咕泡学院-人工智能深度学习系统班（第14期）

星***

咕泡学院-人工智能深度学习系统班（第14期）
　 13-【方向A：CV方向】自动化驾驶
　 32-【进阶模块】深度学习模型部署与实战
　 25-【方向D时序与GNN方向】时间序列预测算法与实战
　 10-【方向A：CV方向】生成模型与图像生成技术
　 16-【方向A：CV方向】文字检测与识别
　 04-【基础模块】深度学习核心算法与实践
　 28-【方向E强化学习】人形机器人高级学习与控制方法
　 01-【直播课】直播回放
　 03-【基础模块】深度学习基础与框架
　 19-【方向B：NLP方向】Transformer与预训练语言模型
　 15-【方向A：CV方向】工业与医学视觉应用
　 27-【方向E强化学习】强化学习基础算法与实战
　 30-【方向F智能应用】语音识别
　 02-【基础模块】Al课程所需安装软件教程
　 17-【方向B：NLP方向】自然语言处理基础技术
　 29-【方向F智能应用】知识图谱技术与构建
　 33-【进阶模块】深度学习模型优化与创新
　 11-【方向A：CV方向】行为识别+姿态估计+目标追踪
　 35-14期直播课程
　 12-【方向A：CV方向】行人重识别技术
　 26-【方向D时序与GNN方向】图神经网络实战
　 07-【方向A：CV方向】图像分割算法
　 06-【方向A：CV方向】目标检测算法
　 31-【方向F智能应用】现代推荐系统与实战
　 14-【方向A：CV方向】3D点云处理
　 18-【方向B：NLP方向】词向量与文本表示学习
　 09-【方向A：CV方向】Transformer与视觉应用
　 34-【进阶模块】科研与职业发展
　 08-【方向A：CV方向】MMLAB框架与数据集制作实战
　 05-【方向A：CV方向】图像处理基础
　　 1.PyTorch Flask部署示例
　　 2.PyTorch Docker部署示例
　　 6.NVIDIA TAO训练工具
　　 7.DeepStream应用
　　 3.使用Docker实现TensorFlow-Serving部署实战
　　 5.AloT实战应用
　　 4.AloT与Jetson Nano
　　 5.TimesNet时序预测
　　 7.time-llm大模型多模态预测任务
　　 1.RNN网络架构
　　 2.LSTM网络架构
　　 6.基于图模型的时间序列预测
　　 3.Informer算法
　　 4.Informer源码
　　 7-三维重建 NeuralRecon算法环境配置
　　 9-三维重建 TSDF算法解析
　　 11-轨迹估计VectorNet 算法论文解读
　　 2-深度估计实战
　　 12-VectorNet 算法实战
　　 3-车道线检测算法解析
　　 10-三维重建 TSDF算法实战
　　 6-三维重建 NeuralRecon算法解析
　　 1-深度估计算法解析
　　 5-三维重建与坐标系
　　 8-三维重建 NeuralRecon算法源码解读
　　 13-特斯拉无人驾驶解读
　　 4-车道线检测实战
　　 11-DALL-E 2论文解析
　　 12-DALL-E 2源码解读
　　 13-视频超分辨率重构
　　 8-starganvc2变声器项目实战
　　 7-StarGANv2变声器论文解析
　　 4-CycleGAN图像转换技术
　　 5-stargan论文架构解析
　　 10-Diffusion模型架构
　　 6-stargan项目实战及其源码解读
　　 2-基于 GAN 的图像补全实战
　　 3-基于 SRGAN图像超分辨率实战
　　 1-生成对抗网络架构原理
　　 9-StyleGAN2高质量图像生成架构
　　 1.开班典礼：如何学好人工智能学科.mp4
　　 3.卷积神经网络.mp4
　　 4.transformer解读.mp4
　　 2.神经网络.mp4
　　 3-OCR算法解读
　　 1-DBNET文字检测
　　 4-项目实战-文档扫描OCR识别
　　 5-项目实战-信用卡数字识别
　　 2-ANINET文字识别
　　 4.图像识别模型与训练策略（重点）
　　 2.卷积网络参数分析与优化
　　 1.卷积神经网络深度解析
　　 5.DataLoader自定义数据集制作
　　 3.ResNet模型及其应用
　　 7.LSTM网络架构
　　 6.RNN网络架构
　　 9.Transformer基础
　　 8.LSTM文本分类
　　 1.神经网络结构
　　 3.神经网络分类任务
　　 4.神经网络回归：气温预测
　　 2.PyTorch框架必备核心模块解读
　　 5.Pycharm环境配置与Debug演示
　　 1.强化学习简介及其应用
　　 3.PPO实战-月球登陆器训练实例
　　 2.PPO算法与公式推导
　　 4.Q-learning与DQN算法
　　 5.DQN改进与应用技巧
　　 8.强化学习-拓展
　　 7.用A3C玩转超级马里奥
　　 6.Actor-Critic算法分析（A3C）
　　 6-医学图像分类
　　 3-基于OpenCV的缺陷检测实战
　　 2-半监督布料缺陷检测
　　 8-医学视频诊断
　　 4-基于OpenCV的视频缺陷检测
　　 7-医学细胞分割
　　 1-钢材缺陷检测
　　 5-Deeplab铁质材料缺陷检测与开源项应流程
　　 9-医学细胞检测
　　 6-预训练语言模型 BERT 变体原理解析
　　 8-BERT应用实战-中文命名实体识别
　　 3-Transformer工具包实战
　　 2-Huggingface数据集制作方法实例
　　 9-文本标注与NER
　　 5-预训练语言模型 BERT 源码解读
　　 10-文本预训练构建
　　 12-知识图谱抽取实战
　　 4-预训练语言模型 BERT 原理解析
　　 1-Huggingface与NLP介绍
　　 7-BERT应用实战-中文情感分析
　　 11-文本预训练模型构建实例
　　 1.AI课程所需安装软件教程.mp4
　　 2.Python环境安装和搭建.mp4
　　 3.Anaconda基础讲解和使用的教程.mp4
　　 4.PyTorch框架与其他框架区别分析.mp4
　　 5.CPU与GPU版本安装方法解读.mp4
　　 5-N-gram 语言模型
　　 6-HMM隐马尔科夫模型
　　 1-NLP常用工具包实战
　　 3-商品信息可视化与文本分析
　　 2-自然语言处理项目流程实例
　　 4-贝叶斯算法分析与实战
　　 3.基于知识图谱的医药问答系统实战
　　 6.医学糖尿病数据命名实体识别
　　 2.Neo4j图数据库实战
　　 5.金融平台风控模型实践
　　 4.文本关系抽取实践
　　 1.知识图谱分析与应用
　　 5.语音分离ConvTasnet模型
　　 1.seq2seq序列网络模型
　　 2.LAS模型语音识别实战
　　 6.ConvTasnet语音分离实战
　　 7.语音合成tacotron最新版实战
　　 4.staeganvc2变声器源码实战
　　 3.starganvc2变声器论文原理解读
　　 2-计算机视觉行业落地综合实战
　　 4-大模型算法原理与架构深度解析
　　 1-计算机视觉基础与工程落地
　　 3-自然语言处理基础与Transformer原理
　　 3.模型剪枝-Network Slimming实战解读
　　 1.通用创新点
　　 4.Mobilenet三代网络模型架构
　　 5.知识蒸馏
　　 6.拓展-模型部署与优化
　　 2.模型剪枝-Network Slimming算法分析
　　 6-基于拓扑图的ReID实战
　　 2-注意力机制ReID模型
　　 4-局部特征融合ReID实战
　　 7-行人搜索源码分析
　　 5-旷视研究院图模型ReID算法
　　 3-AAAI最新ReID算法
　　 1-行人重识别基础理论
　　 7-人体姿态估计OpenPose算法解析
　　 3-slowfast算法源码详细解读
　　 6- CVPR 异常检测算法论文解读
　　 10-deepsort算法知识点解读
　　 2-SlowFast 算法环境配置
　　 8-OpenPose算法源码解读
　　 4-3D卷积视频分析
　　 9-deepsort源码解读
　　 11-多目标追踪算法源码解读
　　 1-SlowFast 行为识别算法解析
　　 5- 视频异常检测算法与元学习
　　 1.物体检测评估指标
　　 14.YOLOv12与YOLOv13最新检测算法
　　 10.YOLOv7检测算法深度解析
　　 11.YOLOv8检测算法深度解析
　　 6.YOLOv3检测算法深度解析
　　 8.YOLOv4版本算法解读
　　 5.YOLOv2检测算法深度解析
　　 9.YOLOv5检测算法深度解析
　　 2.YOLO系列大串讲(可刷这个快速过)
　　 4.YOLOv1检测算法深度解析
　　 12.YOLOv9检测算法深度解析
　　 3.经典物体检测算法
　　 7.YOLO模型数据标注与训练
　　 13.YOLO-World 检测算法
　　 7.推荐系统常用工具包演示
　　 9.基本统计分析的电影推荐
　　 2.推荐系统介绍及其应用
　　 5.基于知识图谱的电影推荐实战
　　 4.知识图谱与Neo4j数据库实例
　　 6.DeepFM算法解析与实战
　　 3.音乐推荐系统实战
　　 1.协同过滤与矩阵分解
　　 10.基于相似度的酒店推荐系统
　　 8.基于文本数据的推荐实例
　　 8.KIE关键信息抽取
　　 7.异构图神经网络
　　 4.图注意力与序列模型
　　 5.图相似度论文分析
　　 3.PyTorch Geometric配置与实战
　　 2.图卷积（GCN）模型
　　 1.图神经网络基础
　　 6.图模型轨迹估计
　　 9.MaskRcnn网络框架源码详解
　　 6.基于deeplabV3+版本进VOC分割实战
　　 1.图像分割与损失函数
　　 12.SAM2视频分割
　　 14.遥感图像处理与高光谱图像智能解译
　　 7.基于deeplabV3脏视频数据集分割建模实战
　　 13.EfficientSam分割算法
　　 5.DeepLab 语义分割算法
　　 8.Mask R-CNN 实例分割算法
　　 2.Unet系列算法
　　 3.Unet医学细胞分割实战
　　 4.U2NET显著性检测实战
　　 10.Mask R-CNN 训练自己的数据与任务
　　 11.SAM 图像分割算法
　　 7-点云配准技术
　　 2-3D点云PointNet 算法解析
　　 3-3D点云PointNet++算法解析
　　 1-3D点云应用领域介绍
　　 5-点云补全PF-Net 算法解析
　　 4-Pointnet++项目实战
　　 6-PF-Net 算法实战
　　 2-基于word2vec的实战项目
　　 7-NLP实战项目-医学糖尿病数据命名实体识别
　　 3-文本特征方法对比
　　 4-文本相似度模型
　　 5-NLP实战项目-机器人写唐诗
　　 6-NLP实战项目-对话机器人
　　 1-Word2Vec模型解读与构建
　　 2.Vision Transformer算法源码解读
　　 3.视觉自监督BEIT算法解读
　　 1.Vision Transformer算法原理解析
　　 7.SwinTransformer算法源码解读
　　 9.DETR目标检测源码解读
　　 11.Deformable DETR 算法源码解读
　　 6.SwinTransformer算法原理解析
　　 13.MedicalTransformer 算法源码解读
　　 5.视觉自监督任务BEITv2源码解读
　　 16.BEVFormer 3D检测算法解析
　　 12.MedicalTransformer 分割算法解析
　　 10.Deformable DETR 检测算法解析
　　 17.BEVFormer 算法源码解读
　　 15.Mask2former 分割算法码解读
　　 18.LoFTR特征匹配算法
　　 8.DETR目标检测算法解析
　　 14.Maskformer 分割算法源码解读
　　 4.视觉自监督任务BEITv2论文解读
　　 2.Deepseek辅助科研技能学习和科研探索
　　 4.就业简历指导
　　 1.论文写作与科研方法论
　　 3.AI时代职业规划
　　　 1-基本结构与训练好的模型加载.mp4
　　　 2-服务端处理与预测函数.mp4
　　　 3-基于Flask测试模型预测结果.mp4
　　　 4-基于docker配置pytorch环境.mp4
　　　 3-阿里云镜像配置.mp4
　　　 2-docker安装与配置.mp4
　　　 1-docker简介.mp4
　　　 6-复制所需配置到容器中.mp4
　　　 7-上传与下载配置好的项目.mp4
　　　 5-安装演示环境所需依赖.mp4
　　 6.Unet策略修改（分割）
　　 4.模型源码调试（分类）
　　 7.分割任务CVPR最新Backbone设计及其应用（分割）
　　 8.MMDetection自定义数据训练（检测）
　　 5.分割模块自定义数据集训练（分割）
　　 9. MMAction自定义数据训练（行为识别）
　　 3.训练结果测试与验证（分类）
　　 1.MMCV安装方法
　　 2.分类任务操作（分类）
　　 13.OpenCV项目实战-疲劳检测
　　 7.OpenCV高级图像处理技术
　　 3.OpenCV梯度计算与边缘检测实例
　　 5.OpenCV角点检测
　　 12.OpenCV项目实战-目标追踪
　　 11.OpenCV项目实战-答题卡识别判卷
　　 2.OpenCV图像常处理法实例
　　 4.OpenCV轮廓检测与直图
　　 6.OpenCV尺度空间
　　 8.OpenCV项目实战-信用卡数字识别
　　 10.OpenCV项目实战-停车场车位识别
　　 9.OpenCV项目实战-文档扫描OCR识别
　　 1.课程介绍与环境配置
　　　 2-NVIDIA TAO数据准备和环境设置.mp4
　　　 7-TAO 剪枝在训练推理验证.mp4
　　　 6-NVIDIA TAO预训练模型和训练c.mp4
　　　 1-NVIDIA TAO介绍和安装.mp4
　　　 3-NVIDIA TAO数据转换.mp4
　　　 4-NVIDIA TAO预训练模型和训练a.mp4
　　　 5-NVIDIA TAO预训练模型和训练b.mp4
　　　 3-GStreamer RTP和RTSP1.mp4
　　　 4-GStreamer RTP和RTSP2.mp4
　　　 2-deepstream HelloWorld.mp4
　　　 5-python实现RTP和RTSP.mp4
　　　 1-deepstream 介绍安装.mp4
　　　 7-deepstream集成yolov4.mp4
　　　 6-deepstream推理.mp4
　　　 2-docker 的安装使用.mp4
　　　 5-训练出自己目标识别模型a.mp4
　　　 1-jetson-inference 入门.mp4
　　　 7-转换出onnx模型，并使用.mp4
　　　 4-训练自己的目标检测模型准备.mp4
　　　 3-docker中运行分类模型.mp4
　　　 6-训练出自己目标识别模型b.mp4
　　　 5-加载fashion模型启动服务.mp4
　　　 1-tf-serving项目获取与配置.mp4
　　　 4-fashion数据集获取.mp4
　　　 2-加载并启动模型服务.mp4
　　　 3-测试模型部署效果.mp4
　　　 RNN网络架构.mp4
　　　 5-安装使用摄像头csi usb.mp4
　　　 1-jetson nano 硬件介绍.mp4
　　　 2-jetson nano 刷机.mp4
　　　 4-感受nano的GPU算力.mp4
　　　 3-jetson nano 系统安装过程.mp4
　　　 9-整体计算流程.mp4
　　　 3-时序特征周期拆解.mp4
　　　 5-全部计算流程解读.mp4
　　　 7-源码流程解读.mp4
　　　 6-周期间特征分析.mp4
　　　 1-时序预测故事背景.mp4
　　　 2-论文核心思想解读.mp4
　　　 8-傅里叶变换流程.mp4
　　　 4-计算公式流程拆解.mp4
　　　 1-time-llm大模型多模态预测任务.mp4
　　　 LSTM网络架构.mp4
　　　 1-基于图模型的时间序列预测 .mp4
　　　 11-完成注意力机制计算模块.mp4
　　　 5-数据处理相关模块.mp4
　　　 10-核心采样计算方法.mp4
　　　 7-dataloader构建实例.mp4
　　　 8-整体架构分析.mp4
　　　 12-平均向量的作用.mp4
　　　 1-项目使用说明.mp4
　　　 2-数据集解读.mp4
　　　 13-解码器预测输出.mp4
　　　 6-时间相关特征提取方法.mp4
　　　 3-模型训练所需参数解读.mp4
　　　 9-编码器模块实现.mp4
　　　 4-数据集构建与读取方式.mp4
　　　 5-probAttention计算流程.mp4
　　　 6-编码器全部计算流程.mp4
　　　 7-解码器流程分析.mp4
　　　 4-Query采样方法解读.mp4
　　　 1-时间序列预测要完成的任务.mp4
　　　 2-常用模块分析.mp4
　　　 3-论文要解决的问题分析.mp4
　　　 3-布局初始化操作.mp4
　　　 5-坐标转换流程分析.mp4
　　　 2-合成过程DEMO演示.mp4
　　　 6-输出结果融合更新.mp4
　　　 1-TSDF整体概述分析.mp4
　　　 4-TSDF计算基本流程解读.mp4
　　　 3-TSDF标签生成方法.mp4
　　　 2-Scannet数据集内容概述.mp4
　　　 1-数据集下载与配置方法.mp4
　　　 5-完成依赖环境配置.mp4
　　　 4-ISSUE的作用.mp4
　　　 7-网络结构ASPP层.mp4
　　　 9-输出深度估计结果.mp4
　　　 11-模型DEMO输出结果.mp4
　　　 4-使用backbone进行特征提取.mp4
　　　 8-特征拼接方法解读.mp4
　　　 1-项目环境配置解读.mp4
　　　 2-数据与标签定义方法.mp4
　　　 6-权重参数标准化操作.mp4
　　　 5-计算差异特征.mp4
　　　 3-数据集dataloader制作.mp4
　　　 10-损失函数通俗解读.mp4
　　　 3-特征工程的作用与效果.mp4
　　　 7-特征融合模块分析.mp4
　　　 5-输入细节分析.mp4
　　　 6-子图模块构建方法.mp4
　　　 4-传统方法与现在向量空间对比.mp4
　　　 2-整体三大模块分析.mp4
　　　 1-数据集与标注信息解读.mp4
　　　 8-VectorNet输出层分析.mp4
　　　 5-论文概述分析.mp4
　　　 1-数据标签与任务分析.mp4
　　　 4-损失函数计算方法.mp4
　　　 3-输出结果分析.mp4
　　　 2-网络整体框架分析.mp4
　　　 5-整体架构重构方法.mp4
　　　 1-任务流程分析.mp4
　　　 2-基本框架熟悉.mp4
　　　 3-特征映射方法解读.mp4
　　　 4-片段融合思想.mp4
　　　 2-初始化与数据读取.mp4
　　　 3-计算得到TSDF输出.mp4
　　　 1-环境配置概述.mp4
　　　 4-DataLoader构建图结构.mp4
　　　 2-训练数据准备.mp4
　　　 1-数据与环境配置.mp4
　　　 5-SubGraph与Attention模型流程.mp4
　　　 3-Agent特征提取方法.mp4
　　　 1-特斯拉无人驾驶解读.mp4
　　　 8-网络coarse-to-fine过程.mp4
　　　 4-差异特征计算边界信息.mp4
　　　 3-使用backbone获取层级特征.mp4
　　　 7-特征拼接方法分析.mp4
　　　 9-权重参数预处理.mp4
　　　 10-损失计算.mp4
　　　 6-空洞卷积与ASPP.mp4
　　　 5-SPP层的作用.mp4
　　　 2-kitti数据集介绍.mp4
　　　 1-深度估计效果与应用.mp4
　　　 5-坐标系转换方法解读.mp4
　　　 8-相机标定简介.mp4
　　　 6-相机内外参.mp4
　　　 2-三维重建应用领域概述.mp4
　　　 4-相机坐标系.mp4
　　　 1-三维重建概述分析.mp4
　　　 7-通过内外参数进行坐标变换.mp4
　　　 3-成像方法概述.mp4
　　　 7-完成三个阶段预测结果.mp4
　　　 2-初始化体素位置.mp4
　　　 3-坐标映射方法实现.mp4
　　　 8-项目总结.mp4
　　　 6-得到一阶段输出结果.mp4
　　　 5-插值得到对应特征向量.mp4
　　　 4-得到体素所对应特征图.mp4
　　　 1-Backbone得到特征图.mp4
　　　 2-不同模块对比分析.mp4
　　　 3-算法核心流程解读.mp4
　　　 4-各模块实现细节讲解.mp4
　　　 1-论文基本思想与核心模块分析.mp4
　　　 1-KIE关键信息抽取与视频超分辨率重构.mp4
　　　 2-源码实现细节分析.mp4
　　　 3-源码公式对应论文分析.mp4
　　　 5-源码实现流程总结.mp4
　　　 1-项目整体流程分析.mp4
　　　 4-Decoder模块实现细节解读.mp4
　　　 9-损失函数计算模块分析.mp4
　　　 3-制作数据集dataloader.mp4
　　　 4-车道线标签数据处理.mp4
　　　 5-四条车道线标签位置矩阵.mp4
　　　 8-算法网络结构解读.mp4
　　　 11-DEMO制作与配置.mp4
　　　 7-完成数据与标签制作.mp4
　　　 1-车道数据与标签解读.mp4
　　　 6-grid设置方法.mp4
　　　 10-车道线规则损失函数限制.mp4
　　　 2-项目环境配置演示.mp4
　　　 4-生成器模型架构分析.mp4
　　　 3-语音特征提取.mp4
　　　 2-VCC2016输入数据.mp4
　　　 5-InstanceNorm的作用解读.mp4
　　　 1-论文整体思路与架构解读.mp4
　　　 6-AdaIn的目的与效果.mp4
　　　 7-判别器模块分析.mp4
　　　 9-生成与判别损失函数指定.mp4
　　　 8-损失函数：identity loss计算方法.mp4
　　　 3-PatchGan判别网络原理.mp4
　　　 5-数据读取与预处理操作.mp4
　　　 1-CycleGan网络所需数据.mp4
　　　 10-额外补充：VISDOM可视化配置.mp4
　　　 6-生成网络模块构造.mp4
　　　 4-Cycle开源项目简介.mp4
　　　 2-CycleGan整体网络架构.mp4
　　　 7-判别网络模块构造.mp4
　　　 3-建模流程分析.mp4
　　　 4-V1版本存在的问题及后续改进思路.mp4
　　　 8-训练过程分析.mp4
　　　 5-V2版本在整体网络架构.mp4
　　　 2-网络架构整体思路解读.mp4
　　　 7-损失函数公式解析.mp4
　　　 1-stargan效果演示分析.mp4
　　　 6-编码器训练方法.mp4
　　　 1-数据与项目文件解读.mp4
　　　 6-starganvc2版本标签输入分析.mp4
　　　 7-生成器前向传播维度变化.mp4
　　　 5-下采样与上采样操作.mp4
　　　 9-论文损失函数.mp4
　　　 2-环境配置与工具包安装.mp4
　　　 3-数据预处理与声音特征提取.mp4
　　　 8-判别器模块解读.mp4
　　　 4-生成器构造模块解读.mp4
　　　 11-测试模块-生成转换语音.mp4
　　　 10-源码损失计算流程.mp4
　　　 2-网络架构.mp4
　　　 3-数据与环境配置.mp4
　　　 8-损失函数与训练.mp4
　　　 6-判别模块.mp4
　　　 5-生成模块.mp4
　　　 9-测试模块.mp4
　　　 1-论文概述.mp4
　　　 7-VGG特征提取网络.mp4
　　　 4-数据加载与配置.mp4
　　　 1-Diffusion模型解读.mp4
　　　 6-参数基本设计.mp4
　　　 2-网络架构.mp4
　　　 8-网络迭代训练.mp4
　　　 4-论文总结.mp4
　　　 1-论文概述.mp4
　　　 9-测试模块.mp4
　　　 7-网络结构配置.mp4
　　　 5-数据与项目概述.mp4
　　　 3-细节设计.mp4
　　　 8-判别器损失计算.mp4
　　　 1-测试模块效果与实验分析.mp4
　　　 9-损失计算详细过程.mp4
　　　 2-项目配置与数据源下载.mp4
　　　 6-所有网络模块构建实例.mp4
　　　 4-项目参数解析.mp4
　　　 7-数据读取模块分析.mp4
　　　 10-生成模块损失计算.mp4
　　　 3-测试效果演示.mp4
　　　 5-生成器模块源码解读.mp4
　　　 3-损失函数解释说明.mp4
　　　 4-数据读取模块.mp4
　　　 1-对抗生成网络通俗解释.mp4
　　　 2-GAN网络组成.mp4
　　　 5-生成与判别网络定义.mp4
　　　 5-损失计算方法.mp4
　　　 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
　　　 4-损失函数模块概述.mp4
　　　 5-上采样得到输出结果.mp4
　　　 2-得到style特征编码.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
　　　 3-特征编码风格拼接.mp4
　　　 1-OCR算法解读.mp4
　　　 5-输出层与梯度设置.mp4
　　　 9-重新训练全部模型.mp4
　　　 1-任务分析与图像数据基本处理.mp4
　　　 2-数据增强模块.mp4
　　　 10-测试结果演示分析.mp4
　　　 7-优化器与学习率衰减.mp4
　　　 4-迁移学习方法解读.mp4
　　　 8-模型训练方法.mp4
　　　 6-输出类别个数修改.mp4
　　　 3-数据集与模型选择.mp4
　　　 1-整体流程演示.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
　　　 5-tesseract-ocr安装配置.mp4
　　　 6-文档扫描识别效果.mp4
　　　 2-环境配置与预处理.mp4
　　　 4-输入数据处理方法.mp4
　　　 1-总体流程与方法讲解.mp4
　　　 3-模板处理方法.mp4
　　　 5-模板匹配得出识别结果.mp4
　　　 4-视觉Transformer模块的作用.mp4
　　　 6-文本模型中的结构分析.mp4
　　　 8-输出层与损失计算.mp4
　　　 3-Bakbone模块得到特征.mp4
　　　 5-视觉模型中的编码与解码的效果.mp4
　　　 1-数据集与环境概述.mp4
　　　 7-迭代修正模块.mp4
　　　 2-配置文件修改方法.mp4
　　　 卷积神经网络.mp4
　　　 4-实用Dataloader加载数据并训练模型.mp4
　　　 1-Dataloader要完成的任务分析.mp4
　　　 2-图像数据与标签路径处理.mp4
　　　 3-Dataloader中需要实现的方法分析.mp4
　　　 4-Resnet网络前向传播.mp4
　　　 7-网络整体流程与训练演示.mp4
　　　 3-dataloader加载数据集.mp4
　　　 1-医学疾病数据集介绍.mp4
　　　 2-Resnet网络架构原理分析.mp4
　　　 6-特征图升维与降采样操作.mp4
　　　 5-残差网络的shortcut操作.mp4
　　　 2-卷积网络参数解读.mp4
　　　 1-输入特征通道分析.mp4
　　　 3-卷积网络模型训练.mp4
　　　 LSTM网络架构.mp4
　　　 6-字符预处理转换ID.mp4
　　　 2-文本数据处理基本流程分析.mp4
　　　 9-模型训练任务与总结.mp4
　　　 1-数据集与任务目标分析.mp4
　　　 3-命令行参数与DEBUG.mp4
　　　 8-网络模型预测结果输出.mp4
　　　 5-预料表与字符切分.mp4
　　　 4-训练模型所需基本配置参数分析.mp4
　　　 7-LSTM网络结构基本定义.mp4
　　　 RNN网络架构.mp4
　　　 1-Transformer.mp4
　　　 3-GITHUB开源项目使用方法.mp4
　　　 2-transformer-VIT源码解读.mp4
　　　 神经网络回归任务-气温预测.mp4
　　　 神经网络结构.mp4
　　　 5-损失与训练模块分析.mp4
　　　 6-训练一个基本的分类模型.mp4
　　　 3-网络结构定义方法.mp4
　　　 1-数据集与任务概述.mp4
　　　 2-基本模块应用测试.mp4
　　　 4-数据源定义简介.mp4
　　　 7-参数对结果的影响.mp4
　　　 3-框架安装方法（CPU与GPU版本）.mp4
　　　 5-自动求导机制.mp4
　　　 8-补充：常见tensor格式.mp4
　　　 4-PyTorch基本操作简介.mp4
　　　 1-PyTorch实战课程简介.mp4
　　　 7-线性回归DEMO-训练回归模型.mp4
　　　 2-PyTorch框架发展趋势简介.mp4
　　　 9-补充：Hub模块简介.mp4
　　　 6-线性回归DEMO-数据与参数配置.mp4
　　　 1-一张图通俗解释强化学习.mp4
　　　 2-强化学习的指导依据.mp4
　　　 5-强化学习工作流程.mp4
　　　 3-强化学习AI游戏DEMO.mp4
　　　 4-应用领域简介.mp4
　　　 6-计算机眼中的状态与行为.mp4
　　　 Pycharm环境配置与Debug演示(没用过的同学必看).mp4
　　　 1-Critic的作用与效果.mp4
　　　 3-参数与网络结构定义.mp4
　　　 6-参数迭代与更新.mp4
　　　 2-PPO2版本公式解读.mp4
　　　 5-奖励获得与计算.mp4
　　　 4-得到动作结果.mp4
　　　 6-OnPolicy与OffPolicy策略.mp4
　　　 4-策略梯度推导.mp4
　　　 1-基本情况介绍.mp4
　　　 7-importance sampling的作用.mp4
　　　 5-baseline方法.mp4
　　　 8-PPO算法整体思路解析.mp4
　　　 2-与环境交互得到所需数据.mp4
　　　 3-要完成的目标分析.mp4
　　　 强化学习的基础原理与应用等.mp4
　　　 5-算法原理通俗解读.mp4
　　　 1-整体任务流程演示.mp4
　　　 7-Qlearning算法实例解读.mp4
　　　 4-训练与更新.mp4
　　　 6-目标函数与公式解析.mp4
　　　 9-DQN简介.mp4
　　　 3-计算target值.mp4
　　　 2-探索与action获取.mp4
　　　 8-Q值迭代求解.mp4
　　　 1-DoubleDqn要解决的问题.mp4
　　　 4-MultiSetp策略.mp4
　　　 5-连续动作处理方法.mp4
　　　 3-Dueling整体网络架构分析.mp4
　　　 2-DuelingDqn改进方法.mp4
　　　 3-要计算的指标回顾.mp4
　　　 6-训练网络模型.mp4
　　　 4-初始化局部模型并加载参数.mp4
　　　 1-整体流程与环境配置.mp4
　　　 2-启动游戏环境.mp4
　　　 5-与环境交互得到训练数据.mp4
　　　 1-AC算法回顾与知识点总结.mp4
　　　 2-优势函数解读与分析.mp4
　　　 4-A3C整体架构分析.mp4
　　　 3-计算流程实例.mp4
　　　 5-损失函数整理.mp4
　　　 1-任务目标与流程概述.mp4
　　　 4-网络流程分析.mp4
　　　 2-论文思想与模型分析.mp4
　　　 3-项目配置解读.mp4
　　　 5-输出结果展示.mp4
　　　 5-缺陷检测效果演示.mp4
　　　 2-数据读取与基本处理.mp4
　　　 1-任务需求与环境配置.mp4
　　　 3-缺陷形态学操作.mp4
　　　 4-整体流程解读.mp4
　　　 3-dataloader加载数据集.mp4
　　　 4-Resnet网络前向传播.mp4
　　　 2-Resnet网络架构原理分析.mp4
　　　 7-网络整体流程与训练演示.mp4
　　　 5-残差网络的shortcut操作.mp4
　　　 6-特征图升维与降采样操作.mp4
　　　 1-医学疾病数据集介绍.mp4
　　　 2-视频数据读取与轮廓检测.mp4
　　　 5-缺陷区域提取.mp4
　　　 7-检测效果演示.mp4
　　　 6-不同类型的缺陷检测方法.mp4
　　　 4-视频数据遍历方法.mp4
　　　 3-目标质心计算.mp4
　　　 1-数据与任务概述.mp4
　　　 5-项目参数配置.mp4
　　　 3-标签转换格式脚本制作.mp4
　　　 6-缺陷检测模型训练.mp4
　　　 2-数据与标签配置方法.mp4
　　　 4-各版本模型介绍分析.mp4
　　　 1-任务需求与项目概述.mp4
　　　 7-输出结果与项目总结.mp4
　　　 4-特征融合方法演示.mp4
　　　 6-模型效果验证.mp4
　　　 1-医学细胞数据集介绍与参数配置.mp4
　　　 5-迭代完成整个模型计算任务.mp4
　　　 3-Debug模式演示网络计算流程.mp4
　　　 2-数据增强工具.mp4
　　　 6-补充：R(2plus1)D处理方法分析.mp4
　　　 2-项目基本配置参数.mp4
　　　 3-任务流程解读.mp4
　　　 5-补充：视频数据源特征处理方法概述.mp4
　　　 4-文献报告分析.mp4
　　　 1-数据集与任务概述.mp4
　　　 2-模型与算法配置参数解读.mp4
　　　 4-效果评估与展示.mp4
　　　 5-细胞检测效果演示.mp4
　　　 3-网络训练流程演示.mp4
　　　 1-任务与细胞数据集介绍.mp4
　　　 2-NER标注数据处理与读取
　　　 1-命名实体识别数据分析与任务目标
　　　 3-构建BERT与CRF模型
　　　 2-ALBERT基本定义.mp4
　　　 1-BERT模型训练方法解读.mp4
　　　 3-ALBERT中的简化方法解读.mp4
　　　 5-DistilBert模型解读.mp4
　　　 4-RoBerta模型训练方法解读.mp4
　　　 4-源码的利用方法.mp4
　　　 2-开源项目应用方法.mp4
　　　 1-数据集与任务概述.mp4
　　　 3-github与kaggle中需要注意的点.mp4
　　　 7-训练模型.mp4
　　　 8-任务总结.mp4
　　　 5-数据集制作方法.mp4
　　　 6-数据路径配置.mp4
　　　 2-命名实体识别任务标注方法实例.mp4
　　　 4-标签处理并完成对齐操作.mp4
　　　 6-模型训练与输出结果预测.mp4
　　　 1-文本标注工具Doccano配置方法.mp4
　　　 5-预训练模型加载与参数配置.mp4
　　　 3-标注导出与BIO处理.mp4
　　　 2-Huggingface中的预处理实例.mp4
　　　 1-数据结构分析.mp4
　　　 3-数据处理基本流程.mp4
　　　 2-NLP任务常规流程分析.mp4
　　　 6-数据Dataloader封装.mp4
　　　 9-transformer原理解读.mp4
　　　 3-文本切分方法实例解读.mp4
　　　 7-模型训练所需配置参数.mp4
　　　 4-AttentionMask配套使用方法.mp4
　　　 8-模型训练DEMO.mp4
　　　 5-数据集与模型.mp4
　　　 1-工具包与任务整体介绍.mp4
　　　 5-tfrecord数据源制作.mp4
　　　 8-加入位置编码特征.mp4
　　　 4-数据预处理模块.mp4
　　　 7-加入额外编码特征.mp4
　　　 6-Embedding层的作用.mp4
　　　 10-构建QKV矩阵.mp4
　　　 11-完成Transformer模块构建.mp4
　　　 12-训练BERT模型.mp4
　　　 1-BERT开源项目简介.mp4
　　　 2-项目参数配置.mp4
　　　 3-数据读取模块.mp4
　　　 9-mask机制的作用.mp4
　　　 1-Huggingface与NLP介绍解读.mp4
　　　 4-实体抽取模块分析.mp4
　　　 7-网络模型前向计算方法.mp4
　　　 5-标签与数据结构定义方法.mp4
　　　 3-数据处理与读取模块.mp4
　　　 6-模型构建与计算流程.mp4
　　　 2-数据标注格式样例分析.mp4
　　　 1-应用场景概述分析.mp4
　　　 8-关系抽取模型训练.mp4
　　　 1-预训练模型效果分析.mp4
　　　 2-文本数据截断处理.mp4
　　　 3-预训练模型自定义训练.mp4
　　　 10-BERT模型训练方法.mp4
　　　 4-注意力机制的作用.mp4
　　　 8-位置编码与多层堆叠.mp4
　　　 11-训练实例.mp4
　　　 2-BERT任务目标概述.mp4
　　　 3-传统解决方案遇到的问题.mp4
　　　 7-Multi-head的作用.mp4
　　　 6-特征分配与softmax机制.mp4
　　　 9-transformer整体架构梳理.mp4
　　　 5-self-attention计算方法.mp4
　　　 1-BERT课程简介.mp4
　　　 1-中文分类数据与任务概述.mp4
　　　 3-训练BERT中文分类模型.mp4
　　　 2-读取处理自己的数据集.mp4
　　　 4-训练自己标注的数据并测试.mp4
　　　 1-中文商城评价数据处理方法.mp4
　　　 2-模型训练与测试结果.mp4
　　　 3-文本摘要数据标注方法.mp4
　　　 6-前向算法.mp4
　　　 13-中文分词任务.mp4
　　　 11-hmmlearn工具包.mp4
　　　 1-马尔科夫模型.mp4
　　　 7-前向算法求解实例.mp4
　　　 5-复杂度计算.mp4
　　　 4-暴力求解方法.mp4
　　　 10-维特比算法.mp4
　　　 12-工具包使用方法.mp4
　　　 8-Baum-Welch算法.mp4
　　　 2-隐马尔科夫模型基本出发点.mp4
　　　 14-实现中文分词.mp4
　　　 3-组成与要解决的问题.mp4
　　　 9-参数求解.mp4
　　　 3-N-gram模型.mp4
　　　 1-开篇.mp4
　　　 10-负采样模型.mp4
　　　 2-语言模型.mp4
　　　 8-CBOW求解目标.mp4
　　　 9-锑度上升求解.mp4
　　　 7-CBOW模型实例.mp4
　　　 6-Hierarchical Softmax.mp4
　　　 5-神经网络模型.mp4
　　　 4-词向量.mp4
　　　 6-基于tf-idf提取关键词信息.mp4
　　　 1-在线商城商品数据信息概述.mp4
　　　 2-商品类别划分方式.mp4
　　　 4-商品描述长度对价格的影响分析.mp4
　　　 3-商品类别可视化展示.mp4
　　　 7-通过降维进行可视化展示.mp4
　　　 8-聚类分析与主题模型展示.mp4
　　　 5-关键词的词云可视化展示.mp4
　　　 5-贝叶斯实现拼写检查器.mp4
　　　 8-新闻数据与任务简介.mp4
　　　 7-相似度计算.mp4
　　　 9-TF-IDF关键词提取.mp4
　　　 1-贝叶斯算法概述.mp4
　　　 3-贝叶斯拼写纠错实例.mp4
　　　 6-文本分析与关键词提取.mp4
　　　 11-基于贝叶斯算法进行新闻分类.mp4
　　　 2-贝叶斯推导实例.mp4
　　　 4-垃圾邮件过滤实例.mp4
　　　 10-LDA建模.mp4
　　　 4-常用函数介绍.mp4
　　　 3-正则常用符号.mp4
　　　 13-结巴分词器.mp4
　　　 10-名字实体匹配.mp4
　　　 14-词云展示.mp4
　　　 8-数据清洗实例.mp4
　　　 1-Python字符串处理.mp4
　　　 5-NLTK工具包简介.mp4
　　　 9-Spacy工具包.mp4
　　　 7-词性标注.mp4
　　　 12-统计分析结果.mp4
　　　 2-正则表达式基本语法.mp4
　　　 6-停用词过滤.mp4
　　　 11-恐怖袭击分析.mp4
　　　 1-Python字符串处理.mp4
　　　 2-正则表达式基本语法.mp4
　　　 9-Spacy工具包.mp4
　　　 5-NLTK工具包简介.mp4
　　　 3-正则常用符号.mp4
　　　 4-常用函数介绍.mp4
　　　 10-名字实体匹配.mp4
　　　 8-数据清洗实例.mp4
　　　 7-词性标注.mp4
　　　 6-停用词过滤.mp4
　　　 14-词云展示.mp4
　　　 11-恐怖袭击分析.mp4
　　　 12-统计分析结果.mp4
　　　 13-结巴分词器.mp4
　　　 3-节点权重特征提取(PageRank).mp4
　　　 4-deepwalk构建图顶点特征.mp4
　　　 7-图中联系人特征.mp4
　　　 5-各项统计特征.mp4
　　　 1-竞赛任务目标.mp4
　　　 2-图模型信息提取.mp4
　　　 6-app安装特征.mp4
　　　 6-创建关系边.mp4
　　　 8-加载所有实体数据.mp4
　　　 1-项目概述与整体架构分析.mp4
　　　 4-环境配置与所需工具包安装.mp4
　　　 7-打造医疗知识图谱模型.mp4
　　　 5-提取数据中的关键字段信息.mp4
　　　 3-任务流程概述.mp4
　　　 2-医疗数据介绍及其各字段含义.mp4
　　　 10-完成对话系统构建.mp4
　　　 9-实体关键词字典制作.mp4
　　　 1-数据与任务介绍.mp4
　　　 6-医疗数据集（糖尿病）实体识别.mp4
　　　 2-整体模型架构.mp4
　　　 4-输入样本填充补齐.mp4
　　　 3-数据-标签-语料库处理.mp4
　　　 5-训练网络模型.mp4
　　　 4-创建与删除操作演示.mp4
　　　 2-Neo4j数据库安装流程演示.mp4
　　　 6-使用Py2neo建立连接.mp4
　　　 3-可视化例子演示.mp4
　　　 9-根据给定实体创建关系.mp4
　　　 8-在图中创建实体.mp4
　　　 5-数据库更改查询操作演示.mp4
　　　 7-提取所需的指标信息.mp4
　　　 1-Neo4j图数据库介绍.mp4
　　　 3-DeepClustering论文解读.mp4
　　　 1-语音分离任务分析.mp4
　　　 4-TasNet编码器结构分析.mp4
　　　 6-基于Mask得到分离结果.mp4
　　　 5-DW卷积的作用与效果.mp4
　　　 2-经典语音分离模型概述.mp4
　　　 5-TeacherForcing的作用与训练策略.mp4
　　　 1-序列网络模型概述分析.mp4
　　　 2-工作原理概述.mp4
　　　 4-加入attention的序列模型整体架构.mp4
　　　 3-注意力机制的作用.mp4
　　　 6-额外补充-RNN网络模型解读.mp4
　　　 11-图谱知识融合与总结分析.mp4
　　　 8-graph-embedding的作用与效果.mp4
　　　 5-数据获取分析.mp4
　　　 9-金融领域图编码实例.mp4
　　　 6-数据关系抽取分析.mp4
　　　 7-常用NLP技术点分析.mp4
　　　 10-视觉领域图编码实例.mp4
　　　 1-知识图谱通俗解读.mp4
　　　 3-知识图谱在医疗领域应用实例.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
　　　 3-pyltp安装与流程演示.mp4
　　　 5-依存句法概述.mp4
　　　 6-句法分析结果整理.mp4
　　　 7-语义角色构建与分析.mp4
　　　 2-LTP工具包概述介绍.mp4
　　　 1-关系抽取要完成的任务演示与分析.mp4
　　　 8-设计规则完成关系抽取.mp4
　　　 4-得到分词与词性标注结果.mp4
　　　 5-Pack与Pad操作解析.mp4
　　　 7-加入注意力机制.mp4
　　　 1-数据源与环境配置.mp4
　　　 4-声音数据处理模块解读.mp4
　　　 3-制作json标注数据.mp4
　　　 9-解码器与训练过程演示.mp4
　　　 2-语料表制作方法.mp4
　　　 8-计算得到每个输出的attention得分.mp4
　　　 6-编码器模块整体流程.mp4
　　　 7-解码得到分离后的语音.mp4
　　　 8-测试模块所需参数.mp4
　　　 2-训练任务所需参数介绍.mp4
　　　 6-构建更大的感受区域.mp4
　　　 5-编码器特征提取.mp4
　　　 3-DataLoader定义.mp4
　　　 4-采样数据特征编码.mp4
　　　 1-数据准备与环境配置.mp4
　　　 2-环境配置与工具包安装.mp4
　　　 5-下采样与上采样操作.mp4
　　　 3-数据预处理与声音特征提取.mp4
　　　 8-判别器模块解读.mp4
　　　 4-生成器构造模块解读.mp4
　　　 10-源码损失计算流程.mp4
　　　 6-starganvc2版本标签输入分析.mp4
　　　 9-论文损失函数.mp4
　　　 11-测试模块-生成转换语音.mp4
　　　 7-生成器前向传播维度变化.mp4
　　　 1-数据与项目文件解读.mp4
　　　 5-编码层要完成的任务.mp4
　　　 1-语音合成项目所需环境配置.mp4
　　　 6-得到编码特征向量.mp4
　　　 3-路径配置与整体流程解读.mp4
　　　 4-Dataloader构建数据与标签.mp4
　　　 8-解码器流程梳理.mp4
　　　 9-注意力机制应用方法.mp4
　　　 11-模型输出结果.mp4
　　　 10-得到加权的编码向量.mp4
　　　 12-损失函数与预测.mp4
　　　 7-解码器输入准备.mp4
　　　 2-所需数据集介绍.mp4
　　　 7-判别器模块分析.mp4
　　　 6-AdaIn的目的与效果.mp4
　　　 1-论文整体思路与架构解读.mp4
　　　 4-生成器模型架构分析.mp4
　　　 5-InstanceNorm的作用解读.mp4
　　　 2-VCC2016输入数据.mp4
　　　 3-语音特征提取.mp4
　　　 5.稀疏激活机制详解.mp4
　　　 3.链式思维（CoT）进阶.mp4
　　　 6.SOTA模型架构精读.mp4
　　　 4.慢思考模型解析.mp4
　　　 2.工程化落地实践.mp4
　　　 1.大模型架构生态论.mp4
　　　 7.YOLO目标检测和实例分割.mp4
　　　 5.SAM3自动分割图像.mp4
　　　 4.MediaPipe人体姿态检测与关键点提取.mp4
　　　 1.MediaPipe面部关键点检测与追踪.mp4
　　　 8.yolo实战古籍上色.mp4
　　　 2.图像融合与美瞳试戴.mp4
　　　 6.sam3视频分割与追踪.mp4
　　　 3.图像融合以及美瞳试戴2.mp4
　　　 6.深度学习训练技巧与模型优化方法.mp4
　　　 8.目标检测（二）单阶段检测方法.mp4
　　　 3.图像特征提取与图像分类传统机器学习方法.mp4
　　　 7.目标检测（一）两阶段检测方法.mp4
　　　 5.经典CNN结构：AlexNet →VGG →GoogLeNet→ResNet.mp4
　　　 2.图像处理基础.mp4
　　　 1.CV的任务体系、发展历程及图像的数学基础.mp4
　　　 4.神经网络发展历程与卷积神经网络的原理及训练方法.mp4
　　　 1-整体案例流程解读.mp4
　　　 3-剪枝模块介绍.mp4
　　　 2-加入L1正则化来进行更新.mp4
　　　 5-剪枝后模型参数赋值.mp4
　　　 4-筛选需要的特征图.mp4
　　　 6-微调完成剪枝模型.mp4
　　　 1.NLP基础任务体系与技术演进.mp4
　　　 6.GPT 与 LLM 基础.mp4
　　　 7.LoRA、P-Tuning原理.mp4
　　　 3.RNN序列建模与LSTMGRU门控机制详解.mp4
　　　 5.预训练模型架构范式对比（BERT　GPT　T5）.mp4
　　　 4.Attention原理与Self-Attention内部计算！.mp4
　　　 2.文本表示：从词袋模型到静态词向量.mp4
　　　 6-mobileOne（加速）.mp4
　　　 4-SPD（可替换下采样）.mp4
　　　 10-Attention额外加入先验知识.mp4
　　　 14-Coarse2Fine大框架.mp4
　　　 11-结合GNN构建局部特征.mp4
　　　 16-自己数据集如何发的好（要开源）.mp4
　　　 7-Deformable（替换selfAttention）.mp4
　　　 17-可变形卷积加入方法.mp4
　　　 8-ProbAttention（采样策略）.mp4
　　　 1-ACMIX（卷积与注意力融合）.mp4
　　　 13-自适应可学习参数.mp4
　　　 9-CrossAttention融合特征.mp4
　　　 15-只能机器学习模型时凑工作量（特征工程）.mp4
　　　 18-在源码中加入各种注意力机制方法.mp4
　　　 2-GCnet（全局特征融合）.mp4
　　　 12-损失函数约束项.mp4
　　　 5-SPP改进.mp4
　　　 3-Coordinate_attention.mp4
　　　 1-模型剪枝分析.mp4
　　　 6-参数与计算量的比较.mp4
　　　 11-V3版本网络架构分析.mp4
　　　 3-mobilenet简介.mp4
　　　 10-V2整体架构与效果分析.mp4
　　　 12-SE模块作用与效果解读.mp4
　　　 13-代码实现mobilenetV3网络架构.mp4
　　　 4-经典卷积计算量与参数量分析.mp4
　　　 9-倒残差结构的作用.mp4
　　　 2-常见剪枝方法介绍.mp4
　　　 5-深度可分离卷积的作用与效果.mp4
　　　 7-V1版本效果分析.mp4
　　　 8-V2版本改进以及Relu激活函数的问题.mp4
　　　 知识蒸馏与简历相关.mp4
　　　 3-BN的本质作用.mp4
　　　 1-论文算法核心框架概述.mp4
　　　 5-稀疏化原理与效果.mp4
　　　 4-额外的训练参数解读.mp4
　　　 2-BatchNorm要解决的问题.mp4
　　　 6-mask矩阵的作用.mp4
　　　 10-整体项目总结.mp4
　　　 3-得到一阶段热度图结果.mp4
　　　 5-初始化图卷积模型.mp4
　　　 9-图匹配模块计算流程.mp4
　　　 2-局部特征准备方法.mp4
　　　 8-基于拓扑结构组合关键点特征.mp4
　　　 7-邻接矩阵学习与更新.mp4
　　　 4-阶段监督训练.mp4
　　　 1-数据集与环境配置概述.mp4
　　　 模型部署.mp4
　　　 5-网络计算整体流程演示.mp4
　　　 12-测试与验证模块.mp4
　　　 6-特征序列构建.mp4
　　　 8-局部特征提取实例.mp4
　　　 10-得到所有分组特征结果.mp4
　　　 9-特征组合汇总.mp4
　　　 1-项目配置与数据集介绍.mp4
　　　 2-数据源构建方法分析.mp4
　　　 4-debug模式解读.mp4
　　　 11-损失函数与训练过程演示.mp4
　　　 7-GCP全局特征提取.mp4
　　　 3-dataloader加载顺序解读.mp4
　　　 12-损失函数计算实例解读.mp4
　　　 1-论文整体思想及注意力机制的作用解读.mp4
　　　 7-进入debug模式解读网络计算流程.mp4
　　　 3-融合空间注意力所需特征.mp4
　　　 9-组合关系特征图.mp4
　　　 4-基于特征图的注意力计算.mp4
　　　 5-项目环境与数据集配置.mp4
　　　 13-训练与测试模块演示.mp4
　　　 8-获得空间位置点之间的关系.mp4
　　　 10-计算得到位置权重值.mp4
　　　 6-参数配置与整体架构分析.mp4
　　　 11-基于特征图的权重计算.mp4
　　　 2-空间权重值计算流程分析.mp4
　　　 1-关键点位置特征构建.mp4
　　　 5-图卷积模块实现方法.mp4
　　　 6-图匹配在行人重识别中的作用.mp4
　　　 3-局部特征热度图计算.mp4
　　　 4-基于图卷积构建人体拓扑关系.mp4
　　　 7-整体算法框架分析.mp4
　　　 2-图卷积与匹配的作用.mp4
　　　 1-检测与搜索.mp4
　　　 6-BackBone位置与流程.mp4
　　　 10-总结概述.mp4
　　　 9-损失函数计算模块.mp4
　　　 8-Head层预测模块.mp4
　　　 3-配置文件修改方法.mp4
　　　 5-通过配置文件读取模型位置.mp4
　　　 4-数据与标签读取模块.mp4
　　　 7-Neck层操作方法.mp4
　　　 2-项目概述.mp4
　　　 3-特征分组方法.mp4
　　　 2-局部特征与全局关系计算方法.mp4
　　　 1-论文整体框架概述.mp4
　　　 4-GCP模块特征融合方法.mp4
　　　 5-oneVsReset方法实例.mp4
　　　 6-损失函数应用位置.mp4
　　　 3-评估标准rank1指标.mp4
　　　 4-map值计算方法.mp4
　　　 5-triplet损失计算实例.mp4
　　　 1-行人重识别要解决的问题.mp4
　　　 6-Hard-Negative方法应用.mp4
　　　 2-挑战与困难分析.mp4
　　　 6-各位置点归属判断.mp4
　　　 9-网络模型一阶段输出.mp4
　　　 5-准备构建PAF躯干标签.mp4
　　　 10-多阶段输出与预测.mp4
　　　 2-读取图像与标注信息.mp4
　　　 4-根据关键点位置设计关键点标签.mp4
　　　 3-关键点与躯干特征图初始化.mp4
　　　 1-数据集与路径配置解读.mp4
　　　 7-特征图各点累加向量计算.mp4

下载地址:

游客，如果您要查看本帖隐藏内容请回复

GaoL***

谢分享，希望星颖一直运营下去，我会一直支持的！！！

人间***

66666666

mqjz***

星颖官方直播语录：“我们觉得，做社群，得承担一部分责任，不仅仅是分享方法和技巧，更重要的是帮助星友们建立一些有利于每个人长期发展的价值观，比如真诚、利他、开放、长期主义等。”

Dar***

真实踩坑比空讲道理更有价值。

Mystic***

今天的收获：把课程当字典反复看，每遍都有新收获，投资自己永不亏

小***

星颖赚钱星颖花，一分都不带回家