咕泡-人工智能深度学习系统班（第八期）

星***

咕泡-人工智能深度学习系统班（第八期）
　 6-Opencv图像处理框架实战
　 第八期资料
　 27-知识图谱实战系列
　 9-走向AI论文实验与项目实战的捷径-MMLAB实战系列
　 11-2022论必备-Transformer实战系列
　 10-经典视觉项目实战：行为识别、姿态估计、目标追踪
　 16-缺陷检测实战
　 5-深度学习框架Tensorflflow
　 14-面向深度学习的无人驾驶实战
　 19-强化学习与AI黑科技实例
　 21-CV与NLP经典大模型解读
　 1-直播回放
　 7-综合项目-物体检测经典算法实战
　 15-对比学习与多模态任务实战
　 26-自然语言处理通用框架-BERT实战
　 25-时间序列预测
　 17-行人重识别实战
　 20-面向医学领域的深度学习实战
　 12-图神经网络实战
　 24-自然语言处理必备神器Huggingface系列实战
　 22-深度学习模型部署与剪枝优化实战
　 30-论文创新点常用方法及其应用实例
　 2-AI课程所需安装软件教程
　 13-3D点云实战
　 28-语音识别实战系列
　 4-深度学习框架PyTorch
　 3-深度学习必备核算法
　 18-对抗生成网络实战
　 23-自然语言处理经典案例实战
　 29-推荐系统实战系列
　 8-图像分割实战
　　 14-项目实战-停车场车位识别
　　 6-边缘检测
　　 8-直方图与傅里叶变换
　　 20-卷积原理与操作
　　 17-光流估计
　　 12-图像特征-sift
　　 21-项目实战-疲劳检测
　　 19-项目实战-目标追踪
　　 10-项目实战-文档扫描OCR识别
　　 3-阈值与平滑处理
　　 15-项目实战-答题卡识别判卷
　　 1-课程简介与环境配置
　　 7-图像金字塔与轮廓检测
　　 16-背景建模
　　 4-图像形态学操作
　　 9-项目实战-信用卡数字识别
　　 11-图像特征-harris
　　 5-图像梯度计算
　　 13-案例实战-全景图像拼接
　　 2-图像基本操作
　　 18-Opencv的DNN模块
　　 5-基于知识图谱的医药问答系统实战
　　 6-文本关系抽取实践
　　 3-Neo4j数据库实战
　　 4-使用python操作neo4j实例
　　 2-知识图谱涉及技术点分析
　　 1-知识图谱介绍及其应用领域分析
　　 7-金融平台风控模型实践
　　 8-医学糖尿病数据命名实体识别
　　 第16章 缺陷检测实战
　　 第27章 知识图谱实战系列
　　 第17章 重识别实战
　　 第25章 时间序列预测
　　 第19章-强化学习实战系列
　　 第15章 对比学习与多模态任务实战
　　 第6章 Opencv图像处理框架实战
　　 第5章 深度学习框架Tensorflow
　　 第2章 AI课程所需安装软件教程
　　 第26章 然语处理通框架-BERT实战
　　 第20章 面向医学领域的深度学习实战
　　 第28章 语音识别实战系列
　　 第9章 走向AI论文实验与项目实战的捷径-MMLAB实战系列
　　 第21章 经典大模型解读
　　 第7章 综合项-物体检测经典算法实战
　　 第18章 对抗成络实战(1)
　　 第4章 深度学习核框架PyTorch
　　 第23章 然语处理经典案例实战
　　 第10章 经典视觉项目实战-目标追踪与姿态估计
　　 第29章 推荐系统实战系列
　　 第24章 自然语言处理必备神器Huggingface系列实战
　　 第1章 直播课
　　 第12章 图神经络实战
　　 第10章 经典视觉项目实战-行为识别
　　 第14章 向深度学习的驾驶实战
　　 第8章 图像分割实战
　　 第22章 深度学习模型部署与剪枝优化实战
　　 第13章 3D点云实战
　　 第3章 深度学习必备核算法
　　 第11章 论文必备Transformer实战解读
　　 第18章 对抗成络实战
　　 12-KIE关键信息抽取与视频超分辨率重构
　　 13-第四模块：DBNET文字检测
　　 20-第八模块：模型剪枝方法概述分析
　　 4-第一模块：模型源码DEBUG演示
　　 22-OCR算法解读
　　 21-第九模块：mmaction行为识别
　　 15-第四模块：KIE基于图模型的关键信息抽取
　　 17-第六模块：BasicVSR++视频超分辨重构源码解读
　　 3-第一模块：训练结果测试与验证
　　 10-第三模块：DeformableDetr算法解读
　　 7-第二模块：分割任务CVPR最新Backbone设计及其应用
　　 2-第一模块：分类任务基本操作
　　 23-额外补充-在源码中加入各种注意力机制方法
　　 18-第七模块：多模态3D目标检测算法源码解读
　　 11-补充：Mask2former源码解读
　　 5-第二模块：使用分割模块训练自己的数据集
　　 16-第五模块：stylegan2源码解读
　　 8-第三模块：mmdet训练自己的数据任务
　　 19-第八模块：模型蒸馏应用实例
　　 6-第二模块：基于Unet进行各种策略修改
　　 9-第三模块：DeformableDetr物体检测源码分析
　　 1-MMCV安装方法
　　 14-第四模块：ANINET文字识别
　　 13-项目实战：经典网络架构Resnet实战
　　 9-项目实战：基于TensorFlow实现word2vec
　　 5-项目实战：猫狗识别实战
　　 12-项目实战：时间序列预测
　　 8-递归神经络与词向量原理解读
　　 1-tensorflflow安装与简介
　　 7-训练策略-迁移学习实战
　　 10-项目实战：基于RNN模型进行文本分类任务
　　 3-搭建神经络进分类与回归任务
　　 11-项目实战：将CNN网络应用于文本分类实战
　　 6-图像数据增强实例
　　 4-卷积神经络原理与参数解读
　　 2-神经网络原理解读与整体架构
　　 6-Semi-supervised布料缺陷检测实战
　　 12-图像分割deeplab系列算法
　　 9-Opencv轮廓检测与直图
　　 8-Opencv梯度计算与边缘检测实例
　　 5-基于YOLOV5的钢材缺陷检测实战
　　 4-物体检测框架YOLOV5项目工程源码解读
　　 7-Opencv图像常处理法实例
　　 11-基于视频流线的Opencv缺陷检测项
　　 14-Deeplab铁质材料缺陷检测与开源项应流程
　　 2-物体检框架YOLO-V4版本算法解读
　　 3-物体检测框架YOLOV5版本项目配置
　　 10-基于Opencv缺陷检测项实战
　　 13-基于deeplabV3+版本进VOC分割实战
　　 1-课程介绍
　　 11-deepsort算法知识点解读
　　 9-姿态估计OpenPose系列算法解读
　　 4-基于3D卷积的视频分析与动作识别
　　 5-视频异常检测算法与元学习
　　 8-课程介绍
　　 13-YOLO-V4版本算法解读
　　 12-deepsort源码解读
　　 1-slowfast算法知识点通俗解读
　　 10-OpenPose算法源码分析
　　 3-slowfast源码详细解读
　　 7-基础补充-Resnet模型及其应用实例
　　 6-视频异常检测CVPR2021论文及其源码解读
　　 14-V5版本项目配置
　　 2-slowfast项目环境配置与配置文件
　　 15-V5项目工程源码解读
　　 20-Huggingface与NLP（讲故事）
　　 5-swintransformer源码解读
　　 6-基于Transformer的detr目标检测算法
　　 12-商汤LoFTR算法解读
　　 11-MedicalTransformer源码解读
　　 13-局部特征关键点匹配实战
　　 16-BEV特征空间
　　 19-Informer时间序列源码解读
　　 15-Mask2former源码解读
　　 9-DeformableDetr物体检测源码分析
　　 17-BevFormer源码解读
　　 8-DeformableDetr算法解读
　　 18-时间序列预测
　　 3-VIT算法模型源码解读
　　 2-视觉Transformer及其源码分析
　　 7-detr目标检测源码解读
　　 4-swintransformer算法原理解析
　　 1-Transformer算法解读
　　 10-MedicalTrasnformer论文解读
　　 14-分割模型Maskformer系列
　　 12-自监督任务-对比学习思想
　　 10-openai-dalle2论文解读
　　 13-视觉自监督BEIT算法解读
　　 15-视觉自监督任务BEITV2源码解读
　　 5-LLM与LORA微调策略解读
　　 1-课程简介
　　 14-视觉自监督任务BEITV2论文解读
　　 4-chatgpt算法解读分析
　　 18-补充-视觉大模型基础-deformableAttention
　　 7-视觉大模型SAM
　　 2-GPT系列算法解读
　　 11-openai-dalle2源码解读
　　 8-视觉QA算法与论文解读
　　 16-BEV感知特征空间算法解读
　　 9-扩散模型diffusion架构算法解读
　　 17-BEVformer项目源码解读
　　 6-LLM下游任务训练自己模型实战
　　 3-GPT2训练与预测部署流程
　　 12-Dalle2及其源码解读
　　 8-GPT系列生成模型
　　 10-CLIP系列
　　 9-GPT建模与预测流程
　　 1-强化学习简介及其应用
　　 11-Diffusion模型解读
　　 13-ChatGPT
　　 4-Q-learning与DQN算法
　　 2-PPO算法与公式推导
　　 3-PPO实战-月球登陆器训练实例
　　 7-用A3C玩转超级马里奥
　　 5-DQN改进与应用技巧
　　 6-Actor-Critic算法分析（A3C）
　　 9-NeuralRecon项目环境配置
　　 3-车道线检测算法与论文解读
　　 10-NeuralRecon项目源码解读
　　 5-商汤LoFTR算法解读
　　 6-局部特征关键点匹配实战
　　 2-深度估计项目实战
　　 15-特斯拉无人驾驶解读
　　 7-三维重建应用与坐标系基础
　　 12-TSDF实战案例
　　 1-深度估计算法原理解读
　　 14-轨迹估计预测实战
　　 8-NeuralRecon算法解读
　　 11-TSDF算法与应用
　　 13-轨迹估计算法与论文解读
　　 4-基于深度学习的车道线检测项目实战
　　 5-直播4：视觉Transformer- VIT源码解读
　　 15-直播14：论文写作与就业简历
　　 12-直播11：分割Mask2former算法
　　 2-直播1：神经网络
　　 14-直播13：时间序列timesnet与地理分类任务
　　 11-直播10：知识蒸馏
　　 6-直播5：图神经网络
　　 10-直播9：自监督任务
　　 7-直播6：Transformer Decoder在视觉任务的应用
　　 13-直播12：多模态与交叉注意力应用
　　 1-开班典礼
　　 9-直播8：GPT与Hugging face
　　 4-直播3：Transformer架构解读
　　 16-直播15：知识图谱与LORA
　　 8-直播7：对比学习与多模态任务
　　 3-直播2：卷积神经网络
　　 1-Informer原理解读
　　 3-Timesnet时序预测
　　 2-Informer源码解读
　　 1-对比学习算法与实例
　　 2-CLIP系列
　　 4-多模态文字识别
　　 3-多模态3D目标检测算法源码解读
　　 5-ANINET源码解读
　　 4-项目实战-基于BERT的中文命名实体识别识别实战
　　 6-必备基础-掌握Tensorflow如何实现word2vec模型
　　 3-项目实战-基于BERT的中文情感分析实战
　　 2-谷歌开源项目BERT源码解读与应用实例
　　 8-医学糖尿病数据命名实体识别
　　 7-必备基础知识点-RNN网络架构与情感分析应用实例
　　 1-自然语言处理通用框架BERT原理解读
　　 5-必备基础知识点-woed2vec模型通俗解读
　　 12-V7源码解读
　　 17-EfficientNet网络
　　 18-EfficientDet检测算法
　　 1-物体检测评估指标
　　 15-DeformableDetr算法解读
　　 16-半监督物体检测
　　 11-YOLO系列（V7）算法解读
　　 13-基于Transformer的detr目标检测算法
　　 2-深度学习经典检测法概述
　　 14-detr目标检测源码解读
　　 8-YOLO-V4版本算法解读
　　 3-YOLO-V1整体思想与网络架构
　　 6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本）
　　 9-V5版本项目配置
　　 4-YOLO-V2改进细节详解
　　 10-V5项目工程源码解读
　　 5-YOLO-V3核心网络模型
　　 7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）
　　 5-项目实战-基于行人局部特征融合的再识别实战
　　 2-基于注意力机制的Reld模型论文解读
　　 4-AAAI2020顶会算法精讲
　　 3-基于Attention的行人重识别项目实战
　　 6-旷视研究院最新算法解读（基于图模型）
　　 7-基于拓扑图的行人重识别项目实战
　　 8-额外补充：行人搜索源码分析
　　 1-行人重识别原理及其应用
　　 8-基于图模型的轨迹估计
　　 6-图相似度论文解读
　　 11-异构图神经网络
　　 10-基于图模型的时间序列预测
　　 4-使用PyTorch Geometric构建自己的图数据集
　　 1-图神经网络基础
　　 9-图模型轨迹估计实战
　　 3-图模型必备神器PyTorch Geometric安装与使用
　　 2-图卷积GCN模型
　　 7-图相似度计算实战
　　 5-图注意力机制与序列图模型
　　 11-补充Huggingface数据集制作方法实例
　　 7-GPT系列算法
　　 5-文本标注工具与NER实例
　　 8-GPT训练与预测部署流程
　　 9-文本摘要建模
　　 4-BERT系列算法解读
　　 10-图谱知识抽取实战
　　 2-Transformer工具包基本操作实例解读
　　 6-文本预训练模型构建实例
　　 1-Huggingface与NLP介绍解读
　　 3-transformer原理解读
　　 11-YOLO系列物体检测算法原理解读
　　 8-deeplab系列算法
　　 15-基于知识图谱的医药问答系统实战
　　 1-卷积神经网络原理与参数解读
　　 10-基于deeplab的心脏视频数据诊断分析
　　 6-Unet系列算法讲解
　　 2-PyTorch框架基本处理操作
　　 4-基于Resnet的医学数据集分类实战
　　 12-基于YOLO5细胞检测实战
　　 7-unet医学细胞分割实战
　　 14-Neo4j数据库实战
　　 13-知识图谱原理解读
　　 16-词向量模型与RNN网络架构
　　 9-基于deeplabV3+版本进行VOC分割实战
　　 5-图像分割及其损失函数概述
　　 17-医学糖尿病数据命名实体识别
　　 3-PyTorch框架必备核心模块解读
　　 1-通用创新点
　　 fake
　　 5-点云补全PF-Net论文解读
　　 2-3D点云PointNet算法
　　 7-点云配准及其案例实战
　　 4-Pointnet++项目实战
　　 6-点云补全实战解读
　　 8-基础补充-对抗生成网络架构原理与实战解析
　　 3-PointNet++算法解读
　　 1-3D点云实战 3D点云应用领域分析
　　 7-YOLO-V3物体检测部署实例
　　 1-AIoT人工智能物联网之认识 jetson nano
　　 3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
　　 2-AIoT人工智能物联网之AI 实战
　　 10-模型剪枝-Network Slimming算法分析
　　 12-Mobilenet三代网络模型架构
　　 6-pyTorch框架部署实践
　　 11-模型剪枝-Network Slimming实战解读
　　 8-docker实例演示
　　 9-tensorflow-serving实战
　　 4- AIoT人工智能物联网之deepstream
　　 4-VIT源码解读
　　 1-神经网络结构
　　 3-Transformer
　　 2-卷积神经网络
　　 1-seq2seq序列网络模型
　　 5-语音分离ConvTasnet模型
　　 2-LAS模型语音识别实战
　　 3-starganvc2变声器论文原理解读
　　 4-staeganvc2变声器源码实战
　　 6-ConvTasnet语音分离实战
　　 7-语音合成tacotron最新版实战
　　 6-DataLoader自定义数据集制作
　　 1-PyTorch框架介绍与配置安装
　　 3-神经网络回归任务-气温预测
　　 7-LSTM文本分类实战
　　 5-图像识别模型与训练策略（重点）
　　 4-卷积网络参数解读分析
　　 2-使用神经网络进行分类任务
　　 2-对抗生成网络架构原理与实战解析
　　 1-课程介绍
　　 9-基于GAN的图像补全实战
　　 7-starganvc2变声器项目实战及其源码解读
　　 8-图像超分辨率重构实战
　　 6-基于starganvc2的变声器论文原理解读
　　 4-stargan论文架构解析
　　 5-stargan项目实战及其源码解读
　　 3-基于CycleGan开源项目实战图像合成
　　　 7-识别模型构建.mp4
　　　 4-车位直线检测.mp4
　　　 2-所需数据介绍.mp4
　　　 5-按列划分区域.mp4
　　　 1-任务整体流程.mp4
　　　 6-车位区域划分.mp4
　　　 3-图像数据预处理.mp4
　　　 8-基于视频的车位检测.mp4
　　 8-推荐系统常用工具包演示
　　 7-DeepFM算法实战
　　 4-知识图谱与Neo4j数据库实例
　　 10-基本统计分析的电影推荐
　　 6-点击率估计FM与DeepFM算法
　　 2-协同过滤与矩阵分解
　　 9-基于文本数据的推荐实例
　　 3-音乐推荐系统实战
　　 5-基于知识图谱的电影推荐实战
　　 11-补充-基于相似度的酒店推荐系统
　　 1-推荐系统介绍及其应用
　　 13-机器人写唐诗
　　 9-基于word2vec的分类任务
　　 12-LSTM情感分析
　　 1-NLP常用工具包实战
　　 5-HMM隐马尔科夫模型
　　 7-语言模型
　　 2-商品信息可视化与文本分析
　　 8-使用Gemsim构建词向量
　　 14-对话机器人
　　 11-NLP-相似度模型
　　 10-NLP-文本特征方法对比
　　 6-HMM工具包实战
　　 3-贝叶斯算法
　　 4-新闻分类任务实战
　　 12-基于MASK-RCNN框架训练自己的数据与任务
　　 4-U2NET显著性检测实战
　　 6-基于deeplabV3+版本进VOC分割实战
　　 9-补充：Mask2former源码解读
　　 1-图像分割及其损失函数概述
　　 2-Unet系列算法讲解
　　 3-unet医学细胞分割实战
　　 5-deeplab系列算法
　　 8-分割模型Maskformer系列
　　 10-物体检测框架-MaskRcnn项目介绍与配置
　　 11-MaskRcnn网络框架源码详解
　　 7-医学脏视频数据集分割建模实战
　　　 1-基本概念.mp4
　　　 3-推导求解.mp4
　　　 2-Lucas-Kanade算法.mp4
　　　 4-光流估计实战.mp4
　　　 1-Canny边缘检测流程.mp4
　　　 2-非极大值抑制.mp4
　　　 3-边缘检测效果.mp4
　　　 6-低通与高通滤波.mp4
　　　 3-均衡化效果.mp4
　　　 4-傅里叶概述.mp4
　　　 1-直方图定义.mp4
　　　 5-频域变换结果.mp4
　　　 2-均衡化原理.mp4
　　　 7-卷积效果演示.mp4
　　　 8-卷积操作流程.mp4
　　　 4-pading与stride.mp4
　　　 2-卷积层解释.mp4
　　　 6-池化层原理.mp4
　　　 1-卷积神经网络的应用.mp4
　　　 3-卷积计算过程.mp4
　　　 5-卷积参数共享.mp4
　　　 4-生成特征描述.mp4
　　　 2-高斯差分金字塔.mp4
　　　 5-特征向量生成.mp4
　　　 1-尺度空间定义.mp4
　　　 3-特征关键点定位.mp4
　　　 6-opencv中sift函数使用.mp4
　　　 3-定位效果演示.mp4
　　　 4-闭眼检测.mp4
　　　 1-关键点定位概述.mp4
　　　 2-获取人脸关键点.mp4
　　　 5-检测效果.mp4
　　　 4-基于dlib与ssd的追踪.mp4
　　　 1-目标追踪概述.mp4
　　　 5-多进程目标追踪.mp4
　　　 2-多目标追踪实战.mp4
　　　 6-多进程效率提升对比.mp4
　　　 3-深度学习检测框架加载.mp4
　　　 6-文档扫描识别效果.mp4
　　　 2-文档轮廓提取.mp4
　　　 4-透视变换结果.mp4
　　　 3-原始与变换坐标计算.mp4
　　　 1-整体流程演示.mp4
　　　 5-tesseract-ocr安装配置.mp4
　　　 3-Notebook与IDE环境.mp4
　　　 2-Python与Opencv配置安装.mp4
　　　 1-课程简介.mp4
　　　 2-图像平滑处理.mp4
　　　 3-高斯与中值滤波.mp4
　　　 1-图像阈值.mp4
　　　 3-填涂轮廓检测.mp4
　　　 1-整体流程与效果概述.mp4
　　　 2-预处理操作.mp4
　　　 4-选项判断识别.mp4
　　　 2-金字塔制作方法.mp4
　　　 1-图像金字塔定义.mp4
　　　 3-轮廓检测方法.mp4
　　　 4-轮廓检测结果.mp4
　　　 6-模板匹配方法.mp4
　　　 5-轮廓特征与近似.mp4
　　　 7-匹配效果展示.mp4
　　　 4-背景建模实战.mp4
　　　 1-背景消除-帧差法.mp4
　　　 3-学习步骤.mp4
　　　 2-混合高斯模型.mp4
　　　 5-opencv角点检测效果.mp4
　　　 3-求解化简.mp4
　　　 1-角点检测基本原理.mp4
　　　 2-基本数学原理.mp4
　　　 4-特征归属划分.mp4
　　　 4-输入数据处理方法.mp4
　　　 5-模板匹配得出识别结果.mp4
　　　 2-环境配置与预处理.mp4
　　　 1-总体流程与方法讲解.mp4
　　　 3-模板处理方法.mp4
　　　 5-礼帽与黑帽.mp4
　　　 3-开运算与闭运算.mp4
　　　 1-腐蚀操作.mp4
　　　 4-梯度计算.mp4
　　　 2-膨胀操作.mp4
　　　 2-视频的读取与处理.mp4
　　　 3-ROI区域.mp4
　　　 1-计算机眼中的图像.mp4
　　　 5-数值计算.mp4
　　　 4-边界填充.mp4
　　　 1-Sobel算子.mp4
　　　 2-梯度计算方法.mp4
　　　 3-scharr与lapkacian算子.mp4
　　　 2-RANSAC算法.mp4
　　　 4-流程解读.mp4
　　　 1-特征匹配方法.mp4
　　　 3-图像拼接方法.mp4
　　　 2-模型加载结果输出.mp4
　　　 1-dnn模块.mp4
　　　 5-数据库更改查询操作演示.mp4
　　　 2-Neo4j数据库安装流程演示.mp4
　　　 1-Neo4j图数据库介绍.mp4
　　　 3-可视化例子演示.mp4
　　　 4-创建与删除操作演示.mp4
　　　 4-环境配置与所需工具包安装.mp4
　　　 9-实体关键词字典制作.mp4
　　　 7-打造医疗知识图谱模型.mp4
　　　 8-加载所有实体数据.mp4
　　　 6-创建关系边.mp4
　　　 5-提取数据中的关键字段信息.mp4
　　　 3-任务流程概述.mp4
　　　 10-完成对话系统构建.mp4
　　　 2-医疗数据介绍及其各字段含义.mp4
　　　 1-项目概述与整体架构分析.mp4
　　　 2-提取所需的指标信息.mp4
　　　 1-使用Py2neo建立连接.mp4
　　　 4-根据给定实体创建关系.mp4
　　　 3-在图中创建实体.mp4
　　　 6-句法分析结果整理.mp4
　　　 7-语义角色构建与分析.mp4
　　　 4-得到分词与词性标注结果.mp4
　　　 5-依存句法概述.mp4
　　　 8-设计规则完成关系抽取.mp4
　　　 2-LTP工具包概述介绍.mp4
　　　 3-pyltp安装与流程演示.mp4
　　　 1-关系抽取要完成的任务演示与分析.mp4
　　　 4-输入样本填充补齐.mp4
　　　 3-数据-标签-语料库处理.mp4
　　　 1-数据与任务介绍.mp4
　　　 5-训练网络模型.mp4
　　　 2-整体模型架构.mp4
　　　 6-医疗数据集（糖尿病）实体识别.mp4
　　　 6-app安装特征.mp4
　　　 2-图模型信息提取.mp4
　　　 5-各项统计特征.mp4
　　　 1-竞赛任务目标.mp4
　　　 3-节点权重特征提取(PageRank).mp4
　　　 7-图中联系人特征.mp4
　　　 4-deepwalk构建图顶点特征.mp4
　　　 4-金融与推荐领域的应用.mp4
　　　 2-知识图谱在搜索引擎中的应用.mp4
　　　 1-知识图谱通俗解读.mp4
　　　 5-数据获取分析.mp4
　　　 3-知识图谱在医疗领域应用实例.mp4
　　　 6-图谱知识融合与总结分析.mp4
　　　 4-金融领域图编码实例.mp4
　　　 5-视觉领域图编码实例.mp4
　　　 3-graph-embedding的作用与效果.mp4
　　　 2-常用NLP技术点分析.mp4
　　　 1-数据关系抽取分析.mp4
　　　 Informer.zip
　　　 Informer.pdf
　　　 第7节：基于拓扑图的行人重识别项目实战
　　　 第1节：行人重识别原理及其应用
　　　 第4节：经典会议算法精讲（特征融合）
　　　 第5节：项目实战-基于行人局部特征融合的再识别实战
　　　 第6节：旷视研究院最新算法解读（基于图模型）
　　　 第3节：基于Attention的行人重识别项目实战
　　　 第2节：基于注意力机制的ReId模型论文解读
　　　 Resnet分类实战
　　　 PyTorch基础
　　　 第6-8章：Opencv各函数使用实例
　　　 第1-4章：YOLOV5缺陷检测
　　　 第11-12章：deeplab
　　　 第10章：基于视频流水线的Opnecv缺陷检测项目.zip
　　　 第5章：Semi-supervised布料缺陷检测实战.zip
　　　 第9章：基于Opencv缺陷检测项目实战.zip
　　　 DeepLab铁质材料缺陷检测与开源项目应用流程.zip
　　　 第7节：金融平台风控模型实践
　　　 第3节：Neo4j数据库实战
　　　 第8节：医学糖尿病数据命名实体识别
　　　 第1.2节：知识图谱介绍及其应用领域分析
　　　 第4节：使用python操作neo4j实例
　　　 第5节：基于知识图谱的医药问答系统实战
　　　 第6节：文本关系抽取实践
　　　 源码资料
　　　 课件
　　　 课件
　　　 源码资料
　　　 ANINET源码解读
　　　 多模态3D目标检测算法源码解读
　　　 多模态文字识别
　　　 对比学习算法与实例
　　　 CLIP系列
　　　 第3节：策略梯度实战-月球登陆器训练实例.zip
　　　 第5节：DQN算法实例演示.zip
　　　 第7节：Actor-Critic算法分析(A3C).pdf
　　　 第4节：DQN算法.pdf
　　　 第2节：PPO算法与公式推导.pdf
　　　 第1节：强化学习简介及其应用.pdf
　　　 第8节：A3C算法玩转超级马里奥.zip
　　　 课后作业
　　　 课件、源码
　　　 mmcv_full-1.4.7-cp38-cp38-win_amd64.whl
　　　 notepadplusplus-8-4.exe
　　　 torchvision-0.11.0+cu113-cp38-cp38-win_amd64.whl
　　　 VisualStudioSetup.exe
　　　 torch-1.10.0+cu113-cp38-cp38-win_amd64.whl
　　　 pycharm-community-2022.1.2.exe
　　　 cuda_11.3.0_465.89_win10.exe
　　　 Anaconda3-2020.07-Windows-x86_64.exe
　　　 PPT
　　　 论文
　　　 语音合成tacotron2实战.zip
　　　 语音分离Conv-TasNet.zip
　　　 语音识别LAS模型.zip
　　　 变声器pytorch-StarGAN-VC2.zip
　　　 14-Neo4j数据库实战
　　　 10-基于deeplab的心脏视频数据诊断分析
　　　 13-知识图谱原理解读
　　　 6-Unet系列算法讲解
　　　 8-deeplab系列算法
　　　 12-基于YOLO5细胞检测实战
　　　 15-基于知识图谱的医药问答系统实战
　　　 7-unet医学细胞分割实战
　　　 11-YOLO系列物体检测算法原理解读
　　　 17-医学糖尿病数据命名实体识别
　　　 9-基于deeplabV3+版本进行VOC分割实战
　　　 1-神经网络算法PPT
　　　 5-图像分割及其损失函数概述
　　　 4-基于Resnet的医学数据集分类实战
　　　 3-PyTorch框架必备核心模块解读.zip
　　　 16-词向量模型与RNN网络架构.zip
　　　 2-PyTorch框架基本处理操作.zip
　　　 第8节：图像超分辨率重构实战
　　　 第6节：基于starganvc2的变声器论文原理解读
　　　 第4节：stargan论文架构解析
　　　 第9节：基于GAN的图像补全实战
　　　 第5节：stargan项目实战及其源码解读.zip
　　　 第3节：基于CycleGan开源项目实战图像合成.zip
　　　 第7节：starganvc2变声器项目实战及其源码解读.zip
　　　 static.zip
　　　 第2节：对抗生成网络架构原理与实战解析.zip
　　　 YOLO系列（PyTorch）
　　　 mmdetection-3.x.zip
　　　 yolov7-main.zip
　　　 Yolov7结构图.pptx
　　　 detr目标检测源码解读.zip
　　　 CenterNet.pdf
　　　 EfficientDet.pdf
　　　 EfficientNet.pdf
　　　 可变形DETR.pdf
　　　 YOLOV7.pdf
　　　 EfficientDet.zip
　　　 json2yolo.py
　　　 物体检测.pdf
　　　 第十二章：基于Transformer的detr目标检测算法.pdf
　　　 1 节GPT系列生成模型
　　　 2 节GPT建模与预测流程
　　　 4 节Diffusion模型解读
　　　 3 节CLIP系列
　　　 5 节Dalle2及其源码解读
　　　 6 节ChatGPT
　　　 OCR算法解读
　　　 DeformableDetr算法解读
　　　 KIE关键信息抽取与视频超分辨率重构
　　　 第一模块：mmclassification-master.zip
　　　 第二模块：MPViT-main.zip
　　　 第二模块：mmsegmentation-0.20.2.zip
　　　 第九模块：mmaction2-master.zip
　　　 第六模块：mmediting-master.zip
　　　 第四模块：mmocr-main.zip
　　　 第五模块：mmgeneration-master.zip
　　　 第八模块：mmrazor-模型蒸馏.zip
　　　 第三模块：mmdetection-master.zip
　　　 ner.zip
　　　 mask2former(mmdetection).zip
　　　 第七模块：mmdetection3d-1.0.0rc0.zip
　　　 NLP常用工具包
　　　 课件
　　　 课后作业
　　　 源码、数据集等
　　　 深度学习.pdf
　　　 第五章：图像识别模型与训练策略（重点）.zip
　　　 第六章：DataLoader自定义数据集制作.zip
　　　 PyTorch.pdf
　　　 flask预测.zip
　　　 第4节：Neo4j数据库实例
　　　 第10节：基于统计分析的电影推荐
　　　 第3节：音乐推荐系统实战
　　　 第6节：FM与DeepFM算法.pdf
　　　 第9节：基于文本数据的推荐实例.zip
　　　 第8节：推荐系统常用工具包演示.zip
　　　 第11节：补充-基于相似度的酒店推荐系统.zip
　　　 第7节：DeepFM算法实战.zip
　　　 第5节：基于知识图谱的电影推荐实战.zip
　　　 第2节：协同过滤与矩阵分解.pdf
　　　 第1节：推荐系统介绍.pdf
　　　 第五六七章：YOLO目标检测
　　　 基础补充-Resnet模型及其应用实例
　　　 第三章：Deepsort算法知识点解读.pdf
　　　 基础补充-PyTorch框架必备核心模块解读.zip
　　　 第二章：OpenPose算法源码分析.zip
　　　 基础补充-PyTorch框架基本处理操作.zip
　　　 第一章：姿态估计OpenPose系列算法解读.pdf
　　　 第四章：Deepsort源码解读.zip
　　　 1-4 节直播2：卷积神经网络
　　　 1-8 节直播6：时间序列timesnet
　　　 1-14 节直播12：注意力机制串讲
　　　 1-5 节直播3：Transformer
　　　 1-1 节开班典礼
　　　 1-3 节直播1：神经网络结构
　　　 1-11 节直播9：LangChain与VQA任务
　　　 1-10 直播8：图神经网络
　　　 1-7 节直播5：Segment anything
　　　 1-13 节直播11：对比学习与自监督任务
　　　 1-9 直播7：文本大模型下游任务一条龙资料
　　　 1-6 节直播4：VIT源码解读
　　　 1-17 节直播15：总结与论文和简历
　　　 1-16 节直播14：Bev特征空间与知识蒸馏
　　　 1-12 节直播10：EfficientVIT与DINOV2
　　　 15-直播13：BEITV2-3与Mmlab自监督源码解读
　　　 3-图模型必备神器PyTorch Geometric安装与使用
　　　 6-图相似度论文解读
　　　 基于图模型的时间序列预测
　　　 第一章：图神经网络基础
　　　 第二章：图卷积GCN模型
　　　 9-图模型轨迹估计实战
　　　 8-基于图模型的轨迹估计
　　　 4-使用PyTorch Geometric构建自己的图数据集
　　　 异构图神经网络
　　　 7-图相似度计算实战
　　　 5-图注意力机制与序列图模型
　　　 基础补充-Resnet模型及其应用实例
　　　 slowfast-add
　　　 基础补充-PyTorch框架必备核心模块解读.zip
　　　 基础补充-PyTorch框架基本处理操作.zip
　　　 1-slowfast算法知识点通俗解读.pdf
　　　 4-基于3D卷积的视频分析与动作识别.zip
　　　 5-视频异常检测算法与元学习.pdf
　　　 slowfast论文.pdf
　　　 6-视频异常检测CVPR2021论文及其源码解读.zip
　　　 第十一章：补充Huggingface数据集制作方法实例
　　　 第十章：图谱知识抽取实战
　　　 第三章：transformer原理解读
　　　 第七章：GPT系列算法
　　　 第四章：BERT系列算法解读
　　　 第九章：文本摘要建模
　　　 第五章：文本标注工具与NER实例
　　　 第二章：Transformer工具包基本操作实例解读
　　　 第六章：文本预训练模型构建实例
　　　 第一章：Huggingface与NLP介绍解读
　　　 第八章：GPT训练与预测部署流程
　　　 第5节：点云补全PF-Net论文解读
　　　 第6节：点云补全实战解读
　　　 第8节：基础补充-对抗生成网络架构原理与实战解析
　　　 第2节：3D点云PointNet算法
　　　 第4节：Pointnet++项目实战
　　　 第7节：点云配准及其案例实战
　　　 第3节：PointNet++算法解读
　　　 第1节：3D点云应用领域分析
　　　 1.深度估计算法解读
　　　 9-NeuralRecon项目环境配置
　　　 13-轨迹估计算法与论文解读
　　　 3-车道线检测算法与论文解读
　　　 5-商汤LoFTR算法解读
　　　 14-轨迹估计预测实战
　　　 10-NeuralRecon项目源码解读
　　　 15-特斯拉无人驾驶解读
　　　 12-TSDF实战案例
　　　 11-TSDF算法与应用
　　　 7-三维重建应用与坐标系基础
　　　 2.深度估计项目实战
　　　 8-NeuralRecon算法解读
　　　 6-局部特征关键点匹配实战
　　　 4-基于深度学习的车道线检测项目实战
　　　 嵌入式AI
　　　 PyTorch模型部署实例.zip
　　　 Mobilenet.pdf
　　　 mobilenetv3.py
　　　 剪枝算法.pdf
　　　 pytorch-slimming.zip
　　　 YOLO部署实例.zip
　　　 TensorFlow-serving.zip
　　　 Docker使用命令.zip
　　　 图像分割算法
　　　 unet医学细胞分割实战
　　　 基于deeplabV3+版本进行VOC分割实战
　　　 deeplab系列算法
　　　 Unet系列算法讲解
　　　 补充：Mask2former源码解读
　　　 基于deeplab的心脏视频数据诊断分析
　　　 基于Resnet的医学数据集分类实战
　　　 分割模型Maskformer系列
　　　 mask-rcnn.pdf
　　　 第5节：U-2-Net.zip
　　　 PyTorch框架基本处理操作.zip
　　　 图像识别核心模块实战解读.zip
　　　 R(2+1)D网络.pdf
　　　 f112c9fda85536ee3eba662c9043e683.bat
　　　 MaskRcnn网络框架源码详解.zip
　　　 课件
　　　 1-KIE关键信息抽取与视频超分辨率重构.mp4
　　　 cyclegan.pdf
　　　 第十二，十三章
　　　 谷歌开源项目BERT源码解读与应用实例
　　　 基础补充-Resnet模型及其应用实例
　　　 transformer.pdf
　　　 2104.00680.pdf
　　　 Transformer在视觉中的应用VIT算法.pdf
　　　 第七章：detr目标检测源码解读.zip
　　　 BEV.pdf
　　　 Informer.zip
　　　 Informer.pdf
　　　 第五章：swintransformer源码解读.zip
　　　 mask2former.pdf
　　　 Loftr.pdf
　　　 maskformer.pdf
　　　 baiduyunguangjia_cfg_A900527E-5BA6-4d22-8E96-E40D5C6EDF61.cfg
　　　 可变形DETR.pdf
　　　 第四章：swintransformer算法原理解析.pdf
　　　 mmdetection-master.zip
　　　 Medical-Transformer.zip
　　　 第六章：基于Transformer的detr目标检测算法.pdf
　　　 1-文字检测数据概述与配置文件.mp4
　　　 3-Neck层特征组合.mp4
　　　 2-配置文件参数设置.mp4
　　　 5-损失计算方法.mp4
　　　 4-损失函数模块概述.mp4
　　　 5-CLS与输出模块.mp4
　　　 1-VIT任务概述.mp4
　　　 2-数据增强模块概述分析.mp4
　　　 4-前向传播基本模块.mp4
　　　 3-PatchEmbedding层.mp4
　　　 2-搜索匹配到符合计算量的模型并训练.mp4
　　　 1-SuperNet网络结构分析与剪枝概述.mp4
　　　 1-OCR算法解读.mp4
　　　 8-整合得到图模型输入特征.mp4
　　　 5-标签数据处理与关系特征提取.mp4
　　　 1-配置文件以及要完成的任务解读.mp4
　　　 3-配置文件与标签要进行处理操作.mp4
　　　 6-特征合并处理.mp4
　　　 7-准备拼接边与点特征.mp4
　　　 2-KIE数据集格式调整方法.mp4
　　　 4-边框要计算的特征分析.mp4
　　　 1-创建自己的行为识别标注数据集.mp4
　　　 7-可视化细节与效果分析.mp4
　　　 9-模型分析脚本使用.mp4
　　　 4-修改配置文件中的参数.mp4
　　　 1-测试DEMO效果.mp4
　　　 3-MMCLS中增加一个新的模块.mp4
　　　 8-MMCLS可视化模块应用.mp4
　　　 6-Grad-Cam可视化方法.mp4
　　　 2-测试评估模型效果.mp4
　　　 5-数据增强流程可视化展示.mp4
　　　 3-光流估计网络模块.mp4
　　　 6-双向计算特征对齐.mp4
　　　 11-完成输出结果.mp4
　　　 10-传播流程整体完成一圈.mp4
　　　 4-基于光流完成对齐操作.mp4
　　　 5-偏移量计算方法.mp4
　　　 8-序列传播计算.mp4
　　　 2-特征基础提取模块.mp4
　　　 1-要完成的任务分析与配置文件.mp4
　　　 9-准备变形卷积模块的输入.mp4
　　　 7-提特征传递流程分析.mp4
　　　 1-在源码中加入各种注意力机制方法.mp4
　　　 2-配置文件指定.mp4
　　　 6-近似Attention模块实现.mp4
　　　 3-DEBUG解读Backbone设计.mp4
　　　 4-PatchEmbedding的作用与实现.mp4
　　　 10-汇总多层级特征进行输出.mp4
　　　 8-分割输出模块.mp4
　　　 5-卷积位置编码计算方法.mp4
　　　 9-全局特征的作用与实现.mp4
　　　 7-完成特征提取与融合模块.mp4
　　　 1-注册自己的Backbone模块.mp4
　　　 1-DeformableDetr算法解读.mp4
　　　 8-训练自己的任务.mp4
　　　 6-根据文件夹定义数据集.mp4
　　　 7-构建自己的数据集.mp4
　　　 3-基本参数配置解读.mp4
　　　 1-MMCLS问题修正.mp4
　　　 2-准备MMCLS项目.mp4
　　　 4-各模块配置文件组成.mp4
　　　 5-生成完整配置文件.mp4
　　　 3-特征编码风格拼接.mp4
　　　 6-损失函数概述.mp4
　　　 4-基础风格特征卷积模块.mp4
　　　 1-要完成的任务与基本思想概述.mp4
　　　 2-得到style特征编码.mp4
　　　 5-上采样得到输出结果.mp4
　　　 2-数据集标注与制作方法.mp4
　　　 1-项目配置基本介绍.mp4
　　　 5-预测DEMO演示.mp4
　　　 4-加载预训练模型开始训练.mp4
　　　 3-根据预测类别数修改配置文件.mp4
　　　 12-最终损失计算流程.mp4
　　　 8-损失模块输入参数分析.mp4
　　　 13-汇总所有损失完成迭代.mp4
　　　 1-Backbone获取多层级特征.mp4
　　　 3-多层级输入特征序列创建方法.mp4
　　　 11-标签分类匹配结果分析.mp4
　　　 2-多层级采样点初始化构建.mp4
　　　 7-Decoder中的AttentionMask方法.mp4
　　　 6-query要预测的任务解读.mp4
　　　 5-Encoder特征构建方法实例.mp4
　　　 9-标签分配策略解读.mp4
　　　 4-偏移量与权重计算并转换.mp4
　　　 10-正样本筛选损失计算.mp4
　　　 2-数据与标注文件介绍.mp4
　　　 5-体素索引位置获取.mp4
　　　 6-体素特征提取方法解读.mp4
　　　 7-体素特征计算方法分析.mp4
　　　 3-基本流程梳理并进入debug模式.mp4
　　　 4-数据与图像特征提取模块.mp4
　　　 11-输出层预测结果.mp4
　　　 1-环境配置与数据集概述.mp4
　　　 9-多模态特征融合.mp4
　　　 8-全局体素特征提取.mp4
　　　 10-3D卷积特征融合.mp4
　　　 7-将Unet特征提取模块替换成transformer.mp4
　　　 6-如何修改参数适配网络结构.mp4
　　　 8-VIT模块源码分析.mp4
　　　 5-给Unet添加一个neck层.mp4
　　　 1-配置文件解读.mp4
　　　 3-上采样与输出层.mp4
　　　 2-编码层模块.mp4
　　　 4-辅助层的作用.mp4
　　　 3-训练T与S得到蒸馏模型.mp4
　　　 5-日志输出与模型分离.mp4
　　　 1-任务概述与工具使用.mp4
　　　 2-Teacher与Student网络结构定义.mp4
　　　 4-开始模型训练过程与问题修正.mp4
　　　 7-实际测试效果演示.mp4
　　　 6-分别得到Teacher与Student模型.mp4
　　　 5-训练所需配置说明.mp4
　　　 3-通过脚本生成COCO数据格式.mp4
　　　 7-模型测试与可视化分析模块.mp4
　　　 8-补充：评估指标.mp4
　　　 6-模型训练与DEMO演示.mp4
　　　 2-COCO数据标注格式.mp4
　　　 1-数据集标注与标签获取.mp4
　　　 4-配置文件数据增强策略分析.mp4
　　　 3-得到相对位置点编码.mp4
　　　 2-序列特征展开并叠加.mp4
　　　 7-偏移量对齐操作.mp4
　　　 9-Decoder要完成的操作.mp4
　　　 11-预测输出结果与标签匹配模块.mp4
　　　 5-编码层中的序列分析.mp4
　　　 10-分类与回归输出模块.mp4
　　　 8-Encoder层完成特征对齐.mp4
　　　 4-准备Encoder编码层所需全部输入.mp4
　　　 6-偏移量offset计算.mp4
　　　 1-特征提取与位置编码.mp4
　　　 1-MMCV安装方法.mp4
　　　 7-前向传播配置.mp4
　　　 6-网络架构层次解读.mp4
　　　 1-额外补充-Resnet论文解读.mp4
　　　 8-训练resnet模型.mp4
　　　 2-额外补充-Resnet网络架构解读.mp4
　　　 3-项目结构概述.mp4
　　　 5-训练数据构建.mp4
　　　 4-数据集处理方法.mp4
　　　 6-文本模型中的结构分析.mp4
　　　 7-迭代修正模块.mp4
　　　 4-视觉Transformer模块的作用.mp4
　　　 2-配置文件修改方法.mp4
　　　 1-数据集与环境概述.mp4
　　　 3-Bakbone模块得到特征.mp4
　　　 8-输出层与损失计算.mp4
　　　 5-视觉模型中的编码与解码的效果.mp4
　　　 4-训练batch数据制作.mp4
　　　 3-文本词预处理操作.mp4
　　　 1-任务流程解读.mp4
　　　 2-模型定义参数设置.mp4
　　　 5-损失函数定义与训练结果展示.mp4
　　　 1-tensorflflow安装与简介.mp4
　　　 3-Tensorflow2版本安装方法.mp4
　　　 2-Tensorflow2版本简介与心得.mp4
　　　 4-tf基础操作.mp4
　　　 2-卷积网络涉及参数解读.mp4
　　　 3-网络架构配置.mp4
　　　 4-卷积模型训练与识别效果展示.mp4
　　　 1-猫狗识别任务与数据简介.mp4
　　　 2-构建时间序列数据.mp4
　　　 5-序列结果预测.mp4
　　　 4-多特征预测结果.mp4
　　　 3-训练时间序列数据预测结果.mp4
　　　 1-任务目标与数据源.mp4
　　　 5-CBOW与Skip-gram模型.mp4
　　　 1-RNN网络架构解读.mp4
　　　 4-训练数据构建.mp4
　　　 6-负采样方案.mp4
　　　 2-词向量模型通俗解释.mp4
　　　 3-模型整体框架.mp4
　　　 1-任务目标与数据介绍.mp4
　　　 4-embedding层向量制作.mp4
　　　 7-自定义网络模型架构.mp4
　　　 9-训练文本分类模型.mp4
　　　 5-数据生成器构造.mp4
　　　 8-训练策略指定.mp4
　　　 3-数据映射表制作.mp4
　　　 2-RNN模型输入数据维度解读.mp4
　　　 6-双向RNN模型定义.mp4
　　　 2-迁移学习策略.mp4
　　　 4-加载训练好的经典网络模型.mp4
　　　 5-Callback模块与迁移学习实例.mp4
　　　 7-图像数据处理实例.mp4
　　　 1-迁移学习的目标.mp4
　　　 6-tfrecords数据源制作方法.mp4
　　　 3-Resnet原理.mp4
　　　 7-模型保存与读取实例
　　　 2-建模流程与API文档
　　　 5-分类模型构建
　　　 6-tf.data模块解读
　　　 1-任务目标与数据集简介
　　　 3-网络模型训练
　　　 4-模型超参数调节与预测结果展示
　　　 3-网络架构设计与训练.mp4
　　　 1-CNN应用于文本任务原理解析.mp4
　　　 2-整体流程解读.mp4
　　　 1-数据增强概述.mp4
　　　 2-图像数据变换.mp4
　　　 3-猫狗识别任务数据增强实例.mp4
　　　 4-网络流程分析.mp4
　　　 5-输出结果展示.mp4
　　　 3-项目配置解读.mp4
　　　 2-论文思想与模型分析.mp4
　　　 1-任务目标与流程概述.mp4
　　　 6-边缘填充方法.mp4
　　　 10-VGG网络架构.mp4
　　　 4-得到特征图表示.mp4
　　　 3-卷积特征值计算方法.mp4
　　　 12-感受野的作用.mp4
　　　 2-卷积的作用.mp4
　　　 5-步长与卷积核大小对结果的影响.mp4
　　　 7-特征图尺寸计算与参数共享.mp4
　　　 9-整体网络架构.mp4
　　　 11-残差网络Resnet.mp4
　　　 1-卷积神经网络应用领域.mp4
　　　 8-池化层的作用.mp4
　　　 1-深度学习要解决的问题.mp4
　　　 13-神经网络过拟合解决方法.mp4
　　　 4-视觉任务中遇到的问题.mp4
　　　 5-得分函数.mp4
　　　 7-前向传播整体流程.mp4
　　　 11-神经元个数对结果的影响.mp4
　　　 6-损失函数的作用.mp4
　　　 8-返向传播计算方法.mp4
　　　 12-正则化与激活函数.mp4
　　　 10-神经网络架构细节.mp4
　　　 3-计算机视觉任务.mp4
　　　 2-深度学习应用领域.mp4
　　　 9-神经网络整体架构.mp4
　　　 6-scharr与lapkacian算子.mp4
　　　 5-梯度计算方法.mp4
　　　 1-Canny边缘检测流程.mp4
　　　 4-Sobel算子.mp4
　　　 2-非极大值抑制.mp4
　　　 3-边缘检测效果.mp4
　　　 13-低通与高通滤波.mp4
　　　 6-模板匹配方法.mp4
　　　 10-均衡化效果.mp4
　　　 9-均衡化原理.mp4
　　　 8-直方图定义.mp4
　　　 12-频域变换结果.mp4
　　　 7-匹配效果展示.mp4
　　　 3-轮廓检测方法.mp4
　　　 1-图像金字塔定义.mp4
　　　 4-轮廓检测结果.mp4
　　　 2-金字塔制作方法.mp4
　　　 11-傅里叶概述.mp4
　　　 5-轮廓特征与近似.mp4
　　　 1-deeplab分割算法概述.mp4
　　　 6-deeplabV3Plus版本网络架构.mp4
　　　 3-感受野的意义.mp4
　　　 4-SPP层的作用.mp4
　　　 2-空洞卷积的作用.mp4
　　　 5-ASPP特征融合策略.mp4
　　　 5-项目参数配置.mp4
　　　 7-输出结果与项目总结.mp4
　　　 1-任务需求与项目概述.mp4
　　　 6-缺陷检测模型训练.mp4
　　　 3-标签转换格式脚本制作.mp4
　　　 4-各版本模型介绍分析.mp4
　　　 2-数据与标签配置方法.mp4
　　　 1-数据集与任务概述.mp4
　　　 2-开源项目应用方法.mp4
　　　 6-数据路径配置.mp4
　　　 8-任务总结.mp4
　　　 3-github与kaggle中需要注意的点.mp4
　　　 5-数据集制作方法.mp4
　　　 4-源码的利用方法.mp4
　　　 7-训练模型.mp4
　　　 3-目标质心计算.mp4
　　　 5-缺陷区域提取.mp4
　　　 7-检测效果演示.mp4
　　　 2-视频数据读取与轮廓检测.mp4
　　　 4-视频数据遍历方法.mp4
　　　 1-数据与任务概述.mp4
　　　 6-不同类型的缺陷检测方法.mp4
　　　 6-图像阈值.mp4
　　　 3-ROI区域.mp4
　　　 5-数值计算.mp4
　　　 7-图像平滑处理.mp4
　　　 9-腐蚀操作.mp4
　　　 2-视频的读取与处理.mp4
　　　 4-边界填充.mp4
　　　 8-高斯与中值滤波.mp4
　　　 10-膨胀操作.mp4
　　　 13-礼帽与黑帽.mp4
　　　 12-梯度计算.mp4
　　　 11-开运算与闭运算.mp4
　　　 1-计算机眼中的图像.mp4
　　　 9-Focus模块流程分析.mp4
　　　 17-超参数解读.mp4
　　　 11-前向传播计算.mp4
　　　 18-命令行参数介绍.mp4
　　　 10-完成配置文件解析任务.mp4
　　　 19-训练流程解读.mp4
　　　 1-数据源DEBUG流程解读.mp4
　　　 14-Head层流程解读.mp4
　　　 8-V5网络配置文件解读.mp4
　　　 21-模型迭代过程.mp4
　　　 15-上采样与拼接操作.mp4
　　　 13-SPP层计算细节分析.mp4
　　　 2-图像数据源配置.mp4
　　　 3-加载标签数据.mp4
　　　 7-网络架构图可视化工具安装.mp4
　　　 12-BottleneckCSP层计算方法.mp4
　　　 4-Mosaic数据增强方法.mp4
　　　 6-getItem构建batch.mp4
　　　 5-数据四合一方法与流程演示.mp4
　　　 20-各种训练策略概述.mp4
　　　 16-输出结果分析.mp4
　　　 3-缺陷形态学操作.mp4
　　　 5-缺陷检测效果演示.mp4
　　　 1-任务需求与环境配置.mp4
　　　 4-整体流程解读.mp4
　　　 2-数据读取与基本处理.mp4
　　　 2-训练自己的数据集方法.mp4
　　　 3-训练数据参数配置.mp4
　　　 1-整体项目概述.mp4
　　　 4-测试DEMO演示.mp4
　　　 5-分割模型训练.mp4
　　　 2-项目参数与数据集读取.mp4
　　　 4-ASPP层特征融合.mp4
　　　 1-PascalVoc数据集介绍.mp4
　　　 3-网络前向传播流程.mp4
　　　 2-V4版本贡献解读.mp4
　　　 5-损失函数遇到的问题.mp4
　　　 8-SPP与CSP网络结构.mp4
　　　 11-激活函数与整体架构总结.mp4
　　　 1-V4版本整体概述.mp4
　　　 3-数据增强策略分析.mp4
　　　 6-CIOU损失函数定义.mp4
　　　 10-PAN模块解读.mp4
　　　 4-DropBlock与标签平滑方法.mp4

下载地址:

游客，如果您要查看本帖隐藏内容请回复