39M
| ├──04 使用python操作neo4j實(shí)例
| | ├──01 使用Py2neo建立連接.mp4 31.34M
| | ├──02 提取所需的指標(biāo)信息.mp4 35.67M
| | ├──03 在圖中創(chuàng)建實(shí)體.mp4 30.47M
| | └──04 根據(jù)給定實(shí)體創(chuàng)建關(guān)系.mp4 36.16M
| ├──05 基于知識圖譜的醫(yī)藥問答系統(tǒng)實(shí)戰(zhàn)
| | ├──01 項(xiàng)目概述與整體架構(gòu)分析.mp4 25.48M
| | ├──02 醫(yī)療數(shù)據(jù)介紹及其各字段含義.mp4 85.49M
| | ├──03 任務(wù)流程概述.mp4 24.82M
| | ├──04 環(huán)境配置與所需工具包安裝.mp4 24.22M
| | ├──05 提取數(shù)據(jù)中的關(guān)鍵字段信息.mp4 43.55M
| | ├──06 創(chuàng)建關(guān)系邊.mp4 28.69M
| | ├──07 打造醫(yī)療知識圖譜模型.mp4 41.80M
| | ├──08 加載所有實(shí)體數(shù)據(jù).mp4 27.31M
| | ├──09 實(shí)體關(guān)鍵詞字典制作.mp4 24.13M
| | └──10 完成對話系統(tǒng)構(gòu)建.mp4 28.64M
| ├──06 文本關(guān)系抽取實(shí)踐
| | ├──01 關(guān)系抽取要完成的任務(wù)演示與分析.mp4 13.79M
| | ├──02 LTP工具包概述介紹.mp4 35.51M
| | ├──03 pyltp安裝與流程演示.mp4 30.12M
| | ├──04 得到分詞與詞性標(biāo)注結(jié)果.mp4 33.36M
| | ├──05 依存句法概述.mp4 22.06M
| | ├──06 句法分析結(jié)果整理.mp4 28.07M
| | ├──07 語義角色構(gòu)建與分析.mp4 39.63M
| | └──08 設(shè)計(jì)規(guī)則完成關(guān)系抽取.mp4 38.22M
| ├──07 金融平臺風(fēng)控模型實(shí)踐
| | ├──01 競賽任務(wù)目標(biāo).mp4 18.71M
| | ├──02 圖模型信息提取.mp4 23.50M
| | ├──03 節(jié)點(diǎn)權(quán)重特征提取(PageRank).mp4 28.38M
| | ├──04 deepwalk構(gòu)建圖頂點(diǎn)特征.mp4 42.21M
| | ├──05 各項(xiàng)統(tǒng)計(jì)特征.mp4 40.57M
| | ├──06 app安裝特征.mp4 33.72M
| | └──07 圖中聯(lián)系人特征.mp4 55.96M
| └──08 醫(yī)學(xué)糖尿病數(shù)據(jù)命名實(shí)體識別
| | ├──01 數(shù)據(jù)與任務(wù)介紹.mp4 17.20M
| | ├──02 整體模型架構(gòu).mp4 12.01M
| | ├──03 數(shù)據(jù)-標(biāo)簽-語料庫處理.mp4 28.87M
| | ├──04 輸入樣本填充補(bǔ)齊.mp4 26.49M
| | ├──05 訓(xùn)練網(wǎng)絡(luò)模型.mp4 30.07M
| | └──06 醫(yī)療數(shù)據(jù)集（糖尿�。⿲�(shí)體識別.mp4 67.86M
├──26 語音識別實(shí)戰(zhàn)系列
| ├──01 seq2seq序列網(wǎng)絡(luò)模型
| | ├──01 序列網(wǎng)絡(luò)模型概述分析.mp4 15.34M
| | ├──02 工作原理概述.mp4 7.46M
| | ├──03 注意力機(jī)制的作用.mp4 12.53M
| | ├──04 加入attention的序列模型整體架構(gòu).mp4 17.98M
| | ├──05 TeacherForcing的作用與訓(xùn)練策略.mp4 13.91M
| | └──06 額外補(bǔ)充-RNN網(wǎng)絡(luò)模型解讀.mp4 21.07M
| ├──02 LAS模型語音識別實(shí)戰(zhàn)
| | ├──01 數(shù)據(jù)源與環(huán)境配置.mp4 23.58M
| | ├──02 語料表制作方法.mp4 18.49M
| | ├──03 制作json標(biāo)注數(shù)據(jù).mp4 28.74M
| | ├──04 聲音數(shù)據(jù)處理模塊解讀.mp4 43.66M
| | ├──05 Pack與Pad操作解析.mp4 26.11M
| | ├──06 編碼器模塊整體流程.mp4 22.30M
| | ├──07 加入注意力機(jī)制.mp4 24.02M
| | ├──08 計(jì)算得到每個(gè)輸出的attention得分.mp4 26.53M
| | └──09 解碼器與訓(xùn)練過程演示.mp4 31.69M
| ├──03 starganvc2變聲器論文原理解讀
| | ├──01 論文整體思路與架構(gòu)解讀.mp4 29.63M
| | ├──02 VCC2016輸入數(shù)據(jù).mp4 15.84M
| | ├──03 語音特征提取.mp4 24.20M
| | ├──04 生成器模型架構(gòu)分析.mp4 11.70M
| | ├──05 InstanceNorm的作用解讀.mp4 15.20M
| | ├──06 AdaIn的目的與效果.mp4 11.12M
| | └──07 判別器模塊分析.mp4 86.72M
| ├──04 staeganvc2變聲器源碼實(shí)戰(zhàn)
| | ├──01 數(shù)據(jù)與項(xiàng)目文件解讀.mp4 16.60M
| | ├──02 環(huán)境配置與工具包安裝.mp4 30.25M
| | ├──03 數(shù)據(jù)預(yù)處理與聲音特征提取.mp4 61.10M
| | ├──04 生成器構(gòu)造模塊解讀.mp4 29.54M
| | ├──05 下采樣與上采樣操作.mp4 24.50M
| | ├──06 starganvc2版本標(biāo)簽輸入分析.mp4 37.38M
| | ├──07 生成器前向傳播維度變化.mp4 19.33M
| | ├──08 判別器模塊解讀.mp4 24.21M
| | ├──09 論文損失函數(shù).mp4 87.19M
| | ├──10 源碼損失計(jì)算流程.mp4 27.61M
| | └──11 測試模塊-生成轉(zhuǎn)換語音.mp4 36.03M
| ├──05 語音分離ConvTasnet模型
| | ├──01 語音分離任務(wù)分析.mp4 7.24M
| | ├──02 經(jīng)典語音分離模型概述.mp4 14.87M
| | ├──03 DeepClustering論文解讀.mp4 12.75M
| | ├──04 TasNet編碼器結(jié)構(gòu)分析.mp4 32.49M
| | ├──05 DW卷積的作用與效果.mp4 8.85M
| | └──06 基于Mask得到分離結(jié)果.mp4 14.07M
| ├──06 ConvTasnet語音分離實(shí)戰(zhàn)
| | ├──01 數(shù)據(jù)準(zhǔn)備與環(huán)境配置.mp4 56.94M
| | ├──02 訓(xùn)練任務(wù)所需參數(shù)介紹.mp4 20.58M
| | ├──03 DataLoader定義.mp4 25.84M
| | ├──04 采樣數(shù)據(jù)特征編碼.mp4 28.11M
| | ├──05 編碼器特征提取.mp4 40.11M
| | ├──06 構(gòu)建更大的感受區(qū)域.mp4 37.05M
| | ├──07 解碼得到分離后的語音.mp4 35.34M
| | └──08 測試模塊所需參數(shù).mp4 32.68M
| └──07 語音合成tacotron最新版實(shí)戰(zhàn)
| | ├──01 語音合成項(xiàng)目所需環(huán)境配置.mp4 34.63M
| | ├──02 所需數(shù)據(jù)集介紹.mp4 32.54M
| | ├──03 路徑配置與整體流程解讀.mp4 46.09M
| | ├──04 Dataloader構(gòu)建數(shù)據(jù)與標(biāo)簽.mp4 52.87M
| | ├──05 編碼層要完成的任務(wù).mp4 33.31M
| | ├──06 得到編碼特征向量.mp4 20.52M
| | ├──07 解碼器輸入準(zhǔn)備.mp4 24.82M
| | ├──08 解碼器流程梳理.mp4 30.59M
| | ├──09 注意力機(jī)制應(yīng)用方法.mp4 37.22M
| | ├──10 得到加權(quán)的編碼向量.mp4 38.04M
| | ├──11 模型輸出結(jié)果.mp4 39.77M
| | └──12 損失函數(shù)與預(yù)測.mp4 34.73M
├──27 推薦系統(tǒng)實(shí)戰(zhàn)系列
| ├──01 推薦系統(tǒng)介紹及其應(yīng)用
| | ├──01 1-推薦系統(tǒng)通俗解讀.mp4 14.57M
| | ├──02 2-推薦系統(tǒng)發(fā)展簡介.mp4 19.20M
| | ├──03 3-應(yīng)用領(lǐng)域與多方位評估指標(biāo).mp4 20.15M
| | ├──04 4-任務(wù)流程與挑戰(zhàn)概述.mp4 21.92M
| | ├──05 5-常用技術(shù)點(diǎn)分析.mp4 13.75M
| | └──06 6-與深度學(xué)習(xí)的結(jié)合.mp4 19.13M
| ├──02 協(xié)同過濾與矩陣分解
| | ├──01 1-協(xié)同過濾與矩陣分解簡介.mp4 8.91M
| | ├──02 2-基于用戶與商品的協(xié)同過濾.mp4 15.68M
| | ├──03 3-相似度計(jì)算與推薦實(shí)例.mp4 12.15M
| | ├──04 4-矩陣分解的目的與效果.mp4 17.31M
| | ├──05 5-矩陣分解中的隱向量.mp4 20.12M
| | ├──06 6-目標(biāo)函數(shù)簡介.mp4 10.78M
| | ├──07 7-隱式情況分析.mp4 11.62M
| | └──08 8-Embedding的作用.mp4 8.91M
| ├──03 音樂推薦系統(tǒng)實(shí)戰(zhàn)
| | ├──01 1-音樂推薦任務(wù)概述.mp4 55.21M
| | ├──02 2-數(shù)據(jù)集整合.mp4 42.93M
| | ├──03 3-基于物品的協(xié)同過濾.mp4 48.36M
| | ├──04 4-物品相似度計(jì)算與推薦.mp4 52.54M
| | ├──05 5-SVD矩陣分解.mp4 24.91M
| | └──06 6-基于矩陣分解的音樂推薦.mp4 64.02M
| ├──04 知識圖譜與Neo4j數(shù)據(jù)庫實(shí)例
| | ├──01 1-知識圖譜通俗解讀.mp4 16.22M
| | ├──02 2-知識圖譜在搜索引擎中的應(yīng)用.mp4 20.74M
| | ├──03 3-知識圖譜在醫(yī)療領(lǐng)域應(yīng)用實(shí)例.mp4 65.42M
| | ├──04 4-金融與推薦領(lǐng)域的應(yīng)用.mp4 17.14M
| | ├──05 5-數(shù)據(jù)獲取分析.mp4 27.15M
| | ├──06 1-Neo4j圖數(shù)據(jù)庫介紹.mp4 36.74M
| | ├──07 2-Neo4j數(shù)據(jù)庫安裝流程演示.mp4 21.06M
| | ├──08 3-可視化例子演示.mp4 33.63M
| | ├──09 4-創(chuàng)建與刪除操作演示.mp4 20.27M
| | └──10 5-數(shù)據(jù)庫更改查詢操作演示.mp4 21.39M
| ├──05 基于知識圖譜的電影推薦實(shí)戰(zhàn)
| | ├──01 1-知識圖譜推薦系統(tǒng)效果演示.mp4 17.11M
| | ├──02 2-kaggle電影數(shù)據(jù)集下載與配置.mp4 47.01M
| | ├──03 3-圖譜需求與任務(wù)流程解讀.mp4 19.95M
| | ├──04 4-項(xiàng)目所需環(huán)境配置安裝.mp4 35.79M
| | ├──05 5-構(gòu)建用戶電影知識圖譜.mp4 43.41M
| | ├──06 6-圖譜查詢與匹配操作.mp4 14.77M
| | └──07 7-相似度計(jì)算與推薦引擎構(gòu)建.mp4 28.40M
| ├──06 點(diǎn)擊率估計(jì)FM與DeepFM算法
| | ├──01 1-CTR估計(jì)及其經(jīng)典方法概述.mp4 16.87M
| | ├──02 2-高維特征帶來的問題.mp4 9.88M
| | ├──03 3-二項(xiàng)式特征的作用與挑戰(zhàn).mp4 10.04M
| | ├──04 4-二階公式推導(dǎo)與化簡.mp4 17.27M
| | ├──05 5-FM算法解析.mp4 16.30M
| | ├──06 6-DeepFm整體架構(gòu)解讀.mp4 12.37M
| | ├──07 7-輸入層所需數(shù)據(jù)樣例.mp4 10.97M
| | └──08 8-Embedding層的作用與總結(jié).mp4 17.03M
| ├──07 DeepFM算法實(shí)戰(zhàn)
| | ├──01 1-數(shù)據(jù)集介紹與環(huán)境配置.mp4 41.04M
| | ├──02 2-廣告點(diǎn)擊數(shù)據(jù)預(yù)處理實(shí)例.mp4 36.84M
| | ├──03 3-數(shù)據(jù)處理模塊Embedding層.mp4 24.60M
| | ├──04 4-Index與Value數(shù)據(jù)制作.mp4 20.81M
| | ├──05 5-一階權(quán)重參數(shù)設(shè)計(jì).mp4 23.78M
| | ├──06 6-二階特征構(gòu)建方法.mp4 20.89M
| | ├──07 7-特征組合方法實(shí)例分析.mp4 31.05M
| | ├──08 8-完成FM模塊計(jì)算.mp4 15.58M
| | └──09 9-DNN模塊與訓(xùn)練過程.mp4 28.36M
| ├──08 推薦系統(tǒng)常用工具包演示
| | ├──01 1-環(huán)境配置與數(shù)據(jù)集介紹.mp4 24.93M
| | ├──02 2-電影數(shù)據(jù)集預(yù)處理分析.mp4 27.96M
| | ├──03 3-surprise工具包基本使用.mp4 27.38M
| | ├──04 4-模型測試集結(jié)果.mp4 25.08M
| | └──05 5-評估指標(biāo)概述.mp4 46.54M
| ├──09 基于文本數(shù)據(jù)的推薦實(shí)例
| | ├──01 1-數(shù)據(jù)與環(huán)境配置介紹.mp4 13.11M
| | ├──02 2-數(shù)據(jù)科學(xué)相關(guān)數(shù)據(jù)介紹.mp4 24.27M
| | ├──03 3-文本數(shù)據(jù)預(yù)處理.mp4 29.03M
| | ├──04 4-TFIDF構(gòu)建特征矩陣.mp4 22.21M
| | ├──05 5-矩陣分解演示.mp4 21.76M
| | ├──06 6-LDA主題模型效果演示.mp4 38.49M
| | └──07 7-推薦結(jié)果分析.mp4 34.39M
| ├──10 基本統(tǒng)計(jì)分析的電影推薦
| | ├──01 1-電影數(shù)據(jù)與環(huán)境配置.mp4 52.40M
| | ├──02 2-數(shù)據(jù)與關(guān)鍵詞信息展示.mp4 44.80M
| | ├──03 3-關(guān)鍵詞云與直方圖展示.mp4 42.14M
| | ├──04 4-特征可視化.mp4 33.14M
| | ├──05 5-數(shù)據(jù)清洗概述.mp4 49.36M
| | ├──06 6-缺失值填充方法.mp4 33.95M
| | ├──07 7-推薦引擎構(gòu)造.mp4 36.10M
| | ├──08 8-數(shù)據(jù)特征構(gòu)造.mp4 26.41M
| | └──09 9-得出推薦結(jié)果.mp4 37.26M
| └──11 補(bǔ)充-基于相似度的酒店推薦系統(tǒng)
| | ├──01 1-酒店數(shù)據(jù)與任務(wù)介紹.mp4 18.11M
| | ├──02 2-文本詞頻統(tǒng)計(jì).mp4 25.41M
| | ├──03 3-ngram結(jié)果可視化展示.mp4 41.40M
| | ├──04 4-文本清洗.mp4 27.26M
| | ├──05 5-相似度計(jì)算.mp4 37.08M
| | └──06 6-得出推薦結(jié)果.mp4 44.93M
├──28 AI課程所需安裝軟件教程
| └──01 AI課程所需安裝軟件教程
| | └──01 AI課程所需安裝軟件教程.mp4 15.42M
└──29 額外補(bǔ)充
| └──01 通用創(chuàng)新點(diǎn)
| | ├──01 ACMIX（卷積與注意力融合）.mp4 62.25M
| | ├──02 GCnet(全局特征融合).mp4 50.75M
| | ├──03 Coordinate_attention.mp4 54.96M
| | ├──04 SPD（可替換下采樣）.mp4 30.77M
| | ├──05 SPP改進(jìn).mp4 11.79M
| | ├──06 mobileOne(加速).mp4 28.62M
| | ├──07 Deformable(替換selfAttention).mp4 31.58M
| | ├──08 ProbAttention(采樣策略).mp4 17.12M
| | ├──09 CrossAttention融合特征.mp4 14.17M
| | ├──10 Attention額外加入先驗(yàn)知識.mp4 6.07M
| | ├──11 結(jié)合GNN構(gòu)建局部特征.mp4 20.29M
| | ├──12 損失函數(shù)約束項(xiàng).mp4 7.04M
| | ├──13 自適應(yīng)可學(xué)習(xí)參數(shù).mp4 11.56M
| | ├──14 Coarse2Fine大框架.mp4 27.93M
| | ├──15 只能機(jī)器學(xué)習(xí)模型時(shí)湊工作量（特征工程）.mp4 5.12M
| | ├──16 自己數(shù)據(jù)集如何發(fā)的好(要開源).mp4 30.35M
| | ├──17 可變形卷積加入方法.mp4 19.64M
| | └──18 在源碼中加入各種注意力機(jī)制方法.mp4 91.89M


購買主題 本主題需向作者支付 10 資源幣 才能瀏覽
回復(fù)

使用道具 舉報(bào)

1

主題

77

帖子

0

精華

資源共享吧豪華貴族SVIP

Rank: 9Rank: 9Rank: 9

資源幣
6
積分
78
貢獻(xiàn)
0
在線時(shí)間
22 小時(shí)
注冊時(shí)間
2024-1-15
最后登錄
2025-1-6

終身VIP會員
沙發(fā)
發(fā)表于 2024-2-5 09:05:11 | 只看該作者
qwwwwww
回復(fù)

使用道具 舉報(bào)

2

主題

687

帖子

0

精華

終身高級VIP會員

Rank: 7Rank: 7Rank: 7

資源幣
320
積分
777
貢獻(xiàn)
0
在線時(shí)間
377 小時(shí)
注冊時(shí)間
2016-4-25
最后登錄
2025-1-26

終身VIP會員
板凳
發(fā)表于 2024-2-5 11:05:30 | 只看該作者
資源共享吧真是一個(gè)好地方！

4

主題

1576

帖子

0

精華

終身高級VIP會員

笨豬拱爛白菜

Rank: 7Rank: 7Rank: 7

資源幣
79
積分
1580
貢獻(xiàn)
0
在線時(shí)間
232 小時(shí)
注冊時(shí)間
2020-3-31
最后登錄
2025-1-15

終身VIP會員
地板
發(fā)表于 2024-2-5 11:26:18 | 只看該作者
111111111111111

4

主題

2004

帖子

0

精華

終身高級VIP會員

Rank: 7Rank: 7Rank: 7

資源幣
91
積分
2012
貢獻(xiàn)
0
在線時(shí)間
574 小時(shí)
注冊時(shí)間
2020-4-8
最后登錄
2025-1-17

終身VIP會員
5#
發(fā)表于 2024-2-5 11:54:57 | 只看該作者
祝資源共享吧越來越火！

2

主題

57

帖子

0

精華

資源共享吧豪華貴族SVIP

Rank: 9Rank: 9Rank: 9

資源幣
7
積分
59
貢獻(xiàn)
0
在線時(shí)間
17 小時(shí)
注冊時(shí)間
2022-9-30
最后登錄
2024-11-7

終身VIP會員
6#
發(fā)表于 2024-2-5 14:43:00 | 只看該作者
學(xué)習(xí)學(xué)習(xí)
回復(fù)

使用道具 舉報(bào)

1

主題

37

帖子

0

精華

終身高級VIP會員

Rank: 7Rank: 7Rank: 7

資源幣
13
積分
38
貢獻(xiàn)
0
在線時(shí)間
8 小時(shí)
注冊時(shí)間
2020-11-4
最后登錄
2024-12-4

終身VIP會員
7#
發(fā)表于 2024-2-5 14:47:16 | 只看該作者
1111qwe
回復(fù)

使用道具 舉報(bào)

4

主題

478

帖子

0

精華

終身高級VIP會員

Rank: 7Rank: 7Rank: 7

資源幣
96
積分
485
貢獻(xiàn)
0
在線時(shí)間
189 小時(shí)
注冊時(shí)間
2020-3-3
最后登錄
2025-1-10

終身VIP會員
8#
發(fā)表于 2024-2-6 02:22:53 | 只看該作者
只能機(jī)器學(xué)習(xí)模型時(shí)湊工作量

3

主題

633

帖子

0

精華

資源共享吧豪華貴族SVIP

Rank: 9Rank: 9Rank: 9

資源幣
10
積分
635
貢獻(xiàn)
0
在線時(shí)間
104 小時(shí)
注冊時(shí)間
2023-6-16
最后登錄
2024-11-7

終身VIP會員
9#
發(fā)表于 2024-2-6 13:29:53 | 只看該作者
666
回復(fù)

使用道具 舉報(bào)

302

主題

1800

帖子

0

精華

終身高級VIP會員

Rank: 7Rank: 7Rank: 7

資源幣
905
積分
3538
貢獻(xiàn)
0
在線時(shí)間
634 小時(shí)
注冊時(shí)間
2016-12-4
最后登錄
2025-1-29

終身VIP會員
10#
發(fā)表于 2024-2-7 10:00:25 | 只看該作者
樓主，大恩不言謝了！
 點(diǎn)擊右側(cè)快捷回復(fù)  

本版積分規(guī)則

小黑屋|資源共享吧 ( 瓊ICP備2023000410號-1 )

GMT+8, 2025-1-29 14:04 , Processed in 0.097724 second(s), 17 queries , MemCached On.

Powered by Discuz! X3.4 Licensed

Copyright © 2001-2021, Tencent Cloud.

快速回復(fù) 返回頂部 返回列表