|
|
! m Y# Q2 O: K! s人工智能P5第5期2022年
0 E) s& S3 h9 v; p6 {$ ` V├──10_图神经网络实战
' R! G% w- l+ Q& I4 c+ i7 u, T| ├──1_图神经网络基础
; v. G" O' F5 O: ~. S| | ├──1-图神经网络应用领域分析.mp4.mp4 26.40M+ {: w/ M* {2 B9 `4 @
| | ├──2-图基本模块定义.mp4.mp4 10.51M6 O* u; {+ [% A/ m% x
| | ├──3-邻接矩阵的定义.mp4.mp4 16.06M1 n; o( ~9 m& Y7 M5 Z2 f) d8 }( }
| | ├──4-GNN中常见任务.mp4.mp4 19.17M2 B# ~! U3 m, {& ^
| | ├──5-消息传递计算方法.mp4.mp4 14.23M
6 }; N4 N4 v9 K| | └──6-多层GCN的作用.mp4.mp4 13.00M
% q1 c8 L; ]' T1 u| ├──2_图卷积GCN模型 9 T& O) g: Y" ?8 e/ r: S i4 ~
| | ├──1-GCN基本模型概述.mp4.mp4 13.24M
- \6 p" ^5 O; g8 P: `| | ├──2-图卷积的基本计算方法.mp4.mp4 12.56M
- E, [1 o6 u. e; {. z- \$ P| | ├──3-邻接的矩阵的变换.mp4.mp4 18.38M
- Z) k3 `8 \, f+ r D/ X| | └──4-GCN变换原理解读.mp4.mp4 21.12M: v( u J* {" p) |( T8 V6 W. K; o
| ├──3_图模型必备神器PyTorch Geometric安装与使用 : Q7 O# P( E# }- H' e$ w
| | ├──1-PyTorch Geometric工具包安装与配置方法.mp4.mp4 45.07M8 G5 ]. D# c7 A* J B6 E
| | ├──2-数据集与邻接矩阵格式.mp4.mp4 51.92M
2 ^* k3 Z! e! \1 a| | ├──3-模型定义与训练方法.mp4.mp4 41.92M
) j$ l# d; g. A| | └──4-文献引用数据集分类案例实战.mp4.mp4 47.75M
3 ~, V! I: {% _: F5 r$ m* g$ f8 V7 \- U| ├──4_使用PyTorch Geometric构建自己的图数据集
- n! [% u1 ? f| | ├──1-构建数据集基本方法.mp4.mp4 13.47M1 e3 Y. |" Z/ M3 m% ~" Y
| | ├──2-数据集与任务背景概述.mp4.mp4 21.63M
3 ]1 z f2 i! V5 q6 G; y8 F| | ├──3-数据集基本预处理.mp4.mp4 31.50M* a; V1 v% @; Z) f
| | ├──4-用户行为图结构创建.mp4.mp4 36.67M. P% K. _: E' Q# S1 l. |0 B
| | ├──5-数据集创建函数介绍.mp4.mp4 34.87M4 r- }' K, E9 j* ?, ^! H
| | ├──6-网络结构定义模块.mp4.mp4 36.87M
9 z% l9 M9 L5 e( [: y| | ├──7-TopkPooling进行下采样任务.mp4.mp4 31.30M' Q! _7 e, v2 M e2 N
| | ├──8-获取全局特征.mp4.mp4 25.70M
8 A4 b' ]6 v( d' o6 D| | └──9-模型训练与总结.mp4.mp4 35.84M9 ]4 b! V9 }1 l: e3 I! G
| ├──5_图注意力机制与序列图模型
: ?. {4 m1 v1 U% [8 b| | ├──1-图注意力机制的作用与方法.mp4.mp4 16.53M
& a4 i1 [$ a" s| | ├──2-邻接矩阵计算图Attention.mp4.mp4 21.40M
- J+ V/ m% b, c2 Q O4 W* a7 b| | ├──3-序列图神经网络TGCN应用.mp4.mp4 12.59M/ P, Y9 {2 ]7 A, o
| | └──4-序列图神经网络细节.mp4.mp4 23.67M: t, \! _/ b1 M+ e" K, G* g! G
| ├──6_图相似度论文解读 / Z n- ~/ G, b) k: O5 U3 Q
| | ├──1-要完成的任务分析.mp4.mp4 47.79M$ c9 [* _6 u8 f$ i5 b3 u
| | ├──2-基本方法概述解读.mp4.mp4 52.67M1 s5 b' Z8 s% I, V" P) L
| | ├──3-图模型提取全局与局部特征.mp4.mp4 47.42M
1 ?+ n. z% v* \; [* P, x| | ├──4-NTN模块的作用与效果.mp4.mp4 41.09M s" t' H; Q2 {+ ]9 n' {" i5 O
| | ├──5-点之间的对应关系计算.mp4.mp4 51.22M- W( m2 Q2 |7 B0 c& w. M
| | └──6-结果输出与总结.mp4.mp4 71.18M+ P7 R) ?1 \$ p" ~
| ├──7_图相似度计算实战 / ~- @4 H" w' c+ \7 q
| | ├──1-数据集与任务概述3.mp4.mp4 18.11M, m6 ?$ k! s1 K
| | ├──2-图卷积特征提取模块3.mp4.mp4 55.92M' e+ e% \! K2 Y- g- ~: v6 n* W
| | ├──3-分别计算不同Batch点的分布3.mp4.mp4 31.70M
( d" G( ^% R8 x# s3 B| | ├──4-获得直方图特征结果.mp4.mp4 21.11M
& t8 Y1 b( K! e| | ├──5-图的全局特征构建.mp4.mp4 31.45M& b5 P/ `% z+ u: K8 [" e
| | ├──6-NTN图相似特征提取.mp4.mp4 39.25M/ V" U; E" h% N2 d s
| | └──7-预测得到相似度结果.mp4.mp4 18.64M
1 E1 y# [- c( ]" j$ N& |1 `| ├──8_基于图模型的轨迹估计
: t; k' V7 o ? O" [+ K| | ├──1-数据集与标注信息解读.mp4.mp4 57.53M0 \' J5 c X7 a0 k7 @( _: Y; \. O
| | ├──2-整体三大模块分析.mp4.mp4 71.83M( k% W* b2 q5 W) u5 J
| | ├──3-特征工程的作用与效果.mp4.mp4 41.75M
6 h% W1 f& ], W* O( u: B| | ├──4-传统方法与现在向量空间对比.mp4.mp4 51.83M: V3 [/ F- t! t
| | ├──5-输入细节分析.mp4.mp4 49.96M; I2 z$ i2 |8 f6 N9 Z4 }3 ]' h7 w
| | ├──6-子图模块构建方法.mp4.mp4 42.55M
1 G2 z) e3 h/ A( ]% e/ X| | ├──7-特征融合模块分析.mp4.mp4 47.67M `* P1 n/ l( x2 J j/ O3 F `9 d
| | └──8-VectorNet输出层分析.mp4.mp4 85.45M
' Y7 t2 V: |1 u; X| └──9_图模型轨迹估计实战 : Z8 c. B: A) L3 E6 L
| | ├──1-数据与环境配置4.mp4.mp4 35.36M
) k1 c$ l; a. [7 m| | ├──2-训练数据准备4.mp4.mp4 27.69M
2 d/ ?2 z7 p" ^* V9 X8 o w| | ├──3-Agent特征提取方法4.mp4.mp4 37.87M
; ~) H5 b. F- i5 w| | ├──4-DataLoader构建图结构4.mp4.mp4 28.61M* \5 r( S% _! M1 O9 t5 k. t
| | └──5-SubGraph与Attention模型流程4.mp4.mp4 34.55M
; B# j% l2 b) M" k5 o r├──1_直播课回放
" ]* l1 \6 {7 W- x+ R0 }| ├──1_直播1：开班典礼 $ s _! T6 g3 V7 U& V. r
| | └──1人工智能CV NLP高薪实战班.mp4 1.88G
% C1 Q5 j/ Z2 a+ X5 E+ [! F| ├──2_Pycharm环境配置与Debug演示(没用过的同学必看) 4 }/ N' ]3 g D% i# z
| | └──Pycharm环境配置与Debug演示(没用过的同学必看).mp4 125.39M& t$ z- g3 e" c0 `
| ├──3_直播2：深度学习必备基础-神经网络与卷积网络
6 n+ m9 V( V- E, X, P| | └──1.深度学习必备基础-神经网络与卷积网络.mp4 937.92M- `4 r/ V L' [* n8 K
| ├──4_直播3：Transformer原理及其各领域应用分析
1 w2 @& _+ q% u7 F# Y2 a| | └──Transformer原理及其各领域应用分析.mp4 383.49M
5 M; Q. ?. k: J| ├──5_额外补充：时间序列预测 , Q2 ]. T; n+ M( T- V: e' A7 d
| | └──额外补充：时间序列预测.mp4 374.26M' i6 O# D7 L' F. d
| └──6_直播4：Informer时间序列预测源码解读
" z5 ?5 x) |/ t$ E" ]0 V7 v| | └──Informer时间序列预测源码解读.mp4 2.04G& w" h/ J# o8 S6 D/ z" r* A% E
├──2_深度学习必备核心算法 3 x2 n% ^! k$ h0 g
| ├──1_神经网络算法解读
, S8 ?7 c; g9 c; z3 b& {* K| | └──1-神经网络算法解读.mp4 589.67M
, V2 V0 V P3 d* K| ├──2_卷积神经网络算法解读 4 R/ h6 E4 ?$ _" i( J
| | └──2-卷积神经网络算法解读.mp4 432.74M
* ?1 i2 L6 R2 L% O7 ]| └──3_递归神经网络算法解读
* c+ u- E; L0 L2 y7 D' p| | └──3-递归神经网络算法解读.mp4 336.06M/ {; I4 b6 ]6 @ O& H) P
├──3_深度学习核心框架PyTorch
/ U+ S$ }! w: n8 t1 t4 @| ├──1_PyTorch框架介绍与配置安装
F$ Y8 Y9 `) N9 z7 C5 u| | ├──1-PyTorch框架与其他框架区别分析1.mp4.mp4 33.24M" V5 N5 o) q# v$ M6 r; {2 k5 e1 ]
| | └──2-CPU与GPU版本安装方法解读1.mp4.mp4 100.57M% I: g' i4 [. ?) @/ [+ V
| ├──2_使用神经网络进行分类任务
; r0 I! ?$ _0 D% e* b& K+ T- U| | ├──1-数据集与任务概述2.mp4.mp4 43.34M
h4 @& L4 t6 b: a* Q+ l+ h| | ├──2-基本模块应用测试2.mp4.mp4 47.62M
2 e% X3 V2 O! t| | ├──3-网络结构定义方法2.mp4.mp4 55.60M
' X" T% ]$ b% h; q| | ├──4-数据源定义简介2.mp4.mp4 38.98M8 \9 ^. m* N$ E+ N+ T, N1 u
| | ├──5-损失与训练模块分析2.mp4.mp4 42.31M
& M: m4 r( A$ o% g: \3 ]% s| | ├──6-训练一个基本的分类模型2.mp4.mp4 54.59M* l/ p* f8 P& T
| | └──7-参数对结果的影响2.mp4.mp4 51.65M
8 b" E" i8 i b- h| ├──3_神经网络回归任务-气温预测 $ u2 B. E! H0 g F
| | └──神经网络回归任务-气温预测1.mp4.mp4 198.56M
; b6 A" T7 g- b% X| ├──4_卷积网络参数解读分析
/ q( K& D7 i% T- W, I8 E8 q {# X| | ├──1-输入特征通道分析2.mp4.mp4 42.48M
' ?$ P$ {2 F j+ X& X' g6 B5 ^| | ├──2-卷积网络参数解读2.mp4.mp4 31.46M W/ T8 f3 ^& W, E- r
| | └──3-卷积网络模型训练2.mp4.mp4 55.14M
* V/ C0 D x5 _% w| ├──5_图像识别模型与训练策略（重点） 1 z9 D( f0 m& I( d, b1 h1 W: Z
| | ├──1-任务分析与图像数据基本处理2.mp4.mp4 41.62M
/ c( T2 `! z0 \( x5 @| | ├──10-测试结果演示分析1.mp4.mp4 110.98M, } M ]9 X4 ~$ X: V4 S; I( o
| | ├──2-数据增强模块2.mp4.mp4 40.50M
" k1 ?0 F% q- a% `| | ├──3-数据集与模型选择1.mp4.mp4 45.32M, g" i N2 @, A' |! b
| | ├──4-迁移学习方法解读1.mp4.mp4 44.66M
' a8 R( G9 ~/ b" r| | ├──5-输出层与梯度设置1.mp4.mp4 61.42M
9 @( o1 k; _$ p$ u% ~* i| | ├──6-输出类别个数修改1.mp4.mp4 49.06M
/ K, ]( q" b o; l- p| | ├──7-优化器与学习率衰减1.mp4.mp4 52.48M% ?5 q; B9 d3 J- f% x! G. H
| | ├──8-模型训练方法1.mp4.mp4 52.60M% m7 T$ o$ T. f* p% X+ l
| | └──9-重新训练全部模型1.mp4.mp4 54.81M( V( N' _% B8 l4 [; F9 I
| ├──6_DataLoader自定义数据集制作
- `. o) Z! _% I7 M| | ├──1-Dataloader要完成的任务分析1.mp4.mp4 39.20M
& \2 w4 J8 R" K. f& Q- I* J| | ├──2-图像数据与标签路径处理1.mp4.mp4 48.98M
$ {" p: x: h: y2 u| | ├──3-Dataloader中需要实现的方法分析1.mp4.mp4 46.95M
. ~" {2 y; U6 o& E/ i| | └──4-实用Dataloader加载数据并训练模型1.mp4.mp4 77.82M' a$ j" C7 e& p' l& V% G: h
| ├──7_LSTM文本分类实战 & M2 U. ~9 q- H- L# x4 |/ |0 T
| | ├──1-数据集与任务目标分析1.mp4.mp4 52.81M
- x. E/ L, Q: `+ N8 i' i$ ], z% t| | ├──2-文本数据处理基本流程分析1.mp4.mp4 55.97M
' q4 |1 T8 Q/ y( b0 `| | ├──3-命令行参数与DEBUG1.mp4.mp4 36.52M
* f" ?, R; |* `1 t1 {/ i8 s' s! t4 t1 O| | ├──4-训练模型所需基本配置参数分析1.mp4.mp4 40.92M
* e0 p6 d6 q8 T( Y# o| | ├──5-预料表与字符切分1.mp4.mp4 31.98M/ f- c" A" q# D: Q: r
| | ├──6-字符预处理转换ID1.mp4.mp4 34.37M
- A" F: M% d9 p) Q1 k, H% @| | ├──7-LSTM网络结构基本定义1.mp4.mp4 34.73M( @ D9 `( s( F( n6 o9 p! U
| | ├──8-网络模型预测结果输出1.mp4.mp4 39.11M
! _& j, U% ~' r" f8 t| | └──9-模型训练任务与总结1.mp4.mp4 45.16M
2 ?; m6 s4 D1 y5 t: o6 h| └──8_PyTorch框架Flask部署例子
$ U0 |3 s3 u4 Y9 s- x5 h| | ├──1-基本结构与训练好的模型加载.mp4.mp4 21.02M6 ~! `" u7 d' i" N4 ?
| | ├──2-服务端处理与预测函数.mp4.mp4 40.92M
& P2 V$ a$ Q" J; ^& F* [* h| | └──3-基于Flask测试模型预测结果.mp4.mp4 46.26M5 T. V" a8 e O; `: @ U- }
├──4_MMLAB实战系列 * x% @5 Q% B3 Z! S# |+ w
| ├──10_第四模块：DBNET文字检测
/ Q5 h( l+ [5 Y" r) r| | ├──1-文字检测数据概述与配置文件.mp4.mp4 56.60M
8 U7 U4 d; \( ^' B# C| | ├──2-配置文件参数设置.mp4.mp4 38.74M* t+ a; [1 [6 _% ]/ x, w# s
| | ├──3-Neck层特征组合.mp4.mp4 32.04M' d7 V. d! l( D
| | ├──4-损失函数模块概述.mp4.mp4 43.11M! d; T2 w0 k( \* I/ O0 _( P9 r
| | └──5-损失计算方法.mp4.mp4 59.35M
' T" T# E! t h/ h/ u5 r) S' Y| ├──11_第四模块：ANINET文字识别
1 f+ {7 s: t- N, F% f| | ├──1-数据集与环境概述.mp4.mp4 55.58M
3 r2 ~. ~$ |! l) W% E| | ├──2-配置文件修改方法.mp4.mp4 52.49M
* T3 K, w5 q" F8 p, @$ w( }. |7 O" c| | ├──3-Bakbone模块得到特征.mp4.mp4 42.10M' P1 {4 m4 Z# \6 h- r- [9 s
| | ├──4-视觉Transformer模块的作用.mp4.mp4 45.97M
9 w' m# O3 e, } \| | ├──5-视觉模型中的编码与解码的效果.mp4.mp4 54.49M
+ Z" ~3 `5 h& c& T- j- b" W8 g% A3 e| | ├──6-文本模型中的结构分析.mp4.mp4 38.66M) q2 x* K) o& ~0 x. x |9 {
| | ├──7-迭代修正模块.mp4.mp4 38.14M2 Q2 s$ U; x$ N3 R9 [; S) n9 f
| | └──8-输出层与损失计算.mp4.mp4 52.81M
! H) B* G: r9 j! O| ├──12_第四模块：KIE基于图模型的关键信息抽取 H9 O: G/ M# \" [/ M0 L* U
| | ├──1-配置文件以及要完成的任务解读.mp4.mp4 51.55M
* s. b l) y0 h3 H1 h- b| | ├──2-KIE数据集格式调整方法.mp4.mp4 69.46M4 [! f5 ^; e Q! i
| | ├──3-配置文件与标签要进行处理操作.mp4.mp4 47.83M: ^/ C8 A) w3 w$ f. D
| | ├──4-边框要计算的特征分析.mp4.mp4 35.57M8 q% D) u! A L, G( Y4 V
| | ├──5-标签数据处理与关系特征提取.mp4.mp4 56.48M
6 m9 b. @# P8 j. t4 d| | ├──6-特征合并处理.mp4.mp4 43.74M1 o/ O0 {' j4 F/ P& V
| | ├──7-准备拼接边与点特征.mp4.mp4 41.38M; h1 M$ q- |# J8 s2 w0 A) J
| | └──8-整合得到图模型输入特征.mp4.mp4 71.98M
( J$ w( o1 \$ P$ p, P! e| ├──12_第五模块：stylegan2源码解读 p8 F( k8 q; e
| | ├──1-要完成的任务与基本思想概述.mp4.mp4 57.79M
. x/ S/ x$ W8 f) w| | ├──2-得到style特征编码.mp4.mp4 69.51M, p. f. K* p+ Y
| | ├──3-特征编码风格拼接.mp4.mp4 36.76M
3 V3 F" D/ V% V- t! N| | ├──4-基础风格特征卷积模块.mp4.mp4 54.69M, M8 ?6 w* }% k$ i
| | ├──5-上采样得到输出结果.mp4.mp4 40.75M2 ]& a W* c/ E3 E
| | └──6-损失函数概述.mp4.mp4 26.56M. u1 G& y/ b4 w
| ├──13_第六模块：BasicVSR++视频超分辨重构源码解读 ( O) Z M" I* S) @
| | ├──1-要完成的任务分析与配置文件.mp4.mp4 27.36M
L0 u9 O3 ?8 f; I5 R| | ├──10-传播流程整体完成一圈.mp4 61.55M
7 r" j; [+ T! X: I1 j& c1 I, e8 ^| | ├──11-完成输出结果.mp4.mp4 51.56M" X; A" I1 ]4 v6 i
| | ├──2-特征基础提取模块.mp4 44.58M
; c3 c6 G+ z: T, I8 O| | ├──3-光流估计网络模块.mp4 25.67M/ W( d2 J- i6 L" N1 F' R
| | ├──4-基于光流完成对齐操作.mp4 40.23M
# ~# h4 u% `) R( M2 c8 n| | ├──5-偏移量计算方法1.mp4.mp4 32.48M
3 n3 e9 F: Y9 s0 K$ }| | ├──6-双向计算特征对齐.mp4 36.97M
( q+ J Q3 Y. u* k| | ├──7-提特征传递流程分析.mp4 37.23M! U' L; r' e& K2 i) Q
| | ├──8-序列传播计算.mp4 39.88M4 s& d: ~2 ^" z0 F
| | └──9-准备变形卷积模块的输入.mp4.mp4 44.71M, L5 c4 i, R- B; M; N0 |
| ├──14_第七模块：多模态3D目标检测算法源码解读 1 a+ R$ s( {: p& |* X* ?
| | ├──1-环境配置与数据集概述.mp4 51.52M; L" D$ \0 B1 p7 _7 _
| | ├──10-3D卷积特征融合.mp4 56.76M
8 c* I( ]0 K- E% m, Y| | ├──11-输出层预测结果.mp4 80.80M7 ]4 x5 a2 Q4 G* j
| | ├──2-数据与标注文件介绍.mp4 37.49M
% v# q% ~% V" [5 C5 W2 [| | ├──3-基本流程梳理并进入debug模式.mp4 50.33M
, s) b6 v9 ~3 w| | ├──4-数据与图像特征提取模块.mp4 58.02M: O6 P* M) W9 c( X1 Y l' b, L) \: y
| | ├──5-体素索引位置获取.mp4.mp4 64.72M" z7 v* M8 d# D8 l9 n8 M
| | ├──6-体素特征提取方法解读.mp4 37.57M
. N/ [$ g, c4 _( H* r( N1 O| | ├──7-体素特征计算方法分析.mp4 70.71M
' i) ^! j" o, y+ v4 _; N8 `$ L| | ├──8-全局体素特征提取.mp4 95.96M
' s! y9 U) E" @9 a7 O+ o| | └──9-多模态特征融合.mp4 68.36M
( z- T% |. P' q ?| ├──15_第八模块：模型蒸馏应用实例 1 T1 ]0 u) J4 f' m+ k
| | ├──1-任务概述与工具使用.mp4 39.64M
% ?1 G# a5 X8 f! ?3 A. w$ F| | ├──2-Teacher与Student网络结构定义.mp4 46.25M
. R N: @" X, L" k| | ├──3-训练T与S得到蒸馏模型.mp4 70.63M
+ j5 o9 O- k: l( M( H! J+ i| | ├──4-开始模型训练过程与问题修正.mp4 57.26M
* C- E) ]2 b* Z) l) h| | ├──5-日志输出与模型分离.mp4 70.25M K2 ~. ?) }: _% p* C
| | ├──6-分别得到Teacher与Student模型.mp4 45.74M( Y; l* j# Q9 r+ }6 [! z, _
| | └──7-实际测试效果演示.mp4 39.02M
8 D' \8 p) y1 a( I# M| ├──16_第八模块：模型剪枝方法概述分析
5 O. [, A1 M3 B9 P6 m| | ├──1-SuperNet网络结构分析与剪枝概述.mp4 40.58M7 ~* ?+ p5 m2 y( q' ?9 E
| | └──2-搜索匹配到符合计算量的模型并训练.mp4 46.83M3 o( K1 z5 d" v# Z& y c
| ├──17_第九模块：mmaction行为识别
0 g0 f7 q$ P- m* S" R% V4 g| | └──创建自己的行为识别标注数据集.mp4 232.73M% l4 U3 l# ~( A& }% M
| ├──18_额外补充 / ~0 v# Y! ?0 P; p' ?1 G
| | └──在源码中加入各种注意力机制方法.mp4 122.48M
. o$ p' I4 ^5 l2 E) ~3 x| ├──1_MMCV安装方法
) o) M1 n5 i+ C4 g| | └──MMCV安装方法.mp4 55.75M/ |* D# i) J/ L8 R- o
| ├──2_第一模块：分类任务基本操作
/ \' o5 X: T# O2 Z# E3 H5 @| | ├──1-准备MMCLS项目.mp4 32.26M
! x6 [4 [. T$ k. `, a$ ^8 R| | ├──2-基本参数配置解读.mp4 34.52M( r$ \3 X- U0 k' F# D8 N
| | ├──3-各模块配置文件组成.mp4 35.81M' d$ _5 D6 z! a6 [5 n7 F% x
| | ├──4-生成完整配置文件.mp4 24.45M
. h G {6 Q( A: |- N| | ├──5-根据文件夹定义数据集.mp4 40.27M* E. H9 Y9 E5 P8 s- r! |% a
| | ├──6-构建自己的数据集.mp4 36.33M$ W- B3 v$ r7 Z
| | ├──7-训练自己的任务.mp4 39.32M( n) F9 F7 ~! a! M' V
| | └──MMCLS问题修正1.mp4 23.50M
/ a6 ^1 }5 O* I/ T/ z# O| ├──3_第一模块：训练结果测试与验证
0 ^# F* R D8 k| | ├──1-测试DEMO效果.mp4 25.49M
' r- w2 ^0 `% @1 q/ z7 ]| | ├──2-测试评估模型效果.mp4 27.58M
+ Z. `1 y, k: ^8 M7 U3 M5 j0 Z| | ├──3-MMCLS中增加一个新的模块.mp4 62.61M
: q0 x$ G7 N8 y0 q; B| | ├──4-修改配置文件中的参数.mp4 67.72M
m3 Y$ q0 N( X7 {/ {| | ├──5-数据增强流程可视化展示.mp4 37.40M! A6 @6 h( d, M+ H/ a
| | ├──6-Grad-Cam可视化方法.mp4 41.17M
9 H* Q8 F! @9 e9 n6 D6 E| | ├──7-可视化细节与效果分析.mp4 124.19M* u: t9 u k9 ]. w
| | ├──8-MMCLS可视化模块应用.mp4 72.07M! K4 B1 Y/ C1 F* z9 a
| | └──9-模型分析脚本使用.mp4 36.37M" }- I5 z" G- g3 P5 L( F% e
| ├──4_第一模块：模型源码DEBUG演示 + Q7 s( [8 c* ~) J3 Q7 P( v3 o' `
| | ├──1-VIT任务概述.mp4 29.96M- d, l/ H2 ]0 }- P; B
| | ├──2-数据增强模块概述分析.mp4 49.58M( j" k- i5 ]4 ]! \' Y* b& V( o% p1 f
| | ├──3-PatchEmbedding层.mp4 25.30M
$ i- [7 Z: U/ q/ `! F4 F+ S2 K| | ├──4-前向传播基本模块.mp4 38.87M
( T& f4 X7 ~( O4 I) L7 G3 || | └──5-CLS与输出模块.mp4 44.04M; F4 r5 X. A4 {2 R
| ├──5_第二模块：使用分割模块训练自己的数据集 4 k0 A s% {, \; n5 ^) m
| | ├──1-项目配置基本介绍.mp4 74.23M# U, [, S- q& i5 }2 P% w% \ m
| | ├──2-数据集标注与制作方法.mp4 56.84M
# Q# ]6 j/ @6 [/ r| | ├──3-跟别预测类别数修改配置文件.mp4 39.48M
% s% K/ |9 Y2 I2 h+ P* y) W| | ├──4-加载预训练模型开始训练.mp4 86.52M" s6 _3 \& q" A, j: O5 p a3 `
| | └──5-预测DEMO演示.mp4 21.88M; H1 F6 { L$ F$ [# g# M0 J
| ├──6_第二模块：基于Unet进行各种策略修改 9 z# O4 T+ B' i& J& F1 H* H
| | ├──1-配置文件解读.mp4 32.12M( I( f4 v B) q; n) X+ v5 _5 a% k' r6 E
| | ├──2-编码层模块.mp4 32.47M
1 w3 l- S; I2 L6 ~( [| | ├──3-上采样与输出层.mp4 28.25M
$ M" d, s; @$ o2 m- I- }' I; u| | ├──4-辅助层的作用.mp4 19.83M0 V% W1 g/ x6 b. s
| | ├──5-给Unet添加一个neck层.mp4 30.37M
( |) [- W2 q5 @. r# R5 n2 L1 E| | ├──6-如何修改参数适配网络结构.mp4 21.73M
; ^0 B } I6 a. {1 [4 c| | ├──7-将Unet特征提取模块替换成transformer.mp4 22.41M9 b( }' P4 C9 z0 v9 d1 C
| | └──8-VIT模块源码分析.mp4 45.48M
4 S9 M! Y! F: P) L/ F3 C: ]| ├──7_第二模块：分割任务CVPR最新Backbone设计及其应用
7 T: K$ z9 f% H. u8 v| | ├──1-注册自己的Backbone模块.mp4.mp4 34.30M$ w8 |' ]4 `* N9 K
| | ├──10-汇总多层级特征进行输出.mp4.mp4 43.35M
5 ^& @$ F2 G! e| | ├──2-配置文件指定.mp4.mp4 35.84M/ i- }3 C' @8 J- s
| | ├──3-DEBUG解读Backbone设计.mp4.mp4 40.45M
! a8 d1 u' e3 @8 || | ├──4-PatchEmbedding的作用与实现.mp4.mp4 44.88M4 v( k5 x1 c# J/ s. b' j# r
| | ├──5-卷积位置编码计算方法.mp4.mp4 53.89M
# Z2 K+ k- Z( K# m' @' a4 {| | ├──6-近似Attention模块实现.mp4.mp4 79.49M& f0 `; A4 w* K/ @7 v
| | ├──7-完成特征提取与融合模块.mp4.mp4 55.69M
3 E2 V! g) A. N9 m. M7 [: c| | ├──8-分割任务输出模块.mp4.mp4 57.72M
: C6 G- @$ R. u) M9 p| | └──9-全局特征的作用与实现.mp4.mp4 56.34M$ B2 B3 E+ H1 ^9 L
| ├──8_第三模块：mmdet训练自己的数据任务
% J- _! S/ t% w3 q% q3 ^# j5 G| | ├──1-数据集标注与标签获取.mp4.mp4 31.35M+ _( Z5 |( ~) U/ n# F
| | ├──2-COCO数据标注格式.mp4.mp4 28.16M
8 {1 M7 @* T) G* w| | ├──3-通过脚本生成COCO数据格式.mp4.mp4 38.55M
1 g! a( l, `; ~$ m9 ` r9 M| | ├──4-配置文件数据增强策略分析.mp4.mp4 45.59M
8 D/ N+ f6 L) s| | ├──5-训练所需配置说明.mp4.mp4 56.00M
) a; k/ F1 M. w9 ^| | ├──6-模型训练与DEMO演示.mp4.mp4 35.27M
7 [8 g# S: g' W! ~' W| | ├──7-模型测试与可视化分析模块.mp4.mp4 77.61M9 j [7 d% Y/ ?$ a
| | └──8-补充：评估指标.mp4.mp4 14.06M
# S/ u2 L* f9 ?. M9 V) Z" ~( ~& j1 O| └──9_第三模块：DeformableDetr物体检测源码分析 $ e4 g7 G8 C1 ]3 ^# ^
| | ├──1-特征提取与位置编码.mp4 38.16M
) B+ m! j# Z; T| | ├──10-分类与回归输出模块.mp4 49.72M
, C' w" m/ k) H0 Y6 l% E0 W| | ├──11-预测输出结果与标签匹配模块.mp4 44.31M! ?" o4 G$ }. R" \% J
| | ├──2-序列特征展开并叠加.mp4 51.07M
2 c: o1 X+ d+ B. r$ || | ├──3-得到相对位置点编码.mp4 28.80M
9 U4 A! |$ p3 [6 R E8 N0 e6 O| | ├──4-准备Encoder编码层所需全部输入.mp4 37.91M
) u3 {" T6 z$ z| | ├──5-编码层中的序列分析.mp4 39.73M
* m1 X9 ~ ?* ?1 J7 H| | ├──6-偏移量offset计算.mp4 46.09M
0 n" S7 h! M) || | ├──7-偏移量对齐操作.mp4 39.80M. [4 T- l& l/ g( ?( X P$ \
| | ├──8-Encoder层完成特征对齐.mp4 51.84M
/ ^$ x; v. h* G/ _$ d& x3 c| | └──9-Decoder要完成的操作.mp4 38.98M
8 k# V- C4 u8 N) W0 l. X d, ~├──5_Opencv图像处理框架实战
( a T5 ~) I( U/ V& y4 J1 {# @ A| ├──10_项目实战-文档扫描OCR识别
% z! V. b; G) T- Z% S; d| | ├──1-整体流程演示.mp4.mp4 21.50M, b# v0 Q& m# v, V9 v' h6 b
| | ├──2-文档轮廓提取.mp4.mp4 27.81M
* R$ y; U; V& r; n| | ├──3-原始与变换坐标计算.mp4.mp4 26.24M
' H5 ^. D o/ G3 ]| | ├──4-透视变换结果.mp4.mp4 32.87M
. Q5 h9 H' b% i$ c/ f| | ├──5-tesseract-ocr安装配置.mp4.mp4 41.23M
( K, }, y! G% l' m. I) N+ X& U| | └──6-文档扫描识别效果.mp4.mp4 28.86M
4 s8 y% ~, Q4 w; e/ o| ├──11_图像特征-harris
' U$ z- j; I4 j' B G: D' a| | ├──1-角点检测基本原理.mp4.mp4 15.53M
8 z2 t+ t% e% I7 ^9 V| | ├──2-基本数学原理.mp4.mp4 30.58M
% K2 d0 E* ^) A$ e4 j2 a. R+ x| | ├──3-求解化简.mp4.mp4 31.79M: T9 \' p" b6 k
| | ├──4-特征归属划分.mp4.mp4 43.23M8 b/ j5 q: ~* ~
| | └──5-opencv角点检测效果.mp4.mp4 31.04M
' Y9 V) k$ X8 S% z3 A& n| ├──12_图像特征-sift
' s# _1 D$ ]+ Q' [, x$ A* T| | ├──1-尺度空间定义.mp4.mp4 20.04M2 t" j6 u8 W/ C& E' a9 [! d
| | ├──2-高斯差分金字塔.mp4.mp4 21.68M- _6 j% ?, c6 u& v
| | ├──3-特征关键点定位.mp4.mp4 48.15M p# }0 l9 u9 L4 |' z2 v5 s8 m
| | ├──4-生成特征描述.mp4.mp4 24.66M. X7 C( K1 f C& d0 w, @: y
| | ├──5-特征向量生成.mp4.mp4 43.73M
1 @* a7 K3 t; S7 Y) o5 j| | └──6-opencv中sift函数使用.mp4.mp4 28.80M' ~8 R7 v- \1 ?4 x2 c* n: W6 a1 w
| ├──13_案例实战-全景图像拼接
# R0 ~& p. i) Z; z| | ├──1-特征匹配方法.mp4.mp4 28.56M% J5 b( N" L. y
| | ├──2-RANSAC算法.mp4.mp4 34.50M
3 y4 G" P4 @8 S! q; L# \| | ├──2-图像拼接方法.mp4.mp4 44.96M
7 p! }# F0 i b| | └──4-流程解读.mp4.mp4 21.65M: r* t1 a% d) P2 }0 F
| ├──14_项目实战-停车场车位识别
+ S: r3 [0 Q% H7 u, \# W| | ├──1-任务整体流程.mp4.mp4 71.40M
( U( B& r+ T9 ^, Q5 Q2 \8 S| | ├──2-所需数据介绍.mp4.mp4 34.31M9 V- O5 X- Y8 c
| | ├──3-图像数据预处理.mp4.mp4 56.75M
. ?8 @8 R) u3 h+ u8 {| | ├──4-车位直线检测.mp4.mp4 61.44M0 c" S7 U$ ~6 v0 u1 W2 J: U7 x
| | ├──5-按列划分区域.mp4.mp4 54.67M- q' w v5 I5 c. w( b* i
| | ├──6-车位区域划分.mp4.mp4 57.33M8 o; _. S) Z7 o/ w
| | ├──7-识别模型构建.mp4.mp4 41.19M$ y) l4 u5 U W( ?& ~7 S5 L
| | └──8-基于视频的车位检测.mp4.mp4 135.61M" r! [7 H% I5 L! z! i4 e. e# q
| ├──15_项目实战-答题卡识别判卷 " n4 Q o! Q6 c; p- q" o4 G3 Q; ]
| | ├──1-整体流程与效果概述.mp4.mp4 29.49M
1 H5 ]1 K+ c/ d: I1 _+ E' y! g| | ├──2-预处理操作.mp4.mp4 24.08M
; F }5 n( ]0 X' _+ a6 ^! j. q5 U| | ├──3-填涂轮廓检测.mp4.mp4 25.66M
/ r+ L. e7 @6 C" @- r| | └──4-选项判断识别.mp4.mp4 57.12M
5 Y2 J; B/ ]0 c6 \| ├──16_背景建模 ) @ y) A/ m/ g! Q/ y% z
| | ├──1-背景消除-帧差法.mp4.mp4 20.79M
0 e' G! t# ~) w/ P! z( n| | ├──2-混合高斯模型.mp4.mp4 26.39M
/ {; Q# Z- e e6 ^3 v$ V& S| | ├──3-学习步骤.mp4.mp4 31.75M
1 ~: |) T: U8 O" h$ _* V| | └──4-背景建模实战.mp4.mp4 51.17M0 B* T: m3 n4 D4 O: E% O
| ├──17_光流估计
: S/ |# O1 _( P x: [' q/ j| | ├──1-基本概念.mp4.mp4 20.20M
3 C. L/ } z2 W2 K6 c| | ├──2-Lucas-Kanade算法.mp4.mp4 19.67M4 F7 R- D. m: p7 X6 c, k! z, u8 _
| | ├──3-推导求解.mp4.mp4 25.94M
: { o2 p4 M$ P' G3 y% S6 Y| | └──4-光流估计实战.mp4.mp4 64.22M
& ^5 l; g. E* w+ r& W/ [+ o| ├──18_Opencv的DNN模块
4 z- X2 d' s9 ~6 m: {+ d2 K5 F5 A| | ├──1-dnn模块.mp4.mp4 28.59M6 \9 D0 e. _& M( |. _
| | └──2-模型加载结果输出.mp4.mp4 40.50M
1 ^( @3 F' ~5 `; S4 ~+ I3 N- L| ├──19_项目实战-目标追踪
2 E+ g5 B0 @ j# Z| | ├──1-目标追踪概述.mp4.mp4 49.75M
0 h; z9 G. M+ A; Q6 I8 S| | ├──2-多目标追踪实战.mp4.mp4 34.62M" ` `3 ~3 |4 c4 f" N* T% ?2 h( x
| | ├──3-深度学习检测框架加载.mp4.mp4 43.62M
8 O; V$ t! _# o: t" {) ]| | ├──4-基于dlib与ssd的追踪.mp4.mp4 73.02M
1 }6 g: t" R9 s0 ~1 @| | ├──5-多进程目标追踪.mp4.mp4 25.72M! M, z4 {$ C- f9 e. I
| | └──6-多进程效率提升对比.mp4.mp4 78.13M, M9 d* Z: Q( t/ y b! [! `( C' R
| ├──1_课程简介与环境配置 4 X! @. ^1 u5 y0 O( n
| | ├──0-课程简介2.mp4.mp4 5.37M8 G: l5 Y! f2 d+ q
| | ├──2-Notebook与IDE环境.mp4.mp4 84.39M( A1 u" z2 |) i& M6 H
| | └──2-Python与Opencv配置安装.mp4.mp4 33.28M. b" I* ?0 z6 T5 \; l
| ├──20_卷积原理与操作
/ P3 Q, A1 Z6 O, h; O! I7 g| | ├──1-卷积神经网络的应用.mp4.mp4 36.18M- ]( ]- `7 D0 N. f/ n m
| | ├──1-卷积效果演示.mp4.mp4 24.58M, }* R2 o! o8 V& A/ p5 w
| | ├──2-卷积操作流程.mp4.mp4 41.15M
+ t0 G7 e: j# U( ]% x, F+ `5 {| | ├──2-卷积层解释.mp4.mp4 22.31M
6 k D. v; C# D! h7 k/ \| | ├──3-卷积计算过程.mp4.mp4 27.61M _# ` v; v- T( t# G2 w
| | ├──4-pading与stride.mp4.mp4 26.12M
: v0 L/ f) Z; o$ F0 d| | ├──5-卷积参数共享.mp4.mp4 17.69M. n4 f' Q# @ Z& {
| | └──6-池化层原理.mp4.mp4 16.09M% R! e/ b9 d/ o" j2 s) }
| ├──21_项目实战-疲劳检测
( R/ p5 }7 D5 n+ ]! C) s* e& W| | ├──1-关键点定位概述.mp4.mp4 28.45M
4 U! e: l: W5 M( S% T2 P| | ├──2-获取人脸关键点.mp4.mp4 36.07M
" C v7 |6 k' k' v| | ├──3-定位效果演示.mp4.mp4 45.43M
0 o. g: F$ d% j% d3 U| | ├──4-闭眼检测.mp4.mp4 71.07M
: t3 {4 K6 {) Z4 a# M# O% d| | └──5-检测效果.mp4.mp4 40.60M
; z( _) Y! V- [| ├──2_图像基本操作 9 h3 l0 m9 w# F7 ^
| | ├──1-计算机眼中的图像.mp4.mp4 30.88M
5 s; @9 o( y% \2 u; _) g% U* D| | ├──2-视频的读取与处理.mp4.mp4 46.97M; U5 V# x0 w3 y2 v- C! l
| | ├──3-ROI区域.mp4.mp4 15.37M( C0 x$ V' Y. G% s, A: E9 e# J* L
| | ├──4-边界填充.mp4.mp4 21.46M0 ~) b* g! G! ~4 s }/ \
| | └──5-数值计算.mp4.mp4 40.04M
8 f+ L- H! L5 \: m| ├──3_阈值与平滑处理
$ x1 E1 ]" O7 r# A3 S! R; M, c| | ├──1-图像平滑处理.mp4.mp4 24.69M2 j$ @% i0 [5 e N/ {) b6 a
| | ├──2-高斯与中值滤波.mp4.mp4 20.55M
; [' d. D0 E& }7 n| | └──图像阈值.mp4.mp4 30.78M- d7 q- q; y) M, t+ i Y
| ├──4_图像形态学操作
! R j' A7 w2 c/ E6 p| | ├──1-腐蚀操作.mp4.mp4 20.99M
' I1 |2 ]5 Y7 q- N- n7 E% d| | ├──2-膨胀操作.mp4.mp4 12.25M8 D. z8 G% n4 g" w5 j" X9 w/ W( ?
| | ├──3-开运算与闭运算.mp4.mp4 9.32M" _5 e0 @* `8 v: y3 c1 I6 L% u
| | ├──4-梯度计算.mp4.mp4 7.85M
: c1 v( N5 m! T9 ^+ }| | └──5-礼帽与黑帽.mp4.mp4 15.88M d' ]$ j. X+ ?; V Q8 q
| ├──5_图像梯度计算
# q& {5 O" k5 B& h0 K& E| | ├──1-Sobel算子.mp4.mp4 27.00M
% v) n2 R/ ~8 w1 t9 W: f; O2 f, v| | ├──2-梯度计算方法.mp4.mp4 30.29M Z1 D" I: |( V
| | └──3-scharr与lapkacian算子.mp4.mp4 27.39M8 t; _) N% y$ l6 V$ t
| ├──6_边缘检测
5 H, J: s* _1 _9 \| | ├──1-Canny边缘检测流程.mp4.mp4 18.97M
' r$ }2 S' h" c, T! x| | ├──2-非极大值抑制.mp4.mp4 18.32M
4 U) y7 j$ c+ ]# ~: f9 h$ u| | └──3-边缘检测效果.mp4.mp4 36.63M9 U q9 {& b$ v; Q3 T5 B
| ├──7_图像金字塔与轮廓检测 ) e8 ]# ], s5 N, V
| | ├──1-轮廓检测方法.mp4.mp4 19.31M6 I5 \! n& A- E! x
| | ├──1-模板匹配方法.mp4.mp4 47.35M) u2 {: d) M9 N1 U
| | ├──1-图像金字塔定义.mp4.mp4 19.68M0 y& A' j' `8 t) L
| | ├──2-金字塔制作方法.mp4.mp4 25.47M
. n4 w6 s+ o* n: [6 i' Y* p. e; T| | ├──2-轮廓检测结果.mp4.mp4 34.37M1 T$ F I5 m% |2 t# I! I; N
| | ├──2-匹配效果展示.mp4.mp4 21.14M
' i; G& w- M% ], B% q& ^| | └──3-轮廓特征与近似.mp4.mp4 37.51M9 o* U/ K* V1 m# _
| ├──8_直方图与傅里叶变换 : n: M h" d9 ?9 I
| | ├──1-傅里叶概述.mp4.mp4 38.79M
# O' W5 H( |0 R0 w! c1 N$ P! L| | ├──1-直方图定义.mp4.mp4 23.64M6 r6 q' B$ H4 \6 e$ K7 B
| | ├──2-均衡化原理.mp4.mp4 31.35M( N d) X" V; ]% D" o" ^1 ^
| | ├──2-频域变换结果.mp4.mp4 26.26M' ]; G- X4 ?6 X
| | ├──3-低通与高通滤波.mp4.mp4 27.34M' x2 a0 Q# s L. v) G5 L i
| | └──3-均衡化效果.mp4.mp4 27.21M9 j4 F5 b( M0 |6 S
| └──9_项目实战-信用卡数字识别
! k) n4 p/ e! v" _& {| | ├──2-环境配置与预处理.mp4.mp4 34.85M# w4 O! }5 u; s/ {) E5 c
| | ├──3-模板处理方法.mp4.mp4 23.69M! T, J% Y- b1 N1 Z& C
| | ├──4-输入数据处理方法.mp4.mp4 28.88M4 g4 Z E3 Y* n, E- [6 s) K
| | ├──5-模板匹配得出识别结果.mp4.mp4 47.72M) O5 N% r) C8 f7 d% Q( w s2 T! Y
| | └──总体流程与方法讲解.mp4.mp4 20.65M
0 {: d2 s9 B. E. J0 F├──6_综合项目-物体检测经典算法实战 & M) [ R6 W1 p0 H9 |8 t( X& w
| ├──10_EfficientNet网络
# n( p% d0 j# [3 o6 t* S+ }| | └──第八课：EfficientNet网络模型.mp4.mp4 538.47M# d4 q/ Q" V2 m# Q0 ]" K1 k5 U( I
| ├──11_EfficientDet检测算法
6 R. N2 F9 e5 o* t8 t- O| | └──第十一章：EfficientDet检测算法.mp4.mp4 448.01M+ U. Q, k3 {" L) O% Z* Q
| ├──12_基于Transformer的detr目标检测算法 ! K0 E& k" y2 v( f0 A5 n
| | ├──1-DETR目标检测基本思想解读.mp4.mp4 19.35M
: _) S% N: \) w| | ├──2-整体网络架构分析.mp4.mp4 31.64M
( q4 P) y% g' k7 w4 q) f) }3 X| | ├──3-位置信息初始化query向量.mp4.mp4 19.97M
) E# X1 k, `9 c. z% g/ l| | ├──4-注意力机制的作用方法.mp4.mp4 20.85M5 S* ~3 x' f; L1 {( N; b% _
| | └──5-训练过程的策略.mp4.mp4 28.41M E) m- `9 b" t# E4 N
| ├──13_detr目标检测源码解读 ; K' O6 h# J5 |. Y3 u6 R- a
| | ├──1-项目环境配置解读.mp4.mp4 40.42M2 j* U. v9 z" g4 G9 g
| | ├──2-数据处理与dataloader.mp4.mp4 64.11M7 U$ s% C$ v: t* q7 \6 Q# n
| | ├──3-位置编码作用分析.mp4.mp4 47.95M& N: W; X Z$ u! S
| | ├──4-backbone特征提取模块.mp4.mp4 35.62M
$ c9 D( j( O/ F [: H7 d| | ├──5-mask与编码模块.mp4.mp4 34.75M
; E2 j+ r3 y! \- ^5 G| | ├──6-编码层作用方法.mp4.mp4 42.86M$ d% {+ L' Y' E' O, c
| | ├──7-Decoder层操作与计算.mp4.mp4 30.15M
f9 g# [) b7 ~9 f& || | ├──8-输出预测结果.mp4.mp4 41.28M
7 D! b M7 \/ G| | └──9-损失函数与预测输出.mp4.mp4 41.18M
+ u1 E. C' c, @7 m| ├──1_深度学习经典检测方法概述 5 l8 n3 |6 b5 \7 u6 w9 k
| | ├──1-检测任务中阶段的意义.mp4.mp4 15.14M5 V! E1 S: q; C, ~0 f% W4 {
| | ├──2-不同阶段算法优缺点分析.mp4.mp4 10.68M
9 }) H; ^( J$ [ U4 ~| | ├──3-IOU指标计算.mp4.mp4 11.74M
% Y% A X; E- b- i6 N" [| | ├──4-评估所需参数计算.mp4.mp4 26.23M% E( Q, l. }+ s0 y
| | └──5-map指标计算.mp4.mp4 19.63M5 G8 G. I- M7 i( e' I
| ├──2_YOLO-V1整体思想与网络架构
5 g2 k A# ]0 E. e/ v| | ├──2-检测算法要得到的结果.mp4.mp4 13.63M3 _$ B% l1 `' t# X; v" F. Z* ?
| | ├──3-整体网络架构解读.mp4.mp4 30.67M
! p$ | X7 T& E& u1 s; M| | ├──4-位置损失计算.mp4.mp4 18.97M: G2 g8 {) x4 b) |* x" E
| | ├──5-置信度误差与优缺点分析.mp4.mp4 26.86M8 ~" p2 l* |& C* H
| | └──YOLO算法整体思路解读.mp4.mp4 14.68M4 H$ S" r) _$ h! V
| ├──3_YOLO-V2改进细节详解
9 }5 O9 H/ j" i. d, T3 o| | ├──2-网络结构特点.mp4.mp4 15.69M
9 r! _: e) \) D; E. P| | ├──3-架构细节解读.mp4.mp4 18.92M
, N8 y" X2 T* [3 U1 U3 d( N| | ├──4-基于聚类来选择先验框尺寸.mp4.mp4 24.24M" `0 @* ^ `* m% s3 d% p. y& R
| | ├──5-偏移量计算方法.mp4.mp4 27.55M- Z! O% C& q3 ^" B$ Y4 [4 m
| | ├──6-坐标映射与还原.mp4.mp4 10.08M9 m$ C9 m% A x$ O
| | ├──7-感受野的作用.mp4.mp4 28.11M. l) r2 z% {8 d2 q
| | ├──8-特征融合改进.mp4.mp4 19.20M
) n* E0 [+ m! f7 x0 }: e| | └──V2版本细节升级概述.mp4.mp4 13.38M
0 F* ~$ |8 f$ ?, r0 T| ├──4_YOLO-V3核心网络模型
! ^, z% S. }2 S- g| | ├──1-V3版本改进概述.mp4.mp4 18.27M
1 S; Y8 Z u( {8 ^| | ├──2-多scale方法改进与特征融合.mp4.mp4 17.07M
8 N9 d7 i* w: Z, v| | ├──3-经典变换方法对比分析.mp4.mp4 10.83M
; \5 X: o# u- ?$ X7 a6 d| | ├──4-残差连接方法解读.mp4.mp4 18.64M5 {, K0 t! }+ K: }; O- }* w7 ?
| | ├──5-整体网络模型架构分析.mp4.mp4 12.93M: }3 |1 ]4 B7 E4 J
| | ├──6-先验框设计改进.mp4.mp4 13.04M) A( R: D* ~8 ], k+ h3 f( W1 X
| | └──7-sotfmax层改进.mp4.mp4 10.61M$ _- I& A0 H: H% @# D9 L$ A1 A8 Q
| ├──5_项目实战-基于V3版本进行源码解读
0 w/ ?/ q" u$ q( |0 ^9 v% K| | ├──1-数据与环境配置.mp4.mp4 65.52M
5 C0 O2 C7 k: E1 F+ l3 G% [| | ├──10-网格偏移计算.mp4.mp4 33.92M5 P& U1 ~! m3 x5 q$ ]7 b
| | ├──11-模型要计算的损失概述.mp4.mp4 23.14M
9 X" U" p1 J; G; q* Y4 H4 {| | ├──12-标签值格式修改.mp4.mp4 28.27M; n9 w, C% Y/ V+ q
| | ├──13-坐标相对位置计算.mp4.mp4 32.80M3 g+ {6 O, @) I( @# s
| | ├──14-完成所有损失函数所需计算指标.mp4.mp4 35.32M
5 T/ q: q2 ?( Y2 w8 F* [% H' G| | ├──15-模型训练与总结.mp4.mp4 72.91M
5 F4 A- v0 K+ O4 j- h5 ?| | ├──16-预测效果展示.mp4.mp4 34.51M' ]) L6 F* ] k8 Y" B
| | ├──2-训练参数设置.mp4.mp4 23.85M
. K7 R( {) w V9 E3 [0 ?| | ├──3-数据与标签读取.mp4.mp4 42.51M
" J% D$ n0 k9 X1 j! r( j9 n: j, i| | ├──4-标签文件读取与处理.mp4.mp4 27.48M
& X- R6 z$ r; a h( O| | ├──5-debug模式介绍.mp4.mp4 27.25M
6 O d' Z) N7 g) x3 V| | ├──6-基于配置文件构建网络模型.mp4.mp4 42.04M3 o+ [' B# G- \+ g8 z& m
| | ├──7-路由层与shortcut层的作用.mp4.mp4 33.72M
% z) Z+ J2 M4 P| | ├──8-YOLO层定义解析.mp4.mp4 61.09M
5 w3 A6 a$ [) k1 q% G| | └──9-预测结果计算.mp4.mp4 46.00M
4 [( n0 G9 D! M) j* k$ ?" m| ├──6_基于YOLO-V3训练自己的数据集与任务 1 ^" Z9 p7 K ^( x4 [( ~
| | ├──1-Labelme工具安装.mp4.mp4 14.29M
, ~) }6 L5 ~! F/ m) E| | ├──2-数据信息标注.mp4.mp4 32.09M& a- T2 U, s* I- y4 J9 _6 j
| | ├──3-完成标签制作.mp4.mp4 31.74M7 w7 m9 @# `+ A: I1 F' X5 p
| | ├──4-生成模型所需配置文件.mp4.mp4 36.71M" c5 P% x3 S: K; |' n6 \+ ?5 L h9 R
| | ├──5-json格式转换成yolo-v3所需输入.mp4.mp4 20.95M
9 u1 Z2 ~$ H0 e- t, E+ b9 _* @| | ├──6-完成输入数据准备工作.mp4.mp4 40.10M
+ Q! D+ ~! n. B. f/ L& w( F| | ├──7-训练代码与参数配置更改.mp4.mp4 44.29M
9 z+ x8 q z& `# _( U| | └──8-训练模型并测试效果.mp4.mp4 38.49M, F$ h8 n3 G4 x/ Z0 V
| ├──7_YOLO-V4版本算法解读 : g8 D# m' B, \/ c* t; x
| | ├──1-V4版本整体概述.mp4.mp4 15.06M# m3 T2 D- W0 E2 R8 R9 ]
| | ├──10-PAN模块解读.mp4.mp4 20.64M
- _# r2 z5 i* M1 U1 K$ A, U: I| | ├──11-激活函数与整体架构总结.mp4.mp4 19.19M
% `% h' l) ~0 ]3 Y& j9 B% R| | ├──2-V4版本贡献解读.mp4.mp4 10.06M
$ d% K3 k4 z4 U k+ n# M P' _8 s, g| | ├──3-数据增强策略分析.mp4.mp4 24.70M7 I% i/ U, o0 E5 ]$ K
| | ├──4-DropBlock与标签平滑方法.mp4.mp4 19.36M' e+ z* x3 Q& w
| | ├──5-损失函数遇到的问题.mp4.mp4 14.26M
, n% o; f" r4 q5 J' O| | ├──6-CIOU损失函数定义.mp4.mp4 10.82M
4 Y+ O5 N6 b# N: k0 t5 r3 M| | ├──7-NMS细节改进.mp4.mp4 16.66M
! j' M x+ t. Q# L( c" P- c| | ├──8-SPP与CSP网络结构.mp4.mp4 14.81M
2 d9 J R P. p| | └──9-SAM注意力机制模块.mp4.mp4 22.48M: c" _- L0 p+ u" p; ^
| ├──8_V5版本项目配置 3 Z+ c: H* [0 ^9 U5 y
| | ├──1-整体项目概述.mp4.mp4 35.77M/ l- J$ Z) u9 O9 l5 Y' [9 @) J
| | ├──2-训练自己的数据集方法.mp4.mp4 41.32M
/ e2 d2 ~6 k, Z0 T& L8 X7 Q% J| | ├──3-训练数据参数配置.mp4.mp4 51.48M4 F& ]: h+ j3 D$ J+ I
| | └──4-测试DEMO演示.mp4.mp4 50.47M
* z7 m5 E# E# l$ |' V7 ~4 u4 J| └──9_V5项目工程源码解读
0 i; R6 v9 p8 d4 t' d) [, K| | ├──1-数据源DEBUG流程解读.mp4.mp4 48.13M% @8 @+ Z! |( m) P% b9 e, G# X
| | ├──10-完成配置文件解析任务.mp4.mp4 58.80M
s0 p+ p+ m; b+ n| | ├──11-前向传播计算.mp4.mp4 30.80M# `7 `" S2 N8 a2 q2 B
| | ├──12-BottleneckCSP层计算方法.mp4.mp4 33.82M6 B9 r, k# T1 N' H4 M
| | ├──13-1 SPP层计算细节分析.mp4.mp4 29.17M
. l8 V: l, I$ x" S| | ├──13-Head层流程解读.mp4.mp4 29.12M z' Y# b1 }6 m8 E
| | ├──14-上采样与拼接操作.mp4.mp4 21.48M
" s- N% B! c% K% v) ?3 C| | ├──15-输出结果分析.mp4.mp4 41.71M! m; \$ o9 K. p1 ]7 O$ Y9 b$ O" ~9 Q
| | ├──16-超参数解读.mp4.mp4 34.94M
7 l# M0 `' b% j7 @" I& a| | ├──17-命令行参数介绍.mp4.mp4 44.26M- I$ r# \/ ]8 J5 G5 j& y8 [6 ^
| | ├──18-训练流程解读.mp4.mp4 46.81M
/ G* X( U5 A1 H; X8 ?| | ├──19-各种训练策略概述.mp4.mp4 38.43M
. \. C! q! G) E: F" U) {, _| | ├──2-图像数据源配置.mp4.mp4 34.65M
$ W4 Y$ c0 M+ p2 B# n/ r9 e' t7 f i| | ├──20-模型迭代过程.mp4.mp4 38.42M" w$ [3 H% h( T- S$ u3 v
| | ├──3-加载标签数据.mp4.mp4 26.33M
8 V5 B1 J+ T% T6 b| | ├──4-Mosaic数据增强方法.mp4.mp4 28.19M
6 q. ]* e" h! g% K3 ^| | ├──5-数据四合一方法与流程演示.mp4.mp4 41.69M
% ^- K5 H/ ?, G( N& r8 U| | ├──6-getItem构建batch.mp4.mp4 33.03M) r f% h# K5 p) C1 d' `
| | ├──7-网络架构图可视化工具安装.mp4.mp4 34.33M
! Q" y, n5 M Q5 [0 E| | ├──8-V5网络配置文件解读.mp4.mp4 35.74M/ m9 h3 a$ ]1 d; S) [, W+ F
| | └──9-Focus模块流程分析.mp4.mp4 21.93M: J! ?9 s( n+ Y) h0 H$ M" K. p
├──7_图像分割实战 4 E9 Z3 g) r: c$ J
| ├──10_MaskRcnn网络框架源码详解 : ?6 q7 W: \2 x2 x
| | ├──1-FPN层特征提取原理解读.mp4.mp4 42.31M
0 [, n+ g% Z/ O% g+ v& i0 D| | ├──10-RoiPooling层的作用与目的.mp4.mp4 33.45M
" D: T" s& K3 k' Q| | ├──11-RorAlign操作的效果.mp4.mp4 25.70M
7 r; }+ f& f6 o9 A6 `0 x! q| | ├──12-整体框架回顾.mp4.mp4 28.86M% z' Y7 O5 V4 ?7 l v. `6 y4 {
| | ├──2-FPN网络架构实现解读.mp4.mp4 55.77M
4 X% @! _4 r% q7 G| | ├──3-生成框比例设置.mp4.mp4 28.25M
4 h' T/ Y6 S! d+ n5 Y| | ├──4-基于不同尺度特征图生成所有框.mp4.mp4 32.93M* m" B) q o0 e3 Y F# R
| | ├──5-RPN层的作用与实现解读.mp4.mp4 30.90M
1 i" r! r4 i/ L l| | ├──6-候选框过滤方法.mp4.mp4 15.59M; ?0 Z+ [6 T$ M7 ]% H( _
| | ├──7-Proposal层实现方法.mp4.mp4 33.31M- D) T d. r6 t: D. w: O( @
| | ├──8-DetectionTarget层的作用.mp4.mp4 25.70M
5 @1 H7 l9 V/ v0 F2 ]5 [8 _| | └──9-正负样本选择与标签定义.mp4.mp4 27.59M% j5 ?" C5 l: N
| ├──11_基于MASK-RCNN框架训练自己的数据与任务 . R* v0 v d1 W
| | ├──1-Labelme工具安装.mp4.mp4 14.29M
. I4 b* w3 t" C2 `4 h( s3 {7 i| | ├──2-使用labelme进行数据与标签标注.mp4.mp4 26.29M8 o8 l6 c# b ~7 N" S
| | ├──3-完成训练数据准备工作.mp4.mp4 26.61M3 g3 ~. u7 \: Z/ \ _ o
| | ├──4-maskrcnn源码修改方法.mp4.mp4 63.56M8 W2 K6 C4 W5 @/ d
| | ├──5-基于标注数据训练所需任务.mp4.mp4 39.72M. Y* [! B! U6 U9 J) I M$ N4 E
| | └──6-测试与展示模块.mp4.mp4 38.60M. I+ c* s% E+ [, Q) N
| ├──1_图像分割及其损失函数概述
0 C& ~2 w. }3 I+ w* g$ t| | ├──1-语义分割与实例分割概述.mp4.mp4 20.24M: x2 O) `8 H3 X1 [3 K+ Q
| | ├──2-分割任务中的目标函数定义.mp4.mp4 20.00M
0 N! U' Z- h7 z% U1 k| | └──3-MIOU评估标准.mp4.mp4 9.03M- u* M4 J" }* S4 u/ X4 [( Y5 G
| ├──2_卷积神经网络原理与参数解读 1 _* U) D& {! M% s6 x
| | ├──1-卷积神经网络应用领域.mp4.mp4 21.20M8 N9 H7 y, ^( J1 x9 r5 e
| | ├──10-VGG网络架构.mp4.mp4 19.34M
" q0 B6 y. Q' X' K| | ├──11-残差网络Resnet.mp4.mp4 18.02M! D9 ~$ R& Z- R X# q+ q o% f3 D
| | ├──12-感受野的作用.mp4.mp4 16.86M5 L6 A3 i* M0 h# n4 Y
| | ├──2-卷积的作用.mp4.mp4 22.67M
/ N7 r/ J9 j4 D4 A' t+ i| | ├──3-卷积特征值计算方法.mp4.mp4 21.23M) |: o7 H" \1 s$ e5 q1 R3 }
| | ├──4-得到特征图表示.mp4.mp4 18.23M
! ~2 P V( \& n2 y* {" h5 T0 Q| | ├──5-步长与卷积核大小对结果的影响.mp4.mp4 19.86M
$ S% \+ Y- P2 T I# h| | ├──6-边缘填充方法.mp4.mp4 17.28M: a! B- d" B r7 W3 e. _
| | ├──7-特征图尺寸计算与参数共享.mp4.mp4 21.99M1 n9 P5 a$ a9 F4 M1 t
| | ├──8-池化层的作用.mp4.mp4 11.31M( i" t4 y E. b: ~
| | └──9-1整体网络架构.mp4.mp4 16.98M5 Y6 c! s8 u1 k3 m" n$ w
| ├──3_Unet系列算法讲解 8 B3 ]) X( E- {. J+ w
| | ├──1-Unet网络编码与解码过程.mp4.mp4 18.29M8 `- B# C; m, D: x0 l1 M& T
| | ├──2-网络计算流程.mp4.mp4 16.13M% J( M9 H9 {9 g1 \
| | ├──3-Unet升级版本改进.mp4.mp4 15.75M
7 S( y1 W2 P6 v+ y) F+ l| | └──4-后续升级版本介绍.mp4.mp4 18.37M5 U A4 K V) x/ h; ?, i( k* N
| ├──4_unet医学细胞分割实战 ( w8 f+ o% K; M
| | ├──1-医学细胞数据集介绍与参数配置.mp4.mp4 71.21M3 h4 Z3 J9 [& |
| | ├──2-数据增强工具.mp4.mp4 61.47M
0 o( y% {5 u: r) C& S| | ├──3-Debug模式演示网络计算流程.mp4.mp4 41.37M( [* I: g7 U n; }! i
| | ├──4-特征融合方法演示.mp4.mp4 30.05M
- {# M6 D1 U3 V$ X5 I* v3 D| | ├──5-迭代完成整个模型计算任务.mp4.mp4 33.55M
; P7 Y8 E$ E1 I| | └──6-模型效果验证.mp4.mp4 47.29M$ W8 Q& [$ t8 q/ A1 c8 j
| ├──5_U2NET显著性检测实战
# e8 y' ?/ a! i7 `9 L9 Z3 B2 x| | ├──1-任务目标与网络整体介绍.mp4.mp4 58.66M
9 i! Y6 r- h) _| | ├──2-显著性检测任务与目标概述.mp4.mp4 53.96M
8 d, U x) ~8 s4 m| | ├──3-编码器模块解读.mp4.mp4 43.66M" L1 W- W; T5 P; @+ b6 E, a! G
| | ├──4-解码器输出结果.mp4.mp4 27.90M. X5 {9 s, B4 W8 w3 O I h- Q
| | └──5-损失函数与应用效果.mp4.mp4 34.34M
+ g# ]1 S3 u$ e! T( r/ G| ├──6_deeplab系列算法
, b$ I4 C4 }! ^7 i9 a& o: O/ A! d( N| | ├──1-deeplab分割算法概述.mp4.mp4 13.81M( T. e; t) r4 H, y* @# ~
| | ├──2-空洞卷积的作用.mp4.mp4 16.74M
+ X9 \& _, X" a: T6 J8 E) n| | ├──3-感受野的意义.mp4.mp4 19.37M, T+ ]) E' y& S/ s$ ^
| | ├──4-SPP层的作用.mp4.mp4 19.02M
& n( B& m1 ^; e( U9 l4 W% H| | ├──5-ASPP特征融合策略.mp4.mp4 13.45M
5 K9 e Z; |4 v5 X: L! R5 }4 ]| | └──6-deeplabV3Plus版本网络架构.mp4.mp4 24.08M
; h$ j( N- B$ u& g| ├──7_基于deeplabV3+版本进行VOC分割实战
+ L; ~1 E; [$ I. J" H5 L5 _& m| | ├──1-PascalVoc数据集介绍.mp4.mp4 70.12M. {1 _, N% u; ^. z# P
| | ├──2-项目参数与数据集读取.mp4.mp4 60.32M0 B8 K& v( @7 I; J/ V
| | ├──3-网络前向传播流程.mp4.mp4 33.10M
- c4 z6 E6 o5 m' ~| | ├──4-ASPP层特征融合.mp4.mp4 51.19M
0 m5 |! v' k6 S7 |7 p+ }/ D6 ~| | └──5-分割模型训练.mp4.mp4 34.97M! z2 k( B2 B( f" v! M# B% F
| ├──8_医学心脏视频数据集分割建模实战
; x! j" |$ Q! c# M' [) G$ || | ├──1-数据集与任务概述.mp4.mp4 45.55M" v3 h* v: p, {# {) U) [
| | ├──2-项目基本配置参数.mp4.mp4 33.31M3 F1 z7 R0 e; p( \7 J! R- V% X# j9 `
| | ├──3-任务流程解读.mp4.mp4 69.12M
; p E! {! C& P; @% t1 C| | ├──4-文献报告分析.mp4.mp4 122.67M
' ?& n+ t0 O+ C| | ├──5-补充：视频数据源特征处理方法概述.mp4.mp4 26.33M- M0 [2 D' R4 y/ X. c
| | └──6-补充：R(2plus1)D处理方法分析.mp4.mp4 18.88M' u# E" r5 L* x. W* Q2 t
| └──9_物体检测框架-MaskRcnn项目介绍与配置
$ S8 Q y& S1 W4 [3 _7 ] }3 f7 z/ || | ├──0-Mask-Rcnn开源项目简介.mp4.mp4 88.18M1 F0 J6 R$ n/ ^& L
| | ├──0-参数配置.mp4.mp4 97.85M
. j; S1 z6 F) s% w+ W( f| | └──0-开源项目数据集.mp4.mp4 42.48M, \2 e) P; x# \4 i0 q' A, O
├──8_行为识别实战
/ G* o' q* c# h' {: Y| ├──1_slowfast算法知识点通俗解读 $ Y6 b6 {4 Q2 J- M, b ^
| | ├──1-slowfast核心思想解读.mp4.mp4 74.86M9 c% G) v! J# t# m5 a- K5 m5 t3 h
| | ├──2-核心网络结构模块分析.mp4.mp4 20.98M, }0 j0 J9 ?! {4 `
| | ├──3-数据采样曾的作用.mp4.mp4 18.26M
) L4 S, s' _+ s% r7 v' c2 s| | ├──4-模型网络结构设计.mp4.mp4 19.30M) X9 T, }: Q( ~/ H
| | └──5-特征融合模块与总结分析.mp4.mp4 39.30M
5 k8 Q. C1 @; N! j' F| ├──2_slowfast项目环境配置与配置文件 : H" f n' t; ?6 V; M4 ~$ x
| | ├──1-环境基本配置解读.mp4.mp4 45.35M
2 C1 U/ B2 j4 N& r$ ^. ]6 O| | ├──2-目录各文件分析.mp4.mp4 36.84M3 J S$ E9 ~# x# V
| | ├──3-配置文件作用解读.mp4.mp4 50.90M
0 B0 T- \- p2 M. O: n+ u4 a| | ├──4-测试DEMO演示1.mp4.mp4 66.77M
6 | M* s& G1 ~5 t' w| | ├──5-训练所需标签文件说明.mp4.mp4 48.77M
/ g0 m# @ d' z7 [, s w| | ├──6-训练所需视频数据准备.mp4.mp4 47.39M9 I" [& H6 Z! i' c
| | ├──7-视频数据集切分操作.mp4.mp4 39.66M( ^* n8 @/ G4 y1 M4 j3 H& L
| | └──8-完成视频分帧操作.mp4.mp4 32.77M6 R! B3 b7 m* ^/ j' H* M- f7 l7 a M
| ├──3_slowfast源码详细解读 ( @( N8 `" X* n/ s2 h5 `( h% P
| | ├──1-模型所需配置文件参数读取1.mp4.mp4 33.24M
6 {9 F6 H) Y$ y6 Y| | ├──10-RoiAlign与输出层1.mp4.mp4 78.92M) o: j7 o( V% s N, u8 T
| | ├──2-数据处理概述1.mp4.mp4 49.72M9 E" R" X8 _9 W& d; Z0 I( f6 E
| | ├──3-dataloader数据遍历方法1.mp4.mp4 56.85M: @& l$ @$ U8 f, O6 x' e) Q) w
| | ├──4-数据与标签读取实例1.mp4.mp4 52.22M/ z" Y5 k+ v% D2 I& F/ v
| | ├──5-图像数据所需预处理方法1.mp4.mp4 66.76M) r: H- B B( _
| | ├──6-slow与fast分别执行采样操作1.mp4.mp4 66.34M
/ v9 A b# l. |7 |( o; |) k) C| | ├──7-分别计算特征图输出结果1.mp4.mp4 56.64M8 Q0 o1 P- M, Z! [1 a4 }
| | ├──8-slow与fast特征图拼接操作1.mp4.mp4 49.69M
+ u( h! ^4 E H( U( |) ~* v| | └──9-resnetBolock操作1.mp4.mp4 53.62M
$ |6 w6 q1 M M" `| ├──4_基于3D卷积的视频分析与动作识别
& j4 t- F$ i( |$ Z9 M. A( d+ || | ├──1-3D卷积原理解读.mp4.mp4 20.62M) O8 _5 Z5 m; n; w, E
| | ├──2-UCF101动作识别数据集简介.mp4.mp4 51.69M
; [) J( m/ W$ J/ z| | ├──3-测试效果与项目配置.mp4.mp4 55.60M q( f5 C1 m3 w( y
| | ├──4-视频数据预处理方法.mp4.mp4 32.25M
6 Q) Z4 ?7 y! N( }2 K$ |' p: ^| | ├──5-数据Batch制作方法.mp4.mp4 46.66M
( f b' S6 ?! }3 U/ H A4 `' ?| | ├──6-3D卷积网络所涉及模块.mp4.mp4 37.76M2 a" {& ?' M5 L- C
| | └──7-训练网络模型.mp4.mp4 38.81M
, q# U7 n4 z6 I3 `! I| ├──5_视频异常检测算法与元学习
0 N5 A' f- E+ \) G! ^| | ├──1-异常检测要解决的问题与数据集介绍.mp4.mp4 21.49M1 y% A( e( @% y3 f# u
| | ├──2-基本思想与流程分析.mp4.mp4 24.27M! r6 @- @+ f# d* X
| | ├──3-预测与常见问题.mp4.mp4 26.58M
: z4 a3 j; \7 f- K- y' B2 K9 }, G2 f| | ├──4-Meta-Learn要解决的问题.mp4.mp4 20.78M
" R2 T! j' D/ ^$ t| | ├──5-学习能力与参数定义.mp4.mp4 14.17M r; f3 A. q+ s4 h) ]
| | ├──6-如何找到合适的初始化参数.mp4.mp4 23.36M
$ r5 G: E5 z+ G| | └──7-MAML算法流程解读.mp4.mp4 28.99M7 h5 O/ u4 P% C0 c$ v
| ├──6_视频异常检测CVPR2021论文及其源码解读 , `# v! k* x2 r9 U
| | ├──1-论文概述与环境配置.mp4.mp4 26.61M
# W) b+ X* v6 I, ~+ E+ d$ g; [: E| | ├──2-数据集配置与读取.mp4.mp4 38.74M; S! S$ _5 q" K
| | ├──3-模型编码与解码结构.mp4.mp4 33.37M2 d/ z( `( Q- H& R; p9 u
| | ├──4-注意力机制模块打造.mp4.mp4 61.12M
8 P) r. V+ N, K* d0 _7 ?$ t- D| | ├──5-损失函数的目的.mp4.mp4 57.97M
+ V. Q4 o# O) E0 O9 M X9 j| | ├──6-特征图生成.mp4.mp4 38.02M& {& N0 U9 D# Y# f% }* _# M! u
| | └──7-MetaLearn与输出.mp4.mp4 29.79M# }1 F/ H6 H- \) N" w& `
| └──7_基础补充-Resnet模型及其应用实例 + @* v# R! p: X# O6 R
| | ├──1-医学疾病数据集介绍.mp4.mp4 18.85M
Y# |: L1 a' o0 V' _6 a) d2 L# Y| | ├──2-Resnet网络架构原理分析.mp4.mp4 24.81M% Q; x" }# {- I
| | ├──3-dataloader加载数据集.mp4.mp4 64.78M" w! E9 J# t+ |' [- ]) i) n) S! |
| | ├──4-Resnet网络前向传播.mp4.mp4 35.82M3 b8 ?& o9 x% c5 W6 f, q' m
| | ├──5-残差网络的shortcut操作.mp4.mp4 47.34M
! Z2 v4 E* K% E; V) E| | ├──6-特征图升维与降采样操作.mp4.mp4 26.89M
8 O. I) _/ B y4 M7 r) G7 P! T% p' J, z| | └──7-网络整体流程与训练演示.mp4.mp4 67.45M/ k g: T) l' e' J
└──9_2022论文必备-Transformer实战系列 ! W' g+ _5 _* g; I" Q
| ├──10_MedicalTransformer源码解读
* d1 {& p5 r3 G" q, _| | ├──1-项目环境配置1.mp4.mp4 25.29M- @& I1 x$ P7 H
| | ├──2-医学数据介绍与分析1.mp4.mp4 56.68M* S, {( T4 D% @7 R5 A! O- V
| | ├──3-基本处理操作1.mp4.mp4 25.77M
" s9 c% ^8 _% V& k| | ├──4-AxialAttention实现过程1.mp4.mp4 36.87M
4 f. G+ R6 W3 `7 ~4 e| | ├──5-位置编码向量解读1.mp4.mp4 27.80M
/ N/ r' T/ }, l6 I9 q9 U- ^| | ├──6-注意力计算过程与方法1.mp4.mp4 52.13M: T! |2 Y+ I) T' X
| | └──7-局部特征提取与计算1.mp4.mp4 40.92M) H1 z6 d7 Y0 G) k# C6 P& A( Q( @$ [
| ├──11_商汤LoFTR算法解读
: P; T$ `3 K- |( @# B$ P( Z| | ├──1-特征匹配的应用场景.mp4.mp4 87.35M) y2 J' f( \9 z0 ^, a. n- d
| | ├──10-总结分析.mp4.mp4 39.42M
4 Y5 K. \% y7 ]2 k8 O9 ~| | ├──2-特征匹配的基本流程分析.mp4.mp4 15.91M
/ a6 k( ]& @) L9 ~# B# S w| | ├──3-整体流程梳理分析.mp4.mp4 16.46M
$ `6 z: l' O, \9 y9 M4 A7 V| | ├──4-CrossAttention的作用与效果.mp4.mp4 15.69M" c7 J0 N) {7 G1 Z( ~: j, G# l
| | ├──5-transformer构建匹配特征.mp4.mp4 33.79M
. x# I! s- \& H1 T| | ├──6-粗粒度匹配过程与作用.mp4.mp4 26.00M7 |6 v; _4 P. q; q4 |+ G, g4 P( q
| | ├──7-特征图拆解操作.mp4.mp4 14.34M
% y$ n/ o' y) h6 _; _| | ├──8-细粒度匹配的作用与方法.mp4.mp4 19.87M
5 }6 e& k- E* z5 \+ \( o, B% O) P2 K| | └──9-基于期望预测最终位置.mp4.mp4 23.08M
' m4 M6 w) S1 R% X% ^| ├──12_局部特征关键点匹配实战 " n* Z3 b" m# X
| | ├──1-项目与参数配置解读1.mp4.mp4 44.48M
/ J$ L9 L2 J5 u" Y( B" _$ ^| | ├──10-得到精细化输出结果1.mp4.mp4 19.35M
% b6 A- d5 v& o, `* @| | ├──11-通过期望计算最终输出1.mp4.mp4 40.24M3 B- Q/ d' M( ^
| | ├──2-DEMO效果演示1.mp4.mp4 39.57M% d. A- |. |5 a
| | ├──3-backbone特征提取模块1.mp4.mp4 28.65M) O' ^! X% K- B! N/ X9 F* ?
| | ├──4-注意力机制的作用与效果分析1.mp4.mp4 30.98M
/ T6 D7 m* {- ]2 r4 X+ ~| | ├──5-特征融合模块实现方法1.mp4.mp4 29.29M2 k% O5 w9 [# q, y: Y: A* G8 Q/ y% z
| | ├──6-cross关系计算方法实例1.mp4.mp4 29.30M
/ z7 s. Z/ ^, }5 ?0 x( y| | ├──7-粗粒度匹配过程1.mp4.mp4 49.80M
( n& W1 g1 p1 T8 w| | ├──8-完成基础匹配模块1.mp4.mp4 63.33M6 ^( G& E( m0 m$ g' J
| | └──9-精细化调整方法与实例1.mp4.mp4 42.73M% q; s/ D6 Y6 A3 e3 O! \
| ├──13_项目补充-谷歌开源项目BERT源码解读与应用实例
1 l7 h1 {3 v4 a7 h9 \5 d| | ├──1-BERT开源项目简介1.mp4.mp4 41.26M
& G8 m( A4 Y8 ^" k- p4 P+ V| | ├──10-构建QKV矩阵1.mp4.mp4 50.65M
1 |# L+ X* T) j| | ├──11-完成Transformer模块构建1.mp4.mp4 40.72M
( F% S( A( J5 A9 y+ i7 H| | ├──12-训练BERT模型1.mp4.mp4 54.58M
; l% x/ w0 E/ b| | ├──2-项目参数配置1.mp4.mp4 106.67M
4 ? ]! u. v2 E) A0 ~8 R2 r| | ├──3-数据读取模块1.mp4.mp4 54.19M j- q7 X% Z: J9 g6 J% N& M: e5 r7 K
| | ├──4-数据预处理模块1.mp4.mp4 40.01M
( Y% N5 d' u) @( i# a| | ├──6-Embedding层的作用1.mp4.mp4 30.91M
7 w5 r, W: \9 O/ ~- ^- q| | ├──7-加入额外编码特征1.mp4.mp4 42.36M, _, ]# p/ B5 k/ N9 V
| | ├──8-加入位置编码特征1.mp4.mp4 23.57M
& w6 n2 v% A( q2 b, ?: Q| | ├──9-mask机制1.mp4.mp4 36.69M
* Z* W+ c* |8 H, F; b! c: c' d| | └──tfrecord制作1.mp4.mp4 51.39M3 x' G" W, Y) J8 c
| ├──14_项目补充-基于BERT的中文情感分析实战 6 I- }. P) M `8 H( r
| | ├──1-中文分类数据与任务概述1.mp4.mp4 83.47M
- M, n/ C# Y; c) J) I; C| | ├──2-读取处理自己的数据集1.mp4.mp4 53.00M# A: [: N, k: n: E" A
| | └──3-训练BERT中文分类模型1.mp4.mp4 72.20M
# c% H7 R" ^/ E5 f$ @9 c| ├──1_课程介绍 5 u' z) T* j4 j; H# o4 ~
| | └──课程介绍1.mp4.mp4 14.82M1 \! W% y# z6 ?7 s
| ├──2_自然语言处理通用框架BERT原理解读
0 P1 o k# N; U8 w# Z5 U| | ├──1-BERT任务目标概述.mp4.mp4 11.47M
; c( ?* S6 {0 h% P# O| | ├──10-训练实例.mp4.mp4 24.09M
% ]* {* e2 R% x1 z| | ├──2-传统解决方案遇到的问题1.mp4.mp4 22.59M
( P6 C1 a/ d* s. U! m| | ├──3-注意力机制的作用1.mp4.mp4 14.72M: x# E1 N0 m e* Z2 H$ R
| | ├──4-self-attention计算方法1.mp4.mp4 23.69M
1 S c) a3 v# e% |0 w6 e# D. v) G| | ├──5-特征分配与softmax机制1.mp4.mp4 21.24M7 o3 t4 p; K9 d9 f- |: S
| | ├──6-Multi-head的作用1.mp4.mp4 19.29M
- l! p( v0 l% F3 A$ G& p| | ├──7-位置编码与多层堆叠1.mp4.mp4 16.77M
3 F* ]+ t1 ^( Z3 v7 b| | ├──8-transformer整体架构梳理.mp4.mp4 22.24M
3 a9 q! X+ i1 T- h1 i| | └──9-BERT模型训练方法.mp4.mp4 20.59M" e( \, D4 |) v- L. K' t" W
| ├──3_Transformer在视觉中的应用VIT算法 ! T. B/ I! ?7 v( l/ r
| | ├──1-transformer发家史介绍1.mp4.mp4 15.84M
* g7 q% Y P' ?' |# c( E5 h! u2 n| | ├──2-对图像数据构建patch序列1.mp4.mp4 22.18M
6 o+ n# y# V l7 s( v| | ├──3-VIT整体架构解读1.mp4.mp4 24.32M& J. J* _4 o6 o, o" s: c7 s/ i
| | ├──4-CNN遇到的问题与窘境1.mp4.mp4 22.34M
1 B1 V) E3 [3 }$ I4 X; m. @: F6 ~2 O| | ├──5-计算公式解读1.mp4.mp4 24.11M
2 |; f# ^, R: F) O| | ├──6-位置编码与TNT模型1.mp4.mp4 25.20M, u5 h$ ~2 i; a2 A4 e
| | └──7-TNT模型细节分析1.mp4.mp4 27.54M
# C% Y. y9 ]# b0 ^- }| ├──4_VIT算法模型源码解读
/ Y3 J; l0 X% h7 ~, u1 P& |: W9 @| | ├──1-项目配置说明1.mp4.mp4 43.27M( y4 m/ g# f" w, y1 \! ^) `: a! \
| | ├──2-输入序列构建方法解读1.mp4.mp4 29.80M
0 t0 @. C- B" [! ?& d8 @| | ├──3-注意力机制计算1.mp4.mp4 28.04M
( O) q" c6 u$ a| | └──4-输出层计算结果1.mp4.mp4 37.72M
" o* e/ Q1 H1 w! q| ├──5_swintransformer算法原理解析
) f" L& c7 G9 {% E5 r| | ├──1-swintransformer整体概述1.mp4.mp4 14.76M: S+ @2 w7 J* |, |- V5 [. O
| | ├──10-分层计算方法1.mp4.mp4 21.71M
" d+ \. E, K2 @6 v: B; j| | ├──2-要解决的问题及其优势分析1.mp4.mp4 22.33M
) t& b* A4 b2 e, V% O| | ├──3-一个block要完成的任务1.mp4.mp4 17.36M( L V0 `! Z$ C9 \, g1 J' s ?
| | ├──4-获取各窗口输入特征1.mp4.mp4 18.99M9 z& E' G+ T* a* {# @" Z
| | ├──5-基于窗口的注意力机制解读1.mp4.mp4 29.53M
1 n* K9 v6 X7 h8 }- I" Q| | ├──6-窗口偏移操作的实现1.mp4.mp4 24.27M- `0 w$ p! n# [: ^ @
| | ├──7-偏移细节分析及其计算量概述1.mp4.mp4 20.41M
$ Y, Z, o6 M, Y$ o: j- Y| | ├──8-整体网络架构整合1.mp4.mp4 20.88M4 V: Y: I1 s! m, s9 C% T: a5 c. K
| | └──9-下采样操作实现方法1.mp4.mp4 22.24M
" F$ Q; H2 V% Q' P! ^3 j7 V8 y| ├──6_swintransformer源码解读 ! S/ o2 z1 U/ g$ Y- J4 M! Q
| | ├──1-数据与环境配置解读1.mp4.mp4 59.59M
# J; p8 {. M. q) W' a) e| | ├──2-图像数据patch编码1.mp4.mp4 37.62M
+ A, i4 N* t* a3 p5 R" E| | ├──3-数据按window进行划分计算1.mp4.mp4 31.46M
5 m8 ~/ L6 A4 n; p; @| | ├──4-基础attention计算模块1.mp4.mp4 27.58M
# ^* o5 l7 h) J m- M1 \| | ├──5-窗口位移模块细节分析1.mp4.mp4 36.81M
1 @/ p+ c4 s' T' O$ Q3 g' P| | ├──6-patchmerge下采样操作1.mp4.mp4 25.24M4 a- a ? p. M1 V6 ^% Q9 R1 n) C1 D
| | ├──7-各block计算方法解读1.mp4.mp4 27.91M; D* y+ i. L2 @- _9 O
| | └──8-输出层概述1.mp4.mp4 41.11M: ^8 I) v7 T$ _4 j( o# i
| ├──7_基于Transformer的detr目标检测算法 $ n6 v9 N# u5 r1 I0 v3 u5 u. q" w
| | ├──1-DETR目标检测基本思想解读1.mp4.mp4 19.27M5 Q, w. T: X3 o/ i$ M5 L- T) u
| | ├──2-整体网络架构分析1.mp4.mp4 31.54M
/ I Q' B1 w: [! l; y| | ├──3-位置信息初始化query向量1.mp4.mp4 19.90M# l. T: z8 M4 m
| | ├──4-注意力机制的作用方法1.mp4.mp4 20.79M
% c9 u/ D* V! o. e, [4 A: ^0 n| | └──5-训练过程的策略1.mp4.mp4 28.34M5 _9 ]6 S( U, ?5 k) | X9 {
| ├──8_detr目标检测源码解读
% i4 h4 U; {0 |7 S' R| | ├──1-项目环境配置解读2.mp4.mp4 40.33M
+ l' B' P. P( r, l* k+ c| | ├──2-数据处理与dataloader2.mp4.mp4 63.98M
* i: ~' o U! f) u- b) I, B Y+ C( t| | ├──3-位置编码作用分析2.mp4.mp4 47.86M
9 z' Z$ z. t, \; h! L+ c| | ├──4-backbone特征提取模块1.mp4.mp4 35.54M4 A$ ~# P' A4 R& K4 M
| | ├──5-mask与编码模块1.mp4.mp4 34.68M/ e& ?/ h9 O3 m- b4 W
| | ├──6-编码层作用方法1.mp4.mp4 42.78M
' Z) m4 ^1 g% O( X| | ├──7-Decoder层操作与计算1.mp4.mp4 30.08M
+ K! k" |7 J, m) s M2 b0 P( k| | ├──8-输出预测结果1.mp4.mp4 41.20M
4 Y# v, J9 ~ j# a! l5 U* Y| | └──9-损失函数与预测输出1.mp4.mp4 41.18M8 o+ k4 v1 ?! q
| └──9_MedicalTrasnformer论文解读
0 V/ n* Q, }! T. Y) [6 y! i| | ├──1-论文整体分析.mp4.mp4 23.72M
5 L! Z7 P1 l+ H3 V2 b+ Z8 ]| | ├──2-核心思想分析.mp4.mp4 54.26M
' t' w3 ?' P- m# ]9 j| | ├──3-网络结构计算流程概述.mp4.mp4 44.46M) P9 m8 i x/ k" C
| | ├──4-论文公式计算分析.mp4.mp4 46.93M
3 V7 T# ]6 [+ o* t| | ├──5-位置编码的作用与效果.mp4.mp4 46.55M
6 Z( G p/ K: W S+ y/ y, n) ?| | └──6-拓展应用分析.mp4.mp4 56.52M
4 z; y: e9 E9 f& {
/ n4 Z5 F5 J& ~# y: g- }4 K. \, j- h0 {3 O' s4 b
2 ?9 N8 C. R9 u$ q( Z" V! a! d* t7 W) H7 V' S
资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见0 v- f9 @0 G, A/ k7 i
$ v. J" x1 r: y. b- C
; `; ]' s) F: g9 j
$ k7 u* y: w# g6 K4 x
本资源由Java自学网收集整理【www.javazx.com】 |
|
[复制链接]
发表于 2022-8-8 09:39:01
