咕泡学院人工智能P5第5期2022年（更新完毕，补齐了资料）

2022年8月3日 303条评论 12,871次阅读

资源简介

文章目录

课程内容全面覆盖深度学习算法及其项目实战，主要应用于计算机视觉与自然语言处理两大核心领域，配套实战案例与项目全部基于真实数据集与实际任务展开。大型项目完美结合当下行业趋势，培养满足企业就业需求的中高级人工智能算法工程师。

资源目录

——/计算机教程/03-腾讯课堂/076-咕泡-人工智能P5第5期2022年/
├──01_直播课回放  
|   ├──10_直播7：GPT系列算法与实战  
|   ├──11_额外补充：GPT建模与预测流程  
|   ├──12_额外补充：文本摘要建模  
|   ├──13_直播8：知识抽取实战  
|   ├──14_直播9：Openai CLIP模型  
|   ├──15_直播10：DeformableDetr算法解读  
|   ├──16_直播11：OCR算法解读  
|   ├──17_直播12：KIE关键信息抽取与视频超分辨率重构  
|   ├──18_直播13：对比学习  
|   ├──1_直播1：开班典礼  
|   ├──2_Pycharm环境配置与Debug演示(没用过的同学必看)  
|   ├──3_直播2：深度学习必备基础-神经网络与卷积网络  
|   ├──4_直播3：Transformer原理及其各领域应用分析  
|   ├──5_额外补充：时间序列预测  
|   ├──6_直播4：Informer时间序列预测源码解读  
|   ├──7_额外补充：Huggingface与NLP（讲故事）  
|   ├──8_直播5：Huggingface核心模块解读  
|   └──9_直播6：BERT系列模型与命名实体识别实例  
├──02_深度学习必备核心算法  
|   ├──1_神经网络算法解读  
|   ├──2_卷积神经网络算法解读  
|   └──3_递归神经网络算法解读  
├──03_深度学习核心框架PyTorch  
|   ├──1_PyTorch框架介绍与配置安装  
|   ├──2_使用神经网络进行分类任务  
|   ├──3_神经网络回归任务-气温预测  
|   ├──4_卷积网络参数解读分析  
|   ├──5_图像识别模型与训练策略（重点）  
|   ├──6_DataLoader自定义数据集制作  
|   ├──7_LSTM文本分类实战  
|   └──8_PyTorch框架Flask部署例子  
├──04_MMLAB实战系列  
|   ├──10_第四模块：DBNET文字检测  
|   ├──11_第四模块：ANINET文字识别  
|   ├──12_第四模块：KIE基于图模型的关键信息抽取  
|   ├──12_第五模块：stylegan2源码解读  
|   ├──13_第六模块：BasicVSR++视频超分辨重构源码解读  
|   ├──14_第七模块：多模态3D目标检测算法源码解读  
|   ├──15_第八模块：模型蒸馏应用实例  
|   ├──16_第八模块：模型剪枝方法概述分析  
|   ├──17_第九模块：mmaction行为识别  
|   ├──18_额外补充  
|   ├──1_MMCV安装方法  
|   ├──2_第一模块：分类任务基本操作  
|   ├──3_第一模块：训练结果测试与验证  
|   ├──4_第一模块：模型源码DEBUG演示  
|   ├──5_第二模块：使用分割模块训练自己的数据集  
|   ├──6_第二模块：基于Unet进行各种策略修改  
|   ├──7_第二模块：分割任务CVPR最新Backbone设计及其应用  
|   ├──8_第三模块：mmdet训练自己的数据任务  
|   └──9_第三模块：DeformableDetr物体检测源码分析  
├──05_Opencv图像处理框架实战  
|   ├──10_项目实战-文档扫描OCR识别  
|   ├──11_图像特征-harris  
|   ├──12_图像特征-sift  
|   ├──13_案例实战-全景图像拼接  
|   ├──14_项目实战-停车场车位识别  
|   ├──15_项目实战-答题卡识别判卷  
|   ├──16_背景建模  
|   ├──17_光流估计  
|   ├──18_Opencv的DNN模块  
|   ├──19_项目实战-目标追踪  
|   ├──1_课程简介与环境配置  
|   ├──20_卷积原理与操作  
|   ├──21_项目实战-疲劳检测  
|   ├──2_图像基本操作  
|   ├──3_阈值与平滑处理  
|   ├──4_图像形态学操作  
|   ├──5_图像梯度计算  
|   ├──6_边缘检测  
|   ├──7_图像金字塔与轮廓检测  
|   ├──8_直方图与傅里叶变换  
|   └──9_项目实战-信用卡数字识别  
├──06_综合项目-物体检测经典算法实战  
|   ├──10_EfficientNet网络  
|   ├──11_EfficientDet检测算法  
|   ├──12_基于Transformer的detr目标检测算法  
|   ├──13_detr目标检测源码解读  
|   ├──1_深度学习经典检测方法概述  
|   ├──2_YOLO-V1整体思想与网络架构  
|   ├──3_YOLO-V2改进细节详解  
|   ├──4_YOLO-V3核心网络模型  
|   ├──5_项目实战-基于V3版本进行源码解读  
|   ├──6_基于YOLO-V3训练自己的数据集与任务  
|   ├──7_YOLO-V4版本算法解读  
|   ├──8_V5版本项目配置  
|   └──9_V5项目工程源码解读  
├──07_图像分割实战  
|   ├──10_MaskRcnn网络框架源码详解  
|   ├──11_基于MASK-RCNN框架训练自己的数据与任务  
|   ├──1_图像分割及其损失函数概述  
|   ├──2_卷积神经网络原理与参数解读  
|   ├──3_Unet系列算法讲解  
|   ├──4_unet医学细胞分割实战  
|   ├──5_U2NET显著性检测实战  
|   ├──6_deeplab系列算法  
|   ├──7_基于deeplabV3+版本进行VOC分割实战  
|   ├──8_医学心脏视频数据集分割建模实战  
|   └──9_物体检测框架-MaskRcnn项目介绍与配置  
├──08_行为识别实战  
|   ├──1_slowfast算法知识点通俗解读  
|   ├──2_slowfast项目环境配置与配置文件  
|   ├──3_slowfast源码详细解读  
|   ├──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  
|   ├──6_视频异常检测CVPR2021论文及其源码解读  
|   └──7_基础补充-Resnet模型及其应用实例  
├──09_2022论文必备-Transformer实战系列  
|   ├──10_MedicalTransformer源码解读  
|   ├──11_商汤LoFTR算法解读  
|   ├──12_局部特征关键点匹配实战  
|   ├──13_项目补充-谷歌开源项目BERT源码解读与应用实例  
|   ├──14_项目补充-基于BERT的中文情感分析实战  
|   ├──1_课程介绍  
|   ├──2_自然语言处理通用框架BERT原理解读  
|   ├──3_Transformer在视觉中的应用VIT算法  
|   ├──4_VIT算法模型源码解读  
|   ├──5_swintransformer算法原理解析  
|   ├──6_swintransformer源码解读  
|   ├──7_基于Transformer的detr目标检测算法  
|   ├──8_detr目标检测源码解读  
|   └──9_MedicalTrasnformer论文解读  
├──10_图神经网络实战  
|   ├──1_图神经网络基础  
|   ├──2_图卷积GCN模型  
|   ├──3_图模型必备神器PyTorch Geometric安装与使用  
|   ├──4_使用PyTorch Geometric构建自己的图数据集  
|   ├──5_图注意力机制与序列图模型  
|   ├──6_图相似度论文解读  
|   ├──7_图相似度计算实战  
|   ├──8_基于图模型的轨迹估计  
|   └──9_图模型轨迹估计实战  
├──11_3D点云实战  
|   ├──1_3D点云实战 3D点云应用领域分析  
|   ├──2_3D点云PointNet算法  
|   ├──3_PointNet++算法解读  
|   ├──4_Pointnet++项目实战  
|   ├──5_点云补全PF-Net论文解读  
|   ├──6_点云补全实战解读  
|   ├──7_点云配准及其案例实战  
|   └──8_基础补充-对抗生成网络架构原理与实战解析  
├──12_目标追踪与姿态估计实战  
|   ├──1_课程介绍  
|   ├──2_姿态估计OpenPose系列算法解读  
|   ├──3_OpenPose算法源码分析  
|   ├──4_deepsort算法知识点解读  
|   ├──5_deepsort源码解读  
|   ├──6_YOLO-V4版本算法解读  
|   ├──7_V5版本项目配置  
|   └──8_V5项目工程源码解读  
├──13_面向深度学习的无人驾驶实战  
|   ├──10_NeuralRecon项目源码解读  
|   ├──11_TSDF算法与应用  
|   ├──12_TSDF实战案例  
|   ├──13_轨迹估计算法与论文解读  
|   ├──14_轨迹估计预测实战  
|   ├──15_特斯拉无人驾驶解读  
|   ├──1_深度估计算法原理解读  
|   ├──2_深度估计项目实战  
|   ├──3_车道线检测算法与论文解读  
|   ├──4_基于深度学习的车道线检测项目实战  
|   ├──5_商汤LoFTR算法解读  
|   ├──6_局部特征关键点匹配实战  
|   ├──7_三维重建应用与坐标系基础  
|   ├──8_NeuralRecon算法解读  
|   └──9_NeuralRecon项目环境配置  
├──14_缺陷检测实战  
|   ├──10_基于视频流水线的Opencv缺陷检测项目  
|   ├──11_图像分割deeplab系列算法  
|   ├──12_基于deeplabV3+版本进行VOC分割实战  
|   ├──13_Deeplab铁质材料缺陷检测与开源项目应用流程  
|   ├──1_课程介绍  
|   ├──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  
|   ├──4_物体检测框架YOLOV5项目工程源码解读  
|   ├──5_基于YOLOV5的钢材缺陷检测实战  
|   ├──6_Semi-supervised布料缺陷检测实战  
|   ├──7_Opencv图像常用处理方法实例  
|   ├──8_Opencv轮廓检测与直方图  
|   ├──8_Opencv梯度计算与边缘检测实例  
|   └──9_基于Opencv缺陷检测项目实战  
├──15_行人重识别实战  
|   ├──1_行人重识别原理及其应用  
|   ├──2_基于注意力机制的Reld模型论文解读  
|   ├──3_基于Attention的行人重识别项目实战  
|   ├──4_AAAI2020顶会算法精讲  
|   ├──5_项目实战-基于行人局部特征融合的再识别实战  
|   ├──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  
├──16_对抗生成网络实战  
|   ├──1_课程介绍  
|   ├──2_对抗生成网络架构原理与实战解析  
|   ├──3_基于CycleGan开源项目实战图像合成  
|   ├──4_stargan论文架构解析  
|   ├──5_stargan项目实战及其源码解读  
|   ├──6_基于starganvc2的变声器论文原理解读  
|   ├──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  
|   └──9_基于GAN的图像补全实战  
├──17_强化学习实战系列  
|   ├──1_强化学习简介及其应用  
|   ├──2_PPO算法与公式推导  
|   ├──3_PPO实战-月球登陆器训练实例  
|   ├──4_Q-learning与DQN算法  
|   ├──5_DQN算法实例演示  
|   ├──6_DQN改进与应用技巧  
|   ├──7_Actor-Critic算法分析（A3C）  
|   └──8_用A3C玩转超级马里奥  
├──18_面向医学领域的深度学习实战  
|   ├──10_基于deeplab的心脏视频数据诊断分析  
|   ├──11_YOLO系列物体检测算法原理解读  
|   ├──12_基于YOLO5细胞检测实战  
|   ├──13_知识图谱原理解读  
|   ├──14_Neo4j数据库实战  
|   ├──15_基于知识图谱的医药问答系统实战  
|   ├──16_词向量模型与RNN网络架构  
|   ├──17_医学糖尿病数据命名实体识别  
|   ├──1_卷积神经网络原理与参数解读  
|   ├──2_PyTorch框架基本处理操作  
|   ├──3_PyTorch框架必备核心模块解读  
|   ├──4_基于Resnet的医学数据集分类实战  
|   ├──5_图像分割及其损失函数概述  
|   ├──6_Unet系列算法讲解  
|   ├──7_unet医学细胞分割实战  
|   ├──8_deeplab系列算法  
|   └──9_基于deeplabV3+版本进行VOC分割实战  
├──19_深度学习模型部署与剪枝优化实战  
|   ├──3_pyTorch框架部署实践  
|   ├──4_YOLO-V3物体检测部署实例  
|   ├──5_docker实例演示  
|   ├──6_tensorflow-serving实战  
|   ├──7_模型剪枝-Network Slimming算法分析  
|   ├──8_模型剪枝-Network Slimming实战解读  
|   └──9_Mobilenet三代网络模型架构  
├──20_自然语言处理经典案例实战  
|   ├──10_NLP-文本特征方法对比  
|   ├──11_NLP-相似度模型  
|   ├──12_LSTM情感分析  
|   ├──13_机器人写唐诗  
|   ├──14_对话机器人  
|   ├──1_NLP常用工具包实战  
|   ├──2_商品信息可视化与文本分析  
|   ├──3_贝叶斯算法  
|   ├──4_新闻分类任务实战  
|   ├──5_HMM隐马尔科夫模型  
|   ├──6_HMM工具包实战  
|   ├──7_语言模型  
|   ├──8_使用Gemsim构建词向量  
|   └──9_基于word2vec的分类任务  
├──21_自然语言处理通用框架-BERT实战  
|   ├──1_自然语言处理通用框架BERT原理解读  
|   ├──2_谷歌开源项目BERT源码解读与应用实例  
|   ├──3_项目实战-基于BERT的中文情感分析实战  
|   ├──4_项目实战-基于BERT的中文命名实体识别识别实战  
|   ├──5_必备基础知识点-woed2vec模型通俗解读  
|   ├──6_必备基础-掌握Tensorflow如何实现word2vec模型  
|   ├──7_必备基础知识点-RNN网络架构与情感分析应用实例  
|   └──8_医学糖尿病数据命名实体识别  
├──22_知识图谱实战系列  
|   ├──1_知识图谱介绍及其应用领域分析  
|   ├──2_知识图谱涉及技术点分析  
|   ├──3_Neo4j数据库实战  
|   ├──4_使用python操作neo4j实例  
|   ├──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  
|   ├──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  
├──23_语音识别实战系列  
|   ├──1_seq2seq序列网络模型  
|   ├──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  
|   ├──5_语音分离ConvTasnet模型  
|   ├──6_ConvTasnet语音分离实战  
|   ├──7_语音合成tacotron最新版实战  
|   └──3.注意力机制的作用.txt  
├──24_推荐系统实战系列  
|   ├──10_基本统计分析的电影推荐  
|   ├──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  
|   ├──2_协同过滤与矩阵分解  
|   ├──3_音乐推荐系统实战  
|   ├──4_知识图谱与Neo4j数据库实例  
|   ├──5_基于知识图谱的电影推荐实战  
|   ├──6_点击率估计FM与DeepFM算法  
|   ├──7_DeepFM算法实战  
|   ├──8_推荐系统常用工具包演示  
|   └──9_基于文本数据的推荐实例  
└──资料  
|   ├──00.1-18 节直播13：对比学习  
|   ├──00.直播  
|   ├──03.第三章 深度学习核⼼框架PyTorch  
|   ├──04.第四章 MMLAB实战系列  
|   ├──05.第五章 Opencv图像处理框架实战  
|   ├──06.第六章 综合项⽬-物体检测经典算法实战  
|   ├──07.第七章 图像分割实战  
|   ├──08.第八章 行为识别实战  
|   ├──09.第九章 2022论⽂必备-Transformer实战系列  
|   ├──10.第一十章 图神经⽹络实战  
|   ├──11.第一十一章 3D点云实战  
|   ├──12.第一十二章 ⽬标追踪与姿态估计实战  
|   ├──12.第一十二章 第十模块：缺陷检测实战  
|   ├──13.第一十三章 ⾯向深度学习的⽆⼈驾驶实战  
|   ├──14.第一十四章 缺陷检测实战  
|   ├──15.第一十五章 ⾏⼈重识别实战  
|   ├──15.第一十五章 第十三模块：强化学习实战  
|   ├──16.第一十六章 第十四模块：面向医学领域的深度学习实战  
|   ├──16.第一十六章 对抗⽣成⽹络实战  
|   ├──19.第一十九章 深度学习模型部署与剪枝优化实战  
|   ├──20.第二十章 ⾃然语⾔处理经典案例实战  
|   ├──21.第二十一章 ⾃然语⾔处理通⽤框架-BERT实战  
|   ├──22.第二十二章 知识图谱实战系列  
|   ├──23.第二十三章 语⾳识别实战系列  
|   └──24.第二十四章 推荐系统实战系列

——/资料/
├──00.1-18 节直播13：对比学习  
|   ├──trainCLIP.py  1.56kb
|   └──对比学习.pdf  1.96M
├──00.直播  
|   ├──1-10 节直播7：GPT系列算法与实战  
|   ├──1-11 节额外补充：GPT建模与预测流程  
|   ├──1-12 节额外补充：文本摘要建模  
|   ├──1-13 节直播8：知识抽取实战  
|   ├──1-14 节直播9：Openai CLIP模型  
|   ├──1-15 节直播10：DeformableDetr算法解读  
|   ├──1-16 节直播11：OCR算法解读  
|   ├──1-17 节直播12：KIE关键信息抽取与视频超分辨率重构  
|   ├──1-3 节直播2：深度学习必备基础-神经网络与卷积网络  
|   ├──1-4 节直播3：Transformer原理及其各领域应用分析  
|   ├──1-6 节直播4：Informer时间序列预测源码解读  
|   ├──1-8 节直播5：Huggingface核心模块解读  
|   └──1-9 节直播6：BERT系列模型与命名实体识别实例  
├──03.第三章 深度学习核⼼框架PyTorch  
|   ├──flask预测.zip  712.05M
|   ├──第八章：对抗生成网络架构原理与实战解析.zip  35.28M
|   ├──第二,三章：神经网络实战分类与回归任务.zip  15.82M
|   ├──第六章：DataLoader自定义数据集制作.zip  594.02M
|   ├──第七章：LSTM文本分类实战.zip  31.53M
|   ├──第四章：卷积网络参数解读.zip  33.37M
|   └──第五章：图像识别模型与训练策略（重点）.zip  449.77M
├──04.第四章 MMLAB实战系列  
|   ├──mmaction2-master.zip  827.76M
|   ├──mmclassification-master.zip  912.00M
|   ├──mmdetection-master.zip  1.46G
|   ├──mmdetection3d-1.0.0rc0.zip  395.05M
|   ├──mmediting-master.zip  107.78M
|   ├──mmgeneration-master.zip  746.81M
|   ├──mmocr-main.zip  381.72M
|   ├──mmrazor-master.zip  1.00G
|   ├──mmsegmentation-0.20.2.zip  2.80G
|   ├──MPViT-main.zip  924.77M
|   └──ner.zip  121.60M
├──05.第五章 Opencv图像处理框架实战  
|   ├──课件  
|   └──源码资料  
├──06.第六章 综合项⽬-物体检测经典算法实战  
|   ├──YOLO系列（PyTorch）  
|   ├──detr目标检测源码解读.zip  108.29kb
|   ├──EfficientDet.zip  80.48M
|   ├──EfficientNet.pdf  943.23kb
|   ├──第十二章：基于Transformer的detr目标检测算法.pdf  885.69kb
|   └──物体检测.pdf  1.38M
├──07.第七章 图像分割实战  
|   ├──第1节：图像分割算法  
|   ├──第2节：卷积网络  
|   ├──第3节：Unet系列算法讲解  
|   ├──第4节：unet医学细胞分割实战  
|   ├──第6节：deeplab系列算法  
|   ├──第7节：基于deeplabV3+版本进行VOC分割实战  
|   ├──第8节：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  
|   ├──f112c9fda85536ee3eba662c9043e683.bat  0.07kb
|   ├──mask-rcnn.pdf  989.98kb
|   ├──MaskRcnn网络框架源码详解.zip  1.14G
|   ├──PyTorch框架基本处理操作.zip  98.58M
|   ├──R(2+1)D网络.pdf  507.15kb
|   ├──第5节：U-2-Net.zip  636.25M
|   ├──基于MASK-RCNN框架训练自己的数据与任务.zip  439.38M
|   └──图像识别核心模块实战解读.zip  336.95M
├──08.第八章 行为识别实战  
|   ├──基础补充-Resnet模型及其应用实例  
|   ├──1-slowfast算法知识点通俗解读.pdf  572.31kb
|   ├──4-基于3D卷积的视频分析与动作识别.zip  845.84M
|   ├──5-视频异常检测算法与元学习.pdf  1.15M
|   ├──6-视频异常检测CVPR2021论文及其源码解读.zip  243.75M
|   ├──slowfast论文.pdf  1.45M
|   ├──基础补充-PyTorch框架必备核心模块解读.zip  336.95M
|   └──基础补充-PyTorch框架基本处理操作.zip  98.58M
├──09.第九章 2022论⽂必备-Transformer实战系列  
|   └──transformer系列  
├──10.第一十章 图神经⽹络实战  
|   ├──3-图模型必备神器PyTorch Geometric安装与使用  
|   ├──4-使用PyTorch Geometric构建自己的图数据集  
|   ├──5-图注意力机制与序列图模型  
|   ├──6-图相似度论文解读  
|   ├──7-图相似度计算实战  
|   ├──8-基于图模型的轨迹估计  
|   ├──9-图模型轨迹估计实战  
|   ├──第二章：图卷积GCN模型  
|   └──第一章：图神经网络基础  
├──11.第一十一章 3D点云实战  
|   ├──第1节：3D点云应用领域分析  
|   ├──第2节：3D点云PointNet算法  
|   ├──第3节：PointNet++算法解读  
|   ├──第4节：Pointnet++项目实战  
|   ├──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7节：点云配准及其案例实战  
|   └──第8节：基础补充-对抗生成网络架构原理与实战解析  
├──12.第一十二章 ⽬标追踪与姿态估计实战  
|   ├──第五六七章：YOLO目标检测  
|   ├──基础补充-Resnet模型及其应用实例  
|   ├──第二章：OpenPose算法源码分析.zip  243.86M
|   ├──第三章：Deepsort算法知识点解读.pdf  1.58M
|   ├──第四章：Deepsort源码解读.zip  107.90M
|   ├──第一章：姿态估计OpenPose系列算法解读.pdf  2.42M
|   ├──基础补充-PyTorch框架必备核心模块解读.zip  336.95M
|   └──基础补充-PyTorch框架基本处理操作.zip  98.58M
├──12.第一十二章 第十模块：缺陷检测实战  
|   └──缺陷检测实战  
├──13.第一十三章 ⾯向深度学习的⽆⼈驾驶实战  
|   ├──1.深度估计算法解读  
|   ├──10-NeuralRecon项目源码解读  
|   ├──11-TSDF算法与应用  
|   ├──12-TSDF实战案例  
|   ├──13-轨迹估计算法与论文解读  
|   ├──14-轨迹估计预测实战  
|   ├──15-特斯拉无人驾驶解读  
|   ├──2.深度估计项目实战  
|   ├──3-车道线检测算法与论文解读  
|   ├──4-基于深度学习的车道线检测项目实战  
|   ├──5-商汤LoFTR算法解读  
|   ├──6-局部特征关键点匹配实战  
|   ├──7-三维重建应用与坐标系基础  
|   ├──8-NeuralRecon算法解读  
|   └──9-NeuralRecon项目环境配置  
├──14.第一十四章 缺陷检测实战  
|   ├──PyTorch基础  
|   ├──Resnet分类实战  
|   ├──第1-4章：YOLOV5缺陷检测  
|   ├──第11-12章：deeplab  
|   ├──第6-8章：Opencv各函数使用实例  
|   ├──DeepLab铁质材料缺陷检测与开源项目应用流程.zip  3.58G
|   ├──第10章：基于视频流水线的Opnecv缺陷检测项目.zip  13.96M
|   ├──第5章：Semi-supervised布料缺陷检测实战.zip  212.33M
|   └──第9章：基于Opencv缺陷检测项目实战.zip  11.38M
├──15.第一十五章 ⾏⼈重识别实战  
|   ├──第1节：行人重识别原理及其应用  
|   ├──第2节：基于注意力机制的ReId模型论文解读  
|   ├──第3节：基于Attention的行人重识别项目实战  
|   ├──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7节：基于拓扑图的行人重识别项目实战  
├──15.第一十五章 第十三模块：强化学习实战  
|   ├──第1节：强化学习简介及其应用.pdf  738.65kb
|   ├──第2节：PPO算法与公式推导.pdf  899.22kb
|   ├──第3节：策略梯度实战-月球登陆器训练实例.zip  4.34M
|   ├──第4节：DQN算法.pdf  1.43M
|   ├──第5节：DQN算法实例演示.zip  1.98kb
|   ├──第7节：Actor-Critic算法分析(A3C).pdf  560.29kb
|   └──第8节：A3C算法玩转超级马里奥.zip  97.62M
├──16.第一十六章 第十四模块：面向医学领域的深度学习实战  
|   ├──1-神经网络算法PPT  
|   ├──10-基于deeplab的心脏视频数据诊断分析  
|   ├──11-YOLO系列物体检测算法原理解读  
|   ├──12-基于YOLO5细胞检测实战  
|   ├──13-知识图谱原理解读  
|   ├──14-Neo4j数据库实战  
|   ├──15-基于知识图谱的医药问答系统实战  
|   ├──17-医学糖尿病数据命名实体识别  
|   ├──4-基于Resnet的医学数据集分类实战  
|   ├──5-图像分割及其损失函数概述  
|   ├──6-Unet系列算法讲解  
|   ├──7-unet医学细胞分割实战  
|   ├──8-deeplab系列算法  
|   ├──9-基于deeplabV3+版本进行VOC分割实战  
|   ├──16-词向量模型与RNN网络架构.zip  2.15M
|   ├──2-PyTorch框架基本处理操作.zip  98.58M
|   └──3-PyTorch框架必备核心模块解读.zip  336.95M
├──16.第一十六章 对抗⽣成⽹络实战  
|   ├──第4节：stargan论文架构解析  
|   ├──第6节：基于starganvc2的变声器论文原理解读  
|   ├──第8节：图像超分辨率重构实战  
|   ├──第9节：基于GAN的图像补全实战  
|   ├──cyclegan.pdf  2.67M
|   ├──第2节：对抗生成网络架构原理与实战解析.zip  35.28M
|   ├──第3节：基于CycleGan开源项目实战图像合成.zip  1.60G
|   ├──第5节：stargan项目实战及其源码解读.zip  869.44M
|   └──第7节：starganvc2变声器项目实战及其源码解读.zip  485.00M
├──19.第一十九章 深度学习模型部署与剪枝优化实战  
|   ├──Docker使用命令.zip  7.83M
|   ├──Mobilenet.pdf  2.41M
|   ├──mobilenetv3.py  7.31kb
|   ├──pytorch-slimming.zip  356.43M
|   ├──PyTorch模型部署实例.zip  102.80kb
|   ├──TensorFlow-serving.zip  2.96M
|   ├──YOLO部署实例.zip  876.45M
|   └──剪枝算法.pdf  504.02kb
├──20.第二十章 ⾃然语⾔处理经典案例实战  
|   ├──NLP常用工具包  
|   ├──课后作业  
|   ├──课件  
|   └──源码、数据集等  
├──21.第二十一章 ⾃然语⾔处理通⽤框架-BERT实战  
|   ├──课后作业  
|   └──课件、源码  
├──22.第二十二章 知识图谱实战系列  
|   ├──第1.2节：知识图谱介绍及其应用领域分析  
|   ├──第3节：Neo4j数据库实战  
|   ├──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  
|   ├──第7节：金融平台风控模型实践  
|   └──第8节：医学糖尿病数据命名实体识别  
├──23.第二十三章 语⾳识别实战系列  
|   ├──PPT  
|   ├──论文  
|   ├──变声器pytorch-StarGAN-VC2.zip  484.93M
|   ├──语音分离Conv-TasNet.zip  84.38M
|   ├──语音合成tacotron2实战.zip  302.43M
|   ├──语音识别LAS模型.zip  420.12M
|   └──资料.jpg  3.33M
└──24.第二十四章 推荐系统实战系列  
|   ├──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4节：Neo4j数据库实例  
|   ├──第11节：补充-基于相似度的酒店推荐系统.zip  1.81M
|   ├──第1节：推荐系统介绍.pdf  1.50M
|   ├──第2节：协同过滤与矩阵分解.pdf  974.68kb
|   ├──第5节：基于知识图谱的电影推荐实战.zip  160.61M
|   ├──第6节：FM与DeepFM算法.pdf  759.61kb
|   ├──第7节：DeepFM算法实战.zip  1.16M
|   ├──第8节：推荐系统常用工具包演示.zip  129.35M
|   └──第9节：基于文本数据的推荐实例.zip  254.77M