咕泡 唐宇迪 人工智能深度学习高薪就业班(六期) 180G 百度网盘下载

资源简介

人工智能深度学习是近年来发展迅速的计算机科学领域,在计算机视觉、自然语言处理、语音识别、推荐系统等多个领域有着广泛的应用。随着人工智能技术的不断发展,对高素质人工智能人才的需求也越来越大。

本课程旨在帮助学员掌握人工智能深度学习的核心理论和实践技能,为学员在人工智能领域就业或创业奠定基础。

课程特色

  • 课程内容全面,涵盖人工智能深度学习的核心算法、框架、工具和应用领域。
  • 教学方式灵活,提供直播授课、视频回放、课后练习、项目实战等多种学习方式。
  • 师资力量雄厚,由来自高校、企业的资深专家授课。
  • 就业服务完善,提供就业指导、简历优化、面试辅导等服务。

《咕泡 唐宇迪 人工智能深度学习高薪就业班(六期) 180G 百度网盘下载》

资源目录

——————————\天下无鱼15号盘\计算机教程119\09-其他\648-人工智能深度学习高薪就业班(第6期)
├─01 直播课回放
│   ├─01 开班典礼
│   ├─02 Pycharm环境配置与Debug演示(没用过的同学必看)
│   ├─03 直播1:深度学习核心算法-神经网络与卷积网络
│   ├─04 直播2:卷积神经网络
│   ├─05 直播3:Transformer架构
│   ├─06 直播4:Transfomer在视觉任务中的应用实例
│   ├─07 直播5:YOLO系列(V7)算法解读
│   ├─08 直播6:分割模型Maskformer系列
│   ├─09 补充:Mask2former源码解读
│   ├─10 直播7:半监督物体检测
│   ├─11 直播8:基于图模型的时间序列预测
│   ├─12 直播9:图像定位与检索
│   ├─13 直播10:近期内容补充
│   ├─15 直播12:异构图神经网络
│   ├─16 直播13:BEV特征空间
│   ├─17 补充:BevFormer源码解读
│   ├─18 直播14:知识蒸馏
│   └─19 直播15:六期总结与论文简历
├─02 深度学习必备核心算法
│   ├─01 神经网络算法解读
│   ├─02 卷积神经网络算法解读
│   └─03 递归神经网络算法解读
├─03 深度学习核心框架PyTorch
│   ├─01 PyTorch框架介绍与配置安装
│   ├─02 使用神经网络进行分类任务
│   ├─03 神经网络回归任务-气温预测
│   ├─04 卷积网络参数解读分析
│   ├─05 图像识别模型与训练策略(重点)
│   ├─06 DataLoader自定义数据集制作
│   ├─07 LSTM文本分类实战
│   └─08 PyTorch框架Flask部署例子
├─04 MMLAB实战系列
│   ├─01 MMCV安装方法
│   ├─02 第一模块:分类任务基本操作
│   ├─03 第一模块:训练结果测试与验证
│   ├─04 第一模块:模型源码DEBUG演示
│   ├─05 第二模块:使用分割模块训练自己的数据集
│   ├─06 第二模块:基于Unet进行各种策略修改
│   ├─07 第二模块:分割任务CVPR最新Backbone设计及其应用
│   ├─08 第三模块:mmdet训练自己的数据任务
│   ├─09 第三模块:DeformableDetr物体检测源码分析
│   ├─11 第三模块:DeformableDetr算法解读
│   ├─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
│   ├─14 第四模块:ANINET文字识别
│   ├─15 第四模块:KIE基于图模型的关键信息抽取
│   ├─16 第五模块:stylegan2源码解读
│   ├─17 第六模块:BasicVSR++视频超分辨重构源码解读
│   ├─18 第七模块:多模态3D目标检测算法源码解读
│   ├─19 第八模块:模型蒸馏应用实例
│   ├─20 第八模块:模型剪枝方法概述分析
│   ├─21 第九模块:mmaction行为识别
│   └─22 OCR算法解读
├─05 Opencv图像处理框架实战
│   ├─01 课程简介与环境配置
│   ├─02 图像基本操作
│   ├─03 阈值与平滑处理
│   ├─04 图像形态学操作
│   ├─05 图像梯度计算
│   ├─06 边缘检测
│   ├─07 图像金字塔与轮廓检测
│   ├─08 直方图与傅里叶变换
│   ├─09 项目实战-信用卡数字识别
│   ├─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
│   ├─20 卷积原理与操作
│   └─21 项目实战-疲劳检测
├─06 综合项目-物体检测经典算法实战
│   ├─01 深度学习经典检测方法概述
│   ├─02 YOLO-V1整体思想与网络架构
│   ├─03 YOLO-V2改进细节详解
│   ├─04 YOLO-V3核心网络模型
│   ├─05 项目实战-基于V3版本进行源码解读(建议直接跑V5版本)
│   ├─06 基于YOLO-V3训练自己的数据集与任务(建议直接跑V5版本)
│   ├─07 YOLO-V4版本算法解读
│   ├─08 V5版本项目配置
│   ├─09 V5项目工程源码解读
│   ├─10 V7源码解读
│   ├─11 EfficientNet网络
│   ├─12 EfficientDet检测算法
│   ├─13 基于Transformer的detr目标检测算法
│   └─14 detr目标检测源码解读
├─07 图像分割实战
│   ├─01 图像分割及其损失函数概述
│   ├─05 U2NET显著性检测实战
│   ├─09 物体检测框架-MaskRcnn项目介绍与配置
│   ├─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
├─08 行为识别实战
│   ├─01 slowfast算法知识点通俗解读
│   ├─02 slowfast项目环境配置与配置文件
│   ├─03 slowfast源码详细解读
│   ├─04 基于3D卷积的视频分析与动作识别
│   ├─05 视频异常检测算法与元学习
│   └─06 视频异常检测CVPR2021论文及其源码解读
├─09 2022论文必备-Transformer实战系列
│   ├─01 课程介绍
│   ├─02 自然语言处理通用框架BERT原理解读
│   ├─03 Transformer在视觉中的应用VIT算法
│   ├─04 VIT算法模型源码解读
│   ├─05 swintransformer算法原理解析
│   ├─06 swintransformer源码解读
│   ├─07 基于Transformer的detr目标检测算法
│   ├─08 detr目标检测源码解读
│   ├─09 MedicalTrasnformer论文解读
│   ├─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
├─10 图神经网络实战
│   ├─01 图神经网络基础
│   ├─02 图卷积GCN模型
│   ├─03 图模型必备神器PyTorch Geometric安装与使用
│   ├─04 使用PyTorch Geometric构建自己的图数据集
│   ├─05 图注意力机制与序列图模型
│   ├─06 图相似度论文解读
│   ├─07 图相似度计算实战
│   ├─08 基于图模型的轨迹估计
│   └─09 图模型轨迹估计实战
├─11 3D点云实战
│   ├─01 3D点云实战 3D点云应用领域分析
│   ├─02 3D点云PointNet算法
│   ├─03 PointNet++算法解读
│   ├─04 Pointnet++项目实战
│   ├─05 点云补全PF-Net论文解读
│   ├─06 点云补全实战解读
│   ├─07 点云配准及其案例实战
│   └─08 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
│   ├─01 课程介绍
│   ├─02 姿态估计OpenPose系列算法解读
│   ├─03 OpenPose算法源码分析
│   ├─04 deepsort算法知识点解读
│   ├─05 deepsort源码解读
│   ├─06 YOLO-V4版本算法解读
│   └─08 V5项目工程源码解读
├─13 面向深度学习的无人驾驶实战
│   ├─01 深度估计算法原理解读
│   ├─02 深度估计项目实战
│   ├─03 车道线检测算法与论文解读
│   ├─04 基于深度学习的车道线检测项目实战
│   ├─06 局部特征关键点匹配实战
│   ├─07 三维重建应用与坐标系基础
│   ├─08 NeuralRecon算法解读
│   ├─09 NeuralRecon项目环境配置
│   ├─10 NeuralRecon项目源码解读
│   ├─11 TSDF算法与应用
│   ├─12 TSDF实战案例
│   ├─14 轨迹估计预测实战
│   └─15 特斯拉无人驾驶解读
├─14 对比学习与多模态任务实战
│   ├─01 对比学习算法与实例
│   └─04 多模态文字识别
├─15 缺陷检测实战
│   ├─01 课程介绍
│   ├─02 物体检框架YOLO-V4版本算法解读
│   ├─04 物体检测框架YOLOV5项目工程源码解读
│   ├─05 基于YOLOV5的钢材缺陷检测实战
│   ├─06 Semi-supervised布料缺陷检测实战
│   ├─07 Opencv图像常用处理方法实例
│   ├─09 Opencv轮廓检测与直方图
│   ├─10 基于Opencv缺陷检测项目实战
│   ├─11 基于视频流水线的Opencv缺陷检测项目
│   └─14 Deeplab铁质材料缺陷检测与开源项目应用流程
├─16 行人重识别实战
│   ├─01 行人重识别原理及其应用
│   ├─02 基于注意力机制的Reld模型论文解读
│   ├─03 基于Attention的行人重识别项目实战
│   ├─04 AAAI2020顶会算法精讲
│   ├─05 项目实战-基于行人局部特征融合的再识别实战
│   ├─06 旷视研究院最新算法解读(基于图模型)
│   └─07 基于拓扑图的行人重识别项目实战
├─17 对抗生成网络实战
│   ├─01 课程介绍
│   ├─02 对抗生成网络架构原理与实战解析
│   ├─03 基于CycleGan开源项目实战图像合成
│   ├─04 stargan论文架构解析
│   ├─05 stargan项目实战及其源码解读
│   ├─06 基于starganvc2的变声器论文原理解读
│   ├─07 starganvc2变声器项目实战及其源码解读
│   ├─08 图像超分辨率重构实战
│   └─09 基于GAN的图像补全实战
├─18 强化学习实战系列
│   ├─01 强化学习简介及其应用
│   ├─02 PPO算法与公式推导
│   ├─03 PPO实战-月球登陆器训练实例
│   ├─04 Q-learning与DQN算法
│   ├─06 DQN改进与应用技巧
│   ├─07 Actor-Critic算法分析(A3C)
│   └─08 用A3C玩转超级马里奥
├─19 Openai顶级黑科技算法及其项目实战
│   ├─01 GPT系列生成模型
│   ├─02 GPT建模与预测流程
│   ├─03 CLIP系列
│   ├─04 Diffusion模型解读
│   ├─05 Dalle2及其源码解读
│   └─06 ChatGPT
├─20 面向医学领域的深度学习实战
│   ├─01 卷积神经网络原理与参数解读
│   ├─02 PyTorch框架基本处理操作
│   ├─03 PyTorch框架必备核心模块解读
│   ├─04 基于Resnet的医学数据集分类实战
│   ├─05 图像分割及其损失函数概述
│   ├─06 Unet系列算法讲解
│   ├─07 unet医学细胞分割实战
│   ├─08 deeplab系列算法
│   ├─09 基于deeplabV3+版本进行VOC分割实战
│   ├─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
├─21 深度学习模型部署与剪枝优化实战
│   ├─01 AIoT人工智能物联网之认识 jetson nano
│   ├─02 AIoT人工智能物联网之AI 实战
│   ├─03 AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
│   ├─04 AIoT人工智能物联网之deepstream
│   ├─05 tensorRT视频
│   ├─06 pyTorch框架部署实践
│   ├─07 YOLO-V3物体检测部署实例
│   ├─08 docker实例演示
│   ├─09 tensorflow-serving实战
│   ├─10 模型剪枝-Network Slimming算法分析
│   ├─11 模型剪枝-Network Slimming实战解读
│   └─12 Mobilenet三代网络模型架构
├─22 自然语言处理必备神器Huggingface系列实战
│   ├─01 Huggingface与NLP介绍解读
│   ├─02 Transformer工具包基本操作实例解读
│   ├─03 transformer原理解读
│   ├─04 BERT系列算法解读
│   ├─05 文本标注工具与NER实例
│   ├─06 文本预训练模型构建实例
│   ├─07 GPT系列算法
│   ├─08 GPT训练与预测部署流程
│   ├─09 文本摘要建模
│   ├─10 图谱知识抽取实战
│   └─11 补充Huggingface数据集制作方法实例
├─23 自然语言处理通用框架-BERT实战
│   ├─01 自然语言处理通用框架BERT原理解读
│   ├─02 谷歌开源项目BERT源码解读与应用实例
│   ├─03 项目实战-基于BERT的中文情感分析实战
│   ├─04 项目实战-基于BERT的中文命名实体识别识别实战
│   ├─06 必备基础-掌握Tensorflow如何实现word2vec模型
│   └─07 必备基础知识点-RNN网络架构与情感分析应用实例
├─24 自然语言处理经典案例实战
│   ├─01 NLP常用工具包实战
│   ├─02 商品信息可视化与文本分析
│   ├─03 贝叶斯算法
│   ├─04 新闻分类任务实战
│   ├─05 HMM隐马尔科夫模型
│   ├─06 HMM工具包实战
│   ├─07 语言模型
│   ├─08 使用Gemsim构建词向量
│   ├─09 基于word2vec的分类任务
│   ├─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
├─25 知识图谱实战系列
│   ├─04 使用python操作neo4j实例
│   ├─06 文本关系抽取实践
│   └─07 金融平台风控模型实践
├─26 语音识别实战系列
│   ├─01 seq2seq序列网络模型
│   ├─02 LAS模型语音识别实战
│   ├─05 语音分离ConvTasnet模型
│   ├─06 ConvTasnet语音分离实战
│   └─07 语音合成tacotron最新版实战
├─27 推荐系统实战系列
│   ├─01 推荐系统介绍及其应用
│   ├─02 协同过滤与矩阵分解
│   ├─03 音乐推荐系统实战
│   ├─05 基于知识图谱的电影推荐实战
│   ├─06 点击率估计FM与DeepFM算法
│   ├─07 DeepFM算法实战
│   ├─08 推荐系统常用工具包演示
│   ├─09 基于文本数据的推荐实例
│   ├─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
├─28 AI课程所需安装软件教程
│   └─01 AI课程所需安装软件教程.mp4            15.43MB
├─29 额外补充
│   └─01 通用创新点
├─目录.txt            138.29KB
├─目录.txt.bak            138.32KB
├─目录1.txt            -1.#INDB
└─资料
      ├─1.第一章 直播回放
      ├─10.第一十章 图神经?络实战            -1.#INDB
      ├─11.第一十一章 3D点云实战
      ├─12.第一十二章 ?标追踪与姿态估计实战            -1.#INDB
      ├─13.第一十三章 ?向深度学习的??驾驶实战            -1.#INDB
      ├─14.第一十四章 对比学习与多模态任务实战
      ├─15.第一十五章 缺陷检测实战
      ├─16.第一十六章 ??重识别实战            -1.#INDB
      ├─17.第一十七章 对抗?成?络实战            -1.#INDB
      ├─18.第一十八章 强化学习实战系列
      ├─19.第一十九章 Openai顶级黑科技算法及其项目实战
      ├─2.第二章 深度学习必备核?算法            -1.#INDB
      ├─20.第二十章 面向医学领域的深度学习实战
      ├─21.第二十一章 深度学习模型部署与剪枝优化实战
      ├─22.第二十二章 自然语言处理必备神器Huggingface系列实战
      ├─23.第二十三章 ?然语?处理通?框架-BERT实战            -1.#INDB
      ├─24.第二十四章 ?然语?处理经典案例实战            -1.#INDB
      ├─25.第二十五章 知识图谱实战系列
      ├─26.第二十六章 语?识别实战系列            -1.#INDB
      ├─27.第二十七章 推荐系统实战系列
      ├─28.第二十八章 AI课程所需安装软件教程
      ├─29.第二十九章 额外补充
      ├─3.第三章 深度学习核?框架PyTorch            -1.#INDB
      ├─4.第四章 MMLAB实战系列
      ├─5.第五章 Opencv图像处理框架实战
      ├─6.第六章 综合项?-物体检测经典算法实战            -1.#INDB
      ├─7.第七章 图像分割实战
      ├─8.第八章 行为识别实战
      └─9.第九章 2022论?必备-Transformer实战系列            -1.#INDB
\人工智能深度学习高薪就业班(第6期)
├─01 直播课回放
│   ├─01 开班典礼
│   │   └─01 开班典礼.mp4            1.04GB
│   ├─02 Pycharm环境配置与Debug演示(没用过的同学必看)
│   │   └─01 Pycharm环境配置与Debug演示(没用过的同学必看).mp4            96.06MB
│   ├─03 直播1:深度学习核心算法-神经网络与卷积网络
│   │   └─01 深度学习核心算法-神经网络与卷积网络.mp4            370.69MB
│   ├─04 直播2:卷积神经网络
│   │   └─01 卷积神经网络.mp4            414.76MB
│   ├─05 直播3:Transformer架构
│   │   └─01 Transformer架构.mp4            365.08MB
│   ├─06 直播4:Transfomer在视觉任务中的应用实例
│   │   └─01 Transfomer在视觉任务中的应用实例.mp4            661.49MB
│   ├─07 直播5:YOLO系列(V7)算法解读
│   │   └─01 YOLO系列(V7)算法解读.mp4            392.53MB
│   ├─08 直播6:分割模型Maskformer系列
│   │   └─01 分割模型Maskformer系列.mp4            570.91MB
│   ├─09 补充:Mask2former源码解读
│   │   ├─01 Backbone获取多层级特征.mp4            27.89MB
│   │   ├─02 多层级采样点初始化构建.mp4            33.82MB
│   │   ├─03 多层级输入特征序列创建方法.mp4            33.72MB
│   │   ├─04 偏移量与权重计算并转换.mp4            37.61MB
│   │   ├─05 Encoder特征构建方法实例.mp4            40.05MB
│   │   ├─06 query要预测的任务解读.mp4            36.21MB
│   │   ├─07 Decoder中的AttentionMask方法.mp4            40.02MB
│   │   ├─08 损失模块输入参数分析.mp4            31.77MB
│   │   ├─09 标签分配策略解读.mp4            33.33MB
│   │   ├─10 正样本筛选损失计算.mp4            32.52MB
│   │   ├─11 标签分类匹配结果分析.mp4            49.34MB
│   │   ├─12 最终损失计算流程.mp4            41.45MB
│   │   └─13 汇总所有损失完成迭代.mp4            28.48MB
│   ├─10 直播7:半监督物体检测
│   │   └─01 半监督物体检测.mp4            606.06MB
│   ├─11 直播8:基于图模型的时间序列预测
│   │   └─01 基于图模型的时间序列预测.mp4            911.17MB
│   ├─12 直播9:图像定位与检索
│   │   └─01 图像定位与检索.mp4            717.88MB
│   ├─13 直播10:近期内容补充
│   │   └─01 近期内容补充.mp4            725.39MB
│   ├─15 直播12:异构图神经网络
│   │   └─01 异构图神经网络.mp4            527.75MB
│   ├─16 直播13:BEV特征空间
│   │   └─01 BEV特征空间.mp4            384.59MB
│   ├─17 补充:BevFormer源码解读
│   │   ├─01 环境配置方法解读.mp4            34.18MB
│   │   ├─02 数据集下载与配置方法.mp4            41.45MB
│   │   ├─03 特征提取以及BEV空间初始化.mp4            33.67MB
│   │   ├─04 特征对齐与位置编码初始化.mp4            33.91MB
│   │   ├─05 Reference初始点构建.mp4            29.37MB
│   │   ├─06 BEV空间与图像空间位置对应.mp4            29.39MB
│   │   ├─07 注意力机制模块计算方法.mp4            30.63MB
│   │   ├─08 BEV空间特征构建.mp4            26.81MB
│   │   ├─09 Decoder要完成的任务分析.mp4            26.51MB
│   │   ├─10 获取当前BEV特征.mp4            28.59MB
│   │   ├─11 Decoder级联校正模块.mp4            33.43MB
│   │   └─12 损失函数与预测可视化.mp4            41.31MB
│   ├─18 直播14:知识蒸馏
│   │   └─01 知识蒸馏.mp4            354.3MB
│   └─19 直播15:六期总结与论文简历
│         └─01 六期总结与论文简历.mp4            289.93MB
├─02 深度学习必备核心算法
│   ├─01 神经网络算法解读
│   │   └─01 神经网络算法解读.mp4            415.3MB
│   ├─02 卷积神经网络算法解读
│   │   └─01 卷积神经网络算法解读.mp4            325.35MB
│   └─03 递归神经网络算法解读
│         └─01 递归神经网络算法解读.mp4            271.86MB
├─03 深度学习核心框架PyTorch
│   ├─01 PyTorch框架介绍与配置安装
│   │   ├─01 PyTorch框架与其他框架区别分析.mp4            28.86MB
│   │   └─02 CPU与GPU版本安装方法解读.mp4            69.6MB
│   ├─02 使用神经网络进行分类任务
│   │   ├─01 数据集与任务概述.mp4            35.62MB
│   │   ├─02 基本模块应用测试.mp4            36.46MB
│   │   ├─03 网络结构定义方法.mp4            43.97MB
│   │   ├─04 数据源定义简介.mp4            29.46MB
│   │   ├─05 损失与训练模块分析.mp4            32.02MB
│   │   ├─06 训练一个基本的分类模型.mp4            42.05MB
│   │   └─07 参数对结果的影响.mp4            39.23MB
│   ├─03 神经网络回归任务-气温预测
│   │   └─01 神经网络回归任务-气温预测.mp4            154.93MB
│   ├─04 卷积网络参数解读分析
│   │   ├─01 输入特征通道分析.mp4            33.7MB
│   │   ├─02 卷积网络参数解读.mp4            24.76MB
│   │   └─03 卷积网络模型训练.mp4            41.99MB
│   ├─05 图像识别模型与训练策略(重点)
│   │   ├─01 任务分析与图像数据基本处理.mp4            31.97MB
│   │   ├─02 数据增强模块.mp4            30.86MB
│   │   ├─03 数据集与模型选择.mp4            36.15MB
│   │   ├─04 迁移学习方法解读.mp4            34.1MB
│   │   ├─05 输出层与梯度设置.mp4            47.39MB
│   │   ├─06 输出类别个数修改.mp4            40.46MB
│   │   ├─07 优化器与学习率衰减.mp4            41.29MB
│   │   ├─08 模型训练方法.mp4            39.99MB
│   │   ├─09 重新训练全部模型.mp4            43.26MB
│   │   └─10 测试结果演示分析.mp4            91.09MB
│   ├─06 DataLoader自定义数据集制作
│   │   ├─01 Dataloader要完成的任务分析.mp4            29.04MB
│   │   ├─02 图像数据与标签路径处理.mp4            37.6MB
│   │   ├─03 Dataloader中需要实现的方法分析.mp4            33.96MB
│   │   └─04 实用Dataloader加载数据并训练模型.mp4            63.88MB
│   ├─07 LSTM文本分类实战
│   │   ├─01 数据集与任务目标分析.mp4            36.03MB
│   │   ├─02 文本数据处理基本流程分析.mp4            38.62MB
│   │   ├─03 命令行参数与DEBUG.mp4            30.07MB
│   │   ├─04 训练模型所需基本配置参数分析.mp4            33.01MB
│   │   ├─05 预料表与字符切分.mp4            25.85MB
│   │   ├─06 字符预处理转换ID.mp4            28.36MB
│   │   ├─07 LSTM网络结构基本定义.mp4            28.87MB
│   │   ├─08 网络模型预测结果输出.mp4            32.55MB
│   │   └─09 模型训练任务与总结.mp4            39.43MB
│   └─08 PyTorch框架Flask部署例子
│         ├─01 基本结构与训练好的模型加载.mp4            17.32MB
│         ├─02 服务端处理与预测函数.mp4            36.32MB
│         └─03 基于Flask测试模型预测结果.mp4            38.8MB
├─04 MMLAB实战系列
│   ├─01 MMCV安装方法
│   │   └─01 MMCV安装方法.mp4            38.52MB
│   ├─02 第一模块:分类任务基本操作
│   │   ├─01 MMCLS问题修正.mp4            18.47MB
│   │   ├─02 准备MMCLS项目.mp4            25.8MB
│   │   ├─03 基本参数配置解读.mp4            26.22MB
│   │   ├─04 各模块配置文件组成.mp4            29.53MB
│   │   ├─05 生成完整配置文件.mp4            18.7MB
│   │   ├─06 根据文件夹定义数据集.mp4            31.27MB
│   │   ├─07 构建自己的数据集.mp4            26.93MB
│   │   └─08 训练自己的任务.mp4            30.98MB
│   ├─03 第一模块:训练结果测试与验证
│   │   ├─01 测试DEMO效果.mp4            18.9MB
│   │   ├─02 测试评估模型效果.mp4            21.51MB
│   │   ├─03 MMCLS中增加一个新的模块.mp4            49.38MB
│   │   ├─04 修改配置文件中的参数.mp4            52.36MB
│   │   ├─05 数据增强流程可视化展示.mp4            29.95MB
│   │   ├─06 Grad-Cam可视化方法.mp4            30.3MB
│   │   ├─07 可视化细节与效果分析.mp4            91.83MB
│   │   ├─08 MMCLS可视化模块应用.mp4            55.84MB
│   │   └─09 模型分析脚本使用.mp4            26.39MB
│   ├─04 第一模块:模型源码DEBUG演示
│   │   ├─01 VIT任务概述.mp4            23.78MB
│   │   ├─02 数据增强模块概述分析.mp4            43.85MB
│   │   ├─03 PatchEmbedding层.mp4            19.28MB
│   │   ├─04 前向传播基本模块.mp4            30.85MB
│   │   └─05 CLS与输出模块.mp4            35.14MB
│   ├─05 第二模块:使用分割模块训练自己的数据集
│   │   ├─01 项目配置基本介绍.mp4            56.78MB
│   │   ├─02 数据集标注与制作方法.mp4            44.01MB
│   │   ├─03 根据预测类别数修改配置文件.mp4            31.28MB
│   │   ├─04 加载预训练模型开始训练.mp4            69.51MB
│   │   └─05 预测DEMO演示.mp4            16.9MB
│   ├─06 第二模块:基于Unet进行各种策略修改
│   │   ├─01 配置文件解读.mp4            25.78MB
│   │   ├─02 编码层模块.mp4            25.48MB
│   │   ├─03 上采样与输出层.mp4            22.82MB
│   │   ├─04 辅助层的作用.mp4            15.46MB
│   │   ├─05 给Unet添加一个neck层.mp4            24.6MB
│   │   ├─06 如何修改参数适配网络结构.mp4            17.29MB
│   │   ├─07 将Unet特征提取模块替换成transformer.mp4            18.19MB
│   │   └─08 VIT模块源码分析.mp4            35.23MB
│   ├─07 第二模块:分割任务CVPR最新Backbone设计及其应用
│   │   ├─01 注册自己的Backbone模块.mp4            26.58MB
│   │   ├─02 配置文件指定.mp4            29.26MB
│   │   ├─03 DEBUG解读Backbone设计.mp4            29.89MB
│   │   ├─04 PatchEmbedding的作用与实现.mp4            33.03MB
│   │   ├─05 卷积位置编码计算方法.mp4            41.9MB
│   │   ├─06 近似Attention模块实现.mp4            65.19MB
│   │   ├─07 完成特征提取与融合模块.mp4            42.11MB
│   │   ├─08 分割输出模块.mp4            40.74MB
│   │   ├─09 全局特征的作用与实现.mp4            44.06MB
│   │   └─10 汇总多层级特征进行输出.mp4            31.84MB
│   ├─08 第三模块:mmdet训练自己的数据任务
│   │   ├─01 数据集标注与标签获取.mp4            25.15MB
│   │   ├─02 COCO数据标注格式.mp4            22.09MB
│   │   ├─03 通过脚本生成COCO数据格式.mp4            29.92MB
│   │   ├─04 配置文件数据增强策略分析.mp4            35.01MB
│   │   ├─05 训练所需配置说明.mp4            44.59MB
│   │   ├─06 模型训练与DEMO演示.mp4            26.63MB
│   │   ├─07 模型测试与可视化分析模块.mp4            58.45MB
│   │   └─08 补充:评估指标.mp4            11.22MB
│   ├─09 第三模块:DeformableDetr物体检测源码分析
│   │   ├─01 特征提取与位置编码.mp4            29.54MB
│   │   ├─02 序列特征展开并叠加.mp4            37.73MB
│   │   ├─03 得到相对位置点编码.mp4            23.07MB
│   │   ├─04 准备Encoder编码层所需全部输入.mp4            28.8MB
│   │   ├─05 编码层中的序列分析.mp4            30.82MB
│   │   ├─06 偏移量offset计算.mp4            35.36MB
│   │   ├─07 偏移量对齐操作.mp4            29.92MB
│   │   ├─08 Encoder层完成特征对齐.mp4            39.83MB
│   │   ├─09 Decoder要完成的操作.mp4            30.18MB
│   │   ├─10 分类与回归输出模块.mp4            38.59MB
│   │   └─11 预测输出结果与标签匹配模块.mp4            34.69MB
│   ├─11 第三模块:DeformableDetr算法解读
│   │   └─01 DeformableDetr算法解读.mp4            540.8MB
│   ├─12 KIE关键信息抽取与视频超分辨率重构
│   │   └─01 KIE关键信息抽取与视频超分辨率重构.mp4            671.2MB
│   ├─13 第四模块:DBNET文字检测
│   │   ├─01 文字检测数据概述与配置文件.mp4            42.83MB
│   │   ├─02 配置文件参数设置.mp4            29.54MB
│   │   ├─03 Neck层特征组合.mp4            24.9MB
│   │   ├─04 损失函数模块概述.mp4            33.39MB
│   │   └─05 损失计算方法.mp4            42.65MB
│   ├─14 第四模块:ANINET文字识别
│   │   ├─01 数据集与环境概述.mp4            41.95MB
│   │   ├─02 配置文件修改方法.mp4            40.89MB
│   │   ├─03 Bakbone模块得到特征.mp4            32.66MB
│   │   ├─04 视觉Transformer模块的作用.mp4            32.87MB
│   │   ├─05 视觉模型中的编码与解码的效果.mp4            40.94MB
│   │   ├─06 文本模型中的结构分析.mp4            29.91MB
│   │   ├─07 迭代修正模块.mp4            29.63MB
│   │   └─08 输出层与损失计算.mp4            40.42MB
│   ├─15 第四模块:KIE基于图模型的关键信息抽取
│   │   ├─01 配置文件以及要完成的任务解读.mp4            35.85MB
│   │   ├─02 KIE数据集格式调整方法.mp4            54.91MB
│   │   ├─03 配置文件与标签要进行处理操作.mp4            38.08MB
│   │   ├─04 边框要计算的特征分析.mp4            27.13MB
│   │   ├─05 标签数据处理与关系特征提取.mp4            43.15MB
│   │   ├─06 特征合并处理.mp4            32.94MB
│   │   ├─07 准备拼接边与点特征.mp4            32.09MB
│   │   └─08 整合得到图模型输入特征.mp4            53.51MB
│   ├─16 第五模块:stylegan2源码解读
│   │   ├─01 要完成的任务与基本思想概述.mp4            42.32MB
│   │   ├─02 得到style特征编码.mp4            48.23MB
│   │   ├─03 特征编码风格拼接.mp4            27.52MB
│   │   ├─04 基础风格特征卷积模块.mp4            39.7MB
│   │   ├─05 上采样得到输出结果.mp4            30.65MB
│   │   └─06 损失函数概述.mp4            20.4MB
│   ├─17 第六模块:BasicVSR++视频超分辨重构源码解读
│   │   ├─01 要完成的任务分析与配置文件.mp4            21.75MB
│   │   ├─02 特征基础提取模块.mp4            32.14MB
│   │   ├─03 光流估计网络模块.mp4            20.18MB
│   │   ├─04 基于光流完成对齐操作.mp4            31.97MB
│   │   ├─05 偏移量计算方法.mp4            24.16MB
│   │   ├─06 双向计算特征对齐.mp4            28.36MB
│   │   ├─07 提特征传递流程分析.mp4            28.12MB
│   │   ├─08 序列传播计算.mp4            30.5MB
│   │   ├─09 准备变形卷积模块的输入.mp4            34.32MB
│   │   ├─10 传播流程整体完成一圈.mp4            48MB
│   │   └─11 完成输出结果.mp4            40.21MB
│   ├─18 第七模块:多模态3D目标检测算法源码解读
│   │   ├─01 环境配置与数据集概述.mp4            40.38MB
│   │   ├─02 数据与标注文件介绍.mp4            30.36MB
│   │   ├─03 基本流程梳理并进入debug模式.mp4            34.44MB
│   │   ├─04 数据与图像特征提取模块.mp4            43.2MB
│   │   ├─05 体素索引位置获取.mp4            47.14MB
│   │   ├─06 体素特征提取方法解读.mp4            27.56MB
│   │   ├─07 体素特征计算方法分析.mp4            50.68MB
│   │   ├─08 全局体素特征提取.mp4            70.15MB
│   │   ├─09 多模态特征融合.mp4            47.5MB
│   │   ├─10 3D卷积特征融合.mp4            41.42MB
│   │   └─11 输出层预测结果.mp4            61.43MB
│   ├─19 第八模块:模型蒸馏应用实例
│   │   ├─01 任务概述与工具使用.mp4            29.51MB
│   │   ├─02 Teacher与Student网络结构定义.mp4            37.76MB
│   │   ├─03 训练T与S得到蒸馏模型.mp4            54.35MB
│   │   ├─04 开始模型训练过程与问题修正.mp4            43.6MB
│   │   ├─05 日志输出与模型分离.mp4            53.46MB
│   │   ├─06 分别得到Teacher与Student模型.mp4            36.15MB
│   │   └─07 实际测试效果演示.mp4            30.76MB
│   ├─20 第八模块:模型剪枝方法概述分析
│   │   ├─01 SuperNet网络结构分析与剪枝概述.mp4            33.41MB
│   │   └─02 搜索匹配到符合计算量的模型并训练.mp4            37.01MB
│   ├─21 第九模块:mmaction行为识别
│   │   └─01 创建自己的行为识别标注数据集.mp4            166.37MB
│   └─22 OCR算法解读
│         └─01 OCR算法解读.mp4            1.22GB
├─05 Opencv图像处理框架实战
│   ├─01 课程简介与环境配置
│   │   ├─01 课程简介.mp4            4.34MB
│   │   ├─02 Python与Opencv配置安装.mp4            27.61MB
│   │   └─03 Notebook与IDE环境.mp4            61.54MB
│   ├─02 图像基本操作
│   │   ├─01 计算机眼中的图像.mp4            24.2MB
│   │   ├─02 视频的读取与处理.mp4            36.28MB
│   │   ├─03 ROI区域.mp4            12.14MB
│   │   ├─04 边界填充.mp4            18.29MB
│   │   └─05 数值计算.mp4            31.9MB
│   ├─03 阈值与平滑处理
│   │   ├─01 图像阈值.mp4            25.24MB
│   │   ├─02 图像平滑处理.mp4            19.46MB
│   │   └─03 高斯与中值滤波.mp4            16.59MB
│   ├─04 图像形态学操作
│   │   ├─01 腐蚀操作.mp4            14.52MB
│   │   ├─02 膨胀操作.mp4            9.43MB
│   │   ├─03 开运算与闭运算.mp4            7.53MB
│   │   ├─04 梯度计算.mp4            5.92MB
│   │   └─05 礼帽与黑帽.mp4            13.69MB
│   ├─05 图像梯度计算
│   │   ├─01 Sobel算子.mp4            21MB
│   │   ├─02 梯度计算方法.mp4            23.42MB
│   │   └─03 scharr与lapkacian算子.mp4            20.8MB
│   ├─06 边缘检测
│   │   ├─01 Canny边缘检测流程.mp4            14.34MB
│   │   ├─02 非极大值抑制.mp4            14.12MB
│   │   └─03 边缘检测效果.mp4            25.54MB
│   ├─07 图像金字塔与轮廓检测
│   │   ├─01 图像金字塔定义.mp4            16.04MB
│   │   ├─02 金字塔制作方法.mp4            20.19MB
│   │   ├─03 轮廓检测方法.mp4            14.59MB
│   │   ├─04 轮廓检测结果.mp4            23.61MB
│   │   ├─05 轮廓特征与近似.mp4            29.42MB
│   │   ├─06 模板匹配方法.mp4            37.35MB
│   │   └─07 匹配效果展示.mp4            17.13MB
│   ├─08 直方图与傅里叶变换
│   │   ├─01 直方图定义.mp4            19.79MB
│   │   ├─02 均衡化原理.mp4            26.01MB
│   │   ├─03 均衡化效果.mp4            21.44MB
│   │   ├─04 傅里叶概述.mp4            29.85MB
│   │   ├─05 频域变换结果.mp4            21.16MB
│   │   └─06 低通与高通滤波.mp4            23.17MB
│   ├─09 项目实战-信用卡数字识别
│   │   ├─01 总体流程与方法讲解.mp4            18.81MB
│   │   ├─02 环境配置与预处理.mp4            25.37MB
│   │   ├─03 模板处理方法.mp4            17.88MB
│   │   ├─04 输入数据处理方法.mp4            22.35MB
│   │   └─05 模板匹配得出识别结果.mp4            34.75MB
│   ├─10 项目实战-文档扫描OCR识别
│   │   ├─01 整体流程演示.mp4            16.02MB
│   │   ├─02 文档轮廓提取.mp4            21.82MB
│   │   ├─03 原始与变换坐标计算.mp4            19.71MB
│   │   ├─04 透视变换结果.mp4            23.95MB
│   │   ├─05 tesseract-ocr安装配置.mp4            28.51MB
│   │   └─06 文档扫描识别效果.mp4            20.73MB
│   ├─11 图像特征-harris
│   │   ├─01 角点检测基本原理.mp4            12.66MB
│   │   ├─02 基本数学原理.mp4            23.94MB
│   │   ├─03 求解化简.mp4            23.69MB
│   │   ├─04 特征归属划分.mp4            33.7MB
│   │   └─05 opencv角点检测效果.mp4            24.19MB
│   ├─12 图像特征-sift
│   │   ├─01 尺度空间定义.mp4            17.54MB
│   │   ├─02 高斯差分金字塔.mp4            17.54MB
│   │   ├─03 特征关键点定位.mp4            39.27MB
│   │   ├─04 生成特征描述.mp4            19.13MB
│   │   ├─05 特征向量生成.mp4            37.06MB
│   │   └─06 opencv中sift函数使用.mp4            23.08MB
│   ├─13 案例实战-全景图像拼接
│   │   ├─01 特征匹配方法.mp4            21.73MB
│   │   ├─02 RANSAC算法.mp4            28.36MB
│   │   ├─03 图像拼接方法.mp4            33.33MB
│   │   └─04 流程解读.mp4            16.25MB
│   ├─14 项目实战-停车场车位识别
│   │   ├─01 任务整体流程.mp4            38.8MB
│   │   ├─02 所需数据介绍.mp4            24.09MB
│   │   ├─03 图像数据预处理.mp4            36.17MB
│   │   ├─04 车位直线检测.mp4            41.21MB
│   │   ├─05 按列划分区域.mp4            37.61MB
│   │   ├─06 车位区域划分.mp4            39.33MB
│   │   ├─07 识别模型构建.mp4            29.78MB
│   │   └─08 基于视频的车位检测.mp4            72.08MB
│   ├─15 项目实战-答题卡识别判卷
│   │   ├─01 整体流程与效果概述.mp4            20.47MB
│   │   ├─02 预处理操作.mp4            17.86MB
│   │   ├─03 填涂轮廓检测.mp4            19.21MB
│   │   └─04 选项判断识别.mp4            35.75MB
│   ├─16 背景建模
│   │   ├─01 背景消除-帧差法.mp4            16.67MB
│   │   ├─02 混合高斯模型.mp4            21.11MB
│   │   ├─03 学习步骤.mp4            24.87MB
│   │   └─04 背景建模实战.mp4            37.02MB
│   ├─17 光流估计
│   │   ├─01 基本概念.mp4            16.77MB
│   │   ├─02 Lucas-Kanade算法.mp4            16.18MB
│   │   ├─03 推导求解.mp4            21.03MB
│   │   └─04 光流估计实战.mp4            49.12MB
│   ├─18 Opencv的DNN模块
│   │   ├─01 dnn模块.mp4            22.33MB
│   │   └─02 模型加载结果输出.mp4            30.31MB
│   ├─19 项目实战-目标追踪
│   │   ├─01 目标追踪概述.mp4            36.05MB
│   │   ├─02 多目标追踪实战.mp4            23.65MB
│   │   ├─03 深度学习检测框架加载.mp4            29.57MB
│   │   ├─04 基于dlib与ssd的追踪.mp4            49.38MB
│   │   ├─05 多进程目标追踪.mp4            20.41MB
│   │   └─06 多进程效率提升对比.mp4            45.48MB
│   ├─20 卷积原理与操作
│   │   ├─01 卷积神经网络的应用.mp4            31.4MB
│   │   ├─02 卷积层解释.mp4            20.01MB
│   │   ├─03 卷积计算过程.mp4            24.74MB
│   │   ├─04 pading与stride.mp4            23.28MB
│   │   ├─05 卷积参数共享.mp4            15.55MB
│   │   ├─06 池化层原理.mp4            14.38MB
│   │   ├─07 卷积效果演示.mp4            18.09MB
│   │   └─08 卷积操作流程.mp4            29.6MB
│   └─21 项目实战-疲劳检测
│         ├─01 关键点定位概述.mp4            20.84MB
│         ├─02 获取人脸关键点.mp4            26.69MB
│         ├─03 定位效果演示.mp4            32.4MB
│         ├─04 闭眼检测.mp4            47.61MB
│         └─05 检测效果.mp4            29.73MB
├─06 综合项目-物体检测经典算法实战
│   ├─01 深度学习经典检测方法概述
│   │   └─02 不同阶段算法优缺点分析.mp4            8.95MB
│   ├─02 YOLO-V1整体思想与网络架构
│   │   └─01 YOLO算法整体思路解读.mp4            12.69MB
│   ├─03 YOLO-V2改进细节详解
│   │   ├─01 V2版本细节升级概述.mp4            11.25MB
│   │   └─06 坐标映射与还原.mp4            8.49MB
│   ├─04 YOLO-V3核心网络模型
│   │   ├─03 经典变换方法对比分析.mp4            9.27MB
│   │   └─07 sotfmax层改进.mp4            8.78MB
│   ├─05 项目实战-基于V3版本进行源码解读(建议直接跑V5版本)
│   │   ├─01 数据与环境配置.mp4            45.92MB
│   │   ├─02 训练参数设置.mp4            17.23MB
│   │   ├─03 COCO图像数据读取与处理.mp4            30.25MB
│   │   ├─04 标签文件读取与处理.mp4            19.05MB
│   │   ├─05 debug模式介绍.mp4            19.8MB
│   │   ├─06 基于配置文件构建网络模型.mp4            29.14MB
│   │   ├─07 路由层与shortcut层的作用.mp4            24.16MB
│   │   ├─08 YOLO层定义解析.mp4            44.67MB
│   │   ├─09 预测结果计算.mp4            32.27MB
│   │   ├─10 网格偏移计算.mp4            24.06MB
│   │   ├─11 模型要计算的损失概述.mp4            17.37MB
│   │   ├─12 标签值格式修改.mp4            20.28MB
│   │   ├─13 坐标相对位置计算.mp4            23.63MB
│   │   ├─14 完成所有损失函数所需计算指标.mp4            26.24MB
│   │   ├─15 模型训练与总结.mp4            56.27MB
│   │   └─16 预测效果展示.mp4            25.13MB
│   ├─06 基于YOLO-V3训练自己的数据集与任务(建议直接跑V5版本)
│   │   ├─01 Labelme工具安装.mp4            12.56MB
│   │   ├─02 数据信息标注.mp4            23.64MB
│   │   ├─03 完成标签制作.mp4            23.63MB
│   │   ├─04 生成模型所需配置文件.mp4            27.42MB
│   │   ├─05 json格式转换成yolo-v3所需输入.mp4            15.62MB
│   │   ├─06 完成输入数据准备工作.mp4            29.35MB
│   │   ├─07 训练代码与参数配置更改.mp4            33.77MB
│   │   └─08 训练模型并测试效果.mp4            26.97MB
│   ├─07 YOLO-V4版本算法解读
│   │   ├─02 V4版本贡献解读.mp4            8.2MB
│   │   └─06 CIOU损失函数定义.mp4            8.89MB
│   ├─08 V5版本项目配置
│   │   ├─01 整体项目概述.mp4            30.59MB
│   │   ├─02 训练自己的数据集方法.mp4            32.01MB
│   │   ├─03 训练数据参数配置.mp4            39.04MB
│   │   └─04 测试DEMO演示.mp4            39.96MB
│   ├─09 V5项目工程源码解读
│   │   ├─01 数据源DEBUG流程解读.mp4            31.25MB
│   │   ├─02 图像数据源配置.mp4            25.15MB
│   │   ├─03 加载标签数据.mp4            19.15MB
│   │   ├─04 Mosaic数据增强方法.mp4            20.36MB
│   │   ├─05 数据四合一方法与流程演示.mp4            30.47MB
│   │   ├─06 getItem构建batch.mp4            24.55MB
│   │   ├─07 网络架构图可视化工具安装.mp4            24.71MB
│   │   ├─08 V5网络配置文件解读.mp4            28.15MB
│   │   ├─09 Focus模块流程分析.mp4            16.16MB
│   │   ├─10 完成配置文件解析任务.mp4            40.98MB
│   │   ├─11 前向传播计算.mp4            22.14MB
│   │   ├─12 BottleneckCSP层计算方法.mp4            23.91MB
│   │   ├─13 SPP层计算细节分析.mp4            20.95MB
│   │   ├─14 Head层流程解读.mp4            21.79MB
│   │   ├─15 上采样与拼接操作.mp4            14.72MB
│   │   ├─16 输出结果分析.mp4            26.86MB
│   │   ├─17 超参数解读.mp4            26.59MB
│   │   ├─18 命令行参数介绍.mp4            31.75MB
│   │   ├─19 训练流程解读.mp4            35.08MB
│   │   ├─20 各种训练策略概述.mp4            29.71MB
│   │   └─21 模型迭代过程.mp4            29.18MB
│   ├─10 V7源码解读
│   │   ├─01 命令行参数介绍.mp4            20.65MB
│   │   ├─02 基本参数作用.mp4            33.81MB
│   │   ├─03 EMA等训练技巧解读.mp4            42.27MB
│   │   ├─04 网络结构配置文件解读.mp4            30.17MB
│   │   ├─05 各模块操作细节分析.mp4            37.93MB
│   │   ├─06 输出层与配置文件其他模块解读.mp4            49.79MB
│   │   ├─07 标签分配策略准备操作.mp4            28.18MB
│   │   ├─08 候选框偏移方法与find3p模块解读.mp4            27.4MB
│   │   ├─09 得到偏移点所在网格位置.mp4            33.88MB
│   │   ├─10 完成BuildTargets模块.mp4            40.91MB
│   │   ├─11 候选框筛选流程分析.mp4            25.01MB
│   │   ├─12 预测值各项指标获取与调整.mp4            36.53MB
│   │   ├─13 GT匹配正样本数量计算.mp4            32.73MB
│   │   ├─14 通过IOU与置信度分配正样本.mp4            48.07MB
│   │   ├─15 损失函数计算方法.mp4            37.06MB
│   │   ├─16 辅助头AUX网络结构配置文件解析.mp4            25.75MB
│   │   ├─17 辅助头损失函数调整.mp4            33.34MB
│   │   ├─18 BN与卷积权重参数融合方法.mp4            41.81MB
│   │   └─19 重参数化多分支合并加速.mp4            34.97MB
│   ├─11 EfficientNet网络
│   │   └─01 EfficientNet网络模型.mp4            406.83MB
│   ├─12 EfficientDet检测算法
│   │   └─01 EfficientDet检测算法.mp4            344.48MB
│   ├─13 基于Transformer的detr目标检测算法
│   │   ├─01 DETR目标检测基本思想解读.mp4            16.06MB
│   │   ├─02 整体网络架构分析.mp4            24.03MB
│   │   ├─03 位置信息初始化query向量.mp4            15.82MB
│   │   ├─04 注意力机制的作用方法.mp4            16.18MB
│   │   └─05 训练过程的策略.mp4            23.74MB
│   └─14 detr目标检测源码解读
│         ├─01 项目环境配置解读.mp4            31.98MB
│         ├─02 数据处理与dataloader.mp4            46.78MB
│         ├─03 位置编码作用分析.mp4            35.67MB
│         ├─04 backbone特征提取模块.mp4            25.74MB
│         ├─05 mask与编码模块.mp4            25.66MB
│         ├─06 编码层作用方法.mp4            32.24MB
│         ├─07 Decoder层操作与计算.mp4            21.6MB
│         ├─08 输出预测结果.mp4            30.35MB
│         └─09 损失函数与预测输出.mp4            31.76MB
├─07 图像分割实战
│   ├─01 图像分割及其损失函数概述
│   │   └─03 MIOU评估标准.mp4            7.38MB
│   ├─05 U2NET显著性检测实战
│   │   ├─01 任务目标与网络整体介绍.mp4            43.02MB
│   │   ├─02 显著性检测任务与目标概述.mp4            49.01MB
│   │   ├─03 编码器模块解读.mp4            30.94MB
│   │   ├─04 解码器输出结果.mp4            21.67MB
│   │   └─05 损失函数与应用效果.mp4            25.53MB
│   ├─09 物体检测框架-MaskRcnn项目介绍与配置
│   │   ├─01 Mask-Rcnn开源项目简介.mp4            75.3MB
│   │   ├─02 开源项目数据集.mp4            33.49MB
│   │   └─03 开源项目数据集.mp4            67.38MB
│   ├─10 MaskRcnn网络框架源码详解
│   │   ├─01 FPN层特征提取原理解读.mp4            31.41MB
│   │   ├─02 FPN网络架构实现解读.mp4            42.03MB
│   │   ├─03 生成框比例设置.mp4            21.09MB
│   │   ├─04 基于不同尺度特征图生成所有框.mp4            25.04MB
│   │   ├─05 RPN层的作用与实现解读.mp4            24.4MB
│   │   ├─06 候选框过滤方法.mp4            12.55MB
│   │   ├─07 Proposal层实现方法.mp4            25.5MB
│   │   ├─08 DetectionTarget层的作用.mp4            19.28MB
│   │   ├─09 正负样本选择与标签定义.mp4            20.59MB
│   │   ├─10 RoiPooling层的作用与目的.mp4            25.22MB
│   │   ├─11 RorAlign操作的效果.mp4            19.39MB
│   │   └─12 整体框架回顾.mp4            22.88MB
│   └─11 基于MASK-RCNN框架训练自己的数据与任务
│         ├─02 使用labelme进行数据与标签标注.mp4            20.99MB
│         ├─03 完成训练数据准备工作.mp4            21.18MB
│         ├─04 maskrcnn源码修改方法.mp4            49.33MB
│         ├─05 基于标注数据训练所需任务.mp4            33.55MB
│         └─06 测试与展示模块.mp4            27.72MB
├─08 行为识别实战
│   ├─01 slowfast算法知识点通俗解读
│   │   ├─01 slowfast核心思想解读.mp4            46.89MB
│   │   ├─02 核心网络结构模块分析.mp4            17.28MB
│   │   ├─03 数据采样曾的作用.mp4            14.05MB
│   │   ├─04 模型网络结构设计.mp4            14.82MB
│   │   └─05 特征融合模块与总结分析.mp4            28.3MB
│   ├─02 slowfast项目环境配置与配置文件
│   │   ├─01 环境基本配置解读.mp4            33.61MB
│   │   ├─02 目录各文件分析.mp4            27.07MB
│   │   ├─03 配置文件作用解读.mp4            37.59MB
│   │   ├─04 测试DEMO演示.mp4            59.29MB
│   │   ├─05 训练所需标签文件说明.mp4            35.7MB
│   │   ├─06 训练所需视频数据准备.mp4            31.91MB
│   │   ├─07 视频数据集切分操作.mp4            28.9MB
│   │   └─08 完成视频分帧操作.mp4            24.24MB
│   ├─03 slowfast源码详细解读
│   │   ├─01 模型所需配置文件参数读取.mp4            24.12MB
│   │   ├─02 数据处理概述.mp4            32.06MB
│   │   ├─03 dataloader数据遍历方法.mp4            34.36MB
│   │   ├─04 数据与标签读取实例.mp4            32.41MB
│   │   ├─05 图像数据所需预处理方法.mp4            42.91MB
│   │   ├─06 slow与fast分别执行采样操作.mp4            42.54MB
│   │   ├─07 分别计算特征图输出结果.mp4            37.36MB
│   │   ├─08 slow与fast特征图拼接操作.mp4            33.44MB
│   │   ├─09 resnetBolock操作.mp4            34.68MB
│   │   └─10 RoiAlign与输出层.mp4            51.65MB
│   ├─04 基于3D卷积的视频分析与动作识别
│   │   ├─01 3D卷积原理解读.mp4            16.86MB
│   │   ├─02 UCF101动作识别数据集简介.mp4            35.7MB
│   │   ├─03 测试效果与项目配置.mp4            41.51MB
│   │   ├─04 视频数据预处理方法.mp4            22.99MB
│   │   ├─05 数据Batch制作方法.mp4            34.49MB
│   │   ├─06 3D卷积网络所涉及模块.mp4            27.67MB
│   │   └─07 训练网络模型.mp4            30.13MB
│   ├─05 视频异常检测算法与元学习
│   │   ├─01 异常检测要解决的问题与数据集介绍.mp4            17.38MB
│   │   ├─02 基本思想与流程分析.mp4            20.71MB
│   │   ├─03 预测与常见问题.mp4            21.86MB
│   │   ├─04 Meta-Learn要解决的问题.mp4            16.72MB
│   │   ├─05 学习能力与参数定义.mp4            11.51MB
│   │   ├─06 如何找到合适的初始化参数.mp4            18.9MB
│   │   └─07 MAML算法流程解读.mp4            22.61MB
│   └─06 视频异常检测CVPR2021论文及其源码解读
│         ├─01 论文概述与环境配置.mp4            19.19MB
│         ├─02 数据集配置与读取.mp4            28.28MB
│         ├─03 模型编码与解码结构.mp4            24.29MB
│         ├─04 注意力机制模块打造.mp4            45.54MB
│         ├─05 损失函数的目的.mp4            50.63MB
│         ├─06 特征图生成.mp4            30.11MB
│         └─07 MetaLearn与输出.mp4            22.05MB
├─09 2022论文必备-Transformer实战系列
│   ├─01 课程介绍
│   │   └─01 课程介绍.mp4            10.88MB
│   ├─02 自然语言处理通用框架BERT原理解读
│   │   ├─01 BERT任务目标概述.mp4            10.11MB
│   │   ├─02 传统解决方案遇到的问题.mp4            19.87MB
│   │   ├─03 注意力机制的作用.mp4            13.08MB
│   │   ├─04 self-attention计算方法.mp4            21.41MB
│   │   ├─05 特征分配与softmax机制.mp4            18.48MB
│   │   ├─06 Multi-head的作用.mp4            17MB
│   │   ├─07 位置编码与多层堆叠.mp4            14.55MB
│   │   ├─08 transformer整体架构梳理.mp4            20.18MB
│   │   ├─09 BERT模型训练方法.mp4            17.76MB
│   │   └─10 训练实例.mp4            19.42MB
│   ├─03 Transformer在视觉中的应用VIT算法
│   │   ├─01 transformer发家史介绍.mp4            12.63MB
│   │   ├─02 对图像数据构建patch序列.mp4            17.96MB
│   │   ├─03 VIT整体架构解读.mp4            18.89MB
│   │   ├─04 CNN遇到的问题与窘境.mp4            17.44MB
│   │   ├─05 计算公式解读.mp4            19.24MB
│   │   ├─06 位置编码与TNT模型.mp4            19.57MB
│   │   └─07 TNT模型细节分析.mp4            22.12MB
│   ├─04 VIT算法模型源码解读
│   │   ├─01 项目配置说明.mp4            34.37MB
│   │   ├─02 输入序列构建方法解读.mp4            21.51MB
│   │   ├─03 注意力机制计算.mp4            20.15MB
│   │   └─04 输出层计算结果.mp4            27.45MB
│   ├─05 swintransformer算法原理解析
│   │   ├─01 swintransformer整体概述.mp4            11.68MB
│   │   ├─02 要解决的问题及其优势分析.mp4            17.43MB
│   │   ├─03 一个block要完成的任务.mp4            13.78MB
│   │   ├─04 获取各窗口输入特征.mp4            15.82MB
│   │   ├─05 基于窗口的注意力机制解读.mp4            24.91MB
│   │   ├─06 窗口偏移操作的实现.mp4            19.45MB
│   │   ├─07 偏移细节分析及其计算量概述.mp4            17.07MB
│   │   ├─08 整体网络架构整合.mp4            16.13MB
│   │   ├─09 下采样操作实现方法.mp4            16.86MB
│   │   └─10 分层计算方法.mp4            16.37MB
│   ├─06 swintransformer源码解读
│   │   ├─01 数据与环境配置解读.mp4            48.62MB
│   │   ├─02 图像数据patch编码.mp4            27.92MB
│   │   ├─03 数据按window进行划分计算.mp4            24.66MB
│   │   ├─04 基础attention计算模块.mp4            21.72MB
│   │   ├─05 窗口位移模块细节分析.mp4            27.77MB
│   │   ├─06 patchmerge下采样操作.mp4            18.59MB
│   │   ├─07 各block计算方法解读.mp4            21.34MB
│   │   └─08 输出层概述.mp4            29.67MB
│   ├─07 基于Transformer的detr目标检测算法
│   │   ├─01 DETR目标检测基本思想解读.mp4            16.02MB
│   │   ├─02 整体网络架构分析.mp4            24MB
│   │   ├─03 位置信息初始化query向量.mp4            15.82MB
│   │   ├─04 注意力机制的作用方法.mp4            16.18MB
│   │   └─05 训练过程的策略.mp4            23.74MB
│   ├─08 detr目标检测源码解读
│   │   ├─01 项目环境配置解读.mp4            31.98MB
│   │   ├─02 数据处理与dataloader.mp4            46.74MB
│   │   ├─03 位置编码作用分析.mp4            35.67MB
│   │   ├─04 backbone特征提取模块.mp4            25.73MB
│   │   ├─05 mask与编码模块.mp4            25.66MB
│   │   ├─06 编码层作用方法.mp4            32.21MB
│   │   ├─07 Decoder层操作与计算.mp4            21.63MB
│   │   └─08 输出预测结果.mp4            30.39MB
│   ├─09 MedicalTrasnformer论文解读
│   │   ├─01 论文整体分析.mp4            18.35MB
│   │   ├─02 核心思想分析.mp4            39.4MB
│   │   ├─03 网络结构计算流程概述.mp4            35.54MB
│   │   ├─04 论文公式计算分析.mp4            36.46MB
│   │   ├─05 位置编码的作用与效果.mp4            35.23MB
│   │   └─06 拓展应用分析.mp4            44.06MB
│   ├─10 MedicalTransformer源码解读
│   │   ├─01 项目环境配置.mp4            19.92MB
│   │   ├─02 医学数据介绍与分析.mp4            45.28MB
│   │   ├─03 基本处理操作.mp4            18.98MB
│   │   ├─04 AxialAttention实现过程.mp4            26.74MB
│   │   ├─05 位置编码向量解读.mp4            20.55MB
│   │   ├─06 注意力计算过程与方法.mp4            39.2MB
│   │   └─07 局部特征提取与计算.mp4            28.49MB
│   ├─11 商汤LoFTR算法解读
│   │   ├─01 特征匹配的应用场景.mp4            55.02MB
│   │   ├─02 特征匹配的基本流程分析.mp4            13.1MB
│   │   ├─03 整体流程梳理分析.mp4            13.7MB
│   │   ├─04 CrossAttention的作用与效果.mp4            13.26MB
│   │   ├─05 transformer构建匹配特征.mp4            26.75MB
│   │   ├─06 粗粒度匹配过程与作用.mp4            21.4MB
│   │   ├─07 特征图拆解操作.mp4            12.16MB
│   │   ├─08 细粒度匹配的作用与方法.mp4            16.68MB
│   │   ├─09 基于期望预测最终位置.mp4            18.81MB
│   │   └─10 总结分析.mp4            26.81MB
│   ├─12 局部特征关键点匹配实战
│   │   ├─01 项目与参数配置解读.mp4            30.33MB
│   │   ├─02 DEMO效果演示.mp4            51.88MB
│   │   ├─03 backbone特征提取模块.mp4            20.14MB
│   │   ├─04 注意力机制的作用与效果分析.mp4            21.99MB
│   │   ├─05 特征融合模块实现方法.mp4            21.37MB
│   │   ├─06 cross关系计算方法实例.mp4            21.14MB
│   │   ├─07 粗粒度匹配过程.mp4            36.34MB
│   │   ├─08 完成基础匹配模块.mp4            45.63MB
│   │   ├─09 精细化调整方法与实例.mp4            31.94MB
│   │   ├─10 得到精细化输出结果.mp4            14.21MB
│   │   └─11 通过期望计算最终输出.mp4            27.08MB
│   ├─13 项目补充-谷歌开源项目BERT源码解读与应用实例
│   │   ├─01 BERT开源项目简介.mp4            33.56MB
│   │   ├─02 项目参数配置.mp4            75.02MB
│   │   ├─03 数据读取模块.mp4            39.33MB
│   │   ├─04 数据预处理模块.mp4            29.63MB
│   │   ├─05 tfrecord制作.mp4            37.7MB
│   │   ├─06 Embedding层的作用.mp4            22.82MB
│   │   ├─07 加入额外编码特征.mp4            31.48MB
│   │   ├─08 加入位置编码特征.mp4            17.18MB
│   │   ├─09 mask机制的作用.mp4            26.77MB
│   │   ├─10 构建QKV矩阵.mp4            38.19MB
│   │   ├─11 完成Transformer模块构建.mp4            30.38MB
│   │   └─12 训练BERT模型.mp4            40.94MB
│   └─14 项目补充-基于BERT的中文情感分析实战
│         ├─01 中文分类数据与任务概述.mp4            47.9MB
│         ├─02 读取处理自己的数据集.mp4            40.67MB
│         └─03 训练BERT中文分类模型.mp4            51.08MB
├─10 图神经网络实战
│   ├─01 图神经网络基础
│   │   ├─01 图神经网络应用领域分析.mp4            21.9MB
│   │   ├─02 图基本模块定义.mp4            9.28MB
│   │   ├─03 邻接矩阵的定义.mp4            12.9MB
│   │   ├─04 GNN中常见任务.mp4            15.63MB
│   │   ├─05 消息传递计算方法.mp4            12.64MB
│   │   └─06 多层GCN的作用.mp4            11.02MB
│   ├─02 图卷积GCN模型
│   │   ├─01 GCN基本模型概述.mp4            11.84MB
│   │   ├─02 图卷积的基本计算方法.mp4            10.43MB
│   │   ├─03 邻接的矩阵的变换.mp4            15.16MB
│   │   └─04 GCN变换原理解读.mp4            16.73MB
│   ├─03 图模型必备神器PyTorch Geometric安装与使用
│   │   ├─01 PyTorch Geometric工具包安装与配置方法.mp4            38.17MB
│   │   ├─02 数据集与邻接矩阵格式.mp4            42.37MB
│   │   ├─03 模型定义与训练方法.mp4            34.02MB
│   │   └─04 文献引用数据集分类案例实战.mp4            39.79MB
│   ├─04 使用PyTorch Geometric构建自己的图数据集
│   │   ├─01 构建数据集基本方法.mp4            11.37MB
│   │   ├─02 数据集与任务背景概述.mp4            16.85MB
│   │   ├─03 数据集基本预处理.mp4            25.19MB
│   │   ├─04 用户行为图结构创建.mp4            28.98MB
│   │   ├─05 数据集创建函数介绍.mp4            27.72MB
│   │   ├─06 网络结构定义模块.mp4            29.65MB
│   │   ├─07 TopkPooling进行下采样任务.mp4            24.17MB
│   │   ├─08 获取全局特征.mp4            20.71MB
│   │   └─09 模型训练与总结.mp4            27.64MB
│   ├─05 图注意力机制与序列图模型
│   │   ├─01 图注意力机制的作用与方法.mp4            13.58MB
│   │   ├─02 邻接矩阵计算图Attention.mp4            17.03MB
│   │   ├─03 序列图神经网络TGCN应用.mp4            10.55MB
│   │   └─04 序列图神经网络细节.mp4            18.98MB
│   ├─06 图相似度论文解读
│   │   ├─01 要完成的任务分析.mp4            36.69MB
│   │   ├─02 基本方法概述解读.mp4            39.08MB
│   │   ├─03 图模型提取全局与局部特征.mp4            34.55MB
│   │   ├─04 NTN模块的作用与效果.mp4            31.42MB
│   │   ├─05 点之间的对应关系计算.mp4            40.46MB
│   │   └─06 结果输出与总结.mp4            51.72MB
│   ├─07 图相似度计算实战
│   │   ├─01 数据集与任务概述.mp4            12.92MB
│   │   ├─02 图卷积特征提取模块.mp4            41.78MB
│   │   ├─03 分别计算不同Batch点的分布.mp4            23.38MB
│   │   ├─04 获得直方图特征结果.mp4            15.63MB
│   │   ├─05 图的全局特征构建.mp4            22.57MB
│   │   ├─06 NTN图相似特征提取.mp4            28.96MB
│   │   └─07 预测得到相似度结果.mp4            13.76MB
│   ├─08 基于图模型的轨迹估计
│   │   ├─01 数据集与标注信息解读.mp4            41.67MB
│   │   ├─02 整体三大模块分析.mp4            45.76MB
│   │   ├─03 特征工程的作用与效果.mp4            29.59MB
│   │   ├─04 传统方法与现在向量空间对比.mp4            40.02MB
│   │   ├─05 输入细节分析.mp4            36.46MB
│   │   ├─06 子图模块构建方法.mp4            32.52MB
│   │   ├─07 特征融合模块分析.mp4            36.86MB
│   │   └─08 VectorNet输出层分析.mp4            57.31MB
│   └─09 图模型轨迹估计实战
│         ├─01 数据与环境配置.mp4            24.55MB
│         ├─02 训练数据准备.mp4            19MB
│         ├─03 Agent特征提取方法.mp4            30.09MB
│         ├─04 DataLoader构建图结构.mp4            22.49MB
│         └─05 SubGraph与Attention模型流程.mp4            27.3MB
├─11 3D点云实战
│   ├─01 3D点云实战 3D点云应用领域分析
│   │   ├─01 点云数据概述.mp4            59.71MB
│   │   ├─02 点云应用领域与发展分析.mp4            130.53MB
│   │   ├─03 点云分割任务.mp4            54.11MB
│   │   ├─04 点云补全任务.mp4            19.85MB
│   │   ├─05 点云检测与配准任务.mp4            70.48MB
│   │   └─06 点云数据特征提取概述与预告.mp4            16.3MB
│   ├─02 3D点云PointNet算法
│   │   ├─01 3D数据应用领域与点云介绍.mp4            26.9MB
│   │   ├─02 点云数据可视化展示.mp4            24.38MB
│   │   ├─03 点云数据特性和及要解决的问题.mp4            25.51MB
│   │   ├─04 PointNet算法出发点解读.mp4            13.91MB
│   │   └─05 PointNet算法网络架构解读.mp4            24.43MB
│   ├─03 PointNet++算法解读
│   │   ├─01 PointNet升级版算法要解决的问题.mp4            17.47MB
│   │   ├─02 最远点采样方法.mp4            16MB
│   │   ├─03 分组Group方法原理解读.mp4            26.2MB
│   │   ├─04 整体流程概述分析.mp4            13.34MB
│   │   ├─05 分类与分割问题解决方案.mp4            17.07MB
│   │   └─06 遇到的问题及改进方法分析.mp4            10.38MB
│   ├─04 Pointnet++项目实战
│   │   ├─01 项目文件概述.mp4            21.66MB
│   │   ├─02 数据读取模块配置.mp4            28.76MB
│   │   ├─03 DEBUG解读网络模型架构.mp4            18.03MB
│   │   ├─04 最远点采样介绍.mp4            14.38MB
│   │   ├─05 采样得到中心点.mp4            23.17MB
│   │   ├─06 组区域划分方法.mp4            18.33MB
│   │   ├─07 实现group操作得到各中心簇.mp4            25.59MB
│   │   ├─08 特征提取模块整体流程.mp4            29.68MB
│   │   ├─09 预测结果输出模块.mp4            29.52MB
│   │   ├─10 分类任务总结.mp4            15.56MB
│   │   ├─11 分割任务数据与配置概述.mp4            31.38MB
│   │   ├─12 分割需要解决的任务概述.mp4            23.57MB
│   │   └─13 上采样完成分割任务.mp4            33.84MB
│   ├─05 点云补全PF-Net论文解读
│   │   ├─01 点云补全要解决的问题.mp4            13.76MB
│   │   ├─02 基本解决方案概述.mp4            15.08MB
│   │   ├─03 整体网络概述.mp4            16.25MB
│   │   ├─04 网络计算流程.mp4            20.59MB
│   │   └─05 输入与计算结果.mp4            41.49MB
│   ├─06 点云补全实战解读
│   │   ├─01 数据与项目配置解读.mp4            31.86MB
│   │   ├─02 待补全数据准备方法.mp4            21.11MB
│   │   ├─03 整体框架概述.mp4            33.98MB
│   │   ├─04 MRE特征提取模块.mp4            28.18MB
│   │   ├─05 分层预测输出模块.mp4            21.72MB
│   │   ├─06 补全点云数据.mp4            24.21MB
│   │   └─07 判别模块.mp4            33.75MB
│   ├─07 点云配准及其案例实战
│   │   ├─01 点云配准任务概述.mp4            13.56MB
│   │   ├─02 配准要完成的目标解读.mp4            14.9MB
│   │   ├─03 训练数据构建.mp4            16.84MB
│   │   ├─04 任务基本流程.mp4            11.95MB
│   │   ├─05 数据源配置方法.mp4            33.23MB
│   │   ├─06 参数计算模块解读.mp4            15.93MB
│   │   ├─07 基于模型预测输出参数.mp4            18.04MB
│   │   ├─08 特征构建方法分析.mp4            25.85MB
│   │   └─09 任务总结.mp4            24.9MB
│   └─08 基础补充-对抗生成网络架构原理与实战解析
│         └─02 GAN网络组成.mp4            9.51MB
├─12 目标追踪与姿态估计实战
│   ├─01 课程介绍
│   │   └─01 课程介绍.mp4            19.96MB
│   ├─02 姿态估计OpenPose系列算法解读
│   │   ├─01 姿态估计要解决的问题分析.mp4            40.29MB
│   │   ├─02 姿态估计应用领域概述.mp4            16.45MB
│   │   ├─03 传统topdown方法的问题.mp4            25.01MB
│   │   ├─04 要解决的两个问题分析.mp4            8.65MB
│   │   ├─05 基于高斯分布预测关键点位置.mp4            21.4MB
│   │   ├─06 各模块输出特征图解读.mp4            13.74MB
│   │   ├─07 PAF向量登场.mp4            10.6MB
│   │   ├─08 PAF标签设计方法.mp4            20.03MB
│   │   ├─09 预测时PAF积分计算方法.mp4            26.24MB
│   │   ├─10 匹配方法解读.mp4            16.19MB
│   │   ├─11 CPM模型特点.mp4            18.68MB
│   │   └─12 算法流程与总结.mp4            29.98MB
│   ├─03 OpenPose算法源码分析
│   │   ├─01 数据集与路径配置解读.mp4            24.77MB
│   │   ├─02 读取图像与标注信息.mp4            35.24MB
│   │   ├─03 关键点与躯干特征图初始化.mp4            23.93MB
│   │   ├─04 根据关键点位置设计关键点标签.mp4            37.72MB
│   │   ├─05 准备构建PAF躯干标签.mp4            20.97MB
│   │   ├─06 各位置点归属判断.mp4            20.56MB
│   │   ├─07 特征图各点累加向量计算.mp4            24.26MB
│   │   ├─08 完成PAF特征图制作.mp4            23.91MB
│   │   ├─09 网络模型一阶段输出.mp4            19.73MB
│   │   └─10 多阶段输出与预测.mp4            34.36MB
│   ├─04 deepsort算法知识点解读
│   │   ├─01 卡尔曼滤波通俗解释.mp4            22.81MB
│   │   ├─02 卡尔曼滤波要完成的任务.mp4            12.89MB
│   │   ├─03 任务本质分析.mp4            15.96MB
│   │   ├─04 基于观测值进行最优估计.mp4            14.77MB
│   │   ├─05 预测与更新操作.mp4            19.57MB
│   │   ├─06 追踪中的状态量.mp4            13.03MB
│   │   ├─07 匈牙利匹配算法概述.mp4            14.85MB
│   │   ├─08 匹配小例子分析.mp4            16.76MB
│   │   ├─09 REID特征的作用.mp4            15.89MB
│   │   ├─10 sort与deepsort建模流程分析.mp4            21.62MB
│   │   ├─11 预测与匹配流程解读.mp4            21.23MB
│   │   └─12 追踪任务流程拆解.mp4            22.99MB
│   ├─05 deepsort源码解读
│   │   ├─01 项目环境配置.mp4            29.18MB
│   │   ├─02 参数与DEMO演示.mp4            29.38MB
│   │   ├─03 针对检测结果初始化track.mp4            34.8MB
│   │   ├─04 对track执行预测操作.mp4            27.22MB
│   │   ├─05 状态量预测结果.mp4            25.47MB
│   │   ├─06 IOU代价矩阵计算.mp4            22.77MB
│   │   ├─07 参数更新操作.mp4            34.58MB
│   │   ├─08 级联匹配模块.mp4            28.61MB
│   │   ├─09 ReID特征代价矩阵计算.mp4            32.2MB
│   │   └─10 匹配结果与总结.mp4            54.81MB
│   ├─06 YOLO-V4版本算法解读
│   │   ├─02 V4版本贡献解读.mp4            8.2MB
│   │   └─06 CIOU损失函数定义.mp4            8.89MB
│   └─08 V5项目工程源码解读
│         └─13 1-SPP层计算细节分析.mp4            20.98MB
├─13 面向深度学习的无人驾驶实战
│   ├─01 深度估计算法原理解读
│   │   ├─01 深度估计效果与应用.mp4            50.28MB
│   │   ├─02 kitti数据集介绍.mp4            64.86MB
│   │   ├─03 使用backbone获取层级特征.mp4            17.08MB
│   │   ├─04 差异特征计算边界信息.mp4            20.9MB
│   │   ├─05 SPP层的作用.mp4            13.01MB
│   │   ├─06 空洞卷积与ASPP.mp4            15.22MB
│   │   ├─07 特征拼接方法分析.mp4            17.51MB
│   │   ├─08 网络coarse-to-fine过程.mp4            20.61MB
│   │   ├─09 权重参数预处理.mp4            22.36MB
│   │   └─10 损失计算.mp4            23.6MB
│   ├─02 深度估计项目实战
│   │   ├─01 项目环境配置解读.mp4            37.03MB
│   │   ├─02 数据与标签定义方法.mp4            50.58MB
│   │   ├─03 数据集dataloader制作.mp4            27.87MB
│   │   ├─04 使用backbone进行特征提取.mp4            30.56MB
│   │   ├─05 计算差异特征.mp4            22.66MB
│   │   ├─06 权重参数标准化操作.mp4            30.64MB
│   │   ├─07 网络结构ASPP层.mp4            35.27MB
│   │   ├─08 特征拼接方法解读.mp4            34.7MB
│   │   ├─09 输出深度估计结果.mp4            18.42MB
│   │   ├─10 损失函数通俗解读.mp4            49.18MB
│   │   └─11 模型DEMO输出结果.mp4            54.45MB
│   ├─03 车道线检测算法与论文解读
│   │   ├─01 数据标签与任务分析.mp4            39.45MB
│   │   ├─02 网络整体框架分析.mp4            23.37MB
│   │   ├─03 输出结果分析.mp4            15.09MB
│   │   ├─04 损失函数计算方法.mp4            21.16MB
│   │   └─05 论文概述分析.mp4            48.2MB
│   ├─04 基于深度学习的车道线检测项目实战
│   │   ├─01 车道数据与标签解读.mp4            43.13MB
│   │   ├─02 项目环境配置演示.mp4            21.52MB
│   │   ├─03 制作数据集dataloader.mp4            39.32MB
│   │   ├─04 车道线标签数据处理.mp4            24.06MB
│   │   ├─05 四条车道线标签位置矩阵.mp4            16.34MB
│   │   ├─06 grid设置方法.mp4            29.68MB
│   │   ├─07 完成数据与标签制作.mp4            18.52MB
│   │   ├─08 算法网络结构解读.mp4            42.15MB
│   │   ├─09 损失函数计算模块分析.mp4            33.3MB
│   │   ├─10 车道线规则损失函数限制.mp4            32.42MB
│   │   └─11 DEMO制作与配置.mp4            31.82MB
│   ├─06 局部特征关键点匹配实战
│   │   ├─02 DEMO效果演示.mp4            51.76MB
│   │   ├─03 backbone特征提取模块.mp4            20.14MB
│   │   ├─04 注意力机制的作用与效果分析.mp4            21.95MB
│   │   ├─05 特征融合模块实现方法.mp4            21.37MB
│   │   ├─06 cross关系计算方法实例.mp4            21.11MB
│   │   ├─09 精细化调整方法与实例.mp4            31.96MB
│   │   └─10 得到精细化输出结果.mp4            14.18MB
│   ├─07 三维重建应用与坐标系基础
│   │   ├─01 三维重建概述分析.mp4            49.67MB
│   │   ├─02 三维重建应用领域概述.mp4            10.83MB
│   │   ├─03 成像方法概述.mp4            13.38MB
│   │   ├─04 相机坐标系.mp4            15.12MB
│   │   ├─05 坐标系转换方法解读.mp4            17.5MB
│   │   ├─06 相机内外参.mp4            14.41MB
│   │   ├─07 通过内外参数进行坐标变换.mp4            13.82MB
│   │   └─08 相机标定简介.mp4            4.21MB
│   ├─08 NeuralRecon算法解读
│   │   ├─01 任务流程分析.mp4            16.53MB
│   │   ├─02 基本框架熟悉.mp4            22.32MB
│   │   ├─03 特征映射方法解读.mp4            27.17MB
│   │   ├─04 片段融合思想.mp4            13.43MB
│   │   └─05 整体架构重构方法.mp4            17.86MB
│   ├─09 NeuralRecon项目环境配置
│   │   ├─01 数据集下载与配置方法.mp4            39.03MB
│   │   ├─02 Scannet数据集内容概述.mp4            26.5MB
│   │   ├─03 TSDF标签生成方法.mp4            39.48MB
│   │   ├─04 ISSUE的作用.mp4            42.05MB
│   │   └─05 完成依赖环境配置.mp4            41.48MB
│   ├─10 NeuralRecon项目源码解读
│   │   ├─01 Backbone得到特征图.mp4            27.37MB
│   │   ├─02 初始化体素位置.mp4            34.07MB
│   │   ├─03 坐标映射方法实现.mp4            20.83MB
│   │   ├─04 得到体素所对应特征图.mp4            40.45MB
│   │   ├─05 插值得到对应特征向量.mp4            24.39MB
│   │   ├─06 得到一阶段输出结果.mp4            29.9MB
│   │   ├─07 完成三个阶段预测结果.mp4            33.57MB
│   │   └─08 项目总结.mp4            72.67MB
│   ├─11 TSDF算法与应用
│   │   ├─01 TSDF整体概述分析.mp4            18.9MB
│   │   ├─02 合成过程DEMO演示.mp4            13.03MB
│   │   ├─03 布局初始化操作.mp4            10.26MB
│   │   ├─04 TSDF计算基本流程解读.mp4            21.16MB
│   │   ├─05 坐标转换流程分析.mp4            24.78MB
│   │   └─06 输出结果融合更新.mp4            20.16MB
│   ├─12 TSDF实战案例
│   │   ├─01 环境配置概述.mp4            24.01MB
│   │   ├─02 初始化与数据读取.mp4            16.33MB
│   │   └─03 计算得到TSDF输出.mp4            30.45MB
│   ├─14 轨迹估计预测实战
│   │   ├─01 数据与环境配置.mp4            24.58MB
│   │   ├─02 训练数据准备.mp4            19MB
│   │   ├─03 Agent特征提取方法.mp4            30.09MB
│   │   ├─04 DataLoader构建图结构.mp4            22.52MB
│   │   └─05 SubGraph与Attention模型流程.mp4            27.3MB
│   └─15 特斯拉无人驾驶解读
│         └─01 特斯拉无人驾驶解读.mp4            409.96MB
├─14 对比学习与多模态任务实战
│   ├─01 对比学习算法与实例
│   │   └─01 对比学习算法与实例.mp4            423.98MB
│   └─04 多模态文字识别
│         └─01 多模态文字识别.mp4            588.84MB
├─15 缺陷检测实战
│   ├─01 课程介绍
│   │   └─01 课程介绍.mp4            19.17MB
│   ├─02 物体检框架YOLO-V4版本算法解读
│   │   ├─02 V4版本贡献解读.mp4            8.2MB
│   │   ├─06 CIOU损失函数定义.mp4            8.89MB
│   │   ├─第一十二章 第十模块:缺陷检测实战
│   │   └─缺陷检测实战
│   │         ├─DeepLab铁质材料缺陷检测与开源项目应用流程.zip            3.58GB
│   │         ├─PyTorch基础
│   │         │   ├─1-PyTorch框架基本处理操作.zip            98.58MB
│   │         │   ├─2-神经网络实战分类与回归任务.zip            15.82MB
│   │         │   └─3-图像识别核心模块实战解读.zip            336.95MB
│   │         ├─Resnet分类实战
│   │         │   └─Resnet.pdf            207.88KB
│   │         ├─第1-4章:YOLOV5缺陷检测
│   │         │   ├─Defective_Insulators.zip            54.69MB
│   │         │   ├─NEU-DET.zip            26.68MB
│   │         │   ├─YOLO5.zip            469.64MB
│   │         │   └─YOLO新版.pdf            3.62MB
│   │         ├─第10章:基于视频流水线的Opnecv缺陷检测项目.zip            13.96MB
│   │         ├─第11-12章:deeplab
│   │         │   ├─DeepLab.pdf            704.25KB
│   │         │   └─DeepLabV3Plus.zip            1.92GB
│   │         ├─第5章:Semi-supervised布料缺陷检测实战.zip            212.33MB
│   │         ├─第6-8章:Opencv各函数使用实例
│   │         │   ├─第一部分notebook课件.zip            7.28MB
│   │         │   └─第二部分notebook课件.zip            1.29MB
│   │         └─第9章:基于Opencv缺陷检测项目实战.zip            11.38MB
│   ├─04 物体检测框架YOLOV5项目工程源码解读
│   │   └─14 Head层流程解读.mp4            21.79MB
│   ├─05 基于YOLOV5的钢材缺陷检测实战
│   │   ├─01 任务需求与项目概述.mp4            12.92MB
│   │   ├─02 数据与标签配置方法.mp4            29.67MB
│   │   ├─03 标签转换格式脚本制作.mp4            23.8MB
│   │   ├─04 各版本模型介绍分析.mp4            24.69MB
│   │   ├─05 项目参数配置.mp4            20.2MB
│   │   ├─06 缺陷检测模型训练.mp4            27.45MB
│   │   └─07 输出结果与项目总结.mp4            34.16MB
│   ├─06 Semi-supervised布料缺陷检测实战
│   │   ├─01 任务目标与流程概述.mp4            41.67MB
│   │   ├─02 论文思想与模型分析.mp4            91.35MB
│   │   ├─03 项目配置解读.mp4            46.12MB
│   │   ├─04 网络流程分析.mp4            25.83MB
│   │   └─05 输出结果展示.mp4            28.25MB
│   ├─07 Opencv图像常用处理方法实例
│   │   ├─06 图像阈值.mp4            25.24MB
│   │   ├─07 图像平滑处理.mp4            19.46MB
│   │   ├─08 高斯与中值滤波.mp4            16.59MB
│   │   ├─10 膨胀操作.mp4            9.43MB
│   │   ├─11 开运算与闭运算.mp4            7.53MB
│   │   └─12 梯度计算.mp4            5.92MB
│   ├─09 Opencv轮廓检测与直方图
│   │   ├─03 轮廓检测方法.mp4            14.63MB
│   │   ├─04 轮廓检测结果.mp4            23.62MB
│   │   ├─05 轮廓特征与近似.mp4            29.38MB
│   │   ├─06 模板匹配方法.mp4            37.29MB
│   │   ├─07 匹配效果展示.mp4            17.08MB
│   │   ├─11 傅里叶概述.mp4            29.85MB
│   │   ├─12 频域变换结果.mp4            21.16MB
│   │   └─13 低通与高通滤波.mp4            23.18MB
│   ├─10 基于Opencv缺陷检测项目实战
│   │   ├─01 任务需求与环境配置.mp4            12.01MB
│   │   ├─02 数据读取与基本处理.mp4            19.81MB
│   │   ├─03 缺陷形态学操作.mp4            19.36MB
│   │   ├─04 整体流程解读.mp4            17.73MB
│   │   └─05 缺陷检测效果演示.mp4            38.95MB
│   ├─11 基于视频流水线的Opencv缺陷检测项目
│   │   ├─01 数据与任务概述.mp4            12.53MB
│   │   ├─02 视频数据读取与轮廓检测.mp4            15.77MB
│   │   ├─03 目标质心计算.mp4            23.52MB
│   │   ├─04 视频数据遍历方法.mp4            22.29MB
│   │   ├─05 缺陷区域提取.mp4            26.53MB
│   │   ├─06 不同类型的缺陷检测方法.mp4            26.19MB
│   │   └─07 检测效果演示.mp4            18.5MB
│   └─14 Deeplab铁质材料缺陷检测与开源项目应用流程
│         ├─01 数据集与任务概述.mp4            23.9MB
│         ├─02 开源项目应用方法.mp4            27.1MB
│         ├─03 github与kaggle中需要注意的点.mp4            30.85MB
│         ├─04 源码的利用方法.mp4            98.83MB
│         ├─04 源码的利用方法_ev.mp4            74.04MB
│         ├─05 数据集制作方法.mp4            58.2MB
│         ├─06 数据路径配置.mp4            41.9MB
│         ├─07 训练模型.mp4            25.05MB
│         └─08 任务总结.mp4            31.72MB
├─16 行人重识别实战
│   ├─01 行人重识别原理及其应用
│   │   ├─01 行人重识别要解决的问题.mp4            14.16MB
│   │   ├─02 挑战与困难分析.mp4            27.88MB
│   │   ├─03 评估标准rank1指标.mp4            10.32MB
│   │   ├─04 map值计算方法.mp4            12.3MB
│   │   ├─05 triplet损失计算实例.mp4            19.97MB
│   │   └─06 Hard-Negative方法应用.mp4            21.02MB
│   ├─02 基于注意力机制的Reld模型论文解读
│   │   ├─01 论文整体思想及注意力机制的作用解读.mp4            40.44MB
│   │   ├─02 空间权重值计算流程分析.mp4            23.32MB
│   │   ├─03 融合空间注意力所需特征.mp4            20.28MB
│   │   └─04 基于特征图的注意力计算.mp4            47.93MB
│   ├─03 基于Attention的行人重识别项目实战
│   │   ├─01 项目环境与数据集配置.mp4            38.8MB
│   │   ├─02 参数配置与整体架构分析.mp4            48.84MB
│   │   ├─03 进入debug模式解读网络计算流程.mp4            21.58MB
│   │   ├─04 获得空间位置点之间的关系.mp4            30.42MB
│   │   ├─05 组合关系特征图.mp4            29.22MB
│   │   ├─06 计算得到位置权重值.mp4            27.12MB
│   │   ├─07 基于特征图的权重计算.mp4            17.98MB
│   │   ├─08 损失函数计算实例解读.mp4            43.56MB
│   │   └─09 训练与测试模块演示.mp4            54.85MB
│   ├─04 AAAI2020顶会算法精讲
│   │   ├─01 论文整体框架概述.mp4            14.22MB
│   │   ├─02 局部特征与全局关系计算方法.mp4            13.35MB
│   │   ├─03 特征分组方法.mp4            12.77MB
│   │   ├─04 GCP模块特征融合方法.mp4            23.56MB
│   │   ├─05 oneVsReset方法实例.mp4            12.67MB
│   │   └─06 损失函数应用位置.mp4            13.73MB
│   ├─05 项目实战-基于行人局部特征融合的再识别实战
│   │   ├─01 项目配置与数据集介绍.mp4            47.39MB
│   │   ├─02 数据源构建方法分析.mp4            31.46MB
│   │   ├─03 dataloader加载顺序解读.mp4            19.41MB
│   │   ├─04 debug模式解读.mp4            46.24MB
│   │   ├─05 网络计算整体流程演示.mp4            21.57MB
│   │   ├─06 特征序列构建.mp4            28.24MB
│   │   ├─07 GCP全局特征提取.mp4            25.93MB
│   │   ├─08 局部特征提取实例.mp4            37.44MB
│   │   ├─09 特征组合汇总.mp4            32.5MB
│   │   ├─10 得到所有分组特征结果.mp4            35.8MB
│   │   ├─11 损失函数与训练过程演示.mp4            30.4MB
│   │   └─12 测试与验证模块.mp4            36.6MB
│   ├─06 旷视研究院最新算法解读(基于图模型)
│   │   ├─01 关键点位置特征构建.mp4            17.62MB
│   │   ├─02 图卷积与匹配的作用.mp4            20.13MB
│   │   ├─03 局部特征热度图计算.mp4            21.04MB
│   │   ├─04 基于图卷积构建人体拓扑关系.mp4            25.4MB
│   │   ├─05 图卷积模块实现方法.mp4            22.74MB
│   │   ├─06 图匹配在行人重识别中的作用.mp4            15.41MB
│   │   └─07 整体算法框架分析.mp4            20.29MB
│   └─07 基于拓扑图的行人重识别项目实战
│         ├─01 数据集与环境配置概述.mp4            35.09MB
│         ├─02 局部特征准备方法.mp4            38.93MB
│         ├─03 得到一阶段热度图结果.mp4            28.59MB
│         ├─04 阶段监督训练.mp4            58.65MB
│         ├─05 初始化图卷积模型.mp4            28.31MB
│         ├─06 mask矩阵的作用.mp4            32.47MB
│         ├─07 邻接矩阵学习与更新.mp4            37.09MB
│         ├─08 基于拓扑结构组合关键点特征.mp4            44.34MB
│         ├─09 图匹配模块计算流程.mp4            48.66MB
│         └─10 整体项目总结.mp4            55.75MB
├─17 对抗生成网络实战
│   ├─01 课程介绍
│   │   └─01 课程介绍.mp4            20.41MB
│   ├─02 对抗生成网络架构原理与实战解析
│   │   ├─01 对抗生成网络通俗解释.mp4            16.09MB
│   │   ├─02 GAN网络组成.mp4            9.51MB
│   │   ├─03 损失函数解释说明.mp4            31.11MB
│   │   ├─04 数据读取模块.mp4            21.88MB
│   │   └─05 生成与判别网络定义.mp4            31.54MB
│   ├─03 基于CycleGan开源项目实战图像合成
│   │   ├─01 CycleGan网络所需数据.mp4            23.17MB
│   │   ├─02 CycleGan整体网络架构.mp4            19MB
│   │   ├─03 PatchGan判别网络原理.mp4            9.52MB
│   │   ├─04 Cycle开源项目简介.mp4            37.84MB
│   │   ├─05 数据读取与预处理操作.mp4            40.45MB
│   │   ├─06 生成网络模块构造.mp4            36.07MB
│   │   ├─07 判别网络模块构造.mp4            14.58MB
│   │   ├─08 损失函数:identity loss计算方法.mp4            27.23MB
│   │   ├─09 生成与判别损失函数指定.mp4            41.18MB
│   │   └─10 额外补充:VISDOM可视化配置.mp4            26.31MB
│   ├─04 stargan论文架构解析
│   │   ├─01 stargan效果演示分析.mp4            22.99MB
│   │   ├─02 网络架构整体思路解读.mp4            22.27MB
│   │   ├─03 建模流程分析.mp4            31.1MB
│   │   ├─04 V1版本存在的问题及后续改进思路.mp4            40.55MB
│   │   ├─05 V2版本在整体网络架构.mp4            55.7MB
│   │   ├─06 编码器训练方法.mp4            45.2MB
│   │   ├─07 损失函数公式解析.mp4            36.49MB
│   │   └─08 训练过程分析.mp4            81.35MB
│   ├─05 stargan项目实战及其源码解读
│   │   ├─01 测试模块效果与实验分析.mp4            24.73MB
│   │   ├─02 项目配置与数据源下载.mp4            15.6MB
│   │   ├─03 测试效果演示.mp4            30.88MB
│   │   ├─04 项目参数解析.mp4            20.98MB
│   │   ├─05 生成器模块源码解读.mp4            34.6MB
│   │   ├─06 所有网络模块构建实例.mp4            34.07MB
│   │   ├─07 数据读取模块分析.mp4            39.59MB
│   │   ├─08 判别器损失计算.mp4            22.69MB
│   │   ├─09 损失计算详细过程.mp4            33.48MB
│   │   └─10 生成模块损失计算.mp4            49.91MB
│   ├─06 基于starganvc2的变声器论文原理解读
│   │   ├─01 论文整体思路与架构解读.mp4            29.67MB
│   │   ├─02 VCC2016输入数据.mp4            15.87MB
│   │   ├─03 语音特征提取.mp4            24.2MB
│   │   ├─04 生成器模型架构分析.mp4            11.7MB
│   │   ├─05 InstanceNorm的作用解读.mp4            15.21MB
│   │   ├─06 AdaIn的目的与效果.mp4            11.13MB
│   │   └─07 判别器模块分析.mp4            86.73MB
│   ├─07 starganvc2变声器项目实战及其源码解读
│   │   ├─01 数据与项目文件解读.mp4            16.61MB
│   │   ├─02 环境配置与工具包安装.mp4            30.25MB
│   │   ├─03 数据预处理与声音特征提取.mp4            61.1MB
│   │   ├─04 生成器构造模块解读.mp4            29.57MB
│   │   ├─05 下采样与上采样操作.mp4            24.51MB
│   │   ├─06 starganvc2版本标签输入分析.mp4            37.39MB
│   │   ├─07 生成器前向传播维度变化.mp4            19.37MB
│   │   ├─08 判别器模块解读.mp4            24.21MB
│   │   ├─09 论文损失函数.mp4            87.19MB
│   │   ├─10 源码损失计算流程.mp4            27.61MB
│   │   └─11 测试模块-生成转换语音.mp4            36.04MB
│   ├─08 图像超分辨率重构实战
│   │   ├─01 论文概述.mp4            42.02MB
│   │   ├─02 网络架构.mp4            71.02MB
│   │   ├─03 数据与环境配置.mp4            21.98MB
│   │   ├─04 数据加载与配置.mp4            28.89MB
│   │   ├─05 生成模块.mp4            35.6MB
│   │   ├─06 判别模块.mp4            31.7MB
│   │   ├─07 VGG特征提取网络.mp4            26.99MB
│   │   ├─08 损失函数与训练.mp4            67.04MB
│   │   └─09 测试模块.mp4            62.4MB
│   └─09 基于GAN的图像补全实战
│         ├─01 论文概述.mp4            71.57MB
│         ├─02 网络架构.mp4            23.41MB
│         ├─03 细节设计.mp4            68.64MB
│         ├─04 论文总结.mp4            111MB
│         ├─05 数据与项目概述.mp4            37.85MB
│         ├─06 参数基本设计.mp4            53.69MB
│         ├─07 网络结构配置.mp4            50.16MB
│         ├─08 网络迭代训练.mp4            70.55MB
│         └─09 测试模块.mp4            34.78MB
├─18 强化学习实战系列
│   ├─01 强化学习简介及其应用
│   │   ├─01 一张图通俗解释强化学习.mp4            12.45MB
│   │   ├─02 强化学习的指导依据.mp4            15.62MB
│   │   ├─03 强化学习AI游戏DEMO.mp4            13.42MB
│   │   ├─04 应用领域简介.mp4            13.86MB
│   │   ├─05 强化学习工作流程.mp4            12.11MB
│   │   └─06 计算机眼中的状态与行为.mp4            16.43MB
│   ├─02 PPO算法与公式推导
│   │   ├─01 基本情况介绍.mp4            21.78MB
│   │   ├─02 与环境交互得到所需数据.mp4            18.47MB
│   │   ├─03 要完成的目标分析.mp4            20.36MB
│   │   ├─04 策略梯度推导.mp4            18.05MB
│   │   ├─05 baseline方法.mp4            14.12MB
│   │   ├─06 OnPolicy与OffPolicy策略.mp4            16.37MB
│   │   ├─07 importance sampling的作用.mp4            18.7MB
│   │   └─08 PPO算法整体思路解析.mp4            20.43MB
│   ├─03 PPO实战-月球登陆器训练实例
│   │   ├─01 Critic的作用与效果.mp4            30.08MB
│   │   ├─02 PPO2版本公式解读.mp4            25.27MB
│   │   ├─03 参数与网络结构定义.mp4            24.8MB
│   │   ├─04 得到动作结果.mp4            21.1MB
│   │   ├─05 奖励获得与计算.mp4            26.23MB
│   │   └─06 参数迭代与更新.mp4            34.91MB
│   ├─04 Q-learning与DQN算法
│   │   ├─01 整体任务流程演示.mp4            17.28MB
│   │   ├─02 探索与action获取.mp4            20.69MB
│   │   ├─03 计算target值.mp4            16.37MB
│   │   ├─04 训练与更新.mp4            24.66MB
│   │   ├─05 算法原理通俗解读.mp4            18.82MB
│   │   ├─06 目标函数与公式解析.mp4            21.25MB
│   │   ├─07 Qlearning算法实例解读.mp4            14.16MB
│   │   ├─08 Q值迭代求解.mp4            18.42MB
│   │   └─09 DQN简介.mp4            11.6MB
│   ├─06 DQN改进与应用技巧
│   │   ├─01 DoubleDqn要解决的问题.mp4            15.79MB
│   │   ├─02 DuelingDqn改进方法.mp4            14.41MB
│   │   ├─03 Dueling整体网络架构分析.mp4            17.33MB
│   │   ├─04 MultiSetp策略.mp4            7.03MB
│   │   └─05 连续动作处理方法.mp4            17.45MB
│   ├─07 Actor-Critic算法分析(A3C)
│   │   ├─01 AC算法回顾与知识点总结.mp4            13.95MB
│   │   ├─02 优势函数解读与分析.mp4            15.51MB
│   │   ├─03 计算流程实例.mp4            13.83MB
│   │   ├─04 A3C整体架构分析.mp4            13.01MB
│   │   └─05 损失函数整理.mp4            17.91MB
│   └─08 用A3C玩转超级马里奥
│         ├─01 整体流程与环境配置.mp4            19.18MB
│         ├─02 启动游戏环境.mp4            24.56MB
│         ├─03 要计算的指标回顾.mp4            26.23MB
│         ├─04 初始化局部模型并加载参数.mp4            23.3MB
│         ├─05 与环境交互得到训练数据.mp4            27.99MB
│         └─06 训练网络模型.mp4            31.62MB
├─19 Openai顶级黑科技算法及其项目实战
│   ├─01 GPT系列生成模型
│   │   └─01 GPT系列.mp4            346.97MB
│   ├─02 GPT建模与预测流程
│   │   ├─01 生成模型可以完成的任务概述.mp4            23.08MB
│   │   ├─02 数据样本生成方法.mp4            53.49MB
│   │   ├─03 训练所需参数解读.mp4            46.15MB
│   │   ├─04 模型训练过程.mp4            41.38MB
│   │   └─05 部署与网页预测展示.mp4            62.81MB
│   ├─03 CLIP系列
│   │   └─01 CLIP系列.mp4            479.43MB
│   ├─04 Diffusion模型解读
│   │   └─01 Diffusion模型解读.mp4            547.16MB
│   ├─05 Dalle2及其源码解读
│   │   └─01 Dalle2源码解读.mp4            462.68MB
│   └─06 ChatGPT
│         └─01 ChatGPT.mp4            307.01MB
├─20 面向医学领域的深度学习实战
│   ├─01 卷积神经网络原理与参数解读
│   │   ├─01 卷积神经网络应用领域.mp4            17MB
│   │   ├─02 卷积的作用.mp4            19.55MB
│   │   ├─03 卷积特征值计算方法.mp4            17.82MB
│   │   ├─04 得到特征图表示.mp4            15.06MB
│   │   ├─05 步长与卷积核大小对结果的影响.mp4            16.54MB
│   │   ├─06 边缘填充方法.mp4            14.44MB
│   │   ├─07 特征图尺寸计算与参数共享.mp4            17.04MB
│   │   ├─08 池化层的作用.mp4            9.77MB
│   │   ├─09 整体网络架构.mp4            13.09MB
│   │   ├─10 VGG网络架构.mp4            15.63MB
│   │   ├─11 残差网络Resnet.mp4            15.69MB
│   │   └─12 感受野的作用.mp4            12.87MB
│   ├─02 PyTorch框架基本处理操作
│   │   ├─01 PyTorch实战课程简介.mp4            17.65MB
│   │   ├─02 PyTorch框架发展趋势简介.mp4            19.2MB
│   │   ├─03 框架安装方法(CPU与GPU版本).mp4            14.24MB
│   │   ├─04 PyTorch基本操作简介.mp4            21.87MB
│   │   ├─05 自动求导机制.mp4            29.31MB
│   │   ├─06 线性回归DEMO-数据与参数配置.mp4            19.1MB
│   │   ├─07 线性回归DEMO-训练回归模型.mp4            32.78MB
│   │   ├─08 补充:常见tensor格式.mp4            16.99MB
│   │   └─09 补充:Hub模块简介.mp4            46.3MB
│   ├─03 PyTorch框架必备核心模块解读
│   │   ├─01 卷积网络参数定义.mp4            20.39MB
│   │   ├─02 网络流程解读.mp4            28.99MB
│   │   ├─03 Vision模块功能解读.mp4            18.94MB
│   │   ├─04 分类任务数据集定义与配置.mp4            22.08MB
│   │   ├─05 图像增强的作用.mp4            13.31MB
│   │   ├─06 数据预处理与数据增强模块.mp4            27.17MB
│   │   ├─07 Batch数据制作.mp4            34.46MB
│   │   ├─08 迁移学习的目标.mp4            10MB
│   │   ├─09 迁移学习策略.mp4            13.51MB
│   │   ├─10 加载训练好的网络模型.mp4            39.52MB
│   │   ├─11 优化器模块配置.mp4            20.43MB
│   │   ├─12 实现训练模块.mp4            27.46MB
│   │   ├─13 训练结果与模型保存.mp4            33.86MB
│   │   ├─14 加载模型对测试数据进行预测.mp4            43.29MB
│   │   ├─15 额外补充-Resnet论文解读.mp4            82.12MB
│   │   └─16 额外补充-Resnet网络架构解读.mp4            15.63MB
│   ├─04 基于Resnet的医学数据集分类实战
│   │   ├─01 医学疾病数据集介绍.mp4            15.89MB
│   │   ├─02 Resnet网络架构原理分析.mp4            20.7MB
│   │   ├─03 dataloader加载数据集.mp4            46.8MB
│   │   ├─04 Resnet网络前向传播.mp4            26.21MB
│   │   ├─05 残差网络的shortcut操作.mp4            34.86MB
│   │   ├─06 特征图升维与降采样操作.mp4            19.69MB
│   │   └─07 网络整体流程与训练演示.mp4            51.41MB
│   ├─05 图像分割及其损失函数概述
│   │   ├─01 语义分割与实例分割概述.mp4            15.95MB
│   │   ├─02 分割任务中的目标函数定义.mp4            15.36MB
│   │   └─03 MIOU评估标准.mp4            7.38MB
│   ├─06 Unet系列算法讲解
│   │   ├─01 Unet网络编码与解码过程.mp4            15.21MB
│   │   ├─02 网络计算流程.mp4            13.01MB
│   │   ├─03 Unet升级版本改进.mp4            12.23MB
│   │   └─04 后续升级版本介绍.mp4            14.43MB
│   ├─07 unet医学细胞分割实战
│   │   ├─01 医学细胞数据集介绍与参数配置.mp4            46.02MB
│   │   ├─02 数据增强工具.mp4            52.29MB
│   │   ├─03 Debug模式演示网络计算流程.mp4            33.61MB
│   │   ├─04 特征融合方法演示.mp4            21.25MB
│   │   ├─05 迭代完成整个模型计算任务.mp4            23.97MB
│   │   └─06 模型效果验证.mp4            35.4MB
│   ├─08 deeplab系列算法
│   │   ├─01 deeplab分割算法概述.mp4            12.26MB
│   │   ├─02 空洞卷积的作用.mp4            14.22MB
│   │   ├─03 感受野的意义.mp4            14.85MB
│   │   ├─04 SPP层的作用.mp4            15.64MB
│   │   ├─05 ASPP特征融合策略.mp4            11.13MB
│   │   └─06 deeplabV3Plus版本网络架构.mp4            19.02MB
│   ├─09 基于deeplabV3+版本进行VOC分割实战
│   │   ├─01 PascalVoc数据集介绍.mp4            49.32MB
│   │   ├─02 项目参数与数据集读取.mp4            46.37MB
│   │   ├─03 网络前向传播流程.mp4            24.29MB
│   │   ├─04 ASPP层特征融合.mp4            37.64MB
│   │   └─05 分割模型训练.mp4            26.01MB
│   ├─10 基于deeplab的心脏视频数据诊断分析
│   │   ├─01 数据集与任务概述.mp4            27.87MB
│   │   ├─02 项目基本配置参数.mp4            26.18MB
│   │   ├─03 任务流程解读.mp4            55.78MB
│   │   ├─04 文献报告分析.mp4            91.69MB
│   │   ├─05 补充:视频数据源特征处理方法概述.mp4            20.94MB
│   │   └─06 补充:R(2plus1)D处理方法分析.mp4            14.63MB
│   ├─11 YOLO系列物体检测算法原理解读
│   │   ├─01 检测任务中阶段的意义.mp4            12.98MB
│   │   ├─02 不同阶段算法优缺点分析.mp4            8.95MB
│   │   ├─03 IOU指标计算.mp4            9.83MB
│   │   ├─04 评估所需参数计算.mp4            20.94MB
│   │   ├─05 map指标计算.mp4            17.04MB
│   │   ├─06 YOLO算法整体思路解读.mp4            12.69MB
│   │   ├─07 检测算法要得到的结果.mp4            11.73MB
│   │   ├─08 整体网络架构解读.mp4            25.48MB
│   │   ├─09 位置损失计算.mp4            16.36MB
│   │   ├─10 置信度误差与优缺点分析.mp4            23.08MB
│   │   ├─11 V2版本细节升级概述.mp4            11.22MB
│   │   ├─12 网络结构特点.mp4            12.99MB
│   │   ├─13 架构细节解读.mp4            15.85MB
│   │   ├─14 基于聚类来选择先验框尺寸.mp4            20.68MB
│   │   ├─15 偏移量计算方法.mp4            23.07MB
│   │   ├─16 坐标映射与还原.mp4            8.52MB
│   │   ├─17 感受野的作用.mp4            22.28MB
│   │   ├─18 特征融合改进.mp4            16.21MB
│   │   ├─19 V3版本改进概述.mp4            14.95MB
│   │   ├─20 多scale方法改进与特征融合.mp4            14.56MB
│   │   ├─21 经典变换方法对比分析.mp4            9.27MB
│   │   ├─22 残差连接方法解读.mp4            15.89MB
│   │   ├─23 整体网络模型架构分析.mp4            10.54MB
│   │   ├─24 先验框设计改进.mp4            10.8MB
│   │   ├─25 sotfmax层改进.mp4            8.78MB
│   │   ├─26 V4版本整体概述.mp4            13.01MB
│   │   ├─27 V4版本贡献解读.mp4            8.2MB
│   │   ├─28 数据增强策略分析.mp4            19.93MB
│   │   ├─29 DropBlock与标签平滑方法.mp4            16.23MB
│   │   ├─30 损失函数遇到的问题.mp4            12.28MB
│   │   ├─31 CIOU损失函数定义.mp4            8.89MB
│   │   ├─32 NMS细节改进.mp4            12.85MB
│   │   ├─33 SPP与CSP网络结构.mp4            12.87MB
│   │   ├─34 SAM注意力机制模块.mp4            18.63MB
│   │   ├─35 PAN模块解读.mp4            18.36MB
│   │   └─36 激活函数与整体架构总结.mp4            16.17MB
│   ├─12 基于YOLO5细胞检测实战
│   │   ├─01 任务与细胞数据集介绍.mp4            34.32MB
│   │   ├─02 模型与算法配置参数解读.mp4            30.75MB
│   │   ├─03 网络训练流程演示.mp4            32.31MB
│   │   ├─04 效果评估与展示.mp4            22.48MB
│   │   └─05 细胞检测效果演示.mp4            30.65MB
│   ├─13 知识图谱原理解读
│   │   ├─01 知识图谱通俗解读.mp4            16.25MB
│   │   ├─02 知识图谱在搜索引擎中的应用.mp4            20.74MB
│   │   ├─03 知识图谱在医疗领域应用实例.mp4            65.42MB
│   │   ├─04 金融与推荐领域的应用.mp4            17.14MB
│   │   ├─05 数据获取分析.mp4            27.15MB
│   │   ├─06 数据关系抽取分析.mp4            21.3MB
│   │   ├─07 常用NLP技术点分析.mp4            18.19MB
│   │   ├─08 graph-embedding的作用与效果.mp4            21.37MB
│   │   ├─09 金融领域图编码实例.mp4            10.15MB
│   │   ├─10 视觉领域图编码实例.mp4            17.12MB
│   │   └─11 图谱知识融合与总结分析.mp4            19.22MB
│   ├─14 Neo4j数据库实战
│   │   ├─01 Neo4j图数据库介绍.mp4            36.75MB
│   │   ├─02 Neo4j数据库安装流程演示.mp4            21.06MB
│   │   ├─03 可视化例子演示.mp4            33.67MB
│   │   ├─04 创建与删除操作演示.mp4            20.28MB
│   │   └─05 数据库更改查询操作演示.mp4            21.4MB
│   ├─15 基于知识图谱的医药问答系统实战
│   │   ├─01 项目概述与整体架构分析.mp4            25.49MB
│   │   ├─02 医疗数据介绍及其各字段含义.mp4            85.49MB
│   │   ├─03 任务流程概述.mp4            24.83MB
│   │   ├─04 环境配置与所需工具包安装.mp4            24.23MB
│   │   ├─05 提取数据中的关键字段信息.mp4            43.56MB
│   │   ├─06 创建关系边.mp4            28.73MB
│   │   ├─07 打造医疗知识图谱模型.mp4            41.8MB
│   │   ├─08 加载所有实体数据.mp4            27.31MB
│   │   ├─09 实体关键词字典制作.mp4            24.13MB
│   │   └─10 完成对话系统构建.mp4            28.65MB
│   ├─16 词向量模型与RNN网络架构
│   │   ├─01 词向量模型通俗解释.mp4            17.35MB
│   │   ├─02 模型整体框架.mp4            23.56MB
│   │   ├─03 训练数据构建.mp4            13.87MB
│   │   ├─04 CBOW与Skip-gram模型.mp4            20.1MB
│   │   ├─05 负采样方案.mp4            24.2MB
│   │   └─06 额外补充-RNN网络模型解读.mp4            21.08MB
│   └─17 医学糖尿病数据命名实体识别
│         ├─01 数据与任务介绍.mp4            17.2MB
│         ├─02 整体模型架构.mp4            12.01MB
│         ├─03 数据-标签-语料库处理.mp4            28.87MB
│         ├─04 输入样本填充补齐.mp4            26.49MB
│         ├─05 训练网络模型.mp4            30.07MB
│         └─06 医疗数据集(糖尿病)实体识别.mp4            67.87MB
├─21 深度学习模型部署与剪枝优化实战
│   ├─01 AIoT人工智能物联网之认识 jetson nano
│   │   ├─01 jetson nano 硬件介绍.mp4            20.82MB
│   │   ├─02 jetson nano 刷机.mp4            16.01MB
│   │   ├─03 jetson nano 系统安装过程.mp4            89.8MB
│   │   ├─04 感受nano的GPU算力.mp4            67.16MB
│   │   └─05 安装使用摄像头csi usb.mp4            47.55MB
│   ├─02 AIoT人工智能物联网之AI 实战
│   │   ├─01 jetson-inference 入门.mp4            43.86MB
│   │   ├─02 docker 的安装使用.mp4            32.63MB
│   │   ├─03 docker中运行分类模型.mp4            141.34MB
│   │   ├─04 训练自己的目标检测模型准备.mp4            56.12MB
│   │   ├─05 训练出自己目标识别模型a.mp4            101.63MB
│   │   ├─06 训练出自己目标识别模型b.mp4            67.93MB
│   │   └─07 转换出onnx模型,并使用.mp4            437.24MB
│   ├─03 AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
│   │   ├─01 NVIDIA TAO介绍和安装.mp4            75.5MB
│   │   ├─02 NVIDIA TAO数据准备和环境设置.mp4            46.33MB
│   │   ├─03 NVIDIA TAO数据转换.mp4            146.44MB
│   │   ├─04 NVIDIA TAO预训练模型和训练a.mp4            73.65MB
│   │   ├─05 NVIDIA TAO预训练模型和训练b.mp4            13.54MB
│   │   ├─06 NVIDIA TAO预训练模型和训练c..mp4            32.06MB
│   │   └─07 TAO 剪枝在训练推理验证.mp4            143.98MB
│   ├─04 AIoT人工智能物联网之deepstream
│   │   ├─01 deepstream 介绍安装.mp4            79.02MB
│   │   ├─02 deepstream HelloWorld.mp4            48.33MB
│   │   ├─03 GStreamer RTP和RTSP1.mp4            85.36MB
│   │   ├─04 GStreamer RTP和RTSP2.mp4            111.14MB
│   │   ├─05 python实现RTP和RTSP.mp4            75.31MB
│   │   ├─06 deepstream推理.mp4            111.38MB
│   │   └─07 deepstream集成yolov4.mp4            108.51MB
│   ├─05 tensorRT视频
│   │   ├─01 源码【内有百度云地址,自取】.txt            75B
│   │   ├─01 说在前面.mp4            27.34MB
│   │   ├─02 学习工具环境的介绍,自动环境配置.mp4            32.91MB
│   │   ├─03 cuda驱动API,课程概述和清单.mp4            14.36MB
│   │   ├─04 cuda驱动API,初始化和检查的理解,CUDA错误检查习惯.mp4            54.35MB
│   │   ├─05 cuda驱动API,上下文管理设置,以及其作用.mp4            36.25MB
│   │   ├─06 cuda驱动API,使用驱动API进行内存分配.mp4            16.29MB
│   │   ├─07 cuda运行时API,课程概述和清单.mp4            10.72MB
│   │   ├─08 cuda运行时API,第一个运行时程序,hello-cuda.mp4            17.07MB
│   │   ├─09 cuda运行时API,内存的学习,pinnedmemory,内存效率问题.mp4            39.69MB
│   │   ├─10 cuda运行时API,流的学习,异步任务的管理.mp4            32.67MB
│   │   ├─11 cuda运行时API,核函数的定义和使用.mp4            115.42MB
│   │   ├─12 cuda运行时API,共享内存的学习.mp4            39.35MB
│   │   ├─13 cuda运行时API,使用cuda核函数加速warpaffine.mp4            45.75MB
│   │   ├─14 cuda运行时API,使用cuda核函数加速yolov5的后处理.mp4            122.15MB
│   │   ├─15 cuda运行时API,错误处理的理解以及错误的传播特性.mp4            25.83MB
│   │   ├─16 tensorRT基础,课程概述清单.mp4            26.84MB
│   │   ├─17 tensorRT基础,第一个trt程序,实现模型编译的过程.mp4            41.94MB
│   │   ├─18 tensorRT基础,实现模型的推理过程.mp4            40.09MB
│   │   ├─19 tensorRT基础,模型推理时动态shape的具体实现要点.mp4            36.76MB
│   │   ├─20 tensorRT基础,onnx文件及其结构的学习,编辑修改onnx.mkv.mp4            80.14MB
│   │   ├─21 tensorRT基础,实际模型上onnx文件的各种操作.mp4            227.02MB
│   │   ├─22 tensorRT基础,正确导出onnx的介绍,使得onnx问题尽量少.mp4            24.99MB
│   │   ├─23 tensorRT基础,学习使用onnx解析器来读取onnx文件,使用onnx-tensorrt源代码.mp4            89.32MB
│   │   ├─24 tensorRT基础,学习从下载onnx-tensorrt到配置好并运行起来全过程.mp4            115.59MB
│   │   ├─25 tensorRT基础,学习第一个插件的编写.mp4            141.2MB
│   │   ├─26 tensorRT基础,对插件过程进行封装,并实现更容易的插件开发.mp4            80.33MB
│   │   ├─27 tensorRT基础,学习编译int8模型,对模型进行int8量化.mp4            118.27MB
│   │   ├─28 tensorRT高级,课程概述和清单.mp4            32.3MB
│   │   ├─29 tensorRT高级,第一个完整的分类器程序.mp4            82.98MB
│   │   ├─30 tensorRT高级,学习yolov5目标检测项目的代码修改、模型导出、编译到推理过程,没有封装.mp4            144.19MB
│   │   ├─31 tensorRT高级,学习UNet场景分割项目的代码修改、模型导出、编译到推理过程,没有封装.mp4            283.67MB
│   │   ├─32 tensorRT高级,学习alphapose姿态检测项目的代码修改、模型导出、编译到推理过程,没有封装.mp4            385.47MB
│   │   ├─33 tensorRT高级,学习如何处理mmdetection框架下yolox模型的导出,并使得正常推理出来.mp4            303.16MB
│   │   ├─34 tensorRT高级,学习如何使用onnxruntime进行onnx的模型推理过程.mp4            63.09MB
│   │   ├─35 tensorRT高级,学习如何使用openvino进行onnx的模型推理过程.mp4            49.51MB
│   │   ├─36 tensorRT高级,学习深度学习中涉及的线程知识.mp4            54.28MB
│   │   ├─37 tensorRT高级,学习模型部署时常用的生产者消费者模型,以及future、promise、condition_variable.mkv.mp4            137.02MB
│   │   ├─38 tensorRT高级,学习使用RAII资源获取即初始化配合接口模式对代码进行有效封装.mp4            125.43MB
│   │   ├─39 tensorRT高级,学习RAII 接口模式下的生产者消费者以及多Batch的实现.mp4            129.41MB
│   │   ├─40 tensorRT高级,封装之,模型编译过程封装,简化模型编译代码.mp4            82.12MB
│   │   ├─41 tensorRT高级,封装之,内存管理的封装,内存的复用.mp4            39.71MB
│   │   ├─42 tensorRT高级,封装之,tensor张量的封装,索引计算,内存标记以及自动复制.mp4            118.52MB
│   │   ├─43 tensorRT高级,封装之,infer推理的封装,输入输出tensor的关联.mp4            50.57MB
│   │   ├─44 tensorRT高级,封装之,基于生产者消费者实现的yolov5封装.mp4            80.56MB
│   │   ├─45 tensorRT高级,封装之,终极封装形态,以及考虑的问题.mp4            234.61MB
│   │   ├─46 tensorRT高级,调试方法、思想讨论.mp4            87.75MB
│   │   ├─47 tensorRT高级,自动驾驶案例项目self-driving-道路分割分析.mp4            173.54MB
│   │   ├─48 tensorRT高级,自动驾驶案例项目self-driving-深度估计分析.mp4            99.57MB
│   │   ├─49 tensorRT高级,自动驾驶案例项目self-driving-车道线检测分析.mp4            239.77MB
│   │   └─50 tensorRT高级,学习使用pybind11为python开发扩展模块.mp4            91.77MB
│   ├─06 pyTorch框架部署实践
│   │   ├─01 所需基本环境配置.mp4            16.18MB
│   │   ├─02 模型加载与数据预处理.mp4            28.03MB
│   │   ├─03 接收与预测模块实现.mp4            28.56MB
│   │   ├─04 效果实例演示.mp4            31.64MB
│   │   ├─05 课程简介.mp4            6.52MB
│   │   └─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            7.83MB
│   │         ├─Mobilenet.pdf            2.41MB
│   │         ├─mobilenetv3.py            7.31KB
│   │         ├─pytorch-slimming.zip            356.43MB
│   │         ├─PyTorch模型部署实例.zip            102.8KB
│   │         ├─TensorFlow-serving.zip            2.96MB
│   │         ├─YOLO部署实例.zip            876.45MB
│   │         └─剪枝算法.pdf            504.02KB
│   ├─07 YOLO-V3物体检测部署实例
│   │   ├─01 项目所需配置文件介绍.mp4            18.91MB
│   │   ├─02 加载参数与模型权重.mp4            26.94MB
│   │   ├─03 数据预处理.mp4            40.35MB
│   │   └─04 返回线性预测结果.mp4            32.57MB
│   ├─08 docker实例演示
│   │   ├─01 docker简介.mp4            12.14MB
│   │   ├─02 docker安装与配置.mp4            36.85MB
│   │   ├─03 阿里云镜像配置.mp4            20.05MB
│   │   ├─04 基于docker配置pytorch环境.mp4            28.39MB
│   │   ├─05 安装演示环境所需依赖.mp4            25.13MB
│   │   ├─06 复制所需配置到容器中.mp4            21.71MB
│   │   └─07 上传与下载配置好的项目.mp4            36.19MB
│   ├─09 tensorflow-serving实战
│   │   ├─01 tf-serving项目获取与配置.mp4            23.18MB
│   │   ├─02 加载并启动模型服务.mp4            23.15MB
│   │   ├─03 测试模型部署效果.mp4            32.59MB
│   │   ├─04 fashion数据集获取.mp4            27.32MB
│   │   └─05 加载fashion模型启动服务.mp4            28.23MB
│   ├─10 模型剪枝-Network Slimming算法分析
│   │   ├─01 论文算法核心框架概述.mp4            15.27MB
│   │   ├─02 BatchNorm要解决的问题.mp4            15.14MB
│   │   ├─03 BN的本质作用.mp4            17.66MB
│   │   ├─04 额外的训练参数解读.mp4            16.15MB
│   │   └─05 稀疏化原理与效果.mp4            19.09MB
│   ├─11 模型剪枝-Network Slimming实战解读
│   │   ├─01 整体案例流程解读.mp4            25.4MB
│   │   ├─02 加入L1正则化来进行更新.mp4            20.53MB
│   │   ├─03 剪枝模块介绍.mp4            23.63MB
│   │   ├─04 筛选需要的特征图.mp4            27.92MB
│   │   ├─05 剪枝后模型参数赋值.mp4            36.69MB
│   │   └─06 微调完成剪枝模型.mp4            33.71MB
│   └─12 Mobilenet三代网络模型架构
│         ├─01 模型剪枝分析.mp4            17.37MB
│         ├─02 常见剪枝方法介绍.mp4            19.86MB
│         ├─03 mobilenet简介.mp4            7.5MB
│         ├─04 经典卷积计算量与参数量分析.mp4            11.52MB
│         ├─05 深度可分离卷积的作用与效果.mp4            12.73MB
│         ├─06 参数与计算量的比较.mp4            31.98MB
│         ├─07 V1版本效果分析.mp4            19.62MB
│         ├─08 V2版本改进以及Relu激活函数的问题.mp4            15.45MB
│         ├─09 倒残差结构的作用.mp4            14.38MB
│         ├─10 V2整体架构与效果分析.mp4            8.36MB
│         ├─11 V3版本网络架构分析.mp4            9.57MB
│         ├─12 SE模块作用与效果解读.mp4            25.55MB
│         └─13 代码实现mobilenetV3网络架构.mp4            47.02MB
├─22 自然语言处理必备神器Huggingface系列实战
│   ├─01 Huggingface与NLP介绍解读
│   │   └─01 Huggingface与NLP介绍解读.mp4            133.52MB
│   ├─02 Transformer工具包基本操作实例解读
│   │   ├─01 工具包与任务整体介绍.mp4            24.29MB
│   │   ├─02 NLP任务常规流程分析.mp4            23.34MB
│   │   ├─03 文本切分方法实例解读.mp4            34.52MB
│   │   ├─04 AttentionMask配套使用方法.mp4            32.73MB
│   │   ├─05 数据集与模型.mp4            34.75MB
│   │   ├─06 数据Dataloader封装.mp4            45.42MB
│   │   ├─07 模型训练所需配置参数.mp4            32.04MB
│   │   └─08 模型训练DEMO.mp4            51.52MB
│   ├─03 transformer原理解读
│   │   └─01 transformer原理解读.mp4            302.11MB
│   ├─04 BERT系列算法解读
│   │   ├─01 BERT模型训练方法解读.mp4            20.74MB
│   │   ├─02 ALBERT基本定义.mp4            31.85MB
│   │   ├─03 ALBERT中的简化方法解读.mp4            36.68MB
│   │   ├─04 RoBerta模型训练方法解读.mp4            22.65MB
│   │   └─05 DistilBert模型解读.mp4            13.97MB
│   ├─05 文本标注工具与NER实例
│   │   ├─01 文本标注工具Doccano配置方法.mp4            27.66MB
│   │   ├─02 命名实体识别任务标注方法实例.mp4            29.99MB
│   │   ├─03 标注导出与BIO处理.mp4            30.65MB
│   │   ├─04 标签处理并完成对齐操作.mp4            32.66MB
│   │   ├─05 预训练模型加载与参数配置.mp4            34.16MB
│   │   └─06 模型训练与输出结果预测.mp4            35.58MB
│   ├─06 文本预训练模型构建实例
│   │   ├─01 预训练模型效果分析.mp4            27.07MB
│   │   ├─02 文本数据截断处理.mp4            38.12MB
│   │   └─03 预训练模型自定义训练.mp4            83.34MB
│   ├─07 GPT系列算法
│   │   ├─01 GPT系列算法概述.mp4            21.8MB
│   │   ├─02 GPT三代版本分析.mp4            25.04MB
│   │   ├─03 GPT初代版本要解决的问题.mp4            26.62MB
│   │   ├─04 GPT第二代版本训练策略.mp4            22.54MB
│   │   ├─05 采样策略与多样性.mp4            22.15MB
│   │   ├─06 GPT3的提示与生成方法.mp4            58.77MB
│   │   ├─07 应用场景CODEX分析.mp4            31.1MB
│   │   └─08 DEMO应用演示.mp4            72.72MB
│   ├─08 GPT训练与预测部署流程
│   │   └─1-11 节额外补充:GPT建模与预测流程
│   │         └─ChinesePretrainedModels.zip            1.62GB
│   ├─09 文本摘要建模
│   │   ├─01 中文商城评价数据处理方法.mp4            53.68MB
│   │   ├─02 模型训练与测试结果.mp4            83.07MB
│   │   ├─03 文本摘要数据标注方法.mp4            44.45MB
│   │   ├─04 训练自己标注的数据并测试.mp4            22.74MB
│   │   └─1-12 节额外补充:文本摘要建模
│   │         └─Summarization.zip            2.04GB
│   ├─10 图谱知识抽取实战
│   │   ├─01 应用场景概述分析.mp4            66.44MB
│   │   ├─02 数据标注格式样例分析.mp4            51.38MB
│   │   ├─03 数据处理与读取模块.mp4            31.6MB
│   │   ├─04 实体抽取模块分析.mp4            37.16MB
│   │   ├─05 标签与数据结构定义方法.mp4            39.88MB
│   │   ├─06 模型构建与计算流程.mp4            35.87MB
│   │   ├─07 网络模型前向计算方法.mp4            26.18MB
│   │   └─08 关系抽取模型训练.mp4            33.54MB
│   └─11 补充Huggingface数据集制作方法实例
│         ├─01 数据结构分析.mp4            46.28MB
│         ├─02 Huggingface中的预处理实例.mp4            67.48MB
│         └─03 数据处理基本流程.mp4            62.47MB
├─23 自然语言处理通用框架-BERT实战
│   ├─01 自然语言处理通用框架BERT原理解读
│   │   ├─01 BERT课程简介.mp4            21.55MB
│   │   ├─02 BERT任务目标概述.mp4            10.07MB
│   │   ├─03 传统解决方案遇到的问题.mp4            19.87MB
│   │   ├─04 注意力机制的作用.mp4            13.08MB
│   │   ├─05 self-attention计算方法.mp4            21.41MB
│   │   ├─06 特征分配与softmax机制.mp4            18.48MB
│   │   ├─07 Multi-head的作用.mp4            17MB
│   │   ├─08 位置编码与多层堆叠.mp4            14.55MB
│   │   ├─09 transformer整体架构梳理.mp4            20.18MB
│   │   ├─10 BERT模型训练方法.mp4            17.79MB
│   │   └─11 训练实例.mp4            19.42MB
│   ├─02 谷歌开源项目BERT源码解读与应用实例
│   │   ├─01 BERT开源项目简介.mp4            33.52MB
│   │   ├─02 项目参数配置.mp4            75.01MB
│   │   ├─03 数据读取模块.mp4            39.33MB
│   │   ├─04 数据预处理模块.mp4            29.63MB
│   │   ├─05 tfrecord数据源制作.mp4            37.7MB
│   │   ├─06 Embedding层的作用.mp4            22.79MB
│   │   ├─07 加入额外编码特征.mp4            31.48MB
│   │   ├─08 加入位置编码特征.mp4            17.18MB
│   │   ├─09 mask机制的作用.mp4            26.77MB
│   │   ├─10 构建QKV矩阵.mp4            38.23MB
│   │   ├─11 完成Transformer模块构建.mp4            30.38MB
│   │   └─12 训练BERT模型.mp4            40.91MB
│   ├─03 项目实战-基于BERT的中文情感分析实战
│   │   ├─01 中文分类数据与任务概述.mp4            47.93MB
│   │   ├─02 读取处理自己的数据集.mp4            40.67MB
│   │   └─03 训练BERT中文分类模型.mp4            51.07MB
│   ├─04 项目实战-基于BERT的中文命名实体识别识别实战
│   │   ├─01 命名实体识别数据分析与任务目标.mp4            25.14MB
│   │   ├─02 NER标注数据处理与读取.mp4            51.73MB
│   │   └─03 构建BERT与CRF模型.mp4            48.72MB
│   ├─06 必备基础-掌握Tensorflow如何实现word2vec模型
│   │   ├─01 数据与任务流程.mp4            36.6MB
│   │   ├─02 数据清洗.mp4            21.21MB
│   │   ├─03 batch数据制作.mp4            38MB
│   │   ├─04 网络训练.mp4            37.77MB
│   │   └─05 可视化展示.mp4            31MB
│   └─07 必备基础知识点-RNN网络架构与情感分析应用实例
│         ├─02 NLP应用领域与任务简介.mp4            27.14MB
│         ├─03 项目流程解读.mp4            34.01MB
│         ├─04 加载词向量特征.mp4            24.99MB
│         ├─05 正负样本数据读取.mp4            30.76MB
│         ├─06 构建LSTM网络模型.mp4            37MB
│         ├─07 训练与测试效果.mp4            71MB
│         └─08 LSTM情感分析.mp4            460.22MB
├─24 自然语言处理经典案例实战
│   ├─01 NLP常用工具包实战
│   │   ├─01 Python字符串处理.mp4            32.38MB
│   │   ├─02 正则表达式基本语法.mp4            26.35MB
│   │   ├─03 正则常用符号.mp4            30.76MB
│   │   ├─04 常用函数介绍.mp4            31.78MB
│   │   ├─05 NLTK工具包简介.mp4            24.56MB
│   │   ├─06 停用词过滤.mp4            22.19MB
│   │   ├─07 词性标注.mp4            28.95MB
│   │   ├─08 数据清洗实例.mp4            36.17MB
│   │   ├─09 Spacy工具包.mp4            36.94MB
│   │   ├─10 名字实体匹配.mp4            17.58MB
│   │   ├─11 恐怖袭击分析.mp4            33.51MB
│   │   ├─12 统计分析结果.mp4            38.12MB
│   │   ├─13 结巴分词器.mp4            22.95MB
│   │   └─14 词云展示.mp4            72.84MB
│   ├─02 商品信息可视化与文本分析
│   │   ├─01 在线商城商品数据信息概述.mp4            27.31MB
│   │   ├─02 商品类别划分方式.mp4            30.38MB
│   │   ├─03 商品类别可视化展示.mp4            33.33MB
│   │   ├─04 商品描述长度对价格的影响分析.mp4            27.75MB
│   │   ├─05 关键词的词云可视化展示.mp4            45.18MB
│   │   ├─06 基于tf-idf提取关键词信息.mp4            27.52MB
│   │   ├─07 通过降维进行可视化展示.mp4            30.92MB
│   │   └─08 聚类分析与主题模型展示.mp4            48.53MB
│   ├─03 贝叶斯算法
│   │   ├─01 贝叶斯算法概述.mp4            10.25MB
│   │   ├─02 贝叶斯推导实例.mp4            11.08MB
│   │   ├─03 贝叶斯拼写纠错实例.mp4            17.59MB
│   │   ├─04 垃圾邮件过滤实例.mp4            21.07MB
│   │   └─05 贝叶斯实现拼写检查器.mp4            33.53MB
│   ├─04 新闻分类任务实战
│   │   ├─01 文本分析与关键词提取.mp4            18.07MB
│   │   ├─02 相似度计算.mp4            17.52MB
│   │   ├─03 新闻数据与任务简介.mp4            30.56MB
│   │   ├─04 TF-IDF关键词提取.mp4            44.01MB
│   │   ├─05 LDA建模.mp4            26.23MB
│   │   └─06 基于贝叶斯算法进行新闻分类.mp4            46.71MB
│   ├─05 HMM隐马尔科夫模型
│   │   ├─01 马尔科夫模型.mp4            14.28MB
│   │   ├─02 隐马尔科夫模型基本出发点.mp4            15.05MB
│   │   ├─03 组成与要解决的问题.mp4            12.13MB
│   │   ├─04 暴力求解方法.mp4            21.02MB
│   │   ├─05 复杂度计算.mp4            12.42MB
│   │   ├─06 前向算法.mp4            28.2MB
│   │   ├─07 前向算法求解实例.mp4            27.1MB
│   │   ├─08 Baum-Welch算法.mp4            20.76MB
│   │   ├─09 参数求解.mp4            13.68MB
│   │   └─10 维特比算法.mp4            34.25MB
│   ├─06 HMM工具包实战
│   │   ├─01 hmmlearn工具包.mp4            16.18MB
│   │   ├─02 工具包使用方法.mp4            48MB
│   │   ├─03 中文分词任务.mp4            11.17MB
│   │   └─04 实现中文分词.mp4            27.71MB
│   ├─07 语言模型
│   │   ├─01 开篇.mp4            7.56MB
│   │   ├─02 语言模型.mp4            8.33MB
│   │   ├─03 N-gram模型.mp4            12.62MB
│   │   ├─04 词向量.mp4            12.6MB
│   │   ├─05 神经网络模型.mp4            14.99MB
│   │   ├─06 Hierarchical Softmax.mp4            14.55MB
│   │   ├─07 CBOW模型实例.mp4            17.33MB
│   │   ├─08 CBOW求解目标.mp4            8.2MB
│   │   ├─09 锑度上升求解.mp4            15.56MB
│   │   └─10 负采样模型.mp4            9.77MB
│   ├─08 使用Gemsim构建词向量
│   │   ├─01 使用Gensim库构造词向量.mp4            14.84MB
│   │   ├─02 维基百科中文数据处理.mp4            34.3MB
│   │   ├─03 Gensim构造word2vec模型.mp4            19.17MB
│   │   └─04 测试模型相似度结果.mp4            17.75MB
│   ├─09 基于word2vec的分类任务
│   │   ├─01 影评情感分类.mp4            43.97MB
│   │   ├─02 基于词袋模型训练分类器.mp4            26.8MB
│   │   ├─03 准备word2vec输入数据.mp4            23.42MB
│   │   └─04 使用gensim构建word2vec词向量(新).mp4            54.58MB
│   ├─10 NLP-文本特征方法对比
│   │   ├─01 任务概述.mp4            30.59MB
│   │   ├─02 词袋模型.mp4            23.2MB
│   │   ├─03 词袋模型分析.mp4            53.16MB
│   │   ├─04 TFIDF模型.mp4            35.64MB
│   │   ├─05 word2vec词向量模型.mp4            40.9MB
│   │   └─06 深度学习模型.mp4            31.08MB
│   ├─11 NLP-相似度模型
│   │   ├─01 任务概述.mp4            10.63MB
│   │   ├─02 数据展示.mp4            17.04MB
│   │   ├─03 正负样本制作.mp4            28.71MB
│   │   ├─04 数据预处理.mp4            29.06MB
│   │   ├─05 网络模型定义.mp4            39.2MB
│   │   ├─06 基于字符的训练.mp4            40.91MB
│   │   └─07 基于句子的相似度训练.mp4            29.18MB
│   ├─12 LSTM情感分析
│   │   ├─01 RNN网络架构.mp4            18.07MB
│   │   ├─02 LSTM网络架构.mp4            16.64MB
│   │   ├─03 案例:使用LSTM进行情感分类.mp4            28.37MB
│   │   ├─04 情感数据集处理.mp4            32.21MB
│   │   └─05 基于word2vec的LSTM模型.mp4            47.24MB
│   ├─13 机器人写唐诗
│   │   ├─01 任务概述与环境配置.mp4            11.25MB
│   │   ├─02 参数配置.mp4            20.54MB
│   │   ├─03 数据预处理模块.mp4            31.88MB
│   │   ├─04 batch数据制作.mp4            25.87MB
│   │   ├─05 RNN模型定义.mp4            16.6MB
│   │   ├─06 完成训练模块.mp4            25.3MB
│   │   ├─07 训练唐诗生成模型.mp4            10.34MB
│   │   └─08 测试唐诗生成效果.mp4            19.61MB
│   └─14 对话机器人
│         ├─01 效果演示.mp4            24.2MB
│         ├─02 参数配置与数据加载.mp4            37.67MB
│         ├─03 数据处理.mp4            31.8MB
│         ├─04 词向量与投影.mp4            29.2MB
│         ├─05 seq网络.mp4            23.67MB
│         └─06 网络训练.mp4            28.48MB
├─25 知识图谱实战系列
│   ├─04 使用python操作neo4j实例
│   │   ├─01 使用Py2neo建立连接.mp4            31.38MB
│   │   ├─02 提取所需的指标信息.mp4            35.68MB
│   │   ├─03 在图中创建实体.mp4            30.48MB
│   │   └─04 根据给定实体创建关系.mp4            36.17MB
│   ├─06 文本关系抽取实践
│   │   ├─01 关系抽取要完成的任务演示与分析.mp4            13.83MB
│   │   ├─02 LTP工具包概述介绍.mp4            35.51MB
│   │   ├─03 pyltp安装与流程演示.mp4            30.13MB
│   │   ├─04 得到分词与词性标注结果.mp4            33.37MB
│   │   ├─05 依存句法概述.mp4            22.06MB
│   │   ├─06 句法分析结果整理.mp4            28.07MB
│   │   ├─07 语义角色构建与分析.mp4            39.63MB
│   │   └─08 设计规则完成关系抽取.mp4            38.22MB
│   └─07 金融平台风控模型实践
│         ├─01 竞赛任务目标.mp4            18.72MB
│         ├─02 图模型信息提取.mp4            23.51MB
│         ├─03 节点权重特征提取(PageRank).mp4            28.38MB
│         ├─04 deepwalk构建图顶点特征.mp4            42.22MB
│         ├─05 各项统计特征.mp4            40.57MB
│         ├─06 app安装特征.mp4            33.73MB
│         └─07 图中联系人特征.mp4            55.96MB
├─26 语音识别实战系列
│   ├─01 seq2seq序列网络模型
│   │   ├─01 序列网络模型概述分析.mp4            15.35MB
│   │   ├─02 工作原理概述.mp4            7.46MB
│   │   ├─03 注意力机制的作用.mp4            12.54MB
│   │   ├─04 加入attention的序列模型整体架构.mp4            17.99MB
│   │   └─05 TeacherForcing的作用与训练策略.mp4            13.92MB
│   ├─02 LAS模型语音识别实战
│   │   ├─01 数据源与环境配置.mp4            23.62MB
│   │   ├─02 语料表制作方法.mp4            18.49MB
│   │   ├─03 制作json标注数据.mp4            28.78MB
│   │   ├─04 声音数据处理模块解读.mp4            43.67MB
│   │   ├─05 Pack与Pad操作解析.mp4            26.11MB
│   │   ├─06 编码器模块整体流程.mp4            22.3MB
│   │   ├─07 加入注意力机制.mp4            24.02MB
│   │   ├─08 计算得到每个输出的attention得分.mp4            26.56MB
│   │   └─09 解码器与训练过程演示.mp4            31.69MB
│   ├─05 语音分离ConvTasnet模型
│   │   ├─01 语音分离任务分析.mp4            7.28MB
│   │   ├─02 经典语音分离模型概述.mp4            14.87MB
│   │   ├─03 DeepClustering论文解读.mp4            12.76MB
│   │   ├─04 TasNet编码器结构分析.mp4            32.49MB
│   │   ├─05 DW卷积的作用与效果.mp4            8.89MB
│   │   └─06 基于Mask得到分离结果.mp4            14.08MB
│   ├─06 ConvTasnet语音分离实战
│   │   ├─01 数据准备与环境配置.mp4            56.94MB
│   │   ├─02 训练任务所需参数介绍.mp4            20.58MB
│   │   ├─03 DataLoader定义.mp4            25.84MB
│   │   ├─04 采样数据特征编码.mp4            28.11MB
│   │   ├─05 编码器特征提取.mp4            40.11MB
│   │   ├─06 构建更大的感受区域.mp4            37.09MB
│   │   ├─07 解码得到分离后的语音.mp4            35.34MB
│   │   └─08 测试模块所需参数.mp4            32.68MB
│   └─07 语音合成tacotron最新版实战
│         ├─01 语音合成项目所需环境配置.mp4            34.64MB
│         ├─02 所需数据集介绍.mp4            32.55MB
│         ├─03 路径配置与整体流程解读.mp4            46.09MB
│         ├─04 Dataloader构建数据与标签.mp4            52.87MB
│         ├─05 编码层要完成的任务.mp4            33.31MB
│         ├─06 得到编码特征向量.mp4            20.52MB
│         ├─07 解码器输入准备.mp4            24.83MB
│         ├─08 解码器流程梳理.mp4            30.63MB
│         ├─09 注意力机制应用方法.mp4            37.26MB
│         ├─10 得到加权的编码向量.mp4            38.05MB
│         ├─11 模型输出结果.mp4            39.78MB
│         └─12 损失函数与预测.mp4            34.73MB
├─27 推荐系统实战系列
│   ├─01 推荐系统介绍及其应用
│   │   ├─01 1-推荐系统通俗解读.mp4            14.61MB
│   │   ├─02 2-推荐系统发展简介.mp4            19.2MB
│   │   ├─03 3-应用领域与多方位评估指标.mp4            20.16MB
│   │   ├─04 4-任务流程与挑战概述.mp4            21.92MB
│   │   ├─05 5-常用技术点分析.mp4            13.79MB
│   │   └─06 6-与深度学习的结合.mp4            19.13MB
│   ├─02 协同过滤与矩阵分解
│   │   ├─01 1-协同过滤与矩阵分解简介.mp4            8.95MB
│   │   ├─02 2-基于用户与商品的协同过滤.mp4            15.68MB
│   │   ├─03 3-相似度计算与推荐实例.mp4            12.15MB
│   │   ├─04 4-矩阵分解的目的与效果.mp4            17.31MB
│   │   ├─05 5-矩阵分解中的隐向量.mp4            20.13MB
│   │   ├─06 6-目标函数简介.mp4            10.78MB
│   │   ├─07 7-隐式情况分析.mp4            11.62MB
│   │   └─08 8-Embedding的作用.mp4            8.92MB
│   ├─03 音乐推荐系统实战
│   │   ├─01 1-音乐推荐任务概述.mp4            55.21MB
│   │   ├─02 2-数据集整合.mp4            42.97MB
│   │   ├─03 3-基于物品的协同过滤.mp4            48.36MB
│   │   ├─04 4-物品相似度计算与推荐.mp4            52.54MB
│   │   ├─05 5-SVD矩阵分解.mp4            24.92MB
│   │   └─06 6-基于矩阵分解的音乐推荐.mp4            64.03MB
│   ├─05 基于知识图谱的电影推荐实战
│   │   ├─01 1-知识图谱推荐系统效果演示.mp4            17.15MB
│   │   ├─02 2-kaggle电影数据集下载与配置.mp4            47.01MB
│   │   ├─03 3-图谱需求与任务流程解读.mp4            19.96MB
│   │   ├─04 4-项目所需环境配置安装.mp4            35.82MB
│   │   ├─05 5-构建用户电影知识图谱.mp4            43.41MB
│   │   ├─06 6-图谱查询与匹配操作.mp4            14.8MB
│   │   └─07 7-相似度计算与推荐引擎构建.mp4            28.44MB
│   ├─06 点击率估计FM与DeepFM算法
│   │   ├─01 1-CTR估计及其经典方法概述.mp4            16.9MB
│   │   ├─02 2-高维特征带来的问题.mp4            9.92MB
│   │   ├─03 3-二项式特征的作用与挑战.mp4            10.08MB
│   │   ├─04 4-二阶公式推导与化简.mp4            17.27MB
│   │   ├─05 5-FM算法解析.mp4            16.31MB
│   │   ├─06 6-DeepFm整体架构解读.mp4            12.37MB
│   │   ├─07 7-输入层所需数据样例.mp4            10.97MB
│   │   └─08 8-Embedding层的作用与总结.mp4            17.03MB
│   ├─07 DeepFM算法实战
│   │   ├─01 1-数据集介绍与环境配置.mp4            41.08MB
│   │   ├─02 2-广告点击数据预处理实例.mp4            36.84MB
│   │   ├─03 3-数据处理模块Embedding层.mp4            24.61MB
│   │   ├─04 4-Index与Value数据制作.mp4            20.82MB
│   │   ├─05 5-一阶权重参数设计.mp4            23.78MB
│   │   ├─06 6-二阶特征构建方法.mp4            20.9MB
│   │   ├─07 7-特征组合方法实例分析.mp4            31.05MB
│   │   ├─08 8-完成FM模块计算.mp4            15.58MB
│   │   └─09 9-DNN模块与训练过程.mp4            28.36MB
│   ├─08 推荐系统常用工具包演示
│   │   ├─01 1-环境配置与数据集介绍.mp4            24.97MB
│   │   ├─02 2-电影数据集预处理分析.mp4            27.96MB
│   │   ├─03 3-surprise工具包基本使用.mp4            27.38MB
│   │   ├─04 4-模型测试集结果.mp4            25.09MB
│   │   └─05 5-评估指标概述.mp4            46.55MB
│   ├─09 基于文本数据的推荐实例
│   │   ├─01 1-数据与环境配置介绍.mp4            13.11MB
│   │   ├─02 2-数据科学相关数据介绍.mp4            24.27MB
│   │   ├─03 3-文本数据预处理.mp4            29.04MB
│   │   ├─04 4-TFIDF构建特征矩阵.mp4            22.22MB
│   │   ├─05 5-矩阵分解演示.mp4            21.76MB
│   │   ├─06 6-LDA主题模型效果演示.mp4            38.49MB
│   │   └─07 7-推荐结果分析.mp4            34.39MB
│   ├─10 基本统计分析的电影推荐
│   │   ├─01 1-电影数据与环境配置.mp4            52.41MB
│   │   ├─02 2-数据与关键词信息展示.mp4            44.81MB
│   │   ├─03 3-关键词云与直方图展示.mp4            42.15MB
│   │   ├─04 4-特征可视化.mp4            33.15MB
│   │   ├─05 5-数据清洗概述.mp4            49.36MB
│   │   ├─06 6-缺失值填充方法.mp4            33.95MB
│   │   ├─07 7-推荐引擎构造.mp4            36.11MB
│   │   ├─08 8-数据特征构造.mp4            26.41MB
│   │   └─09 9-得出推荐结果.mp4            37.29MB
│   └─11 补充-基于相似度的酒店推荐系统
│         ├─01 1-酒店数据与任务介绍.mp4            18.15MB
│         ├─02 2-文本词频统计.mp4            25.41MB
│         ├─03 3-ngram结果可视化展示.mp4            41.4MB
│         ├─04 4-文本清洗.mp4            27.26MB
│         ├─05 5-相似度计算.mp4            37.12MB
│         └─06 6-得出推荐结果.mp4            44.93MB
├─28 AI课程所需安装软件教程
│   └─01 AI课程所需安装软件教程.mp4            15.43MB
├─29 额外补充
│   └─01 通用创新点
│         ├─01 ACMIX(卷积与注意力融合).mp4            62.29MB
│         ├─02 GCnet(全局特征融合).mp4            50.75MB
│         ├─03 Coordinate_attention.mp4            55MB
│         ├─04 SPD(可替换下采样).mp4            30.77MB
│         ├─05 SPP改进.mp4            11.79MB
│         ├─06 mobileOne(加速).mp4            28.63MB
│         ├─07 Deformable(替换selfAttention).mp4            31.59MB
│         ├─08 ProbAttention(采样策略).mp4            17.12MB
│         ├─09 CrossAttention融合特征.mp4            14.17MB
│         ├─10 Attention额外加入先验知识.mp4            6.07MB
│         ├─11 结合GNN构建局部特征.mp4            20.33MB
│         ├─12 损失函数约束项.mp4            7.04MB
│         ├─13 自适应可学习参数.mp4            11.57MB
│         ├─14 Coarse2Fine大框架.mp4            27.93MB
│         ├─15 只能机器学习模型时凑工作量(特征工程).mp4            5.12MB
│         ├─16 自己数据集如何发的好(要开源).mp4            30.35MB
│         ├─17 可变形卷积加入方法.mp4            19.64MB
│         └─18 在源码中加入各种注意力机制方法.mp4            91.89MB
├─目录.txt            -1.#INDB
└─资料
      ├─1.第一章 直播回放
      │   ├─1-1 节开班典礼
      │   │   └─咕泡唐宇迪人工智能【第六期】学习路线图.pdf            34.83MB
      │   ├─1-10 节直播7:半监督物体检测
      │   │   └─mmdetection-3.x.zip            35.6MB
      │   ├─1-11 节直播8:基于图模型的时间序列预测
      │   │   ├─2110.05357.pdf            880.7KB
      │   │   ├─raindrop-AAAI22.pdf            10.58MB
      │   │   └─Raindrop-main.rar            89.66MB
      │   ├─1-12 节直播9:图像定位与检索
      │   │   ├─CosPlace-main.zip            190.53MB
      │   │   └─small.zip            4.48GB
      │   ├─1-13 节直播10:近期内容补充
      │   │   ├─Informer_huggingface.zip            37.03MB
      │   │   └─YOLOV7.pdf            1.88MB
      │   ├─1-14  节直播11文本生成GPT系列
      │   │   └─ChatGPT
      │   │         └─GPT系列.pdf            1.81MB
      │   ├─1-15 节直播12:异构图神经网络
      │   │   ├─HeterogeneousGraph.zip            1.89MB
      │   │   ├─异构图.pdf            1017.27KB
      │   │   └─异构图神经网络.pdf            3.06MB
      │   ├─1-16 节直播13:BEV特征空间
      │   │   └─BEV.pdf            998.21KB
      │   ├─1-17 节补充:BevFormer源码解读
      │   │   └─bevformer.zip            5.12GB
      │   ├─1-18 节直播14:知识蒸馏
      │   │   ├─Decoupled Knowledge Distillation.pdf            1.98MB
      │   │   ├─Reinforced Multi-Teacher Selection for Knowledge Distillation.pdf            1.02MB
      │   │   └─蒸馏.pdf            1.46MB
      │   ├─1-3 节直播1:深度学习核心算法-神经网络与卷积网络
      │   │   └─神经网络.pdf            6.31MB
      │   ├─1-4 节卷积神经网络
      │   │   └─卷积神经网络.pdf            2.59MB
      │   ├─1-5 节直播3:Transformer架构
      │   │   └─transformer.pdf            1.99MB
      │   ├─1-6 节直播4:Transfomer在视觉任务中的应用实例
      │   │   ├─transformer课件.pdf            1.16MB
      │   │   └─VIT算法模型源码解读.zip            942.22MB
      │   ├─1-7 节直播5:YOLO系列(V7)算法解读
      │   │   ├─YOLOV7.pdf            1.69MB
      │   │   └─Yolov7结构图.pptx            44.45KB
      │   ├─1-8 节直播6:分割模型Maskformer系列
      │   │   ├─mask2former.pdf            2.97MB
      │   │   └─maskformer.pdf            1.51MB
      │   └─1-9 节补充:Mask2former源码解读
      │         └─mask2former(mmdetection).zip            192.38MB
      ├─10.第一十章 图神经?络实战            -1.#INDB
      ├─11.第一十一章 3D点云实战
      │   ├─第1节:3D点云应用领域分析
      │   │   ├─激光雷达.mp4            8.14MB
      │   │   └─点云.pdf            1.14MB
      │   ├─第2节:3D点云PointNet算法
      │   │   ├─CloudCompare.zip            68.07MB
      │   │   └─PointNet++.pdf            1.72MB
      │   ├─第3节:PointNet++算法解读
      │   │   └─PointNet++.pdf            1.72MB
      │   ├─第4节:Pointnet++项目实战
      │   │   └─Pointnet2.zip            2.33GB
      │   ├─第5节:点云补全PF-Net论文解读
      │   │   ├─2003.00410.pdf            4.02MB
      │   │   └─点云补全.pdf            596.42KB
      │   ├─第6节:点云补全实战解读
      │   │   └─PF-Net-Point-Fractal-Network.zip            646.12MB
      │   ├─第7节:点云配准及其案例实战
      │   │   ├─2003.13479.pdf            1.64MB
      │   │   ├─RPMNet.zip            447.43MB
      │   │   └─点云匹配.pdf            552.85KB
      │   └─第8节:基础补充-对抗生成网络架构原理与实战解析
      │         └─第八章:对抗生成网络架构原理与实战解析.zip            35.28MB
      ├─12.第一十二章 ?标追踪与姿态估计实战            -1.#INDB
      ├─13.第一十三章 ?向深度学习的??驾驶实战            -1.#INDB
      ├─14.第一十四章 对比学习与多模态任务实战
      │   ├─ANINET源码解读
      │   │   └─mmocr-main.zip            381.72MB
      │   ├─CLIP系列
      │   │   ├─CLIP.zip            679.35KB
      │   │   └─CLIP及其应用.pdf            1.94MB
      │   ├─多模态3D目标检测算法源码解读
      │   │   └─mmdetection3d-1.0.0rc0.zip            395.05MB
      │   ├─多模态文字识别
      │   │   ├─ABINET.pdf            1.24MB
      │   │   └─DBNET.pdf            3.83MB
      │   └─对比学习算法与实例
      │         ├─trainCLIP.py            1.56KB
      │         └─对比学习.pdf            1.96MB
      ├─15.第一十五章 缺陷检测实战
      │   ├─DeepLab铁质材料缺陷检测与开源项目应用流程.zip            3.58GB
      │   ├─PyTorch基础
      │   │   ├─1-PyTorch框架基本处理操作.zip            98.58MB
      │   │   ├─2-神经网络实战分类与回归任务.zip            15.82MB
      │   │   └─3-图像识别核心模块实战解读.zip            336.95MB
      │   ├─Resnet分类实战
      │   │   └─Resnet.pdf            207.88KB
      │   ├─第1-4章:YOLOV5缺陷检测
      │   │   ├─Defective_Insulators.zip            54.69MB
      │   │   ├─NEU-DET.zip            26.68MB
      │   │   ├─YOLO5.zip            469.64MB
      │   │   └─YOLO新版.pdf            3.62MB
      │   ├─第10章:基于视频流水线的Opnecv缺陷检测项目.zip            13.96MB
      │   ├─第11-12章:deeplab
      │   │   ├─DeepLab.pdf            704.25KB
      │   │   └─DeepLabV3Plus.zip            1.92GB
      │   ├─第5章:Semi-supervised布料缺陷检测实战.zip            212.33MB
      │   ├─第6-8章:Opencv各函数使用实例
      │   │   ├─第一部分notebook课件.zip            7.28MB
      │   │   └─第二部分notebook课件.zip            1.29MB
      │   └─第9章:基于Opencv缺陷检测项目实战.zip            11.38MB
      ├─16.第一十六章 ??重识别实战            -1.#INDB
      ├─17.第一十七章 对抗?成?络实战            -1.#INDB
      ├─18.第一十八章 强化学习实战系列
      │   ├─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            4.34MB
      │   ├─第4节:DQN算法.pdf            1.43MB
      │   ├─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            97.62MB
      ├─19.第一十九章 Openai顶级黑科技算法及其项目实战
      │   ├─1 节GPT系列生成模型
      │   │   ├─GPT.zip            1.25GB
      │   │   └─GPT系列.pdf            1.25MB
      │   ├─2 节GPT建模与预测流程
      │   │   └─ChinesePretrainedModels.zip            1.62GB
      │   ├─3 节CLIP系列
      │   │   ├─CLIP.zip            679.35KB
      │   │   └─CLIP及其应用.pdf            1.8MB
      │   ├─4 节Diffusion模型解读
      │   │   └─annotated_diffusion.ipynb            4.45MB
      │   ├─5 节Dalle2及其源码解读
      │   │   ├─DALLE2-pytorch-main.zip            4.21MB
      │   │   └─dalle2.pdf            40.92MB
      │   └─6 节ChatGPT
      │         └─GPT系列.pdf            1.81MB
      ├─2.第二章 深度学习必备核?算法            -1.#INDB
      ├─20.第二十章 面向医学领域的深度学习实战
      │   ├─1-神经网络算法PPT
      │   │   └─深度学习.pdf            9.93MB
      │   ├─10-基于deeplab的心脏视频数据诊断分析
      │   │   └─基于deeplab的心脏视频数据诊断分析.zip            748.28MB
      │   ├─11-YOLO系列物体检测算法原理解读
      │   │   ├─YOLO.pdf            2.05MB
      │   │   └─YOLOv4.pdf            3.84MB
      │   ├─12-基于YOLO5细胞检测实战
      │   │   └─基于YOLO5细胞检测实战.zip            584.81MB
      │   ├─13-知识图谱原理解读
      │   │   └─知识图谱.pdf            2.14MB
      │   ├─14-Neo4j数据库实战
      │   │   └─NEO4J.pdf            268KB
      │   ├─15-基于知识图谱的医药问答系统实战
      │   │   ├─医药问答.zip            15.81MB
      │   │   └─配置与安装.pdf            102.29KB
      │   ├─16-词向量模型与RNN网络架构.zip            2.15MB
      │   ├─17-医学糖尿病数据命名实体识别
      │   │   ├─eclipse-命名实体识别.zip            18.19MB
      │   │   └─notebook-瑞金.zip            4.96MB
      │   ├─2-PyTorch框架基本处理操作.zip            98.58MB
      │   ├─3-PyTorch框架必备核心模块解读.zip            336.95MB
      │   ├─4-基于Resnet的医学数据集分类实战
      │   │   └─Resnet.pdf            207.88KB
      │   ├─5-图像分割及其损失函数概述
      │   │   └─深度学习分割任务.pdf            1.14MB
      │   ├─6-Unet系列算法讲解
      │   │   └─深度学习分割任务.pdf            1.14MB
      │   ├─7-unet医学细胞分割实战
      │   │   ├─unet++.zip            409.6MB
      │   │   └─新建文件夹
      │   ├─8-deeplab系列算法
      │   │   └─DeepLab.pdf            704.25KB
      │   └─9-基于deeplabV3+版本进行VOC分割实战
      │         └─DeepLabV3Plus.zip            1.92GB
      ├─21.第二十一章 深度学习模型部署与剪枝优化实战
      │   ├─Docker使用命令.zip            7.83MB
      │   ├─Mobilenet.pdf            2.41MB
      │   ├─mobilenetv3.py            7.31KB
      │   ├─pytorch-slimming.zip            356.43MB
      │   ├─PyTorch模型部署实例.zip            102.8KB
      │   ├─TensorFlow-serving.zip            2.96MB
      │   ├─tensorRT
      │   │   ├─tensorRT课程PPT
      │   │   │   ├─1.说在前面.pdf            715.12KB
      │   │   │   ├─10.tensorrt-integrate.pdf            1.81MB
      │   │   │   ├─2.介绍.pdf            386.65KB
      │   │   │   ├─3.cuda-driver-课程概述.pdf            493.56KB
      │   │   │   ├─4.cuda-driver.pdf            370.14KB
      │   │   │   ├─5.cuda-runtime-课程概述.pdf            528.71KB
      │   │   │   ├─6.cuda-runtime.pdf            2.35MB
      │   │   │   ├─7.tensorrt-basic-课程概述.pdf            1MB
      │   │   │   ├─8.tensorrt-basic.pdf            761.65KB
      │   │   │   ├─9.tensorrt-integrate-课程概述.pdf            2.39MB
      │   │   │   ├─video-series.mp4            4.61MB
      │   │   │   ├─video1-get-env.mp4            2.93MB
      │   │   │   └─video1-get-templ.mp4            16.13MB
      │   │   └─tensorRT课程代码
      │   │         ├─cuda-driver-api.tar.gz            764.03KB
      │   │         ├─cuda-runtime-api.tar.gz            25.16MB
      │   │         ├─tensorrt-basic.tar.gz            14.9MB
      │   │         └─tensorrt-integrate.tar.gz            1.93GB
      │   ├─YOLO部署实例.zip            876.45MB
      │   ├─剪枝算法.pdf            504.02KB
      │   └─嵌入式AI
      │         ├─第一章 认识 jetson nano
      │         │   ├─1.1 jetson nano 硬件介绍.pdf            895.04KB
      │         │   ├─1.2 jetson nano 刷机.pdf            503.86KB
      │         │   ├─1.2b jetson nano 系统安装过程.pdf            802.23KB
      │         │   ├─1.3 感受nano的GPU算力.pdf            118.11KB
      │         │   ├─1.4 安装使用摄像头csi  usb.pdf            163.17KB
      │         │   └─1software
      │         │         ├─balenaEtcher-Setup-1.7.9.exe            138.76MB
      │         │         ├─code_1.71.2-1663189619_arm64.deb            71.46MB
      │         │         ├─csiCamera.py            1002B
      │         │         ├─SDCardFormatterv5_WinEN.zip            6.13MB
      │         │         └─usbCamera.py            183B
      │         ├─第三章 NVIDIA TAO 实用级的训练神器
      │         │   ├─3.1NVIDIA TAO介绍和安装.pdf            570.97KB
      │         │   ├─3.2NVIDIA TAO数据准备和环境设置.pdf            785.88KB
      │         │   ├─3.3NVIDIA TAO数据转换.pdf            936.63KB
      │         │   ├─3.4NVIDIA TAO预训练模型和训练.pdf            858.8KB
      │         │   └─3.5TAO 剪枝在训练推理验证.pdf            791.99KB
      │         ├─第二章 AI 实战
      │         │   ├─2.1 jetson-inference 入门.pdf            115.24KB
      │         │   ├─2.2 docker 的安装使用.pdf            395.69KB
      │         │   ├─2.3 docker中运行分类模型.pdf            124.5KB
      │         │   ├─2.4 训练自己的目标检测模型准备.pdf            300.13KB
      │         │   ├─2.5 训练出自己目标识别模型.pdf            1.13MB
      │         │   ├─2.6 转换出onnx模型,并使用.pdf            95.28KB
      │         │   ├─2software
      │         │   │   ├─csiCamera.py            1002B
      │         │   │   ├─jetson-inference.zip            557.41MB
      │         │   │   ├─mobilenet-v1-ssd-mp-0_675.pth            36.24MB
      │         │   │   ├─networks
      │         │   │   │   ├─bvlc_googlenet.caffemodel            51.05MB
      │         │   │   │   ├─googlenet.prototxt            35.02KB
      │         │   │   │   ├─googlenet_noprob.prototxt            34.94KB
      │         │   │   │   ├─SSD-Mobilenet-v1.tar.gz            24.19MB
      │         │   │   │   └─SSD-Mobilenet-v2.tar.gz            59.61MB
      │         │   │   └─usbCamera.py            159B
      │         │   └─时间统计.xlsx            9.57KB
      │         └─第四章 deepstream
      │               ├─4.1 deepstream 介绍安装.pdf            620.52KB
      │               ├─4.2 deepstream HelloWorld.pdf            711.55KB
      │               ├─4.3 GStreamer RTP和RTSP.pdf            1.46MB
      │               ├─4.4 python实现RTP和RTSP.pdf            648.17KB
      │               ├─4.5 deepstream推理.pdf            815.11KB
      │               ├─4.6 deepstream集成yolov4.pdf            822.46KB
      │               └─software
      │                     ├─Accelerated_GStreamer_User_Guide.pdf            1.08MB
      │                     ├─camera_gstreamer_code_rtp.py            2.12KB
      │                     ├─camera_gstreamer_code_rtsp_out.py            2.07KB
      │                     ├─EasyPlayer-RTSP-Win-V3.0.19.0515.zip            16.31MB
      │                     ├─gstreamer-1.0-msvc-x86_64-1.20.4.msi            104.38MB
      │                     ├─rtspCameraH264.py            725B
      │                     └─rtspVideoH264.py            717B
      ├─22.第二十二章 自然语言处理必备神器Huggingface系列实战
      │   ├─第一章:Huggingface与NLP介绍解读
      │   │   └─Huggingface初识.pptx            168.85KB
      │   ├─第七章:GPT系列算法
      │   │   └─GPT系列.pdf            1.37MB
      │   ├─第三章:transformer原理解读
      │   │   └─transformer.pdf            1.99MB
      │   ├─第九章:文本摘要建模
      │   │   ├─Summarization.ipynb            287.84KB
      │   │   └─Summarization.zip            2.04GB
      │   ├─第二章:Transformer工具包基本操作实例解读
      │   │   ├─1-Transformers.zip            383.62MB
      │   │   └─2-Finetuning.zip            2.05GB
      │   ├─第五章:文本标注工具与NER实例
      │   │   └─ner.zip            121.6MB
      │   ├─第八章:GPT训练与预测部署流程
      │   │   └─GPT.zip            1.25GB
      │   ├─第六章:文本预训练模型构建实例
      │   │   └─Mask Language Model.ipynb            51.29KB
      │   ├─第十一章:补充Huggingface数据集制作方法实例
      │   │   └─数据格式转换.zip            89.44MB
      │   ├─第十章:图谱知识抽取实战
      │   │   └─CMeKG.zip            1.32GB
      │   └─第四章:BERT系列算法解读
      │         └─BERT系列.pdf            969.92KB
      ├─23.第二十三章 ?然语?处理通?框架-BERT实战            -1.#INDB
      ├─24.第二十四章 ?然语?处理经典案例实战            -1.#INDB
      ├─25.第二十五章 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
      │   │   └─知识图谱.pdf            2.14MB
      │   ├─第3节:Neo4j数据库实战
      │   │   └─NEO4J.pdf            268KB
      │   ├─第4节:使用python操作neo4j实例
      │   │   └─python操作neo4j.zip            25.53KB
      │   ├─第5节:基于知识图谱的医药问答系统实战
      │   │   ├─医药问答.zip            15.81MB
      │   │   └─配置与安装.pdf            102.29KB
      │   ├─第6节:文本关系抽取实践
      │   │   └─关系抽取.zip            740.57MB
      │   ├─第7节:金融平台风控模型实践
      │   │   └─贷款风控特征工程.zip            1.95GB
      │   └─第8节:医学糖尿病数据命名实体识别
      │         ├─eclipse-命名实体识别.zip            18.19MB
      │         └─notebook-瑞金.zip            4.96MB
      ├─26.第二十六章 语?识别实战系列            -1.#INDB
      ├─27.第二十七章 推荐系统实战系列
      │   ├─第10节:基于统计分析的电影推荐
      │   │   └─电影推荐.zip            10.05MB
      │   ├─第11节:补充-基于相似度的酒店推荐系统.zip            1.81MB
      │   ├─第1节:推荐系统介绍.pdf            1.5MB
      │   ├─第2节:协同过滤与矩阵分解.pdf            974.68KB
      │   ├─第3节:音乐推荐系统实战
      │   │   └─Python实现音乐推荐系统
      │   │         ├─.ipynb_checkpoints
      │   │         │   └─推荐系统-checkpoint.ipynb            344.85KB
      │   │         ├─1.png            45.33KB
      │   │         ├─2.png            30.4KB
      │   │         ├─3.png            42.96KB
      │   │         ├─4.png            12KB
      │   │         ├─5.png            3.61KB
      │   │         ├─6.png            60.31KB
      │   │         ├─7.png            77.29KB
      │   │         ├─8.png            68.76KB
      │   │         ├─recommendation_engines.py            13.66KB
      │   │         ├─Recommenders.py            9.23KB
      │   │         ├─song_playcount_df.csv            8.47MB
      │   │         ├─track_metadata.db            711.61MB
      │   │         ├─track_metadata_df_sub.csv            5.94MB
      │   │         ├─train_triplets.txt            2.8GB
      │   │         ├─triplet_dataset_sub_song.csv            648.3MB
      │   │         ├─user_playcount_df.csv            44.14MB
      │   │         ├─__pycache__
      │   │         │   └─Recommenders.cpython-36.pyc            4.97KB
      │   │         ├─推荐系统.ipynb            363.54KB
      │   │         └─老版.ipynb            344.85KB
      │   ├─第4节:Neo4j数据库实例
      │   │   └─NEO4J.pdf            268KB
      │   ├─第5节:基于知识图谱的电影推荐实战.zip            160.61MB
      │   ├─第6节:FM与DeepFM算法.pdf            759.61KB
      │   ├─第7节:DeepFM算法实战.zip            1.16MB
      │   ├─第8节:推荐系统常用工具包演示.zip            129.35MB
      │   └─第9节:基于文本数据的推荐实例.zip            254.77MB
      ├─28.第二十八章 AI课程所需安装软件教程
      │   ├─Anaconda3-2020.07-Windows-x86_64.exe            467.49MB
      │   ├─cuda_11.3.0_465.89_win10.exe            2.68GB
      │   ├─mmcv_full-1.4.7-cp38-cp38-win_amd64.whl            12.75MB
      │   ├─notepadplusplus-8-4.exe            4.28MB
      │   ├─pycharm-community-2022.1.2.exe            378.78MB
      │   ├─torch-1.10.0+cu113-cp38-cp38-win_amd64.whl            2.27GB
      │   ├─torchvision-0.11.0+cu113-cp38-cp38-win_amd64.whl            3.04MB
      │   └─VisualStudioSetup.exe            1.6MB
      ├─29.第二十九章 额外补充
      │   ├─ACMIX(卷积与注意力结合)
      │   │   ├─2111.14556.pdf            1.46MB
      │   │   ├─common.py            12KB
      │   │   ├─yolo.py            12.63KB
      │   │   ├─yolov5s_acmix.yaml            1.45KB
      │   │   └─源码实现.txt            4.9KB
      │   ├─ConvNeXt
      │   │   ├─2201.03545.pdf            816.93KB
      │   │   ├─common.py            15.35KB
      │   │   ├─yolo.py            12.89KB
      │   │   ├─yolov5s_convnextB.yaml            1.37KB
      │   │   ├─源码.txt            3.39KB
      │   │   └─源码链接.txt            44B
      │   ├─Coordinate_attention
      │   │   ├─common.py            7.2KB
      │   │   ├─Hou_Coordinate_Attention_for_Efficient_Mobile_Network_Design_CVPR_2021_paper.pdf            1.3MB
      │   │   ├─yolo.py            12.12KB
      │   │   ├─yolov5s_Coordinate_attention.yaml            1.49KB
      │   │   └─源码实现.txt            2.38KB
      │   ├─gc(2).py            5.67KB
      │   ├─gc.py            5.67KB
      │   ├─GCNET(全局特征融合)
      │   │   ├─1904.11492.pdf            3.43MB
      │   │   ├─gc.py            5.67KB
      │   │   ├─yolo.py            12.44KB
      │   │   └─yolov5s_cb2d.yaml            1.35KB
      │   ├─mobileone(提速)
      │   │   ├─2206.04040.pdf            7.83MB
      │   │   ├─common.py            19.92KB
      │   │   ├─yolo.py            13.05KB
      │   │   ├─yolov5s_mobileone.yaml            1.41KB
      │   │   └─源码实现.txt            4.63KB
      │   ├─SPD-Conv
      │   │   ├─common.py            4.91KB
      │   │   ├─SPD-Conv论文.pdf            4.53MB
      │   │   ├─yolo.py            11.93KB
      │   │   ├─yolov5s.yaml            1.42KB
      │   │   ├─yolov5s_spd.yaml            1.6KB
      │   │   └─源码实现.txt            307B
      │   └─SPPCSPC(替换SPP)
      │         └─源码.txt            878B
      ├─3.第三章 深度学习核?框架PyTorch            -1.#INDB
      ├─4.第四章 MMLAB实战系列
      │   ├─DeformableDetr算法解读
      │   │   └─可变形DETR.pdf            4.5MB
      │   ├─KIE关键信息抽取与视频超分辨率重构
      │   │   ├─BasicVSR++.pdf            13.04MB
      │   │   ├─KIE.pdf            2.27MB
      │   │   └─spynet.pdf            5.8MB
      │   ├─mask2former(mmdetection).zip            192.38MB
      │   ├─ner.zip            121.6MB
      │   ├─OCR算法解读
      │   │   ├─ABINET.pdf            1.24MB
      │   │   └─DBNET.pdf            3.83MB
      │   ├─第一模块:mmclassification-master.zip            912MB
      │   ├─第七模块:mmdetection3d-1.0.0rc0.zip            395.05MB
      │   ├─第三模块:mmdetection-master.zip            1.46GB
      │   ├─第九模块:mmaction2-master.zip            827.76MB
      │   ├─第二模块:mmsegmentation-0.20.2.zip            2.8GB
      │   ├─第二模块:MPViT-main.zip            924.77MB
      │   ├─第五模块:mmgeneration-master.zip            746.81MB
      │   ├─第八模块:mmrazor-模型蒸馏.zip            1GB
      │   ├─第六模块:mmediting-master.zip            107.78MB
      │   └─第四模块:mmocr-main.zip            381.72MB
      ├─5.第五章 Opencv图像处理框架实战
      │   ├─源码资料
      │   │   ├─第10节:项目实战-文档扫描OCR识别.zip            44.94MB
      │   │   ├─第13节:案例实战-全景图像拼接.zip            829.49KB
      │   │   ├─第14节:项目实战-停车场车位识别.zip            111.34MB
      │   │   ├─第15节:项目实战-答题卡识别判卷.zip            3.07MB
      │   │   ├─第18节:Opencv的DNN模块.zip            49.62MB
      │   │   ├─第19节:项目实战-目标追踪.zip            125.33MB
      │   │   ├─第20节:卷积原理与操作.zip            24.47KB
      │   │   ├─第21节:人脸关键点定位.zip            69.75MB
      │   │   ├─第21节:项目实战-疲劳检测.zip            74.15MB
      │   │   └─第9节:项目实战-信用卡数字识别.zip            548.1KB
      │   └─课件
      │         ├─第11-12节notebook课件.zip            52.05MB
      │         ├─第16-17节notebook课件.zip            9.37MB
      │         └─第2-8节课件
      │               ├─第2-7节notebook课件.zip            7.28MB
      │               └─第8节notebook课件.zip            1.29MB
      ├─6.第六章 综合项?-物体检测经典算法实战            -1.#INDB
      ├─7.第七章 图像分割实战
      │   ├─f112c9fda85536ee3eba662c9043e683.bat            70B
      │   ├─mask-rcnn.pdf            989.98KB
      │   ├─MaskRcnn网络框架源码详解.zip            1.14GB
      │   ├─PyTorch框架基本处理操作.zip            98.58MB
      │   ├─R(2+1)D网络.pdf            507.15KB
      │   ├─图像识别核心模块实战解读.zip            336.95MB
      │   ├─基于MASK-RCNN框架训练自己的数据与任务.zip            439.38MB
      │   ├─基于Resnet的医学数据集分类实战
      │   │   └─Resnet.pdf            207.88KB
      │   ├─第1节:图像分割算法
      │   │   └─深度学习分割任务.pdf            1.14MB
      │   ├─第2节:卷积网络
      │   │   └─深度学习.pdf            9.93MB
      │   ├─第3节:Unet系列算法讲解
      │   │   └─深度学习分割任务.pdf            1.14MB
      │   ├─第4节:unet医学细胞分割实战
      │   │   ├─unet++.zip            409.6MB
      │   │   └─新建文件夹
      │   ├─第5节:U-2-Net.zip            636.25MB
      │   ├─第6节:deeplab系列算法
      │   │   └─DeepLab.pdf            704.25KB
      │   ├─第7节:基于deeplabV3+版本进行VOC分割实战
      │   │   └─DeepLabV3Plus.zip            1.92GB
      │   └─第8节:基于deeplab的心脏视频数据诊断分析
      │         └─基于deeplab的心脏视频数据诊断分析.zip            748.28MB
      ├─8.第八章 行为识别实战
      │   ├─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            845.84MB
      │   ├─5-视频异常检测算法与元学习.pdf            1.15MB
      │   ├─6-视频异常检测CVPR2021论文及其源码解读.zip            243.75MB
      │   ├─slowfast-add
      │   │   ├─avademo.zip            2.08GB
      │   │   └─download
      │   │         ├─-5KQ66BBWC4.mkv            251.05MB
      │   │         ├─-5KQ66BBWC4.mkv.1            251.05MB
      │   │         ├─1j20qq1JyX4.mp4            240.53MB
      │   │         ├─ava_annotations
      │   │         │   ├─ava_train_v2.1.csv            35.11MB
      │   │         │   ├─ava_train_v2.2.csv            39.22MB
      │   │         │   ├─ava_val_v2.2.csv            11.05MB
      │   │         │   └─person_box_67091280_iou90
      │   │         │         ├─ava_action_list_v2.1_for_activitynet_2018.pbtxt            2.59KB
      │   │         │         ├─ava_detection_test_boxes_and_labels.csv            14.63MB
      │   │         │         ├─ava_detection_train_boxes_and_labels_include_negative.csv            52.2MB
      │   │         │         ├─ava_detection_train_boxes_and_labels_include_negative_v2.1.csv            52.2MB
      │   │         │         ├─ava_detection_train_boxes_and_labels_include_negative_v2.2.csv            53.28MB
      │   │         │         ├─ava_detection_val_boxes_and_labels.csv            7.58MB
      │   │         │         ├─ava_detection_val_for_training_boxes_and_labels_include_negative.csv            14.93MB
      │   │         │         ├─ava_detection_val_for_training_boxes_and_labels_include_negative_v2.1.csv            14.93MB
      │   │         │         ├─ava_detection_val_for_training_boxes_and_labels_include_negative_v2.2.csv            15.16MB
      │   │         │         ├─ava_train_predicted_boxes.csv            52.2MB
      │   │         │         ├─ava_train_v2.1.csv            35.11MB
      │   │         │         ├─ava_val_excluded_timestamps_v2.1.csv            629B
      │   │         │         ├─ava_val_predicted_boxes.csv            7.58MB
      │   │         │         ├─ava_val_v2.1.csv            9.94MB
      │   │         │         ├─test.csv            198.39MB
      │   │         │         ├─train.csv            358.14MB
      │   │         │         └─val.csv            98.31MB
      │   │         ├─train.csv            1.48MB
      │   │         ├─val.csv            1.54MB
      │   │         ├─_145Aa_xkuE.mp4            313.33MB
      │   │         └─_Ca3gOdOHxU.mp4            516.8MB
      │   ├─slowfast论文.pdf            1.45MB
      │   ├─基础补充-PyTorch框架基本处理操作.zip            98.58MB
      │   ├─基础补充-PyTorch框架必备核心模块解读.zip            336.95MB
      │   └─基础补充-Resnet模型及其应用实例
      │         └─Resnet.pdf            207.88KB
      └─9.第九章 2022论?必备-Transformer实战系列            -1.#INDB

资源下载

抱歉,只有登录并在本文发表评论才能阅读隐藏内容,切记不要恶意刷,否则会被限制,先阅读用户规则,一旦进入黑名单,不可能再放出来。同时注意,暂停在线支付,请联系客服QQ2441105221。
  1. 好小菜说道:

    感谢!!

  2. geekttk说道:

    感谢楼主。感谢楼主。 :smile:

  3. ivySunny说道:

    泡泡的Ai

  4. 说道:

    感谢分享

  5. 天灾骨钟说道:

    感谢楼主

  6. andy说道:

    非常感谢!!

  7. xuan说道:

    感谢分享

  8. zhdovelie说道:

    感谢!!

  9. 莫妮卡说道:

    学习了 :smile:

  10. ldqcxyz说道:

    感谢!

  11. lumiyo说道:

    感谢分享

  12. skylight007说道:

    学习一下

  13. 十下说道:

    打我打我

  14. 炸酱面说道:

    学习!

  15. jike0000说道:

    感谢!!

  16. 小白说道:

    感谢分享

  17. clearlove说道:

    泡泡的Ai

  18. 啊健说道:

    感谢!!

  19. skio说道:

    学习人工智能

  20. 雷猴啊说道:

    感谢分享

  21. raykk说道:

    感谢分享

  22. 朝歌向南说道:

    实战系列

  23. wuheideyun说道:

    感谢分享~~~~~~

  24. 王的国说道:

    感谢

  25. 码出人生说道:

    感谢!!

  26. 寒云衣说道:

    很牛的目录

  27. hongyuan228说道:

    :idea: 感谢感谢

  28. 爱吃菜的鱼说道:

    感谢分享

  29. Johnny说道:

    谢谢

  30. lostone说道:

    学习

  31. gywinner说道:

    谢谢

  32. Az123说道:

    感谢!!

  33. Torches说道:

    感谢!!

  34. 安仔说道:

    谢谢分享

  35. wudi123456说道:

    喜欢学ai

  36. 夜尽天明说道:

    感谢分享

  37. cherry说道:

    感谢分享

  38. addamx说道:

    感谢分享

  39. wilsonp说道:

    非常感谢!!

  40. maiza.lin说道:

    谢谢!

  41. 莉莉丝~说道:

    感谢

  42. klfzs说道:

    谢谢

  43. maiza.lin说道:

    感谢!!

发表回复