GP-P5人工智能深度学习高薪就业班5-2022年-价值16800元24章完结无秘

GP-P5人工智能深度学习高薪就业班5-2022年-价值16800元24章完结无秘
├─10_图神经网络实战
│  ├─1_图神经网络基础
│  │  ├┈1-图神经网络应用领域分析.mp4.mp4
│  │  ├┈2-图基本模块定义.mp4.mp4
│  │  ├┈3-邻接矩阵的定义.mp4.mp4
│  │  ├┈4-GNN中常见任务.mp4.mp4
│  │  ├┈5-消息传递计算方法.mp4.mp4
│  │  └┈6-多层GC++N的作用.mp4.mp4
│  ├─2_图卷积GCN模型
│  │  ├┈1-GCN基本模型概述.mp4.mp4
│  │  ├┈2-图卷积的基本计算方法.mp4.mp4
│  │  ├┈3-邻接的矩阵的变换.mp4.mp4
│  │  └┈4-GCN变换原理解读.mp4.mp4
│  ├─3_图模型必备神器 PyTorch Geometric安装与使用
│  │  ├┈1-PyTorch Geometric工具包安装与配置方法.mp4.mp4
│  │  ├┈2-数据集与邻接矩阵格式.mp4.mp4
│  │  ├┈3-模型定义与训练方法.mp4.mp4
│  │  └┈4-文献引用数据集分类案例实战.mp4.mp4
│  ├─4_使用PyTorch Geometric构建自己的图数据集
│  │  ├┈1-构建数据集基本方法.mp4.mp4
│  │  ├┈2-数据集与任务背景概述.mp4.mp4
│  │  ├┈3-数据集基本预处理.mp4.mp4
│  │  ├┈4-用户行为图结构创建.mp4.mp4
│  │  ├┈5-数据集创建函数介绍.mp4.mp4
│  │  ├┈6-网络结构定义模块.mp4.mp4
│  │  ├┈7-TopkPooling进行下采样任务.mp4.mp4
│  │  ├┈8-获取全局特征.mp4.mp4
│  │  └┈9-模型训练与总结.mp4.mp4
│  ├─5_图注意力机制与序列图模型
│  │  ├┈1-图注意力机制的作用与方法.mp4.mp4
│  │  ├┈2-邻接矩阵计算图Attention.mp4(1).mp4
│  │  ├┈2-邻接矩阵计算图Attention.mp4.mp4
│  │  ├┈3-序列图神经网络TGCN应用.mp4.mp4
│  │  └┈4-序列图神经网络细节.mp4.mp4
│  ├─6_图相似度论文解读
│  │  ├┈1-要完成的任务分析.mp4.mp4
│  │  ├┈2-基本方法概述解读.mp4.mp4
│  │  ├┈3-图模型提取全局与局部特征.mp4.mp4
│  │  ├┈4-NTN模块的作用与效果.mp4.mp4
│  │  ├┈5-点之间的对应关系计算.mp4.mp4
│  │  └┈6-结果输出与总结.mp4.mp4
│  ├─7_图相似度计算实战
│  │  ├┈1-数据集与任务概述3.mp4.mp4
│  │  ├┈2-图卷积特征提取模块3.mp4.mp4
│  │  ├┈3-分别计算不同BATch点的分布3.mp4.mp4
│  │  ├┈4-获得直方图特征结果.mp4.mp4
│  │  ├┈5-图的全局特征构建.mp4.mp4
│  │  ├┈6-NTN图相似特征提取.mp4.mp4
│  │  └┈7-预测得到相似度结果.mp4.mp4
│  ├─8_基于图模型的轨迹估计
│  │  ├┈1-数据集与标注信息解读.mp4.mp4
│  │  ├┈2-整体三大模块分析.mp4.mp4
│  │  ├┈3-特征工程的作用与效果.mp4.mp4
│  │  ├┈4-传统方法与现在向量空间对比.mp4.mp4
│  │  ├┈5-输入细节分析.mp4.mp4
│  │  ├┈6-子图模块构建方法.mp4.mp4
│  │  ├┈7-特征融合模块分析.mp4.mp4
│  │  └┈8-VectorNET输出层分析.mp4.mp4
│  └─9_图模型轨迹估计实战
│  └─├┈1-数据与环境配置4.mp4.mp4
│  └─├┈2-训练数据准备4.mp4.mp4
│  └─├┈3-Agent特征提取方法4.mp4.mp4
│  └─├┈4-DataLoader构建图结构4.mp4.mp4
│  └─└┈5-SubGraph与Attention模型流程4.mp4.mp4
├─11_3D点云实战
│  ├─1_3D点云实战 3D点云应用领域分析
│  │  ├┈1-点云数据概述.mp4.mp4
│  │  ├┈2-点云应用领域与发展分析.mp4.mp4
│  │  ├┈3-点云分割任务.mp4.mp4
│  │  ├┈4-点云补全任务.mp4.mp4
│  │  ├┈5-点云检测与配准任务.mp4.mp4
│  │  └┈6-点云数据特征提取概述与预告.mp4.mp4
│  ├─2_3D点云PointNet算法
│  │  ├┈1-3D数据应用领域与点云介绍.mp4.mp4
│  │  ├┈2-点云数据可视化展示.mp4.mp4
│  │  ├┈3-点云数据特性和及要解决的问题.mp4.mp4
│  │  ├┈4-PointNet算法出发点解读.mp4.mp4
│  │  └┈5-PointNet算法网络架构解读.mp4.mp4
│  ├─3_PointNet++算法解读
│  │  ├┈10-分类与分割问题解决方案.mp4.mp4
│  │  ├┈11-遇到的问题及改进方法分析.mp4.mp4
│  │  ├┈6-PointNet升级版算法要解决的问题.mp4.mp4
│  │  ├┈7-最远点采样方法.mp4.mp4
│  │  ├┈8-分组Group方法原理解读.mp4.mp4
│  │  └┈9-整体流程概述分析.mp4.mp4
│  ├─4_Pointnet++项目实战
│  │  ├┈1-项目文件概述.mp4.mp4
│  │  ├┈10-分类任务总结.mp4.mp4
│  │  ├┈11-分割任务数据与配置概述.mp4.mp4
│  │  ├┈12-分割需要解决的任务概述.mp4.mp4
│  │  ├┈13-上采样完成分割任务.mp4.mp4
│  │  ├┈2-数据读取模块配置.mp4.mp4
│  │  ├┈3-DEBUG解读网络模型架构.mp4.mp4
│  │  ├┈4-最远点采样介绍.mp4.mp4
│  │  ├┈5-采样得到中心点.mp4.mp4
│  │  ├┈6-组区域划分方法.mp4.mp4
│  │  ├┈7-实现group操作得到各中心簇.mp4.mp4
│  │  ├┈8-特征提取模块整体流程.mp4.mp4
│  │  └┈9-预测结果输出模块.mp4.mp4
│  ├─5_点云补全PF-Net论文解读
│  │  ├┈1-点云补全要解决的问题.mp4.mp4
│  │  ├┈2-基本解决方案概述.mp4.mp4
│  │  ├┈3-整体网络概述.mp4.mp4
│  │  ├┈4-网络计算流程.mp4.mp4
│  │  └┈5-输入与计算结果.mp4.mp4
│  ├─6_点云补全实战解读
│  │  ├┈1-数据与项目配置解读.mp4.mp4
│  │  ├┈2-待补全数据准备方法.mp4.mp4
│  │  ├┈3-整体框架概述.mp4.mp4
│  │  ├┈4-MRE特征提取模块.mp4.mp4
│  │  ├┈5-分层预测输出模块.mp4.mp4
│  │  ├┈6-补全点云数据.mp4.mp4
│  │  └┈7-判别模块.mp4.mp4
│  ├─7_点云配准及其案例实战
│  │  ├┈1-点云配准任务概述.mp4.mp4
│  │  ├┈2-配准要完成的目标解读.mp4.mp4
│  │  ├┈3-训练数据构建1.mp4.mp4
│  │  ├┈4-任务基本流程.mp4.mp4
│  │  ├┈5-数据源配置方法.mp4.mp4
│  │  ├┈6-参数计算模块解读.mp4.mp4
│  │  ├┈7-基于模型预测输出参数.mp4.mp4
│  │  ├┈8-特征构建方法分析.mp4.mp4
│  │  └┈9-任务总结.mp4.mp4
│  └─8_基础补充-对抗生成网络架构原理与实战解析
│  └─├┈1-对抗生成网络通俗解释.mp4.mp4
│  └─├┈2-GAN网络组成.mp4.mp4
│  └─├┈3-损失函数解释说明.mp4.mp4
│  └─├┈4-数据读取模块.mp4.mp4
│  └─└┈5-生成与判别网络定义.mp4.mp4
├─12_目标追踪与姿态估计实战
│  ├─1_课程介绍
│  │  └┈课程介绍2.mp4.mp4
│  ├─2_姿态估计OpenPose系列算法解读
│  │  ├┈1-姿态估计要解决的问题分析.mp4.mp4
│  │  ├┈10-匹配方法解读.mp4.mp4
│  │  ├┈11-CPM模型特点.mp4.mp4
│  │  ├┈12-算法流程与总结.mp4.mp4
│  │  ├┈2-姿态估计应用领域概述.mp4.mp4
│  │  ├┈3-传统topdoWn方法的问题.mp4.mp4
│  │  ├┈4-要解决的两个问题分析.mp4.mp4
│  │  ├┈5-基于高斯分布预测关键点位置.mp4.mp4
│  │  ├┈6-各模块输出特征图解读.mp4.mp4
│  │  ├┈7-PAF向量登场.mp4.mp4
│  │  ├┈8-PAF标签设计方法.mp4.mp4
│  │  └┈9-预测时PAF积分计算方法.mp4.mp4
│  ├─3_OpenPose算法源码分析
│  │  ├┈1-数据集与路径配置解读.mp4.mp4
│  │  ├┈10-多阶段输出与预测.mp4.mp4
│  │  ├┈2-读取图像与标注信息.mp4.mp4
│  │  ├┈3-关键点与躯干特征图初始化.mp4.mp4
│  │  ├┈4-根据关键点位置设计关键点标签.mp4.mp4
│  │  ├┈5-准备构建PAF躯干标签.mp4.mp4
│  │  ├┈6-各位置点归属判断.mp4.mp4
│  │  ├┈7-特征图各点累加向量计算.mp4.mp4
│  │  ├┈8-完成PAF特征图制作.mp4.mp4
│  │  └┈9-网络模型一阶段输出.mp4.mp4
│  ├─4_deePSort算法知识点解读
│  │  ├┈1-卡尔曼滤波通俗解释.mp4.mp4
│  │  ├┈10-sort与deepsort建模流程分析.mp4.mp4
│  │  ├┈11-预测与匹配流程解读.mp4.mp4
│  │  ├┈12-追踪任务流程拆解.mp4.mp4
│  │  ├┈2-卡尔曼滤波要完成的任务.mp4.mp4
│  │  ├┈3-任务本质分析.mp4.mp4
│  │  ├┈4-基于观测值进行最优估计.mp4.mp4
│  │  ├┈5-预测与更新操作.mp4.mp4
│  │  ├┈6-追踪中的状态量.mp4.mp4
│  │  ├┈7-匈牙利匹配算法概述.mp4.mp4
│  │  ├┈8-匹配小例子分析.mp4.mp4
│  │  └┈9-REID特征的作用.mp4.mp4
│  ├─5_deepsort源码解读
│  │  ├┈1-项目环境配置4.mp4.mp4
│  │  ├┈10-匹配结果与总结.mp4.mp4
│  │  ├┈2-参数与DEMO演示.mp4.mp4
│  │  ├┈3-针对检测结果初始化track.mp4.mp4
│  │  ├┈4-对track执行预测操作.mp4.mp4
│  │  ├┈5-状态量预测结果.mp4.mp4
│  │  ├┈6-IOU代价矩阵计算.mp4.mp4
│  │  ├┈7-参数更新操作.mp4.mp4
│  │  ├┈8-级联匹配模块.mp4.mp4
│  │  └┈9-ReID特征代价矩阵计算.mp4.mp4
│  ├─6_YOLO-V4版本算法解读
│  │  ├┈1-V4版本整体概述.mp4.mp4
│  │  ├┈10-PAN模块解读.mp4.mp4
│  │  ├┈11-激活函数与整体架构总结.mp4.mp4
│  │  ├┈2-V4版本贡献解读.mp4.mp4
│  │  ├┈3-数据增强策略分析.mp4.mp4
│  │  ├┈4-DropBlOCk与标签平滑方法.mp4.mp4
│  │  ├┈5-损失函数遇到的问题.mp4.mp4
│  │  ├┈6-CIOU损失函数定义.mp4.mp4
│  │  ├┈7-NMS细节改进.mp4.mp4
│  │  ├┈8-SPP与CSP网络结构.mp4.mp4
│  │  └┈9-SAM注意力机制模块.mp4.mp4
│  ├─7_V5版本项目配置
│  │  ├┈1-整体项目概述.mp4.mp4
│  │  ├┈2-训练自己的数据集方法.mp4.mp4
│  │  ├┈3-训练数据参数配置.mp4.mp4
│  │  └┈4-测试DEMO演示.mp4.mp4
│  └─8_V5项目工程源码解读
│  └─├┈1-数据源DEBUG流程解读.mp4.mp4
│  └─├┈10-完成配置文件解析任务.mp4.mp4
│  └─├┈11-前向传播计算.mp4.mp4
│  └─├┈12-BottleneckCSP层计算方法.mp4.mp4
│  └─├┈13-Head层流程解读2.mp4.mp4
│  └─├┈13-SPP层计算细节分析.mp4.mp4
│  └─├┈14-上采样与拼接操作.mp4.mp4
│  └─├┈15-输出结果分析.mp4.mp4
│  └─├┈16-超参数解读.mp4.mp4
│  └─├┈17-命令行参数介绍.mp4.mp4
│  └─├┈18-训练流程解读.mp4.mp4
│  └─├┈19-各种训练策略概述.mp4.mp4
│  └─├┈2-图像数据源配置.mp4.mp4
│  └─├┈20-模型迭代过程.mp4.mp4
│  └─├┈3-加载标签数据.mp4.mp4
│  └─├┈4-MosAic数据增强方法.mp4.mp4
│  └─├┈5-数据四合一方法与流程演示.mp4.mp4
│  └─├┈6-getiTem构建batch.mp4.mp4
│  └─├┈7-网络架构图 可视化工具安装.mp4.mp4
│  └─├┈8-V5网络配置文件解读.mp4.mp4
│  └─└┈9-Focus模块流程分析.mp4.mp4
├─13_面向深度学习的无人驾驶实战
│  ├─10_NeuralRecon项目源码解读
│  │  ├┈1-Backbone得到特征图.mp4.mp4
│  │  ├┈2-初始化体素位置.mp4.mp4
│  │  ├┈3-坐标映射方法实现.mp4.mp4
│  │  ├┈4-得到体素所对应特征图.mp4.mp4
│  │  ├┈5-插值得到对应特征向量.mp4.mp4
│  │  ├┈6-得到一阶段输出结果.mp4.mp4
│  │  ├┈7-完成三个阶段预测结果.mp4.mp4
│  │  └┈8-项目总结2.mp4.mp4
│  ├─11_TSDF算法与应用
│  │  ├┈1-TSDF整体概述分析.mp4.mp4
│  │  ├┈2-合成过程DEMO演示.mp4.mp4
│  │  ├┈3-布局初始化操作.mp4.mp4
│  │  ├┈4-TSDF计算基本流程解读.mp4.mp4
│  │  ├┈5-坐标转换流程分析.mp4.mp4
│  │  └┈6-输出结果融合更新.mp4.mp4
│  ├─12_TSDF实战案例
│  │  ├┈1-环境配置概述.mp4.mp4
│  │  ├┈2-初始化与数据读取.mp4.mp4
│  │  └┈3-计算得到TSDF输出.mp4.mp4
│  ├─13_轨迹估计算法与论文解读
│  │  ├┈1-数据集与标注信息解读.mp4.mp4
│  │  ├┈2-整体三大模块分析.mp4.mp4
│  │  ├┈3-特征工程的作用与效果.mp4.mp4
│  │  ├┈4-传统方法与现在向量空间对比.mp4.mp4
│  │  ├┈5-输入细节分析.mp4.mp4
│  │  ├┈6-子图模块构建方法.mp4.mp4
│  │  ├┈7-特征融合模块分析.mp4.mp4
│  │  └┈8-VectorNet输出层分析.mp4.mp4
│  ├─14_轨迹估计预测实战
│  │  ├┈1-数据与环境配置..mp4.mp4
│  │  ├┈2-训练数据准备.mp4.mp4
│  │  ├┈3-Agent特征提取方法.mp4.mp4
│  │  ├┈4-DataLoader构建图结构.mp4.mp4
│  │  └┈5-SubGraph与Attention模型流程.mp4.mp4
│  ├─15_特斯拉无人驾驶解读
│  │  └┈15-特斯拉无人驾驶解读.mp4.mp4
│  ├─1_深度估计算法原理解读
│  │  ├┈1-深度估计效果与应用.mp4.mp4
│  │  ├┈10-损失计算.mp4.mp4
│  │  ├┈2-kitti数据集介绍.mp4.mp4
│  │  ├┈3-使用backbone获取层级特征.mp4.mp4
│  │  ├┈4-差异特征计算边界信息.mp4.mp4
│  │  ├┈5-SPP层的作用.mp4.mp4
│  │  ├┈6-空洞卷积与ASPP.mp4.mp4
│  │  ├┈7-特征拼接方法分析.mp4.mp4
│  │  ├┈8-网络coarse-to-fine过程.mp4.mp4
│  │  └┈9-权重参数预处理.mp4.mp4
│  ├─2_深度估计项目实战
│  │  ├┈1-项目环境配置解读1.mp4.mp4
│  │  ├┈10-模型DEMO输出结果.mp4.mp4
│  │  ├┈2-数据与标签定义方法.mp4.mp4
│  │  ├┈3-数据集dataloader制作.mp4.mp4
│  │  ├┈4-使用backbone进行特征提取.mp4.mp4
│  │  ├┈5-计算差异特征.mp4.mp4
│  │  ├┈6-权重参数标准化操作.mp4.mp4
│  │  ├┈7-网络结构ASPP层.mp4.mp4
│  │  ├┈8-输出深度估计结果.mp4.mp4
│  │  ├┈8-特征拼接方法解读.mp4.mp4
│  │  └┈9-损失函数通俗解读.mp4.mp4
│  ├─3_车道线检测算法与论文解读
│  │  ├┈1-数据标签与任务分析.mp4.mp4
│  │  ├┈2-网络整体框架分析.mp4.mp4
│  │  ├┈3-输出结果分析.mp4.mp4
│  │  ├┈4-损失函数计算方法.mp4.mp4
│  │  └┈5-论文概述分析.mp4.mp4
│  ├─4_基于深度学习的车道线检测项目实战
│  │  ├┈1-车道数据与标签解读.mp4.mp4
│  │  ├┈10-车道线规则损失函数限制.mp4.mp4
│  │  ├┈11-DEMO制作与配置.mp4.mp4
│  │  ├┈2-项目环境配置演示.mp4.mp4
│  │  ├┈3-制作数据集dataloader.mp4.mp4
│  │  ├┈4-车道线标签数据处理.mp4.mp4
│  │  ├┈5-四条车道线标签位置矩阵.mp4.mp4
│  │  ├┈6-grid设置方法.mp4.mp4
│  │  ├┈7-完成数据与标签制作.mp4.mp4
│  │  ├┈8-算法网络结构解读.mp4.mp4
│  │  └┈9-损失函数计算模块分析.mp4.mp4
│  ├─5_商汤LoFTR算法解读
│  │  ├┈1-特征匹配的应用场景.mp4.mp4
│  │  ├┈10-总结分析.mp4.mp4
│  │  ├┈2-特征匹配的基本流程分析.mp4.mp4
│  │  ├┈3-整体流程梳理分析.mp4.mp4
│  │  ├┈4-CROSsAttention的作用与效果.mp4.mp4
│  │  ├┈5-transfORMer构建匹配特征.mp4.mp4
│  │  ├┈6-粗粒度匹配过程与作用.mp4.mp4
│  │  ├┈7-特征图拆解操作.mp4.mp4
│  │  ├┈8-细粒度匹配的作用与方法.mp4.mp4
│  │  └┈9-基于期望预测最终位置.mp4.mp4
│  ├─6_局部特征关键点匹配实战
│  │  ├┈1-项目与参数配置解读.mp4.mp4
│  │  ├┈10-得到精细化输出结果.mp4.mp4
│  │  ├┈11-通过期望计算最终输出.mp4.mp4
│  │  ├┈2-DEMO效果演示.mp4.mp4
│  │  ├┈3-backbone特征提取模块.mp4.mp4
│  │  ├┈4-注意力机制的作用与效果分析.mp4.mp4
│  │  ├┈5-特征融合模块实现方法.mp4.mp4
│  │  ├┈6-cross关系计算方法实例.mp4.mp4
│  │  ├┈7-粗粒度匹配过程.mp4.mp4
│  │  ├┈8-完成基础匹配模块.mp4.mp4
│  │  └┈9-精细化调整方法与实例.mp4.mp4
│  ├─7_三维重建应用与坐标系基础
│  │  ├┈1-三维重建概述分析.mp4.mp4
│  │  ├┈2-三维重建应用领域概述.mp4.mp4
│  │  ├┈3-成像方法概述.mp4.mp4
│  │  ├┈4-相机坐标系.mp4.mp4
│  │  ├┈5-坐标系转换方法解读.mp4.mp4
│  │  ├┈6-相机内外参.mp4.mp4
│  │  ├┈7-通过内外参数进行坐标变换.mp4.mp4
│  │  └┈8-相机标定简介.mp4.mp4
│  ├─8_NeuralRecon算法解读
│  │  ├┈1-任务流程分析.mp4.mp4
│  │  ├┈2-基本框架熟悉.mp4.mp4
│  │  ├┈3-特征映射方法解读.mp4.mp4
│  │  ├┈4-片段融合思想.mp4.mp4
│  │  └┈5-整体架构重构方法.mp4.mp4
│  └─9_NeuralRecon项目环境配置
│  └─├┈1-数据集下载与配置方法.mp4.mp4
│  └─├┈2-Scannet数据集内容概述.mp4.mp4
│  └─├┈3-TSDF标签生成方法.mp4.mp4
│  └─├┈4-ISSUE的作用.mp4.mp4
│  └─└┈5-完成依赖环境配置.mp4.mp4
├─14_缺陷检测实战
│  ├─10_基于视频流水线的opencv缺陷检测项目
│  │  ├┈1-数据与任务概述.mp4.mp4
│  │  ├┈2-视频数据读取与轮廓检测.mp4.mp4
│  │  ├┈3-目标质心计算.mp4.mp4
│  │  ├┈4-视频数据遍历方法.mp4.mp4
│  │  ├┈5-缺陷区域提取.mp4.mp4
│  │  ├┈6-不同类型的缺陷检测方法.mp4.mp4
│  │  └┈7-检测效果演示.mp4.mp4
│  ├─11_图像分割deeplab系列算法
│  │  ├┈1-deeplab分割算法概述.mp4.mp4
│  │  ├┈2-空洞卷积的作用.mp4.mp4
│  │  ├┈3-感受野的意义.mp4.mp4
│  │  ├┈4-SPP层的作用.mp4.mp4
│  │  ├┈5-ASPP特征融合策略.mp4.mp4
│  │  └┈6-deeplabV3PLUS版本网络架构.mp4.mp4
│  ├─12_基于deeplabV3+版本进行VOC分割实战
│  │  ├┈1-PascalVoc数据集介绍.mp4.mp4
│  │  ├┈2-项目参数与数据集读取.mp4.mp4
│  │  ├┈3-网络前向传播流程.mp4.mp4
│  │  ├┈4-ASPP层特征融合.mp4.mp4
│  │  └┈5-分割模型训练.mp4.mp4
│  ├─13_Deeplab铁质材料缺陷检测与开源项目应用流程
│  │  ├┈1-数据集与任务概述..mp4.mp4
│  │  ├┈2-开源项目应用方法.mp4.mp4
│  │  ├┈3-github与Kaggle中需要注意的点.mp4.mp4
│  │  ├┈4-源码的利用方法.mp4.mp4
│  │  ├┈5-数据集制作方法.mp4.mp4
│  │  ├┈6-数据路径配置.mp4.mp4
│  │  ├┈7-训练模型.mp4.mp4
│  │  └┈8-任务总结.mp4.mp4
│  ├─1_课程介绍
│  │  └┈课程介绍3.mp4.mp4
│  ├─2_物体检框架YOLO-V4版本算法解读
│  │  ├┈1-V4版本整体概述.mp4.mp4
│  │  ├┈10-PAN模块解读.mp4.mp4
│  │  ├┈11-激活函数与整体架构总结.mp4.mp4
│  │  ├┈2-V4版本贡献解读.mp4.mp4
│  │  ├┈3-数据增强策略分析.mp4.mp4
│  │  ├┈4-DropBlock与标签平滑方法.mp4.mp4
│  │  ├┈5-损失函数遇到的问题.mp4.mp4
│  │  ├┈6-CIOU损失函数定义.mp4.mp4
│  │  ├┈7-NMS细节改进.mp4.mp4
│  │  ├┈8-SPP与CSP网络结构.mp4.mp4
│  │  └┈9-SAM注意力机制模块.mp4.mp4
│  ├─3_物体检测框架YOLOV5版本项目配置
│  │  ├┈1-整体项目概述.mp4.mp4
│  │  ├┈2-训练自己的数据集方法.mp4.mp4
│  │  ├┈3-训练数据参数配置.mp4.mp4
│  │  └┈4-测试DEMO演示.mp4.mp4
│  ├─4_物体检测框架YOLOV5项目工程源码解读
│  │  ├┈1-数据源DEBUG流程解读.mp4.mp4
│  │  ├┈10-完成配置文件解析任务.mp4.mp4
│  │  ├┈11-前向传播计算.mp4.mp4
│  │  ├┈12-BottleneckCSP层计算方法.mp4.mp4
│  │  ├┈13-1 SPP层计算细节分析.mp4.mp4
│  │  ├┈13-2Head层流程解读.mp4.mp4
│  │  ├┈14-上采样与拼接操作.mp4.mp4
│  │  ├┈15-输出结果分析.mp4.mp4
│  │  ├┈16-超参数解读.mp4.mp4
│  │  ├┈17-命令行参数介绍.mp4.mp4
│  │  ├┈18-训练流程解读.mp4.mp4
│  │  ├┈19-各种训练策略概述.mp4.mp4
│  │  ├┈2-图像数据源配置.mp4.mp4
│  │  ├┈20-模型迭代过程.mp4.mp4
│  │  ├┈3-加载标签数据.mp4.mp4
│  │  ├┈4-MoSAIc数据增强方法.mp4.mp4
│  │  ├┈5-数据四合一方法与流程演示.mp4.mp4
│  │  ├┈6-getItem构建batch.mp4.mp4
│  │  ├┈7-网络架构图可视化工具安装.mp4.mp4
│  │  ├┈8-V5网络配置文件解读.mp4.mp4
│  │  └┈9-Focus模块流程分析.mp4.mp4
│  ├─5_基于YOLOV5的钢材缺陷检测实战
│  │  ├┈1-任务需求与项目概述.mp4.mp4
│  │  ├┈2-数据与标签配置方法.mp4.mp4
│  │  ├┈3-标签转换格式脚本制作.mp4.mp4
│  │  ├┈4-各版本模型介绍分析.mp4.mp4
│  │  ├┈5-项目参数配置.mp4.mp4
│  │  ├┈6-缺陷检测模型训练.mp4.mp4
│  │  └┈7-输出结果与项目总结.mp4.mp4
│  ├─6_SEMi-supervised布料缺陷检测实战
│  │  ├┈1-任务目标与流程概述.mp4.mp4
│  │  ├┈2-论文思想与模型分析.mp4.mp4
│  │  ├┈3-项目配置解读.mp4.mp4
│  │  ├┈4-网络流程分析.mp4.mp4
│  │  └┈5-输出结果展示.mp4.mp4
│  ├─7_Opencv图像常用处理方法实例
│  │  ├┈1-腐蚀操作.mp4.mp4
│  │  ├┈1-计算机眼中的图像.mp4.mp4
│  │  ├┈1-图像阈值.mp4.mp4
│  │  ├┈2-膨胀操作.mp4.mp4
│  │  ├┈2-视频的读取与处理.mp4.mp4
│  │  ├┈2-图像平滑处理.mp4.mp4
│  │  ├┈3-ROI区域.mp4.mp4
│  │  ├┈3-高斯与中值滤波.mp4.mp4
│  │  ├┈3-开运算与闭运算.mp4.mp4
│  │  ├┈4-边界填充.mp4.mp4
│  │  ├┈4-梯度计算.mp4.mp4
│  │  ├┈5-礼帽与黑帽.mp4.mp4
│  │  └┈5-数值计算.mp4.mp4
│  ├─8_Opencv轮廓检测与直方图
│  │  ├┈1-图像金字塔定义.mp4.mp4
│  │  ├┈1-直方图定义.mp4.mp4
│  │  ├┈2-金字塔制作方法.mp4.mp4
│  │  ├┈2-均衡化原理.mp4.mp4
│  │  ├┈3-均衡化效果.mp4.mp4
│  │  ├┈3-轮廓检测方法.mp4.mp4
│  │  ├┈4-傅里叶概述.mp4.mp4
│  │  ├┈4-轮廓检测结果.mp4.mp4
│  │  ├┈5-轮廓特征与近似.mp4.mp4
│  │  ├┈5-频域变换结果.mp4.mp4
│  │  ├┈6-低通与高通滤波.mp4.mp4
│  │  ├┈6-模板匹配方法.mp4.mp4
│  │  └┈7-匹配效果展示.mp4.mp4
│  ├─8_Opencv梯度计算与边缘检测实例
│  │  ├┈1-Canny边缘检测流程.mp4.mp4
│  │  ├┈1-Sobel算子.mp4.mp4
│  │  ├┈2-非极大值抑制.mp4.mp4
│  │  ├┈2-梯度计算方法.mp4.mp4
│  │  ├┈3-scharr与lapkacian算子.mp4.mp4
│  │  └┈3-边缘检测效果.mp4.mp4
│  └─9_基于Opencv缺陷检测项目实战
│  └─├┈1-任务需求与环境配置.mp4.mp4
│  └─├┈2-数据读取与基本处理.mp4.mp4
│  └─├┈3-缺陷形态学操作.mp4.mp4
│  └─├┈4-整体流程解读.mp4.mp4
│  └─└┈5-缺陷检测效果演示.mp4.mp4
├─15_行人重识别实战
│  ├─1_行人重识别原理及其应用
│  │  ├┈1-行人重识别要解决的问题.mp4.mp4
│  │  ├┈2-挑战与困难分析.mp4.mp4
│  │  ├┈3-评估标准rank1指标.mp4.mp4
│  │  ├┈4-map值计算方法.mp4.mp4
│  │  ├┈5-trIPlet损失计算实例.mp4.mp4
│  │  └┈6-Hard-Negative方法应用.mp4.mp4
│  ├─2_基于注意力机制的Reld模型论文解读
│  │  ├┈1-论文整体思想及注意力机制的作用解读.mp4.mp4
│  │  ├┈2-空间权重值计算流程分析.mp4.mp4
│  │  ├┈3-融合空间注意力所需特征.mp4.mp4
│  │  └┈4-基于特征图的注意力计算.mp4.mp4
│  ├─3_基于Attention的行人重识别项目实战
│  │  ├┈1-项目环境与数据集配置.mp4.mp4
│  │  ├┈2-参数配置与整体架构分析.mp4.mp4
│  │  ├┈3-进入debug模式解读网络计算流程.mp4.mp4
│  │  ├┈4-获得空间位置点之间的关系.mp4.mp4
│  │  ├┈5-组合关系特征图.mp4.mp4
│  │  ├┈6-计算得到位置权重值.mp4.mp4
│  │  ├┈7-基于特征图的权重计算.mp4.mp4
│  │  ├┈8-损失函数计算实例解读.mp4.mp4
│  │  └┈9-训练与测试模块演示.mp4.mp4
│  ├─4_AAAI2020顶会算法精讲
│  │  ├┈1-论文整体框架概述.mp4.mp4
│  │  ├┈2-局部特征与全局关系计算方法.mp4.mp4
│  │  ├┈3-特征分组方法.mp4.mp4
│  │  ├┈4-GCP模块特征融合方法.mp4.mp4
│  │  ├┈5-oneVsReset方法实例.mp4.mp4
│  │  └┈6-损失函数应用位置.mp4.mp4
│  ├─5_项目实战-基于行人局部特征融合的再识别实战
│  │  ├┈1-项目配置与数据集介绍.mp4.mp4
│  │  ├┈10-得到所有分组特征结果.mp4.mp4
│  │  ├┈11-损失函数与训练过程演示.mp4.mp4
│  │  ├┈12-测试与验证模块.mp4.mp4
│  │  ├┈2-数据源构建方法分析.mp4.mp4
│  │  ├┈3-dataloader加载顺序解读.mp4.mp4
│  │  ├┈4-debug模式解读.mp4.mp4
│  │  ├┈5-网络计算整体流程演示.mp4.mp4
│  │  ├┈6-特征序列构建.mp4.mp4
│  │  ├┈7-GCP全局特征提取.mp4.mp4
│  │  ├┈8-局部特征提取实例.mp4.mp4
│  │  └┈9-特征组合汇总.mp4.mp4
│  ├─6_旷视研究院最新算法解读（基于图模型）
│  │  ├┈1-关键点位置特征构建.mp4.mp4
│  │  ├┈2-图卷积与匹配的作用.mp4.mp4
│  │  ├┈3-局部特征热度图计算.mp4.mp4
│  │  ├┈4-基于图卷积构建人体拓扑关系.mp4.mp4
│  │  ├┈5-图卷积模块实现方法.mp4.mp4
│  │  ├┈6-图匹配在行人重识别中的作用.mp4.mp4
│  │  └┈7-整体算法框架分析.mp4.mp4
│  └─7_基于拓扑图的行人重识别项目实战
│  └─├┈1-数据集与环境配置概述.mp4.mp4
│  └─├┈10-整体项目总结.mp4.mp4
│  └─├┈2-局部特征准备方法.mp4.mp4
│  └─├┈3-得到一阶段热度图结果.mp4.mp4
│  └─├┈4-阶段监督训练.mp4.mp4
│  └─├┈5-初始化图卷积模型.mp4.mp4
│  └─├┈6-mask矩阵的作用.mp4.mp4
│  └─├┈7-邻接矩阵学习与更新.mp4.mp4
│  └─├┈8-基于拓扑结构组合关键点特征.mp4.mp4
│  └─└┈9-图匹配模块计算流程.mp4.mp4
├─16_对抗生成网络实战
│  ├─1_课程介绍
│  │  └┈课程介绍.mp4.mp4
│  ├─2_对抗生成网络架构原理与实战解析
│  │  ├┈1-对抗生成网络通俗解释.mp4.mp4
│  │  ├┈2-GAN网络组成.mp4.mp4
│  │  ├┈3-损失函数解释说明.mp4.mp4
│  │  ├┈4-数据读取模块.mp4.mp4
│  │  └┈5-生成与判别网络定义.mp4.mp4
│  ├─3_基于CycleGan开源项目实战图像合成
│  │  ├┈1-CycleGan网络所需数据.mp4.mp4
│  │  ├┈10-额外补充：VISDOM可视化配置.mp4.mp4
│  │  ├┈2-CycleGan整体网络架构.mp4.mp4
│  │  ├┈3-PatchGan判别网络原理.mp4.mp4
│  │  ├┈4-Cycle开源项目简介.mp4.mp4
│  │  ├┈5-数据读取与预处理操作.mp4.mp4
│  │  ├┈6-生成网络模块构造.mp4.mp4
│  │  ├┈7-判别网络模块构造.mp4.mp4
│  │  ├┈8-损失函数：identity loss计算方法.mp4.mp4
│  │  └┈9-生成与判别损失函数指定.mp4.mp4
│  ├─4_stargan论文架构解析
│  │  ├┈1-stargan效果演示分析.mp4.mp4
│  │  ├┈2-网络架构整体思路解读.mp4.mp4
│  │  ├┈3-建模流程分析.mp4.mp4
│  │  ├┈4-V1版本存在的问题及后续改进思路.mp4.mp4
│  │  ├┈5-V2版本在整体网络架构.mp4.mp4
│  │  ├┈6-编码器训练方法.mp4.mp4
│  │  ├┈7-损失函数公式解析.mp4.mp4
│  │  └┈8-训练过程分析.mp4.mp4
│  ├─5_stargan项目实战及其源码解读
│  │  ├┈1-项目配置与数据源下载.mp4.mp4
│  │  ├┈10-测试模块效果与实验分析.mp4.mp4
│  │  ├┈2-测试效果演示.mp4.mp4
│  │  ├┈3-项目参数解析.mp4.mp4
│  │  ├┈4-生成器模块源码解读.mp4.mp4
│  │  ├┈5-所有网络模块构建实例.mp4.mp4
│  │  ├┈6-数据读取模块分析.mp4.mp4
│  │  ├┈7-判别器损失计算.mp4.mp4
│  │  ├┈8-损失计算详细过程.mp4.mp4
│  │  └┈9-生成模块损失计算.mp4.mp4
│  ├─6_基于starganVC++2的变声器论文原理解读
│  │  ├┈1-论文整体思路与架构解读.mp4.mp4
│  │  ├┈2-VC/C++2016输入数据.mp4.mp4
│  │  ├┈3-语音特征提取.mp4.mp4
│  │  ├┈4-生成器模型架构分析.mp4.mp4
│  │  ├┈5-InstanCENorm的作用解读.mp4.mp4
│  │  ├┈6-AdaIn的目的与效果.mp4.mp4
│  │  └┈7-判别器模块分析.mp4.mp4
│  ├─7_starganvc2变声器项目实战及其源码解读
│  │  ├┈1-数据与项目文件解读.mp4.mp4
│  │  ├┈10-源码损失计算流程.mp4.mp4
│  │  ├┈11-测试模块-生成转换语音.mp4.mp4
│  │  ├┈2-环境配置与工具包安装.mp4.mp4
│  │  ├┈3-数据预处理与声音特征提取.mp4.mp4
│  │  ├┈4-生成器构造模块解读.mp4.mp4
│  │  ├┈5-下采样与上采样操作.mp4.mp4
│  │  ├┈6-starganvc2版本标签输入分析.mp4.mp4
│  │  ├┈7-生成器前向传播维度变化.mp4.mp4
│  │  ├┈8-判别器模块解读.mp4.mp4
│  │  └┈9-论文损失函数.mp4.mp4
│  ├─8_图像超分辨率重构实战
│  │  ├┈1-论文概述.mp4.mp4
│  │  ├┈2-网络架构.mp4.mp4
│  │  ├┈3-数据与环境配置.mp4.mp4
│  │  ├┈4-数据加载与配置.mp4.mp4
│  │  ├┈5-生成模块.mp4.mp4
│  │  ├┈6-判别模块.mp4.mp4
│  │  ├┈7-VGG特征提取网络.mp4.mp4
│  │  ├┈8-损失函数与训练.mp4.mp4
│  │  └┈9-测试模块.mp4.mp4
│  └─9_基于GAN的图像补全实战
│  └─├┈1-.论文概述.mp4.mp4
│  └─├┈2-网络架构11.mp4.mp4
│  └─├┈3- 细节设计.mp4.mp4
│  └─├┈4- 论文总结.mp4.mp4
│  └─├┈5- 数据与项目概述.mp4.mp4
│  └─├┈6- 参数基本设计.mp4.mp4
│  └─├┈7- 网络结构配置.mp4.mp4
│  └─├┈8- 网络迭代训练.mp4.mp4
│  └─└┈9- 测试模块.mp4.mp4
├─17_强化学习实战系列
│  ├─1_强化学习简介及其应用
│  │  ├┈1-一张图通俗解释强化学习.mp4.mp4
│  │  ├┈2-强化学习的指导依据.mp4.mp4
│  │  ├┈3-强化学习AI游戏DEMO.mp4.mp4
│  │  ├┈4-应用领域简介.mp4.mp4
│  │  ├┈5-强化学习工作流程.mp4.mp4
│  │  └┈6-计算机眼中的状态与行为.mp4.mp4
│  ├─2_PPO算法与公式推导
│  │  ├┈1-基本情况介绍.mp4.mp4
│  │  ├┈2-与环境交互得到所需数据.mp4.mp4
│  │  ├┈3-要完成的目标分析.mp4.mp4
│  │  ├┈4-策略梯度推导.mp4.mp4
│  │  ├┈5-baseline方法.mp4.mp4
│  │  ├┈6-OnPolicy与OffPolicy策略.mp4.mp4
│  │  ├┈7-importance sampling的作用.mp4.mp4
│  │  └┈8-PPO算法整体思路解析.mp4.mp4
│  ├─3_PPO实战-月球登陆器训练实例
│  │  ├┈1-Critic的作用与效果.mp4.mp4
│  │  ├┈2-PPO2版本公式解读.mp4.mp4
│  │  ├┈3-参数与网络结构定义.mp4.mp4
│  │  ├┈4-得到动作结果.mp4.mp4
│  │  ├┈5-奖励获得与计算.mp4.mp4
│  │  └┈6-参数迭代与更新.mp4.mp4
│  ├─4_Q-learning与DQN算法
│  │  ├┈1-算法原理通俗解读.mp4.mp4
│  │  ├┈2-目标函数与公式解析.mp4.mp4
│  │  ├┈3-Qlearning算法实例解读.mp4.mp4
│  │  ├┈4-Q值迭代求解.mp4.mp4
│  │  └┈5-DQN简介.mp4.mp4
│  ├─5_DQN算法实例演示
│  │  ├┈1-整体任务流程演示.mp4.mp4
│  │  ├┈2-探索与action获取.mp4.mp4
│  │  ├┈3-计算target值.mp4.mp4
│  │  └┈4-训练与更新.mp4.mp4
│  ├─6_DQN改进与应用技巧
│  │  ├┈1-DOU+bleDqn要解决的问题.mp4.mp4
│  │  ├┈2-DuelingDqn改进方法.mp4.mp4
│  │  ├┈3-Dueling整体网络架构分析.mp4.mp4
│  │  ├┈4-MultiSetp策略.mp4.mp4
│  │  └┈5-连续动作处理方法.mp4.mp4
│  ├─7_Actor-Critic算法分析（A3C）
│  │  ├┈1-AC算法回顾与知识点总结.mp4.mp4
│  │  ├┈2-优势函数解读与分析.mp4.mp4
│  │  ├┈3-计算流程实例.mp4.mp4
│  │  ├┈4-A3C整体架构分析.mp4.mp4
│  │  └┈5-损失函数整理.mp4
│  └─8_用A3C玩转超级马里奥
│  └─├┈1-整体流程与环境配置.mp4.mp4
│  └─├┈2-启动游戏环境.mp4.mp4
│  └─├┈3-要计算的指标回顾.mp4.mp4
│  └─├┈4-初始化局部模型并加载参数.mp4.mp4
│  └─├┈5-与环境交互得到训练数据.mp4.mp4
│  └─└┈6-训练网络模型.mp4.mp4
├─18_面向医学领域的深度学习实战
│  ├─10_基于deeplab的心脏视频数据诊断分析
│  │  ├┈1-数据集与任务概述1.mp4.mp4
│  │  ├┈2-项目基本配置参数1.mp4.mp4
│  │  ├┈3-任务流程解读1.mp4.mp4
│  │  ├┈4-文献报告分析1.mp4.mp4
│  │  ├┈5-补充：视频数据源特征处理方法概述1.mp4.mp4
│  │  └┈6-补充：R(2plus1)D处理方法分析1.mp4.mp4
│  ├─11_YOLO系列物体检测算法原理解读
│  │  ├┈1-V2版本细节升级概述.mp4.mp4
│  │  ├┈1-V3版本改进概述.mp4.mp4
│  │  ├┈1-V4版本整体概述.mp4.mp4
│  │  ├┈1-YOLO算法整体思路解读.mp4.mp4
│  │  ├┈1-检测任务中阶段的意义.mp4.mp4
│  │  ├┈10-PAN模块解读.mp4.mp4
│  │  ├┈11-激活函数与整体架构总结.mp4.mp4
│  │  ├┈2-V4版本贡献解读.mp4.mp4
│  │  ├┈2-不同阶段算法优缺点分析.mp4.mp4
│  │  ├┈2-多scale方法改进与特征融合.mp4.mp4
│  │  ├┈2-检测算法要得到的结果.mp4.mp4
│  │  ├┈2-网络结构特点.mp4.mp4
│  │  ├┈3-IOU指标计算.mp4.mp4
│  │  ├┈3-架构细节解读.mp4.mp4
│  │  ├┈3-经典变换方法对比分析.mp4.mp4
│  │  ├┈3-数据增强策略分析.mp4.mp4
│  │  ├┈3-整体网络架构解读.mp4.mp4
│  │  ├┈4-DropBlock与标签平滑方法.mp4.mp4
│  │  ├┈4-残差连接方法解读.mp4.mp4
│  │  ├┈4-基于聚类来选择先验框尺寸.mp4.mp4
│  │  ├┈4-评估所需参数计算.mp4.mp4
│  │  ├┈4-位置损失计算.mp4.mp4
│  │  ├┈5-map指标计算.mp4.mp4
│  │  ├┈5-偏移量计算方法.mp4.mp4
│  │  ├┈5-损失函数遇到的问题.mp4.mp4
│  │  ├┈5-整体网络模型架构分析.mp4.mp4
│  │  ├┈5-置信度误差与优缺点分析.mp4.mp4
│  │  ├┈6-CIOU损失函数定义.mp4.mp4
│  │  ├┈6-先验框设计改进.mp4.mp4
│  │  ├┈6-坐标映射与还原.mp4.mp4
│  │  ├┈7-NMS细节改进.mp4.mp4
│  │  ├┈7-sotfmaX层改进.mp4.mp4
│  │  ├┈7-感受野的作用.mp4.mp4
│  │  ├┈8-SPP与CSP网络结构.mp4.mp4
│  │  ├┈8-特征融合改进.mp4.mp4
│  │  ├┈9-SAM注意力机制模块.mp4.mp4
│  │  └┈目录.txt
│  ├─12_基于YOLO5细胞检测实战
│  │  ├┈1-任务与细胞数据集介绍.mp4.mp4
│  │  ├┈2-模型与算法配置参数解读.mp4.mp4
│  │  ├┈3-网络训练流程演示.mp4.mp4
│  │  ├┈4-效果评估与展示.mp4.mp4
│  │  └┈5-细胞检测效果演示.mp4.mp4
│  ├─13_知识图谱原理解读
│  │  ├┈1-数据关系抽取分析.mp4.mp4
│  │  ├┈1-知识图谱通俗解读.mp4.mp4
│  │  ├┈2-常用NLP技术点分析.mp4.mp4
│  │  ├┈2-知识图谱在搜索引擎中的应用.mp4.mp4
│  │  ├┈3-graph-embedding的作用与效果.mp4.mp4
│  │  ├┈3-知识图谱在医疗领域应用实例.mp4.mp4
│  │  ├┈4-金融领域图编码实例.mp4.mp4
│  │  ├┈4-金融与推荐领域的应用.mp4.mp4
│  │  ├┈5-视觉领域图编码实例.mp4.mp4
│  │  ├┈5-数据获取分析.mp4.mp4
│  │  ├┈6-图谱知识融合与总结分析.mp4.mp4
│  │  └┈目录.txt
│  ├─14_Neo4j数据库实战
│  │  ├┈1-Neo4j图数据库介绍.mp4.mp4
│  │  ├┈2-Neo4j数据库安装流程演示.mp4.mp4
│  │  ├┈3-可视化例子演示.mp4.mp4
│  │  ├┈4-创建与删除操作演示.mp4.mp4
│  │  └┈5-数据库更改查询操作演示.mp4.mp4
│  ├─15_基于知识图谱的医药问答系统实战
│  │  ├┈1-项目概述与整体架构分析.mp4.mp4
│  │  ├┈10-完成对话系统构建.mp4.mp4
│  │  ├┈2-医疗数据介绍及其各字段含义.mp4.mp4
│  │  ├┈3-任务流程概述.mp4.mp4
│  │  ├┈4-环境配置与所需工具包安装.mp4.mp4
│  │  ├┈5-数据获取分析.mp4.mp4
│  │  ├┈5-提取数据中的关键字段信息.mp4.mp4
│  │  ├┈6-创建关系边.mp4.mp4
│  │  ├┈7-打造医疗知识图谱模型.mp4.mp4
│  │  ├┈8-加载所有实体数据.mp4.mp4
│  │  └┈9-实体关键词字典制作.mp4.mp4
│  ├─16_词向量模型与RNN网络架构
│  │  ├┈2-1词向量模型通俗解释.mp4.mp4
│  │  ├┈3-1模型整体框架.mp4.mp4
│  │  ├┈4-1训练数据构建.mp4.mp4
│  │  ├┈5-1CBOW与Skip-gram模型.mp4.mp4
│  │  ├┈6-1负采样方案.mp4.mp4
│  │  ├┈额外补充-RNN网络模型解读.mp4.mp4
│  │  └┈目录.txt
│  ├─17_医学糖尿病数据命名实体识别
│  │  ├┈1-数据与任务介绍1.mp4.mp4
│  │  ├┈2-整体模型架构1.mp4.mp4
│  │  ├┈3-数据-标签-语料库处理1.mp4.mp4
│  │  ├┈4-输入样本填充补齐1.mp4.mp4
│  │  ├┈5-训练网络模型1.mp4.mp4
│  │  └┈6-医疗数据集（糖尿病）实体识别1.mp4.mp4
│  ├─1_卷积神经网络原理与参数解读
│  │  ├┈1-1卷积神经网络应用领域.mp4.mp4
│  │  ├┈10-1VGG网络架构.mp4.mp4
│  │  ├┈11-1残差网络Resnet.mp4.mp4
│  │  ├┈12-感受野的作用.mp4.mp4
│  │  ├┈2-1卷积的作用.mp4.mp4
│  │  ├┈3-1卷积特征值计算方法.mp4.mp4
│  │  ├┈4-1得到特征图表示.mp4.mp4
│  │  ├┈5-1步长与卷积核大小对结果的影响.mp4.mp4
│  │  ├┈6-1边缘填充方法.mp4.mp4
│  │  ├┈7-1特征图尺寸计算与参数共享.mp4.mp4
│  │  ├┈8-1池化层的作用.mp4.mp4
│  │  └┈9-1整体网络架构.mp4.mp4
│  ├─2_PyTorch框架基本处理操作
│  │  ├┈1-PyTorch实战课程简介.mp4.mp4
│  │  ├┈2-PyTorch框架发展趋势简介1.mp4.mp4
│  │  ├┈3-框架安装方法（CPU与GPU版本）1.mp4.mp4
│  │  ├┈4-PyTorch基本操作简介1.mp4.mp4
│  │  ├┈5-自动求导机制.mp4.mp4
│  │  ├┈6线性回归DEMO-数据与参数配置1.mp4.mp4
│  │  ├┈7线性回归DEMO-训练回归模型1.mp4.mp4
│  │  ├┈8常见tensor格式1.mp4.mp4
│  │  └┈9Hub模块简介1.mp4.mp4
│  ├─3_PyTorch框架必备核心模块解读
│  │  ├┈1-卷积网络参数定义1.mp4.mp4
│  │  ├┈10-加载训练好的网络模型1.mp4.mp4
│  │  ├┈11-优化器模块配置1.mp4.mp4
│  │  ├┈12-实现训练模块1.mp4.mp4
│  │  ├┈13-训练结果与模型保存1.mp4.mp4
│  │  ├┈14-加载模型对测试数据进行预测1.mp4.mp4
│  │  ├┈15-额外补充-Resnet论文解读1.mp4.mp4
│  │  ├┈16-额外补充-Resnet网络架构解读1.mp4.mp4
│  │  ├┈2-网络流程解读1.mp4.mp4
│  │  ├┈3-Vision模块功能解读1.mp4.mp4
│  │  ├┈4-分类任务数据集定义与配置1.mp4.mp4
│  │  ├┈5-图像增强的作用1.mp4.mp4
│  │  ├┈6-数据预处理与数据增强模块1.mp4.mp4
│  │  ├┈7-Batch数据制作1.mp4.mp4
│  │  ├┈8-迁移学习的目标1.mp4.mp4
│  │  └┈9-迁移学习策略1.mp4.mp4
│  ├─4_基于Resnet的医学数据集分类实战
│  │  ├┈1-医学疾病数据集介绍.mp4.mp4
│  │  ├┈2-Resnet网络架构原理分析.mp4.mp4
│  │  ├┈3-dataloader加载数据集.mp4.mp4
│  │  ├┈4-Resnet网络前向传播.mp4.mp4
│  │  ├┈5-残差网络的shortcut操作.mp4.mp4
│  │  ├┈6-特征图升维与降采样操作.mp4.mp4
│  │  └┈7-网络整体流程与训练演示.mp4.mp4
│  ├─5_图像分割及其损失函数概述
│  │  ├┈1-语义分割与实例分割概述.mp4.mp4
│  │  ├┈2-分割任务中的目标函数定义.mp4.mp4
│  │  └┈3-MIOU评估标准.mp4.mp4
│  ├─6_Unet系列算法讲解
│  │  ├┈1-Unet网络编码与解码过程.mp4.mp4
│  │  ├┈2-网络计算流程1.mp4.mp4
│  │  ├┈3-Unet升级版本改进1.mp4.mp4
│  │  └┈4-后续升级版本介绍1.mp4.mp4
│  ├─7_unet医学细胞分割实战
│  │  ├┈1-医学细胞数据集介绍与参数配置.mp4.mp4
│  │  ├┈2-数据增强工具.mp4.mp4
│  │  ├┈3-Debug模式演示网络计算流程.mp4.mp4
│  │  ├┈4-特征融合方法演示.mp4.mp4
│  │  ├┈5-迭代完成整个模型计算任务.mp4.mp4
│  │  └┈6-模型效果验证.mp4.mp4
│  ├─8_deeplab系列算法
│  │  ├┈1-deeplab分割算法概述.mp4.mp4
│  │  ├┈2-空洞卷积的作用.mp4.mp4
│  │  ├┈3-感受野的意义.mp4.mp4
│  │  ├┈4-SPP层的作用.mp4.mp4
│  │  ├┈5-ASPP特征融合策略.mp4.mp4
│  │  └┈6-deeplabV3Plus版本网络架构.mp4.mp4
│  └─9_基于deeplabV3+版本进行VOC分割实战
│  └─├┈1-PascalVoc数据集介绍.mp4.mp4
│  └─├┈2-项目参数与数据集读取.mp4.mp4
│  └─├┈3-网络前向传播流程.mp4.mp4
│  └─├┈4-ASPP层特征融合.mp4.mp4
│  └─└┈5-分割模型训练.mp4.mp4
├─19_深度学习模型部署与剪枝优化实战
│  ├─3_pyTorch框架部署实践
│  │  ├┈0-课程简介12.mp4.mp4
│  │  ├┈1-所需基本环境配置.mp4.mp4
│  │  ├┈2-模型加载与数据预处理.mp4.mp4
│  │  ├┈3-接收与预测模块实现.mp4.mp4
│  │  └┈4-效果实例演示.mp4.mp4
│  ├─4_YOLO-V3物体检测部署实例
│  │  ├┈1-项目所需配置文件介绍.mp4.mp4
│  │  ├┈2-加载参数与模型权重.mp4.mp4
│  │  ├┈3-数据预处理.mp4.mp4
│  │  └┈4-返回线性预测结果.mp4.mp4
│  ├─5_Docker实例演示
│  │  ├┈1-docker简介.mp4.mp4
│  │  ├┈2-docker安装与配置.mp4.mp4
│  │  ├┈3-阿里云镜像配置.mp4.mp4
│  │  ├┈4-基于docker配置pytorch环境.mp4.mp4
│  │  ├┈5-安装演示环境所需依赖.mp4.mp4
│  │  ├┈6-复制所需配置到容器中.mp4.mp4
│  │  └┈7-上传与下载配置好的项目.mp4.mp4
│  ├─6_tensorflow-serving实战
│  │  ├┈1-tf-serving项目获取与配置.mp4.mp4
│  │  ├┈2-加载并启动模型服务.mp4.mp4
│  │  ├┈3-测试模型部署效果.mp4.mp4
│  │  ├┈4-fashion数据集获取.mp4.mp4
│  │  └┈5-加载fashion模型启动服务.mp4.mp4
│  ├─7_模型剪枝-Network Slimming算法分析
│  │  ├┈1-论文算法核心框架概述.mp4.mp4
│  │  ├┈2-BatchNorm要解决的问题.mp4.mp4
│  │  ├┈3-BN的本质作用.mp4.mp4
│  │  ├┈4-额外的训练参数解读.mp4.mp4
│  │  └┈5-稀疏化原理与效果.mp4.mp4
│  ├─8_模型剪枝-Network Slimming实战解读
│  │  ├┈1-整体案例流程解读.mp4.mp4
│  │  ├┈2-加入L1正则化来进行更新.mp4.mp4
│  │  ├┈3-剪枝模块介绍.mp4.mp4
│  │  ├┈4-筛选需要的特征图.mp4.mp4
│  │  ├┈5-剪枝后模型参数赋值.mp4.mp4
│  │  └┈6-微调完成剪枝模型.mp4.mp4
│  └─9_MoBIlenet三代网络模型架构
│  └─├┈1-模型剪枝分析.mp4.mp4
│  └─├┈10-V2整体架构与效果分析.mp4.mp4
│  └─├┈11-V3版本网络架构分析.mp4.mp4
│  └─├┈12-SE模块作用与效果解读.mp4.mp4
│  └─├┈13-代码实现mobilenetV3网络架构.mp4.mp4
│  └─├┈2-常见剪枝方法介绍.mp4.mp4
│  └─├┈3-mobilenet简介.mp4.mp4
│  └─├┈4-经典卷积计算量与参数量分析.mp4.mp4
│  └─├┈5-深度可分离卷积的作用与效果.mp4.mp4
│  └─├┈6-参数与计算量的比较.mp4.mp4
│  └─├┈7-V1版本效果分析.mp4.mp4
│  └─├┈8-V2版本改进以及Relu激活函数的问题.mp4.mp4
│  └─└┈9-倒残差结构的作用.mp4.mp4
├─1_直播课回放
│  ├─10_直播7：GPT系列算法与实战
│  │  └┈GPT系列算法与实战.mp4
│  ├─11_额外补充：GPT建模与预测流程
│  │  ├┈1.生成模型可以完成的任务概述.mp4
│  │  ├┈2-数据样本生成方法.mp4
│  │  ├┈3-训练所需参数解读.mp4
│  │  ├┈4-模型训练过程.mp4
│  │  └┈5-部署与网页预测展示.mp4
│  ├─12_额外补充：文本摘要建模
│  │  ├┈1-中文商城评价数据处理方法.mp4
│  │  ├┈2-模型训练与测试结果.mp4
│  │  ├┈3-文本摘要数据标注方法.mp4
│  │  └┈4-训练自己标注的数据并测试.mp4
│  ├─13_直播8：知识抽取实战
│  │  └┈知识抽取实战.mp4
│  ├─14_直播9：Openai CLIP模型
│  │  └┈Openai CLIP模型.mp4
│  ├─15_直播10：DeformableDetr算法解读
│  │  └┈DeformableDetr算法解读.mp4
│  ├─16_直播11：OCR算法解读
│  │  └┈OCR算法解读.mp4
│  ├─17_直播12：KIE关键信息抽取与视频超分辨率重构
│  │  └┈KIE关键信息抽取与视频超分辨率重构.mp4
│  ├─18_直播13：对比学习
│  │  └┈1对比学习.mp4
│  ├─1_直播1：开班典礼
│  │  └┈1人工智能CV NLP高薪实战班.mp4
│  ├─2_Pycharm环境配置与Debug演示(没用过的同学必看)
│  │  └┈Pycharm环境配置与Debug演示(没用过的同学必看).mp4
│  ├─3_直播2：深度学习必备基础-神经网络与卷积网络
│  │  └┈1.深度学习必备基础-神经网络与卷积网络.mp4
│  ├─4_直播3：Transformer原理及其各领域应用分析
│  │  └┈Transformer原理及其各领域应用分析.mp4
│  ├─5_额外补充：时间序列预测
│  │  └┈额外补充：时间序列预测.mp4
│  ├─6_直播4：Informer时间序列预测源码解读
│  │  └┈Informer时间序列预测源码解读.mp4
│  ├─7_额外补充：Huggingface与NLP（讲故事）
│  │  └┈Huggingface与NLP（讲故事）.mp4
│  ├─8_直播5：Huggingface核心模块解读
│  │  └┈Huggingface核心模块解读.mp4
│  └─9_直播6：BERT系列模型与命名实体识别实例
│  └─└┈BERT系列模型与命名实体识别实例.mp4
├─20_自然语言处理经典案例实战
│  └┈20_自然语言处理经典案例实战.zip
├─21_自然语言处理通用框架-BERT实战
│  └┈21_自然语言处理通用框架-BERT实战.zip
├─22_知识图谱实战系列
│  └┈22_知识图谱实战系列.zip
├─23_语音识别实战系列
│  └┈23_语音识别实战系列.zip
├─24_推荐系统实战系列
│  └┈24_推荐系统实战系列.zip
├─2_深度学习必备核心算法
│  ├─1_神经网络算法解读
│  │  └┈1-神经网络算法解读.mp4
│  ├─2_卷积神经网络算法解读
│  │  └┈2-卷积神经网络算法解读.mp4
│  └─3_递归神经网络算法解读
│  └─└┈3-递归神经网络算法解读.mp4
├─3_深度学习核心框架PyTorch
│  ├─1_PyTorch框架介绍与配置安装
│  │  ├┈1-PyTorch框架与其他框架区别分析1.mp4.mp4
│  │  └┈2-CPU与GPU版本安装方法解读1.mp4.mp4
│  ├─2_使用神经网络进行分类任务
│  │  ├┈1-数据集与任务概述2.mp4.mp4
│  │  ├┈2-基本模块应用测试2.mp4.mp4
│  │  ├┈3-网络结构定义方法2.mp4.mp4
│  │  ├┈4-数据源定义简介2.mp4.mp4
│  │  ├┈5-损失与训练模块分析2.mp4.mp4
│  │  ├┈6-训练一个基本的分类模型2.mp4.mp4
│  │  └┈7-参数对结果的影响2.mp4.mp4
│  ├─3_神经网络回归任务-气温预测
│  │  └┈神经网络回归任务-气温预测1.mp4.mp4
│  ├─4_卷积网络参数解读分析
│  │  ├┈1-输入特征通道分析2.mp4.mp4
│  │  ├┈2-卷积网络参数解读2.mp4.mp4
│  │  └┈3-卷积网络模型训练2.mp4.mp4
│  ├─5_图像识别模型与训练策略（重点）
│  │  ├┈1-任务分析与图像数据基本处理2.mp4.mp4
│  │  ├┈10-测试结果演示分析1.mp4.mp4
│  │  ├┈2-数据增强模块2.mp4.mp4
│  │  ├┈3-数据集与模型选择1.mp4.mp4
│  │  ├┈4-迁移学习方法解读1.mp4.mp4
│  │  ├┈5-输出层与梯度设置1.mp4.mp4
│  │  ├┈6-输出类别个数修改1.mp4.mp4
│  │  ├┈7-优化器与学习率衰减1.mp4.mp4
│  │  ├┈8-模型训练方法1.mp4.mp4
│  │  └┈9-重新训练全部模型1.mp4.mp4
│  ├─6_DataLoader自定义数据集制作
│  │  ├┈1-Dataloader要完成的任务分析1.mp4.mp4
│  │  ├┈2-图像数据与标签路径处理1.mp4.mp4
│  │  ├┈3-Dataloader中需要实现的方法分析1.mp4.mp4
│  │  └┈4-实用Dataloader加载数据并训练模型1.mp4.mp4
│  ├─7_LSTM文本分类实战
│  │  ├┈1-数据集与任务目标分析1.mp4.mp4
│  │  ├┈2-文本数据处理基本流程分析1.mp4.mp4
│  │  ├┈3-命令行参数与DEBUG1.mp4.mp4
│  │  ├┈4-训练模型所需基本配置参数分析1.mp4.mp4
│  │  ├┈5-预料表与字符切分1.mp4.mp4
│  │  ├┈6-字符预处理转换ID1.mp4.mp4
│  │  ├┈7-LSTM网络结构基本定义1.mp4.mp4
│  │  ├┈8-网络模型预测结果输出1.mp4.mp4
│  │  └┈9-模型训练任务与总结1.mp4.mp4
│  └─8_PyTorch框架flask部署例子
│  └─├┈1-基本结构与训练好的模型加载.mp4.mp4
│  └─├┈2-服务端处理与预测函数.mp4.mp4
│  └─└┈3-基于Flask测试模型预测结果.mp4.mp4
├─4_MMLAB实战系列
│  ├─10_第四模块：DBNET文字检测
│  │  ├┈1-文字检测数据概述与配置文件.mp4.mp4
│  │  ├┈2-配置文件参数设置.mp4.mp4
│  │  ├┈3-Neck层特征组合.mp4.mp4
│  │  ├┈4-损失函数模块概述.mp4.mp4
│  │  └┈5-损失计算方法.mp4.mp4
│  ├─11_第四模块：ANINET文字识别
│  │  ├┈1-数据集与环境概述.mp4.mp4
│  │  ├┈2-配置文件修改方法.mp4.mp4
│  │  ├┈3-Bakbone模块得到特征.mp4.mp4
│  │  ├┈4-视觉Transformer模块的作用.mp4.mp4
│  │  ├┈5-视觉模型中的编码与解码的效果.mp4.mp4
│  │  ├┈6-文本模型中的结构分析.mp4.mp4
│  │  ├┈7-迭代修正模块.mp4.mp4
│  │  └┈8-输出层与损失计算.mp4.mp4
│  ├─12_第四模块：KIE基于图模型的关键信息抽取
│  │  ├┈1-配置文件以及要完成的任务解读.mp4.mp4
│  │  ├┈2-KIE数据集格式调整方法.mp4.mp4
│  │  ├┈3-配置文件与标签要进行处理操作.mp4.mp4
│  │  ├┈4-边框要计算的特征分析.mp4.mp4
│  │  ├┈5-标签数据处理与关系特征提取.mp4.mp4
│  │  ├┈6-特征合并处理.mp4.mp4
│  │  ├┈7-准备拼接边与点特征.mp4.mp4
│  │  └┈8-整合得到图模型输入特征.mp4.mp4
│  ├─12_第五模块：stylegan2源码解读
│  │  ├┈1-要完成的任务与基本思想概述.mp4.mp4
│  │  ├┈2-得到style特征编码.mp4.mp4
│  │  ├┈3-特征编码风格拼接.mp4.mp4
│  │  ├┈4-基础风格特征卷积模块.mp4.mp4
│  │  ├┈5-上采样得到输出结果.mp4.mp4
│  │  └┈6-损失函数概述.mp4.mp4
│  ├─13_第六模块：BasicVSR++视频超分辨重构源码解读
│  │  ├┈1-要完成的任务分析与配置文件.mp4.mp4
│  │  ├┈10-传播流程整体完成一圈.mp4
│  │  ├┈11-完成输出结果.mp4.mp4
│  │  ├┈2-特征基础提取模块.mp4
│  │  ├┈3-光流估计网络模块.mp4
│  │  ├┈4-基于光流完成对齐操作.mp4
│  │  ├┈5-偏移量计算方法1.mp4.mp4
│  │  ├┈6-双向计算特征对齐.mp4
│  │  ├┈7-提特征传递流程分析.mp4
│  │  ├┈8-序列传播计算.mp4
│  │  └┈9-准备变形卷积模块的输入.mp4.mp4
│  ├─14_第七模块：多模态3D目标检测算法源码解读
│  │  ├┈1-环境配置与数据集概述.mp4
│  │  ├┈10-3D卷积特征融合.mp4
│  │  ├┈11-输出层预测结果.mp4
│  │  ├┈2-数据与标注文件介绍.mp4
│  │  ├┈3-基本流程梳理并进入debug模式.mp4
│  │  ├┈4-数据与图像特征提取模块.mp4
│  │  ├┈5-体素索引位置获取.mp4.mp4
│  │  ├┈6-体素特征提取方法解读.mp4
│  │  ├┈7-体素特征计算方法分析.mp4
│  │  ├┈8-全局体素特征提取.mp4
│  │  └┈9-多模态特征融合.mp4
│  ├─15_第八模块：模型蒸馏应用实例
│  │  ├┈1-任务概述与工具使用.mp4
│  │  ├┈2-Teacher与Student网络结构定义.mp4
│  │  ├┈3-训练T与S得到蒸馏模型.mp4
│  │  ├┈4-开始模型训练过程与问题修正.mp4
│  │  ├┈5-日志输出与模型分离.mp4
│  │  ├┈6-分别得到Teacher与Student模型.mp4
│  │  └┈7-实际测试效果演示.mp4
│  ├─16_第八模块：模型剪枝方法概述分析
│  │  ├┈1-SuperNet网络结构分析与剪枝概述.mp4
│  │  └┈2-搜索匹配到符合计算量的模型并训练.mp4
│  ├─17_第九模块：mmaction行为识别
│  │  └┈创建自己的行为识别标注数据集.mp4
│  ├─18_额外补充
│  │  └┈在源码中加入各种注意力机制方法.mp4
│  ├─1_MMCV安装方法
│  │  └┈MMCV安装方法.mp4
│  ├─2_第一模块：分类任务基本操作
│  │  ├┈1-准备MMCLS项目.mp4
│  │  ├┈2-基本参数配置解读.mp4
│  │  ├┈3-各模块配置文件组成.mp4
│  │  ├┈4-生成完整配置文件.mp4
│  │  ├┈5-根据文件夹定义数据集.mp4
│  │  ├┈6-构建自己的数据集.mp4
│  │  ├┈7-训练自己的任务.mp4
│  │  └┈MMCLS问题修正1.mp4
│  ├─3_第一模块：训练结果测试与验证
│  │  ├┈1-测试DEMO效果.mp4
│  │  ├┈2-测试评估模型效果.mp4
│  │  ├┈3-MMCLS中增加一个新的模块.mp4
│  │  ├┈4-修改配置文件中的参数.mp4
│  │  ├┈5-数据增强流程可视化展示.mp4
│  │  ├┈6-Grad-Cam可视化方法.mp4
│  │  ├┈7-可视化细节与效果分析.mp4
│  │  ├┈8-MMCLS可视化模块应用.mp4
│  │  └┈9-模型分析脚本使用.mp4
│  ├─4_第一模块：模型源码DEBUG演示
│  │  ├┈1-VIT任务概述.mp4
│  │  ├┈2-数据增强模块概述分析.mp4
│  │  ├┈3-PatchEmbedding层.mp4
│  │  ├┈4-前向传播基本模块.mp4
│  │  └┈5-CLS与输出模块.mp4
│  ├─5_第二模块：使用分割模块训练自己的数据集
│  │  ├┈1-项目配置基本介绍.mp4
│  │  ├┈2-数据集标注与制作方法.mp4
│  │  ├┈3-跟别预测类别数修改配置文件.mp4
│  │  ├┈4-加载预训练模型开始训练.mp4
│  │  └┈5-预测DEMO演示.mp4
│  ├─6_第二模块：基于Unet进行各种策略修改
│  │  ├┈1-配置文件解读.mp4
│  │  ├┈2-编码层模块.mp4
│  │  ├┈3-上采样与输出层.mp4
│  │  ├┈4-辅助层的作用.mp4
│  │  ├┈5-给Unet添加一个neck层.mp4
│  │  ├┈6-如何修改参数适配网络结构.mp4
│  │  ├┈7-将Unet特征提取模块替换成transformer.mp4
│  │  └┈8-VIT模块源码分析.mp4
│  ├─7_第二模块：分割任务CVPr最新Backbone设计及其应用
│  │  ├┈1-注册自己的Backbone模块.mp4.mp4
│  │  ├┈10-汇总多层级特征进行输出.mp4.mp4
│  │  ├┈2-配置文件指定.mp4.mp4
│  │  ├┈3-DEBUG解读Backbone设计.mp4.mp4
│  │  ├┈4-PatchEmbedding的作用与实现.mp4.mp4
│  │  ├┈5-卷积位置编码计算方法.mp4.mp4
│  │  ├┈6-近似Attention模块实现.mp4.mp4
│  │  ├┈7-完成特征提取与融合模块.mp4.mp4
│  │  ├┈8-分割任务输出模块.mp4.mp4
│  │  └┈9-全局特征的作用与实现.mp4.mp4
│  ├─8_第三模块：mMDet训练自己的数据任务
│  │  ├┈1-数据集标注与标签获取.mp4.mp4
│  │  ├┈2-COCO数据标注格式.mp4.mp4
│  │  ├┈3-通过脚本生成COCO数据格式.mp4.mp4
│  │  ├┈4-配置文件数据增强策略分析.mp4.mp4
│  │  ├┈5-训练所需配置说明.mp4.mp4
│  │  ├┈6-模型训练与DEMO演示.mp4.mp4
│  │  ├┈7-模型测试与可视化分析模块.mp4.mp4
│  │  └┈8-补充：评估指标.mp4.mp4
│  └─9_第三模块：DeformableDetr物体检测源码分析
│  └─├┈1-特征提取与位置编码.mp4
│  └─├┈10-分类与回归输出模块.mp4
│  └─├┈11-预测输出结果与标签匹配模块.mp4
│  └─├┈2-序列特征展开并叠加.mp4
│  └─├┈3-得到相对位置点编码.mp4
│  └─├┈4-准备Encoder编码层所需全部输入.mp4
│  └─├┈5-编码层中的序列分析.mp4
│  └─├┈6-偏移量offset计算.mp4
│  └─├┈7-偏移量对齐操作.mp4
│  └─├┈8-Encoder层完成特征对齐.mp4
│  └─└┈9-Decoder要完成的操作.mp4
├─5_Opencv图像处理框架实战
│  ├─10_项目实战-文档扫描OCR识别
│  │  ├┈1-整体流程演示.mp4.mp4
│  │  ├┈2-文档轮廓提取.mp4.mp4
│  │  ├┈3-原始与变换坐标计算.mp4.mp4
│  │  ├┈4-透视变换结果.mp4.mp4
│  │  ├┈5-tesseract-ocr安装配置.mp4.mp4
│  │  └┈6-文档扫描识别效果.mp4.mp4
│  ├─11_图像特征-harris
│  │  ├┈1-角点检测基本原理.mp4.mp4
│  │  ├┈2-基本数学原理.mp4.mp4
│  │  ├┈3-求解化简.mp4.mp4
│  │  ├┈4-特征归属划分.mp4.mp4
│  │  └┈5-opencv角点检测效果.mp4.mp4
│  ├─12_图像特征-sift
│  │  ├┈1-尺度空间定义.mp4.mp4
│  │  ├┈2-高斯差分金字塔.mp4.mp4
│  │  ├┈3-特征关键点定位.mp4.mp4
│  │  ├┈4-生成特征描述.mp4.mp4
│  │  ├┈5-特征向量生成.mp4.mp4
│  │  └┈6-opencv中sift函数使用.mp4.mp4
│  ├─13_案例实战-全景图像拼接
│  │  ├┈1-特征匹配方法.mp4.mp4
│  │  ├┈2-RANSAC算法.mp4.mp4
│  │  ├┈2-图像拼接方法.mp4.mp4
│  │  └┈4-流程解读.mp4.mp4
│  ├─14_项目实战-停车场车位识别
│  │  ├┈1-任务整体流程.mp4.mp4
│  │  ├┈2-所需数据介绍.mp4.mp4
│  │  ├┈3-图像数据预处理.mp4.mp4
│  │  ├┈4-车位直线检测.mp4.mp4
│  │  ├┈5-按列划分区域.mp4.mp4
│  │  ├┈6-车位区域划分.mp4.mp4
│  │  ├┈7-识别模型构建.mp4(1).mp4
│  │  ├┈7-识别模型构建.mp4.mp4
│  │  └┈8-基于视频的车位检测.mp4.mp4
│  ├─15_项目实战-答题卡识别判卷
│  │  ├┈1-整体流程与效果概述.mp4.mp4
│  │  ├┈2-预处理操作.mp4.mp4
│  │  ├┈3-填涂轮廓检测.mp4.mp4
│  │  └┈4-选项判断识别.mp4.mp4
│  ├─16_背景建模
│  │  ├┈1-背景消除-帧差法.mp4.mp4
│  │  ├┈2-混合高斯模型.mp4.mp4
│  │  ├┈3-学习步骤.mp4.mp4
│  │  └┈4-背景建模实战.mp4.mp4
│  ├─17_光流估计
│  │  ├┈1-基本概念.mp4.mp4
│  │  ├┈2-Lucas-Kanade算法.mp4.mp4
│  │  ├┈3-推导求解.mp4.mp4
│  │  └┈4-光流估计实战.mp4.mp4
│  ├─18_Opencv的DNN模块
│  │  ├┈1-dnn模块.mp4.mp4
│  │  └┈2-模型加载结果输出.mp4.mp4
│  ├─19_项目实战-目标追踪
│  │  ├┈1-目标追踪概述.mp4.mp4
│  │  ├┈2-多目标追踪实战.mp4.mp4
│  │  ├┈3-深度学习检测框架加载.mp4.mp4
│  │  ├┈4-基于dlib与ssd的追踪.mp4.mp4
│  │  ├┈5-多进程目标追踪.mp4.mp4
│  │  └┈6-多进程效率提升对比.mp4.mp4
│  ├─1_课程简介与环境配置
│  │  ├┈0-课程简介2.mp4.mp4
│  │  ├┈2-Notebook与IDE环境.mp4.mp4
│  │  └┈2-Python与Opencv配置安装.mp4.mp4
│  ├─20_卷积原理与操作
│  │  ├┈1-卷积神经网络的应用.mp4.mp4
│  │  ├┈1-卷积效果演示.mp4.mp4
│  │  ├┈2-卷积操作流程.mp4.mp4
│  │  ├┈2-卷积层解释.mp4.mp4
│  │  ├┈3-卷积计算过程.mp4.mp4
│  │  ├┈4-pading与stride.mp4.mp4
│  │  ├┈5-卷积参数共享.mp4.mp4
│  │  └┈6-池化层原理.mp4.mp4
│  ├─21_项目实战-疲劳检测
│  │  ├┈1-关键点定位概述.mp4.mp4
│  │  ├┈2-获取人脸关键点.mp4.mp4
│  │  ├┈3-定位效果演示.mp4.mp4
│  │  ├┈4-闭眼检测.mp4.mp4
│  │  └┈5-检测效果.mp4.mp4
│  ├─2_图像基本操作
│  │  ├┈1-计算机眼中的图像.mp4.mp4
│  │  ├┈2-视频的读取与处理.mp4.mp4
│  │  ├┈3-ROI区域.mp4.mp4
│  │  ├┈4-边界填充.mp4.mp4
│  │  └┈5-数值计算.mp4.mp4
│  ├─3_阈值与平滑处理
│  │  ├┈1-图像平滑处理.mp4.mp4
│  │  ├┈2-高斯与中值滤波.mp4.mp4
│  │  └┈图像阈值.mp4.mp4
│  ├─4_图像形态学操作
│  │  ├┈1-腐蚀操作.mp4.mp4
│  │  ├┈2-膨胀操作.mp4.mp4
│  │  ├┈3-开运算与闭运算.mp4.mp4
│  │  ├┈4-梯度计算.mp4.mp4
│  │  └┈5-礼帽与黑帽.mp4.mp4
│  ├─5_图像梯度计算
│  │  ├┈1-Sobel算子.mp4.mp4
│  │  ├┈2-梯度计算方法.mp4.mp4
│  │  └┈3-scharr与lapkacian算子.mp4.mp4
│  ├─666Java下载必看
│  │  ├┈高薪学习it网【海量资源：666java.com】.url
│  │  ├┈海量优质it资源【www.666java.com】.url
│  │  ├┈看看我【www.666java.com】.zip
│  │  ├┈课程总结【海量资源：666java.com】.mp4
│  │  ├┈面试合集【海量资源：666java.com】.txt
│  │  ├┈软件下载【海量资源：666java.com】.txt
│  │  ├┈下载必看.txt
│  │  └┈资料2【海量资源：666java.com】.zip
│  ├─6_边缘检测
│  │  ├┈1-Canny边缘检测流程.mp4.mp4
│  │  ├┈2-非极大值抑制.mp4.mp4
│  │  └┈3-边缘检测效果.mp4.mp4
│  ├─7_图像金字塔与轮廓检测
│  │  ├┈1-轮廓检测方法.mp4.mp4
│  │  ├┈1-模板匹配方法.mp4.mp4
│  │  ├┈1-图像金字塔定义.mp4.mp4
│  │  ├┈2-金字塔制作方法.mp4.mp4
│  │  ├┈2-轮廓检测结果.mp4.mp4
│  │  ├┈2-匹配效果展示.mp4.mp4
│  │  └┈3-轮廓特征与近似.mp4.mp4
│  ├─8_直方图与傅里叶变换
│  │  ├┈1-傅里叶概述.mp4.mp4
│  │  ├┈1-直方图定义.mp4.mp4
│  │  ├┈2-均衡化原理.mp4.mp4
│  │  ├┈2-频域变换结果.mp4.mp4
│  │  ├┈3-低通与高通滤波.mp4.mp4
│  │  └┈3-均衡化效果.mp4.mp4
│  └─9_项目实战-信用卡数字识别
│  └─├┈2-环境配置与预处理.mp4.mp4
│  └─├┈3-模板处理方法.mp4.mp4
│  └─├┈4-输入数据处理方法.mp4.mp4
│  └─├┈5-模板匹配得出识别结果.mp4.mp4
│  └─└┈总体流程与方法讲解.mp4.mp4
├─6_综合项目-物体检测经典算法实战
│  ├─10_EfficientNet网络
│  │  └┈第八课：EfficientNet网络模型.mp4.mp4
│  ├─11_EfficientDet检测算法
│  │  └┈第十一章：EfficientDet检测算法.mp4.mp4
│  ├─12_基于Transformer的detr目标检测算法
│  │  ├┈1-DETR目标检测基本思想解读.mp4.mp4
│  │  ├┈2-整体网络架构分析.mp4.mp4
│  │  ├┈3-位置信息初始化query向量.mp4.mp4
│  │  ├┈4-注意力机制的作用方法.mp4.mp4
│  │  └┈5-训练过程的策略.mp4.mp4
│  ├─13_detr目标检测源码解读
│  │  ├┈1-项目环境配置解读.mp4.mp4
│  │  ├┈2-数据处理与dataloader.mp4.mp4
│  │  ├┈3-位置编码作用分析.mp4.mp4
│  │  ├┈4-backbone特征提取模块.mp4.mp4
│  │  ├┈5-mask与编码模块.mp4.mp4
│  │  ├┈6-编码层作用方法.mp4.mp4
│  │  ├┈7-Decoder层操作与计算.mp4.mp4
│  │  ├┈8-输出预测结果.mp4.mp4
│  │  └┈9-损失函数与预测输出.mp4.mp4
│  ├─1_深度学习经典检测方法概述
│  │  ├┈1-检测任务中阶段的意义.mp4.mp4
│  │  ├┈2-不同阶段算法优缺点分析.mp4.mp4
│  │  ├┈3-IOU指标计算.mp4.mp4
│  │  ├┈4-评估所需参数计算.mp4.mp4
│  │  └┈5-map指标计算.mp4.mp4
│  ├─2_YOLO-V1整体思想与网络架构
│  │  ├┈2-检测算法要得到的结果.mp4.mp4
│  │  ├┈3-整体网络架构解读.mp4.mp4
│  │  ├┈4-位置损失计算.mp4.mp4
│  │  ├┈5-置信度误差与优缺点分析.mp4.mp4
│  │  └┈YOLO算法整体思路解读.mp4.mp4
│  ├─3_YOLO-V2改进细节详解
│  │  ├┈2-网络结构特点.mp4.mp4
│  │  ├┈3-架构细节解读.mp4.mp4
│  │  ├┈4-基于聚类来选择先验框尺寸.mp4.mp4
│  │  ├┈5-偏移量计算方法.mp4.mp4
│  │  ├┈6-坐标映射与还原.mp4.mp4
│  │  ├┈7-感受野的作用.mp4.mp4
│  │  ├┈8-特征融合改进.mp4.mp4
│  │  └┈V2版本细节升级概述.mp4.mp4
│  ├─4_YOLO-V3核心网络模型
│  │  ├┈1-V3版本改进概述.mp4.mp4
│  │  ├┈2-多scale方法改进与特征融合.mp4.mp4
│  │  ├┈3-经典变换方法对比分析.mp4.mp4
│  │  ├┈4-残差连接方法解读.mp4.mp4
│  │  ├┈5-整体网络模型架构分析.mp4.mp4
│  │  ├┈6-先验框设计改进.mp4.mp4
│  │  └┈7-sotfmax层改进.mp4.mp4
│  ├─5_项目实战-基于V3版本进行源码解读
│  │  ├┈1-数据与环境配置.mp4.mp4
│  │  ├┈10-网格偏移计算.mp4.mp4
│  │  ├┈11-模型要计算的损失概述.mp4.mp4
│  │  ├┈12-标签值格式修改.mp4.mp4
│  │  ├┈13-坐标相对位置计算.mp4.mp4
│  │  ├┈14-完成所有损失函数所需计算指标.mp4.mp4
│  │  ├┈15-模型训练与总结.mp4.mp4
│  │  ├┈16-预测效果展示.mp4.mp4
│  │  ├┈2-训练参数设置.mp4.mp4
│  │  ├┈3-数据与标签读取.mp4.mp4
│  │  ├┈4-标签文件读取与处理.mp4.mp4
│  │  ├┈5-debug模式介绍.mp4.mp4
│  │  ├┈6-基于配置文件构建网络模型.mp4.mp4
│  │  ├┈7-路由层与shortcut层的作用.mp4.mp4
│  │  ├┈8-YOLO层定义解析.mp4.mp4
│  │  └┈9-预测结果计算.mp4.mp4
│  ├─6_基于YOLO-V3训练自己的数据集与任务
│  │  ├┈1-Labelme工具安装.mp4.mp4
│  │  ├┈2-数据信息标注.mp4.mp4
│  │  ├┈3-完成标签制作.mp4.mp4
│  │  ├┈4-生成模型所需配置文件.mp4.mp4
│  │  ├┈5-JSon格式转换成yolo-v3所需输入.mp4.mp4
│  │  ├┈6-完成输入数据准备工作.mp4.mp4
│  │  ├┈7-训练代码与参数配置更改.mp4.mp4
│  │  └┈8-训练模型并测试效果.mp4.mp4
│  ├─7_YOLO-V4版本算法解读
│  │  ├┈1-V4版本整体概述.mp4.mp4
│  │  ├┈10-PAN模块解读.mp4.mp4
│  │  ├┈11-激活函数与整体架构总结.mp4.mp4
│  │  ├┈2-V4版本贡献解读.mp4.mp4
│  │  ├┈3-数据增强策略分析.mp4.mp4
│  │  ├┈4-DropBlock与标签平滑方法.mp4.mp4
│  │  ├┈5-损失函数遇到的问题.mp4.mp4
│  │  ├┈6-CIOU损失函数定义.mp4.mp4
│  │  ├┈7-NMS细节改进.mp4.mp4
│  │  ├┈8-SPP与CSP网络结构.mp4.mp4
│  │  └┈9-SAM注意力机制模块.mp4.mp4
│  ├─8_V5版本项目配置
│  │  ├┈1-整体项目概述.mp4.mp4
│  │  ├┈2-训练自己的数据集方法.mp4.mp4
│  │  ├┈3-训练数据参数配置.mp4.mp4
│  │  └┈4-测试DEMO演示.mp4.mp4
│  └─9_V5项目工程源码解读
│  └─├┈1-数据源DEBUG流程解读.mp4.mp4
│  └─├┈10-完成配置文件解析任务.mp4.mp4
│  └─├┈11-前向传播计算.mp4.mp4
│  └─├┈12-BottleneckCSP层计算方法.mp4.mp4
│  └─├┈13-1 SPP层计算细节分析.mp4.mp4
│  └─├┈13-Head层流程解读.mp4.mp4
│  └─├┈14-上采样与拼接操作.mp4.mp4
│  └─├┈15-输出结果分析.mp4.mp4
│  └─├┈16-超参数解读.mp4.mp4
│  └─├┈17-命令行参数介绍.mp4.mp4
│  └─├┈18-训练流程解读.mp4.mp4
│  └─├┈19-各种训练策略概述.mp4.mp4
│  └─├┈2-图像数据源配置.mp4.mp4
│  └─├┈20-模型迭代过程.mp4.mp4
│  └─├┈3-加载标签数据.mp4.mp4
│  └─├┈4-Mosaic数据增强方法.mp4.mp4
│  └─├┈5-数据四合一方法与流程演示.mp4.mp4
│  └─├┈6-getItem构建batch.mp4.mp4
│  └─├┈7-网络架构图可视化工具安装.mp4.mp4
│  └─├┈8-V5网络配置文件解读.mp4.mp4
│  └─└┈9-Focus模块流程分析.mp4.mp4
├─7_图像分割实战
│  ├─10_MaskRcnn网络框架源码详解
│  │  ├┈1-FPN层特征提取原理解读.mp4.mp4
│  │  ├┈10-RoIPOoling层的作用与目的.mp4.mp4
│  │  ├┈11-RorAlign操作的效果.mp4.mp4
│  │  ├┈12-整体框架回顾.mp4.mp4
│  │  ├┈2-FPN网络架构实现解读.mp4.mp4
│  │  ├┈3-生成框比例设置.mp4.mp4
│  │  ├┈4-基于不同尺度特征图生成所有框.mp4.mp4
│  │  ├┈5-RPN层的作用与实现解读.mp4.mp4
│  │  ├┈6-候选框过滤方法.mp4.mp4
│  │  ├┈7-Proposal层实现方法.mp4.mp4
│  │  ├┈8-DetectionTarget层的作用.mp4.mp4
│  │  └┈9-正负样本选择与标签定义.mp4.mp4
│  ├─11_基于MASK-RCNN框架训练自己的数据与任务
│  │  ├┈1-Labelme工具安装.mp4.mp4
│  │  ├┈2-使用labelme进行数据与标签标注.mp4.mp4
│  │  ├┈3-完成训练数据准备工作.mp4.mp4
│  │  ├┈4-maskrcnn源码修改方法.mp4.mp4
│  │  ├┈5-基于标注数据训练所需任务.mp4.mp4
│  │  └┈6-测试与展示模块.mp4.mp4
│  ├─1_图像分割及其损失函数概述
│  │  ├┈1-语义分割与实例分割概述.mp4.mp4
│  │  ├┈2-分割任务中的目标函数定义.mp4.mp4
│  │  └┈3-MIOU评估标准.mp4.mp4
│  ├─2_卷积神经网络原理与参数解读
│  │  ├┈1-卷积神经网络应用领域.mp4.mp4
│  │  ├┈10-VGG网络架构.mp4.mp4
│  │  ├┈11-残差网络Resnet.mp4.mp4
│  │  ├┈12-感受野的作用.mp4.mp4
│  │  ├┈2-卷积的作用.mp4.mp4
│  │  ├┈3-卷积特征值计算方法.mp4.mp4
│  │  ├┈4-得到特征图表示.mp4.mp4
│  │  ├┈5-步长与卷积核大小对结果的影响.mp4.mp4
│  │  ├┈6-边缘填充方法.mp4.mp4
│  │  ├┈7-特征图尺寸计算与参数共享.mp4.mp4
│  │  ├┈8-池化层的作用.mp4.mp4
│  │  └┈9-1整体网络架构.mp4.mp4
│  ├─3_Unet系列算法讲解
│  │  ├┈1-Unet网络编码与解码过程.mp4.mp4
│  │  ├┈2-网络计算流程.mp4.mp4
│  │  ├┈3-Unet升级版本改进.mp4.mp4
│  │  └┈4-后续升级版本介绍.mp4.mp4
│  ├─4_unet医学细胞分割实战
│  │  ├┈1-医学细胞数据集介绍与参数配置.mp4.mp4
│  │  ├┈2-数据增强工具.mp4.mp4
│  │  ├┈3-Debug模式演示网络计算流程.mp4.mp4
│  │  ├┈4-特征融合方法演示.mp4.mp4
│  │  ├┈5-迭代完成整个模型计算任务.mp4.mp4
│  │  └┈6-模型效果验证.mp4.mp4
│  ├─5_U2NET显著性检测实战
│  │  ├┈1-任务目标与网络整体介绍.mp4.mp4
│  │  ├┈2-显著性检测任务与目标概述.mp4.mp4
│  │  ├┈3-编码器模块解读.mp4.mp4
│  │  ├┈4-解码器输出结果.mp4.mp4
│  │  └┈5-损失函数与应用效果.mp4.mp4
│  ├─6_deeplab系列算法
│  │  ├┈1-deeplab分割算法概述.mp4.mp4
│  │  ├┈2-空洞卷积的作用.mp4.mp4
│  │  ├┈3-感受野的意义.mp4.mp4
│  │  ├┈4-SPP层的作用.mp4.mp4
│  │  ├┈5-ASPP特征融合策略.mp4.mp4
│  │  └┈6-deeplabV3Plus版本网络架构.mp4.mp4
│  ├─7_基于deeplabV3+版本进行VOC分割实战
│  │  ├┈1-PascalVoc数据集介绍.mp4.mp4
│  │  ├┈2-项目参数与数据集读取.mp4.mp4
│  │  ├┈3-网络前向传播流程.mp4.mp4
│  │  ├┈4-ASPP层特征融合.mp4.mp4
│  │  └┈5-分割模型训练.mp4.mp4
│  ├─8_医学心脏视频数据集分割建模实战
│  │  ├┈1-数据集与任务概述.mp4.mp4
│  │  ├┈2-项目基本配置参数.mp4.mp4
│  │  ├┈3-任务流程解读.mp4.mp4
│  │  ├┈4-文献报告分析.mp4.mp4
│  │  ├┈5-补充：视频数据源特征处理方法概述.mp4.mp4
│  │  └┈6-补充：R(2plus1)D处理方法分析.mp4.mp4
│  └─9_物体检测框架-MaskRcnn项目介绍与配置
│  └─├┈0-Mask-Rcnn开源项目简介.mp4.mp4
│  └─├┈0-参数配置.mp4.mp4
│  └─└┈0-开源项目数据集.mp4.mp4
├─8_行为识别实战
│  ├─1_slowfast算法知识点通俗解读
│  │  ├┈1-slowfast核心思想解读.mp4.mp4
│  │  ├┈2-核心网络结构模块分析.mp4.mp4
│  │  ├┈3-数据采样曾的作用.mp4.mp4
│  │  ├┈4-模型网络结构设计.mp4.mp4
│  │  └┈5-特征融合模块与总结分析.mp4.mp4
│  ├─2_slowfast项目环境配置与配置文件
│  │  ├┈1-环境基本配置解读.mp4.mp4
│  │  ├┈2-目录各文件分析.mp4.mp4
│  │  ├┈3-配置文件作用解读.mp4.mp4
│  │  ├┈4-测试DEMO演示1.mp4.mp4
│  │  ├┈5-训练所需标签文件说明.mp4.mp4
│  │  ├┈6-训练所需视频数据准备.mp4.mp4
│  │  ├┈7-视频数据集切分操作.mp4.mp4
│  │  └┈8-完成视频分帧操作.mp4.mp4
│  ├─3_slowfast源码详细解读
│  │  ├┈1-模型所需配置文件参数读取1.mp4.mp4
│  │  ├┈10-RoiAlign与输出层1.mp4.mp4
│  │  ├┈2-数据处理概述1.mp4.mp4
│  │  ├┈3-dataloader数据遍历方法1.mp4.mp4
│  │  ├┈4-数据与标签读取实例1.mp4.mp4
│  │  ├┈5-图像数据所需预处理方法1.mp4.mp4
│  │  ├┈6-slow与fast分别执行采样操作1.mp4.mp4
│  │  ├┈7-分别计算特征图输出结果1.mp4.mp4
│  │  ├┈8-slow与fast特征图拼接操作1.mp4.mp4
│  │  └┈9-resnetBolock操作1.mp4.mp4
│  ├─4_基于3D卷积的视频分析与动作识别
│  │  ├┈1-3D卷积原理解读.mp4.mp4
│  │  ├┈2-UCF101动作识别数据集简介.mp4.mp4
│  │  ├┈3-测试效果与项目配置.mp4.mp4
│  │  ├┈4-视频数据预处理方法.mp4.mp4
│  │  ├┈5-数据Batch制作方法.mp4.mp4
│  │  ├┈6-3D卷积网络所涉及模块.mp4.mp4
│  │  └┈7-训练网络模型.mp4.mp4
│  ├─5_视频异常检测算法与元学习
│  │  ├┈1-异常检测要解决的问题与数据集介绍.mp4.mp4
│  │  ├┈2-基本思想与流程分析.mp4.mp4
│  │  ├┈3-预测与常见问题.mp4.mp4
│  │  ├┈4-Meta-Learn要解决的问题.mp4.mp4
│  │  ├┈5-学习能力与参数定义.mp4.mp4
│  │  ├┈6-如何找到合适的初始化参数.mp4.mp4
│  │  └┈7-MAML算法流程解读.mp4.mp4
│  ├─666JAVA下载必看
│  │  ├┈高薪学习it网【海量资源：666java.com】.url
│  │  ├┈海量优质it资源【www.666java.com】.url
│  │  ├┈看看我【www.666java.com】.zip
│  │  ├┈课程总结【海量资源：666java.com】.mp4
│  │  ├┈面试合集【海量资源：666java.com】.txt
│  │  ├┈软件下载【海量资源：666java.com】.txt
│  │  ├┈下载必看.txt
│  │  └┈资料2【海量资源：666java.com】.zip
│  ├─6_视频异常检测CVPR2021论文及其源码解读
│  │  ├┈1-论文概述与环境配置.mp4.mp4
│  │  ├┈2-数据集配置与读取.mp4.mp4
│  │  ├┈3-模型编码与解码结构.mp4.mp4
│  │  ├┈4-注意力机制模块打造.mp4.mp4
│  │  ├┈5-损失函数的目的.mp4.mp4
│  │  ├┈6-特征图生成.mp4.mp4
│  │  └┈7-MetaLearn与输出.mp4.mp4
│  └─7_基础补充-Resnet模型及其应用实例
│  └─├┈1-医学疾病数据集介绍.mp4.mp4
│  └─├┈2-Resnet网络架构原理分析.mp4.mp4
│  └─├┈3-dataloader加载数据集.mp4.mp4
│  └─├┈4-Resnet网络前向传播.mp4.mp4
│  └─├┈5-残差网络的shortcut操作.mp4.mp4
│  └─├┈6-特征图升维与降采样操作.mp4.mp4
│  └─└┈7-网络整体流程与训练演示.mp4.mp4
├─9_2022论文必备-Transformer实战系列
│  ├─10_MedicalTransformer源码解读
│  │  ├┈1-项目环境配置1.mp4.mp4
│  │  ├┈2-医学数据介绍与分析1.mp4.mp4
│  │  ├┈3-基本处理操作1.mp4.mp4
│  │  ├┈4-AxialAttention实现过程1.mp4.mp4
│  │  ├┈5-位置编码向量解读1.mp4.mp4
│  │  ├┈6-注意力计算过程与方法1.mp4.mp4
│  │  └┈7-局部特征提取与计算1.mp4.mp4
│  ├─11_商汤LoFTR算法解读
│  │  ├┈1-特征匹配的应用场景.mp4.mp4
│  │  ├┈10-总结分析.mp4.mp4
│  │  ├┈2-特征匹配的基本流程分析.mp4.mp4
│  │  ├┈3-整体流程梳理分析.mp4.mp4
│  │  ├┈4-CrossAttention的作用与效果.mp4.mp4
│  │  ├┈5-transformer构建匹配特征.mp4.mp4
│  │  ├┈6-粗粒度匹配过程与作用.mp4.mp4
│  │  ├┈7-特征图拆解操作.mp4.mp4
│  │  ├┈8-细粒度匹配的作用与方法.mp4.mp4
│  │  └┈9-基于期望预测最终位置.mp4.mp4
│  ├─12_局部特征关键点匹配实战
│  │  ├┈1-项目与参数配置解读1.mp4.mp4
│  │  ├┈10-得到精细化输出结果1.mp4.mp4
│  │  ├┈11-通过期望计算最终输出1.mp4.mp4
│  │  ├┈2-DEMO效果演示1.mp4.mp4
│  │  ├┈3-backbone特征提取模块1.mp4.mp4
│  │  ├┈4-注意力机制的作用与效果分析1.mp4.mp4
│  │  ├┈5-特征融合模块实现方法1.mp4.mp4
│  │  ├┈6-cross关系计算方法实例1.mp4.mp4
│  │  ├┈7-粗粒度匹配过程1.mp4.mp4
│  │  ├┈8-完成基础匹配模块1.mp4.mp4
│  │  └┈9-精细化调整方法与实例1.mp4.mp4
│  ├─13_项目补充-谷歌开源项目BERT源码解读与应用实例
│  │  ├┈1-BERT开源项目简介1.mp4.mp4
│  │  ├┈10-构建QKV矩阵1.mp4.mp4
│  │  ├┈11-完成Transformer模块构建1.mp4.mp4
│  │  ├┈12-训练BERT模型1.mp4.mp4
│  │  ├┈2-项目参数配置1.mp4.mp4
│  │  ├┈3-数据读取模块1.mp4.mp4
│  │  ├┈4-数据预处理模块1.mp4.mp4
│  │  ├┈6-Embedding层的作用1.mp4.mp4
│  │  ├┈7-加入额外编码特征1.mp4.mp4
│  │  ├┈8-加入位置编码特征1.mp4.mp4
│  │  ├┈9-mask机制1.mp4.mp4
│  │  └┈tfrecord制作1.mp4.mp4
│  ├─14_项目补充-基于BERT的中文情感分析实战
│  │  ├┈1-中文分类数据与任务概述1.mp4.mp4
│  │  ├┈2-读取处理自己的数据集1.mp4.mp4
│  │  └┈3-训练BERT中文分类模型1.mp4.mp4
│  ├─1_课程介绍
│  │  └┈课程介绍1.mp4.mp4
│  ├─2_自然语言处理通用框架BERT原理解读
│  │  ├┈1-BERT任务目标概述.mp4.mp4
│  │  ├┈10-训练实例.mp4.mp4
│  │  ├┈2-传统解决方案遇到的问题1.mp4.mp4
│  │  ├┈3-注意力机制的作用1.mp4.mp4
│  │  ├┈4-self-attention计算方法1.mp4.mp4
│  │  ├┈5-特征分配与softmax机制1.mp4.mp4
│  │  ├┈6-Multi-head的作用1.mp4.mp4
│  │  ├┈7-位置编码与多层堆叠1.mp4.mp4
│  │  ├┈8-transformer整体架构梳理.mp4.mp4
│  │  └┈9-BERT模型训练方法.mp4.mp4
│  ├─3_Transformer在视觉中的应用VIT算法
│  │  ├┈1-transformer发家史介绍1.mp4.mp4
│  │  ├┈2-对图像数据构建patch序列1.mp4.mp4
│  │  ├┈3-VIT整体架构解读1.mp4.mp4
│  │  ├┈4-CNN遇到的问题与窘境1.mp4.mp4
│  │  ├┈5-计算公式解读1.mp4.mp4
│  │  ├┈6-位置编码与TNT模型1.mp4.mp4
│  │  └┈7-TNT模型细节分析1.mp4.mp4
│  ├─4_VIT算法模型源码解读
│  │  ├┈1-项目配置说明1.mp4.mp4
│  │  ├┈2-输入序列构建方法解读1.mp4.mp4
│  │  ├┈3-注意力机制计算1.mp4.mp4
│  │  └┈4-输出层计算结果1.mp4.mp4
│  ├─5_sWintransformer算法原理解析
│  │  ├┈1-swintransformer整体概述1.mp4.mp4
│  │  ├┈10-分层计算方法1.mp4.mp4
│  │  ├┈2-要解决的问题及其优势分析1.mp4.mp4
│  │  ├┈3-一个block要完成的任务1.mp4.mp4
│  │  ├┈4-获取各窗口输入特征1.mp4.mp4
│  │  ├┈5-基于窗口的注意力机制解读1.mp4.mp4
│  │  ├┈6-窗口偏移操作的实现1.mp4.mp4
│  │  ├┈7-偏移细节分析及其计算量概述1.mp4.mp4
│  │  ├┈8-整体网络架构整合1.mp4.mp4
│  │  └┈9-下采样操作实现方法1.mp4.mp4
│  ├─6_swintransformer源码解读
│  │  ├┈1-数据与环境配置解读1.mp4.mp4
│  │  ├┈2-图像数据patch编码1.mp4.mp4
│  │  ├┈3-数据按window进行划分计算1.mp4.mp4
│  │  ├┈4-基础attention计算模块1.mp4.mp4
│  │  ├┈5-窗口位移模块细节分析1.mp4.mp4
│  │  ├┈6-patchmerge下采样操作1.mp4.mp4
│  │  ├┈7-各block计算方法解读1.mp4.mp4
│  │  └┈8-输出层概述1.mp4.mp4
│  ├─7_基于Transformer的detr目标检测算法
│  │  ├┈1-DETR目标检测基本思想解读1.mp4.mp4
│  │  ├┈2-整体网络架构分析1.mp4.mp4
│  │  ├┈3-位置信息初始化query向量1.mp4.mp4
│  │  ├┈4-注意力机制的作用方法1.mp4.mp4
│  │  └┈5-训练过程的策略1.mp4.mp4
│  ├─8_detr目标检测源码解读
│  │  ├┈1-项目环境配置解读2.mp4.mp4
│  │  ├┈2-数据处理与dataloader2.mp4.mp4
│  │  ├┈3-位置编码作用分析2.mp4.mp4
│  │  ├┈4-backbone特征提取模块1.mp4.mp4
│  │  ├┈5-mask与编码模块1.mp4.mp4
│  │  ├┈6-编码层作用方法1.mp4.mp4
│  │  ├┈7-Decoder层操作与计算1.mp4.mp4
│  │  ├┈8-输出预测结果1.mp4.mp4
│  │  └┈9-损失函数与预测输出1.mp4.mp4
│  └─9_MedicalTrasnformer论文解读
│  └─├┈1-论文整体分析.mp4.mp4
│  └─├┈2-核心思想分析.mp4.mp4
│  └─├┈3-网络结构计算流程概述.mp4.mp4
│  └─├┈4-论文公式计算分析.mp4.mp4
│  └─├┈5-位置编码的作用与效果.mp4.mp4
│  └─└┈6-拓展应用分析.mp4.mp4
└┈资料.zip

优品资源 SVIP

相关推荐