|
|
& N) `+ `5 B0 G# ^
人工智能P5第5期2022年0 n5 q1 A0 n6 {" Z
├──10_图神经网络实战
" N1 Y2 x& ]% i3 R' S. [| ├──1_图神经网络基础
! l: F- D) b. }1 Q| | ├──1-图神经网络应用领域分析.mp4.mp4 26.40M
4 n! `+ v" X4 o; |, E| | ├──2-图基本模块定义.mp4.mp4 10.51M- P5 |" n! n5 o( n# o0 d, Y- t
| | ├──3-邻接矩阵的定义.mp4.mp4 16.06M. ]! {. W, u+ K9 M7 F
| | ├──4-GNN中常见任务.mp4.mp4 19.17M
" ^; h$ }" l; e5 V| | ├──5-消息传递计算方法.mp4.mp4 14.23M1 S$ v# W3 G% n/ g- }0 \8 n
| | └──6-多层GCN的作用.mp4.mp4 13.00M _. |: X2 e- Y: s
| ├──2_图卷积GCN模型
8 ^8 d Y4 B, }5 k0 g/ d- a e| | ├──1-GCN基本模型概述.mp4.mp4 13.24M! l0 F% n) \5 B0 _$ c8 ], M
| | ├──2-图卷积的基本计算方法.mp4.mp4 12.56M
2 M8 D" j! m C6 i* ^& k7 v| | ├──3-邻接的矩阵的变换.mp4.mp4 18.38M
% {' _6 T* c$ p( q| | └──4-GCN变换原理解读.mp4.mp4 21.12M; {8 o3 j8 j9 O
| ├──3_图模型必备神器PyTorch Geometric安装与使用 8 D: _' L: b+ b8 K
| | ├──1-PyTorch Geometric工具包安装与配置方法.mp4.mp4 45.07M
0 l [. v7 g1 e/ @3 Y| | ├──2-数据集与邻接矩阵格式.mp4.mp4 51.92M! W! J8 Y, p0 j5 g; j' u; Q2 ~
| | ├──3-模型定义与训练方法.mp4.mp4 41.92M- _, l% i" |2 e0 y$ {. y A
| | └──4-文献引用数据集分类案例实战.mp4.mp4 47.75M
4 V& s2 O0 M; \) p) n+ u( M1 n| ├──4_使用PyTorch Geometric构建自己的图数据集
1 L- @3 Y, _; B S| | ├──1-构建数据集基本方法.mp4.mp4 13.47M
# k! P+ |) s8 b* }8 \) `| | ├──2-数据集与任务背景概述.mp4.mp4 21.63M+ n: J9 x0 g3 w: o% r9 W2 M5 s
| | ├──3-数据集基本预处理.mp4.mp4 31.50M
2 M# G* F& R r5 b| | ├──4-用户行为图结构创建.mp4.mp4 36.67M6 V; E$ d% c6 l8 D2 s
| | ├──5-数据集创建函数介绍.mp4.mp4 34.87M$ F0 a6 H) G' A+ A% m
| | ├──6-网络结构定义模块.mp4.mp4 36.87M
2 S2 y) d, A! R' s$ H M| | ├──7-TopkPooling进行下采样任务.mp4.mp4 31.30M
. ^; @6 T, ^) I) c; H6 }. g| | ├──8-获取全局特征.mp4.mp4 25.70M
1 x$ j/ p( W; C I| | └──9-模型训练与总结.mp4.mp4 35.84M
7 U" _6 q6 Y4 K( i9 u| ├──5_图注意力机制与序列图模型 $ _, P/ e/ f3 H; z- l
| | ├──1-图注意力机制的作用与方法.mp4.mp4 16.53M1 J- S% h0 C9 m$ X+ o
| | ├──2-邻接矩阵计算图Attention.mp4.mp4 21.40M
4 z4 n. v) J, z+ P$ {| | ├──3-序列图神经网络TGCN应用.mp4.mp4 12.59M+ X0 N. U4 O7 T, z1 s
| | └──4-序列图神经网络细节.mp4.mp4 23.67M
2 j" H/ C3 q1 D! k' q0 r6 l1 ]4 u2 m, [| ├──6_图相似度论文解读
; h. Y/ a- Y/ o9 l9 `5 L| | ├──1-要完成的任务分析.mp4.mp4 47.79M
: v, X, v2 b' Z Y| | ├──2-基本方法概述解读.mp4.mp4 52.67M
" I( w1 u* J2 `. N/ {/ |9 o| | ├──3-图模型提取全局与局部特征.mp4.mp4 47.42M; @$ r7 s. N! @' l/ E
| | ├──4-NTN模块的作用与效果.mp4.mp4 41.09M
% ~4 D0 Z5 L' L% N' v8 W| | ├──5-点之间的对应关系计算.mp4.mp4 51.22M, h3 K/ w# D" w K
| | └──6-结果输出与总结.mp4.mp4 71.18M3 V9 v/ H) K3 O
| ├──7_图相似度计算实战
. s8 b- x- O) E1 Q: F| | ├──1-数据集与任务概述3.mp4.mp4 18.11M# D1 w' v' e' ^, j! ` E
| | ├──2-图卷积特征提取模块3.mp4.mp4 55.92M" k: o' Q) @8 {6 a+ H& K! S2 T
| | ├──3-分别计算不同Batch点的分布3.mp4.mp4 31.70M9 |1 T$ S8 s5 I# i5 Y
| | ├──4-获得直方图特征结果.mp4.mp4 21.11M
8 n& b! h [4 k0 b- ?| | ├──5-图的全局特征构建.mp4.mp4 31.45M$ S; W: Q% o5 c; s5 n E* o7 d6 V
| | ├──6-NTN图相似特征提取.mp4.mp4 39.25M* ~2 _$ L/ w$ Y. A- m- ]
| | └──7-预测得到相似度结果.mp4.mp4 18.64M1 |, U+ \- |) k; Z) W. O
| ├──8_基于图模型的轨迹估计 ' [6 {4 b% R) R' `
| | ├──1-数据集与标注信息解读.mp4.mp4 57.53M
1 s1 V: A( g8 ^7 o$ x4 e| | ├──2-整体三大模块分析.mp4.mp4 71.83M' F, u9 e P0 I! l
| | ├──3-特征工程的作用与效果.mp4.mp4 41.75M( W+ G2 P% w! T" I. P
| | ├──4-传统方法与现在向量空间对比.mp4.mp4 51.83M' d2 ^! l5 `& \- f6 D: T3 h7 _7 h
| | ├──5-输入细节分析.mp4.mp4 49.96M6 [4 N! f5 X ~: z2 v
| | ├──6-子图模块构建方法.mp4.mp4 42.55M
0 T3 K, v+ \, a" o% y5 F1 a| | ├──7-特征融合模块分析.mp4.mp4 47.67M* W( c% x) W0 u& M, o
| | └──8-VectorNet输出层分析.mp4.mp4 85.45M$ l5 e2 @ f$ p" ^
| └──9_图模型轨迹估计实战
( `. A8 z- U/ p: E7 m% K| | ├──1-数据与环境配置4.mp4.mp4 35.36M
S: M( a- z0 C' N: \+ K| | ├──2-训练数据准备4.mp4.mp4 27.69M
& i& A$ C! C: u$ S V| | ├──3-Agent特征提取方法4.mp4.mp4 37.87M9 k- h4 |& ?: @' x" J6 r: U
| | ├──4-DataLoader构建图结构4.mp4.mp4 28.61M
! d, v6 P% q( \| | └──5-SubGraph与Attention模型流程4.mp4.mp4 34.55M, G( Z2 U+ B# Y6 }, }* F; R- z) A
├──1_直播课回放
* B5 j+ U8 O3 J1 a| ├──1_直播1：开班典礼
" P3 A& {4 c! S' B! l| | └──1人工智能CV NLP高薪实战班.mp4 1.88G
( V& @+ L7 X8 v| ├──2_Pycharm环境配置与Debug演示(没用过的同学必看)
3 o U w ]0 H7 y+ |$ J7 P| | └──Pycharm环境配置与Debug演示(没用过的同学必看).mp4 125.39M# Q8 p K9 Y- U
| ├──3_直播2：深度学习必备基础-神经网络与卷积网络 * B6 ]" g0 v5 S: O% i; f
| | └──1.深度学习必备基础-神经网络与卷积网络.mp4 937.92M
( I* |, _) b% d9 R5 \. i| ├──4_直播3：Transformer原理及其各领域应用分析
1 C1 m4 @6 ]5 | N+ n& i, G$ X| | └──Transformer原理及其各领域应用分析.mp4 383.49M" g5 F! d: l+ H! H( X
| ├──5_额外补充：时间序列预测
: s% C8 s. G# D! {| | └──额外补充：时间序列预测.mp4 374.26M( O! h* A( H( z/ t# A# q
| └──6_直播4：Informer时间序列预测源码解读 0 `; t2 z/ }+ T2 P* K7 U4 Z. ?$ ?
| | └──Informer时间序列预测源码解读.mp4 2.04G
5 L( Y" D5 h' H├──2_深度学习必备核心算法
o" ]2 t6 Z0 k& Y4 k [! p0 A, g# U| ├──1_神经网络算法解读
1 g/ A+ c9 A2 C# i0 M/ g| | └──1-神经网络算法解读.mp4 589.67M/ V; p3 J) ?) N6 Q$ d* s+ b
| ├──2_卷积神经网络算法解读
7 _; f( t- ]0 @5 r4 q| | └──2-卷积神经网络算法解读.mp4 432.74M/ ~. ~) I# B- V8 I6 ]
| └──3_递归神经网络算法解读 ! ~) u8 @& j, ^8 _6 U+ p2 J
| | └──3-递归神经网络算法解读.mp4 336.06M! W2 H) z4 x- x# _
├──3_深度学习核心框架PyTorch
; }! a6 b* w4 B: x- I| ├──1_PyTorch框架介绍与配置安装 # H2 x' U4 |% k! K% W
| | ├──1-PyTorch框架与其他框架区别分析1.mp4.mp4 33.24M
+ m) ]' Y: i/ n' m/ W- J| | └──2-CPU与GPU版本安装方法解读1.mp4.mp4 100.57M
+ S2 s( e0 E9 @| ├──2_使用神经网络进行分类任务 2 I7 W* i. \* l7 S V3 F3 z3 L
| | ├──1-数据集与任务概述2.mp4.mp4 43.34M8 ~" S9 u9 Z% p% @" [% n: `6 ~
| | ├──2-基本模块应用测试2.mp4.mp4 47.62M# ^! [" ~) u e# T
| | ├──3-网络结构定义方法2.mp4.mp4 55.60M/ _; ^% |, _3 Z0 ^ T
| | ├──4-数据源定义简介2.mp4.mp4 38.98M
( S* \3 q" e# A9 ~| | ├──5-损失与训练模块分析2.mp4.mp4 42.31M
Z4 j7 }4 J" ^! y% X9 a2 ?/ o| | ├──6-训练一个基本的分类模型2.mp4.mp4 54.59M4 u* \: i- r+ l9 J& o, V
| | └──7-参数对结果的影响2.mp4.mp4 51.65M, W7 u1 x' @& N3 x; n7 X/ L
| ├──3_神经网络回归任务-气温预测
! o8 G- p3 [1 {$ G| | └──神经网络回归任务-气温预测1.mp4.mp4 198.56M- T1 K, I& u% A) W% ?
| ├──4_卷积网络参数解读分析
# z7 [% D5 x3 [& ^( C& m9 ?| | ├──1-输入特征通道分析2.mp4.mp4 42.48M
+ p* A: P4 T7 m7 t| | ├──2-卷积网络参数解读2.mp4.mp4 31.46M* a/ Z4 H y0 {: A+ h) X) K' O: F; g
| | └──3-卷积网络模型训练2.mp4.mp4 55.14M
* |4 f+ C5 i) c9 s4 R, y: s| ├──5_图像识别模型与训练策略（重点）
3 `3 p5 }1 ]8 N| | ├──1-任务分析与图像数据基本处理2.mp4.mp4 41.62M+ M1 g0 B8 R* ]) u
| | ├──10-测试结果演示分析1.mp4.mp4 110.98M
+ i& k8 D8 U; `7 @| | ├──2-数据增强模块2.mp4.mp4 40.50M
# |. g6 S' x+ ?- ~: _1 j3 V# E) H| | ├──3-数据集与模型选择1.mp4.mp4 45.32M
/ I8 A6 V( ]2 l& i M+ |$ W. e| | ├──4-迁移学习方法解读1.mp4.mp4 44.66M, ^) Q, X0 g/ _( X- U$ J) @
| | ├──5-输出层与梯度设置1.mp4.mp4 61.42M! A% \ Y0 F* Z
| | ├──6-输出类别个数修改1.mp4.mp4 49.06M( s4 y4 M% b/ [+ @2 U P% b
| | ├──7-优化器与学习率衰减1.mp4.mp4 52.48M* q1 V' A9 z2 [5 ]- z
| | ├──8-模型训练方法1.mp4.mp4 52.60M9 K% X/ u: m5 B' }& E3 E0 I
| | └──9-重新训练全部模型1.mp4.mp4 54.81M# F0 ]# i% M' f" H8 R
| ├──6_DataLoader自定义数据集制作
4 p) S3 B9 S) y: a* ?1 Z) Q# E% D| | ├──1-Dataloader要完成的任务分析1.mp4.mp4 39.20M7 `- Y# o5 c# l: u
| | ├──2-图像数据与标签路径处理1.mp4.mp4 48.98M) T# M* x, _! ~+ x" l
| | ├──3-Dataloader中需要实现的方法分析1.mp4.mp4 46.95M
4 o7 Z7 R! u# Z5 h+ Y+ J/ P! ^$ z| | └──4-实用Dataloader加载数据并训练模型1.mp4.mp4 77.82M
7 v& g, B; S3 H, S/ | z/ L| ├──7_LSTM文本分类实战 * u4 q5 y/ }7 Q$ k
| | ├──1-数据集与任务目标分析1.mp4.mp4 52.81M& T; t/ F) ^1 K3 B" M
| | ├──2-文本数据处理基本流程分析1.mp4.mp4 55.97M
/ W; s2 H* J' I W) [| | ├──3-命令行参数与DEBUG1.mp4.mp4 36.52M6 c' U- k# [, R
| | ├──4-训练模型所需基本配置参数分析1.mp4.mp4 40.92M- j1 g3 K% G) S. h% x' a+ j* Q
| | ├──5-预料表与字符切分1.mp4.mp4 31.98M& c/ t6 t8 q+ C4 N+ h
| | ├──6-字符预处理转换ID1.mp4.mp4 34.37M
4 g d! `/ C9 t( R8 Q, || | ├──7-LSTM网络结构基本定义1.mp4.mp4 34.73M
: f* o) ~, B2 u7 a| | ├──8-网络模型预测结果输出1.mp4.mp4 39.11M
# }2 ] J5 g% W% U% C" p| | └──9-模型训练任务与总结1.mp4.mp4 45.16M; {: K V% W7 t2 V
| └──8_PyTorch框架Flask部署例子
3 D+ }; R% a# m# H| | ├──1-基本结构与训练好的模型加载.mp4.mp4 21.02M
# p4 g7 i1 j# }3 s+ U| | ├──2-服务端处理与预测函数.mp4.mp4 40.92M8 G3 k/ D k/ c
| | └──3-基于Flask测试模型预测结果.mp4.mp4 46.26M
g! b+ s- w- [' V# e├──4_MMLAB实战系列
, u. ~. J3 a* N6 T| ├──10_第四模块：DBNET文字检测 / a4 T4 O+ f6 J; q7 c) I
| | ├──1-文字检测数据概述与配置文件.mp4.mp4 56.60M
$ l/ v/ Q) k0 G! o8 V2 b) j| | ├──2-配置文件参数设置.mp4.mp4 38.74M
7 z) G& W6 s% i: T| | ├──3-Neck层特征组合.mp4.mp4 32.04M
1 c3 B; {( @; }5 a* A. Q| | ├──4-损失函数模块概述.mp4.mp4 43.11M. C p- i+ c1 R1 Q; z5 i
| | └──5-损失计算方法.mp4.mp4 59.35M
8 o" V- z" E- c3 d3 g! I| ├──11_第四模块：ANINET文字识别 ' T8 r! A) B% M0 ~, {
| | ├──1-数据集与环境概述.mp4.mp4 55.58M. ~! N$ a4 ^6 V: W- m) U, P
| | ├──2-配置文件修改方法.mp4.mp4 52.49M
9 O+ ?( E: Q6 Y, |3 o3 X. F| | ├──3-Bakbone模块得到特征.mp4.mp4 42.10M
* j! H: n: f& k: `| | ├──4-视觉Transformer模块的作用.mp4.mp4 45.97M# _" Y, F2 X5 `) ~4 ~
| | ├──5-视觉模型中的编码与解码的效果.mp4.mp4 54.49M. V; C/ L/ y/ U
| | ├──6-文本模型中的结构分析.mp4.mp4 38.66M
) s0 k" `; \" G m' N3 ^| | ├──7-迭代修正模块.mp4.mp4 38.14M3 Z v: K2 P7 R% ?$ _4 H3 ^8 r
| | └──8-输出层与损失计算.mp4.mp4 52.81M
# H! E" p& [7 N| ├──12_第四模块：KIE基于图模型的关键信息抽取
) D7 T$ F4 n B6 }$ V9 A& [* @/ w| | ├──1-配置文件以及要完成的任务解读.mp4.mp4 51.55M7 F/ A* X7 e u G* D. z* x
| | ├──2-KIE数据集格式调整方法.mp4.mp4 69.46M
' {, L; O* m: M9 @3 {- \| | ├──3-配置文件与标签要进行处理操作.mp4.mp4 47.83M- H. W3 b# n3 A
| | ├──4-边框要计算的特征分析.mp4.mp4 35.57M" J' h1 R; a6 U
| | ├──5-标签数据处理与关系特征提取.mp4.mp4 56.48M
d# k0 W9 d* H3 b| | ├──6-特征合并处理.mp4.mp4 43.74M
% J6 H3 s$ {: K| | ├──7-准备拼接边与点特征.mp4.mp4 41.38M4 j$ n3 p# W6 n" U' K5 t
| | └──8-整合得到图模型输入特征.mp4.mp4 71.98M( W, o; ^! e; \% @" X. K v
| ├──12_第五模块：stylegan2源码解读
" h( Y3 S1 m- M: f| | ├──1-要完成的任务与基本思想概述.mp4.mp4 57.79M
- V9 \% _) k" A; N9 y; F| | ├──2-得到style特征编码.mp4.mp4 69.51M( r# y( e/ [+ _! q. r/ p, G5 l
| | ├──3-特征编码风格拼接.mp4.mp4 36.76M
0 w. C( \* p* N) v x| | ├──4-基础风格特征卷积模块.mp4.mp4 54.69M# x* M- M' y8 E
| | ├──5-上采样得到输出结果.mp4.mp4 40.75M& I7 X% m& t' f I' ?0 b# b) j: Y
| | └──6-损失函数概述.mp4.mp4 26.56M
! G# P5 \1 P) L7 e# y' ^: z# }| ├──13_第六模块：BasicVSR++视频超分辨重构源码解读 o4 `# @" l+ w9 z
| | ├──1-要完成的任务分析与配置文件.mp4.mp4 27.36M
8 p& k5 r( y: _3 V3 @3 v' D6 m# U| | ├──10-传播流程整体完成一圈.mp4 61.55M. I; _& q, A; J9 V
| | ├──11-完成输出结果.mp4.mp4 51.56M
4 F! P! G2 ]; k1 L| | ├──2-特征基础提取模块.mp4 44.58M0 p7 m, g/ n' z$ b" H+ m+ S
| | ├──3-光流估计网络模块.mp4 25.67M* W" ~, j* x0 w) B) O
| | ├──4-基于光流完成对齐操作.mp4 40.23M/ O! A# | P* @# _, L0 |0 s* T
| | ├──5-偏移量计算方法1.mp4.mp4 32.48M
4 u9 F; ?6 n* z3 ~: [| | ├──6-双向计算特征对齐.mp4 36.97M
' `; v2 O9 k1 X' O, w3 z| | ├──7-提特征传递流程分析.mp4 37.23M3 v, c: s* r, g8 U L. l$ c2 q
| | ├──8-序列传播计算.mp4 39.88M( Y8 k/ k$ T) Q3 Q2 E. t& w
| | └──9-准备变形卷积模块的输入.mp4.mp4 44.71M
8 y; Y7 E" L& y| ├──14_第七模块：多模态3D目标检测算法源码解读 9 C& S0 T! D5 s' K. v- o! V) @
| | ├──1-环境配置与数据集概述.mp4 51.52M, O" c" z- `% _
| | ├──10-3D卷积特征融合.mp4 56.76M
! Q) j) F5 Y- p; [| | ├──11-输出层预测结果.mp4 80.80M! h% S3 Q; A$ Z) J( u* N
| | ├──2-数据与标注文件介绍.mp4 37.49M
" n6 m* @( i/ I* s+ q6 q5 l| | ├──3-基本流程梳理并进入debug模式.mp4 50.33M
2 p$ }3 \7 A$ R) f, M9 [| | ├──4-数据与图像特征提取模块.mp4 58.02M
* u; l( t3 j0 n( N6 ]| | ├──5-体素索引位置获取.mp4.mp4 64.72M
( [& D: R' V8 T8 ]% b- m& W$ o| | ├──6-体素特征提取方法解读.mp4 37.57M
/ y0 M5 }* t d7 x' n| | ├──7-体素特征计算方法分析.mp4 70.71M
1 G# i5 y; i, |# l7 J! _4 ^| | ├──8-全局体素特征提取.mp4 95.96M
6 s b$ O0 t' {; y/ v| | └──9-多模态特征融合.mp4 68.36M
' p! N/ S$ ?" P e" G/ j| ├──15_第八模块：模型蒸馏应用实例 ( U" h- l1 T; G
| | ├──1-任务概述与工具使用.mp4 39.64M
- I4 D8 u8 M, ?5 x| | ├──2-Teacher与Student网络结构定义.mp4 46.25M! P/ n1 c" L. Z2 V* Z
| | ├──3-训练T与S得到蒸馏模型.mp4 70.63M) G h- f2 w. S
| | ├──4-开始模型训练过程与问题修正.mp4 57.26M
$ Q; N0 B2 [! ^. y! c| | ├──5-日志输出与模型分离.mp4 70.25M
3 K4 r }$ c& Q7 ~! H8 l" B| | ├──6-分别得到Teacher与Student模型.mp4 45.74M& j* _) U# P, Y1 c4 Z% Y
| | └──7-实际测试效果演示.mp4 39.02M
4 V2 J. U, [! F0 G| ├──16_第八模块：模型剪枝方法概述分析
- h+ F8 y/ A7 e$ { j| | ├──1-SuperNet网络结构分析与剪枝概述.mp4 40.58M7 X+ |, @, D. s e- A
| | └──2-搜索匹配到符合计算量的模型并训练.mp4 46.83M5 S& D' J2 D% ]; ~" K0 {. K
| ├──17_第九模块：mmaction行为识别 + a/ Q9 I1 s/ v, B, q0 x/ D
| | └──创建自己的行为识别标注数据集.mp4 232.73M d# ^" Z7 @' d' g% i5 `. `8 {. {
| ├──18_额外补充 4 i9 [3 Q0 l7 U! U
| | └──在源码中加入各种注意力机制方法.mp4 122.48M
, H2 {% U0 x) L U% \6 \$ B+ \( z| ├──1_MMCV安装方法 , K/ u) J" `) {' W/ o% d) q/ K
| | └──MMCV安装方法.mp4 55.75M$ Q5 D! b; C2 W8 G
| ├──2_第一模块：分类任务基本操作
: [; B% K* w7 c! r" t" ]. A9 g| | ├──1-准备MMCLS项目.mp4 32.26M
& {! U% _0 q0 ~' F| | ├──2-基本参数配置解读.mp4 34.52M
& e" x* f# H' J3 O7 Z| | ├──3-各模块配置文件组成.mp4 35.81M
6 f3 R J; i' l/ Y8 U9 W| | ├──4-生成完整配置文件.mp4 24.45M2 S: V! C- R2 Y. v' b' J
| | ├──5-根据文件夹定义数据集.mp4 40.27M1 i2 @4 Y1 D; S3 y9 n
| | ├──6-构建自己的数据集.mp4 36.33M
: w% g' f* [* X4 q% q| | ├──7-训练自己的任务.mp4 39.32M
9 O+ |% ` W w! S| | └──MMCLS问题修正1.mp4 23.50M+ N9 O6 }2 j$ I8 h, w
| ├──3_第一模块：训练结果测试与验证
' b) i2 y4 a" G4 U| | ├──1-测试DEMO效果.mp4 25.49M3 G* G9 K/ } p9 G
| | ├──2-测试评估模型效果.mp4 27.58M( M1 L0 z( z1 ~0 p& _% v% h" G7 y9 V
| | ├──3-MMCLS中增加一个新的模块.mp4 62.61M* B( V$ O- s4 L S' y2 Z
| | ├──4-修改配置文件中的参数.mp4 67.72M1 F' r- k* V+ o+ _
| | ├──5-数据增强流程可视化展示.mp4 37.40M
, A2 A' q0 D, U, w# r, [: X' L( @| | ├──6-Grad-Cam可视化方法.mp4 41.17M
8 O" {! c9 w Z/ S }5 \, Y$ S| | ├──7-可视化细节与效果分析.mp4 124.19M
& q9 s M/ N2 x# z8 R' M| | ├──8-MMCLS可视化模块应用.mp4 72.07M
7 E( Q" Q# P* `& S0 k8 \2 T| | └──9-模型分析脚本使用.mp4 36.37M
, A+ e9 _ `6 R5 u4 w| ├──4_第一模块：模型源码DEBUG演示 / h1 L- P8 R$ X9 J" n6 X0 q
| | ├──1-VIT任务概述.mp4 29.96M
& L5 @! r0 G+ b; C| | ├──2-数据增强模块概述分析.mp4 49.58M
9 Y e+ c5 r y: D" w7 |0 L| | ├──3-PatchEmbedding层.mp4 25.30M) f8 X" Y' V& T" b- I( ?7 G6 Y% U: |
| | ├──4-前向传播基本模块.mp4 38.87M2 p$ d( G& o. [) O6 P/ ~
| | └──5-CLS与输出模块.mp4 44.04M
5 Z5 X% s7 ?- W| ├──5_第二模块：使用分割模块训练自己的数据集 ' `- L) {/ x6 J$ B
| | ├──1-项目配置基本介绍.mp4 74.23M
9 [% D0 U* d) {* {9 a5 M) e. s$ }8 H1 x| | ├──2-数据集标注与制作方法.mp4 56.84M% A; z0 m2 c- c: {0 U8 B
| | ├──3-跟别预测类别数修改配置文件.mp4 39.48M& ~5 P+ S; R5 Z7 ~ n
| | ├──4-加载预训练模型开始训练.mp4 86.52M/ O8 C1 E8 h* w9 g# l2 h( H# Q; k
| | └──5-预测DEMO演示.mp4 21.88M, D/ |' G5 i- ~) b: J% p5 u
| ├──6_第二模块：基于Unet进行各种策略修改
* ]7 J2 R$ F2 @# w" h- {| | ├──1-配置文件解读.mp4 32.12M* C5 [% f2 l4 v* k4 P$ @
| | ├──2-编码层模块.mp4 32.47M" ?9 ]0 T6 o0 ?8 I8 b
| | ├──3-上采样与输出层.mp4 28.25M
. B/ [8 u" q" t4 r+ q& n| | ├──4-辅助层的作用.mp4 19.83M
' ]3 v$ @6 M, i! F4 C| | ├──5-给Unet添加一个neck层.mp4 30.37M/ h/ v. g5 |- p* n2 r, d
| | ├──6-如何修改参数适配网络结构.mp4 21.73M
3 i1 O, W$ |4 Z( r| | ├──7-将Unet特征提取模块替换成transformer.mp4 22.41M
8 @/ B& {6 Z, w| | └──8-VIT模块源码分析.mp4 45.48M
8 X/ ~# b2 v% p) @| ├──7_第二模块：分割任务CVPR最新Backbone设计及其应用 9 L; ?7 I1 m" y% C
| | ├──1-注册自己的Backbone模块.mp4.mp4 34.30M+ b9 f( @0 r8 q+ _/ c
| | ├──10-汇总多层级特征进行输出.mp4.mp4 43.35M P+ O/ @) m7 {% c
| | ├──2-配置文件指定.mp4.mp4 35.84M
* c3 D* z: F/ Z+ \) H2 W| | ├──3-DEBUG解读Backbone设计.mp4.mp4 40.45M
) }' ^2 e: S& `/ P' n| | ├──4-PatchEmbedding的作用与实现.mp4.mp4 44.88M& W" c9 m6 K3 Z
| | ├──5-卷积位置编码计算方法.mp4.mp4 53.89M1 R' Q. v/ \5 T! c/ l
| | ├──6-近似Attention模块实现.mp4.mp4 79.49M( P1 [+ L% z' [0 u n$ w6 T1 M
| | ├──7-完成特征提取与融合模块.mp4.mp4 55.69M+ ]2 r" w# N# K2 \1 j+ G
| | ├──8-分割任务输出模块.mp4.mp4 57.72M0 h: T# _- q, P: u5 u$ Y
| | └──9-全局特征的作用与实现.mp4.mp4 56.34M! f& G, g4 {: ]- y# h
| ├──8_第三模块：mmdet训练自己的数据任务
1 f- }* S# s! P2 n& Z- t| | ├──1-数据集标注与标签获取.mp4.mp4 31.35M# Y+ C0 \2 x( ]7 F" j
| | ├──2-COCO数据标注格式.mp4.mp4 28.16M5 x" h# @( Z* h
| | ├──3-通过脚本生成COCO数据格式.mp4.mp4 38.55M; u/ e+ r& r$ }- m, Y: }) ^: {
| | ├──4-配置文件数据增强策略分析.mp4.mp4 45.59M; X% c9 j( Q) N8 Z- M
| | ├──5-训练所需配置说明.mp4.mp4 56.00M
6 ~9 {" A4 [- Q3 ~# T/ H2 \| | ├──6-模型训练与DEMO演示.mp4.mp4 35.27M, T9 l, c e3 t" L
| | ├──7-模型测试与可视化分析模块.mp4.mp4 77.61M' U- g; x) ~# T& Z
| | └──8-补充：评估指标.mp4.mp4 14.06M- {( Q! _6 t; N- B4 p
| └──9_第三模块：DeformableDetr物体检测源码分析 ; ~1 s# \; M7 C/ ?9 k/ g
| | ├──1-特征提取与位置编码.mp4 38.16M& h9 ?5 Q8 u5 n. F
| | ├──10-分类与回归输出模块.mp4 49.72M, {/ r/ G4 l# C L7 }; T$ u. J
| | ├──11-预测输出结果与标签匹配模块.mp4 44.31M
1 e& p. u* u% u* A! y7 B| | ├──2-序列特征展开并叠加.mp4 51.07M" L- Z; }7 m' _' Z7 l
| | ├──3-得到相对位置点编码.mp4 28.80M
7 v( y& c/ X2 G8 }* a Q" p1 c, r| | ├──4-准备Encoder编码层所需全部输入.mp4 37.91M. n4 S1 z3 b' l
| | ├──5-编码层中的序列分析.mp4 39.73M. u+ {: g7 h* H! q# b
| | ├──6-偏移量offset计算.mp4 46.09M$ V$ W' }" w$ T b( ~! D
| | ├──7-偏移量对齐操作.mp4 39.80M
$ F. m, Y, T1 C/ ^' ~" w| | ├──8-Encoder层完成特征对齐.mp4 51.84M6 B) D9 Y3 H: k" g7 v
| | └──9-Decoder要完成的操作.mp4 38.98M
0 R- U6 w+ L" f: m0 W8 X- H8 }├──5_Opencv图像处理框架实战
2 N# f' b! B2 D, @* M| ├──10_项目实战-文档扫描OCR识别
& u# o6 _+ |5 u| | ├──1-整体流程演示.mp4.mp4 21.50M
6 N: |8 g8 A+ Q; B* a| | ├──2-文档轮廓提取.mp4.mp4 27.81M8 ^% j8 e# K; ]: g# z
| | ├──3-原始与变换坐标计算.mp4.mp4 26.24M
% N, f) Z4 M2 y6 u( o1 i| | ├──4-透视变换结果.mp4.mp4 32.87M
6 ]/ y: n. Z* a) Q9 @2 m9 O( ~" A| | ├──5-tesseract-ocr安装配置.mp4.mp4 41.23M7 m* O4 _- L: o. r `; F( P3 G
| | └──6-文档扫描识别效果.mp4.mp4 28.86M
1 `$ {( h0 T6 R* g| ├──11_图像特征-harris 9 H4 `8 ?0 U+ l# a" }
| | ├──1-角点检测基本原理.mp4.mp4 15.53M, M- v$ {4 f9 ]; y! p/ H
| | ├──2-基本数学原理.mp4.mp4 30.58M
, K% e! T; k0 L1 z8 _6 u) s) `4 m| | ├──3-求解化简.mp4.mp4 31.79M, B0 U' G) I) L7 ?" f
| | ├──4-特征归属划分.mp4.mp4 43.23M
8 {- }# }, m0 ^: x2 [+ b6 e| | └──5-opencv角点检测效果.mp4.mp4 31.04M" H* h, v& `: P
| ├──12_图像特征-sift
6 |1 J3 F6 K* z3 Z5 D/ O| | ├──1-尺度空间定义.mp4.mp4 20.04M
+ f/ ]8 P# E: E8 T" M| | ├──2-高斯差分金字塔.mp4.mp4 21.68M2 @) s. ~0 R" z. H2 W$ Y5 P5 N
| | ├──3-特征关键点定位.mp4.mp4 48.15M$ k% Z* B! b _/ G) ]5 N- z
| | ├──4-生成特征描述.mp4.mp4 24.66M
/ Y; n7 \! C$ h/ {+ M m| | ├──5-特征向量生成.mp4.mp4 43.73M+ v+ Q! S3 s# c2 X$ E
| | └──6-opencv中sift函数使用.mp4.mp4 28.80M# Y1 p' F0 C0 i! s- V
| ├──13_案例实战-全景图像拼接 + k- F8 N. ?, k4 q) U# T H4 n; d
| | ├──1-特征匹配方法.mp4.mp4 28.56M7 d0 N- T) o$ K; c' X1 @' M
| | ├──2-RANSAC算法.mp4.mp4 34.50M3 I. t4 `7 c. E. K
| | ├──2-图像拼接方法.mp4.mp4 44.96M& f" ^/ ^- }0 f4 g2 |3 n
| | └──4-流程解读.mp4.mp4 21.65M
; _6 s8 }8 b. Z/ h# E, k* c! h7 p| ├──14_项目实战-停车场车位识别 . n: B, q* F% ?0 G2 J8 ?( C
| | ├──1-任务整体流程.mp4.mp4 71.40M
6 l1 _% O% @6 j7 n( j. Q& k| | ├──2-所需数据介绍.mp4.mp4 34.31M1 o1 X7 m5 E7 p% l% @
| | ├──3-图像数据预处理.mp4.mp4 56.75M
1 {# K6 w" p9 v8 o" m; E| | ├──4-车位直线检测.mp4.mp4 61.44M6 @5 N! W5 ?3 o6 q
| | ├──5-按列划分区域.mp4.mp4 54.67M( ~2 u! {( g" X) @
| | ├──6-车位区域划分.mp4.mp4 57.33M- k' P+ R2 v) c" L! L: W) s, q
| | ├──7-识别模型构建.mp4.mp4 41.19M& k& ~: @8 ~$ q8 ~9 L+ F& O
| | └──8-基于视频的车位检测.mp4.mp4 135.61M
* O+ }8 |5 S) G, A. \; W% F| ├──15_项目实战-答题卡识别判卷
" M# c+ e/ D T| | ├──1-整体流程与效果概述.mp4.mp4 29.49M( z4 t; L+ o7 y+ R1 U
| | ├──2-预处理操作.mp4.mp4 24.08M
* R- }$ ]7 G x| | ├──3-填涂轮廓检测.mp4.mp4 25.66M
1 K, C& v4 J- w) {9 G| | └──4-选项判断识别.mp4.mp4 57.12M X; _) M4 f1 H+ Z9 t0 f/ e2 d
| ├──16_背景建模 2 |: }& W0 U; `( b7 y
| | ├──1-背景消除-帧差法.mp4.mp4 20.79M( e2 F5 X. B9 m0 s* [* Y
| | ├──2-混合高斯模型.mp4.mp4 26.39M* H' H3 |% n( Q6 _# ?
| | ├──3-学习步骤.mp4.mp4 31.75M
3 q J9 o7 u$ l9 ]1 B% n* h| | └──4-背景建模实战.mp4.mp4 51.17M9 `. X( ~3 k2 |
| ├──17_光流估计
0 o' s0 `: R7 s: R9 X| | ├──1-基本概念.mp4.mp4 20.20M' F; N6 V9 [, ?3 z. J( X
| | ├──2-Lucas-Kanade算法.mp4.mp4 19.67M
P+ \0 x5 ]8 ^| | ├──3-推导求解.mp4.mp4 25.94M
& k* D1 i/ K, K| | └──4-光流估计实战.mp4.mp4 64.22M
* A: f7 B! J8 ?| ├──18_Opencv的DNN模块
# Z/ Y) V8 q: Y7 @7 }8 M| | ├──1-dnn模块.mp4.mp4 28.59M
' |" c2 |8 u. X8 l5 u| | └──2-模型加载结果输出.mp4.mp4 40.50M
. D! B1 P v* Q. U- t/ || ├──19_项目实战-目标追踪
6 T5 z; S% }3 x5 \. c| | ├──1-目标追踪概述.mp4.mp4 49.75M
" k0 [; w, ^3 Y9 W4 `| | ├──2-多目标追踪实战.mp4.mp4 34.62M
/ H2 r0 ]2 r) {| | ├──3-深度学习检测框架加载.mp4.mp4 43.62M# e- N6 J3 X7 }2 E3 T9 S1 i
| | ├──4-基于dlib与ssd的追踪.mp4.mp4 73.02M
( \# L& x6 F3 R* ^| | ├──5-多进程目标追踪.mp4.mp4 25.72M
" h3 V! w' v* l3 ^( a| | └──6-多进程效率提升对比.mp4.mp4 78.13M2 p& n% @* ~( }: Q% ?
| ├──1_课程简介与环境配置
* m2 t! W) _8 V| | ├──0-课程简介2.mp4.mp4 5.37M
+ f- W, S% l/ e& {3 k8 V| | ├──2-Notebook与IDE环境.mp4.mp4 84.39M% q$ m5 P6 r4 d8 a# r3 t8 u
| | └──2-Python与Opencv配置安装.mp4.mp4 33.28M* r. Q# k# P* r! Q
| ├──20_卷积原理与操作
; \5 {, V: B# s V- D. W| | ├──1-卷积神经网络的应用.mp4.mp4 36.18M2 ]+ }7 D" ]" g. L: K7 E; r
| | ├──1-卷积效果演示.mp4.mp4 24.58M: V. y3 |+ Z2 i8 q+ O# K
| | ├──2-卷积操作流程.mp4.mp4 41.15M' i C8 l8 y" Y: F2 i' ?: m) k
| | ├──2-卷积层解释.mp4.mp4 22.31M& ?, j# ] f' G$ w7 A6 I8 r
| | ├──3-卷积计算过程.mp4.mp4 27.61M: @4 }- p) @+ m! W, B! ?8 K& o
| | ├──4-pading与stride.mp4.mp4 26.12M& P+ i2 G# J( ^6 v
| | ├──5-卷积参数共享.mp4.mp4 17.69M1 N! e) G9 `& n4 w, \0 _' m0 S
| | └──6-池化层原理.mp4.mp4 16.09M
7 e: h7 D' T' \& [, o( q| ├──21_项目实战-疲劳检测
& i$ j0 B* k$ L; [" Y| | ├──1-关键点定位概述.mp4.mp4 28.45M
& U7 ]& W$ O) ^| | ├──2-获取人脸关键点.mp4.mp4 36.07M7 W% _8 Z; q3 Q& f
| | ├──3-定位效果演示.mp4.mp4 45.43M* s8 N' }; {' v* B0 N3 _
| | ├──4-闭眼检测.mp4.mp4 71.07M6 {$ M$ d1 W$ y( }0 o+ J
| | └──5-检测效果.mp4.mp4 40.60M
' K9 Z# X5 v, A" G| ├──2_图像基本操作
% D. m- Z4 | ^ w8 N% N0 J9 f+ t5 P| | ├──1-计算机眼中的图像.mp4.mp4 30.88M
( \5 K+ d2 c' _, {' B9 E| | ├──2-视频的读取与处理.mp4.mp4 46.97M
, B0 l# R, N, `9 m1 z% p| | ├──3-ROI区域.mp4.mp4 15.37M* g9 f( j6 F- l; E# N/ F2 c
| | ├──4-边界填充.mp4.mp4 21.46M/ C- y" S: e6 [4 F# |
| | └──5-数值计算.mp4.mp4 40.04M
* N$ {3 t" q& `1 } h% ?$ @% O| ├──3_阈值与平滑处理
) K) ?! |3 b% z6 H( y! ]2 C| | ├──1-图像平滑处理.mp4.mp4 24.69M
$ C6 R5 ~7 r/ e$ p8 H| | ├──2-高斯与中值滤波.mp4.mp4 20.55M( j$ Y! N$ G+ Y* h1 g) s9 h1 W) Y
| | └──图像阈值.mp4.mp4 30.78M
! e# \! S @$ U& m' E| ├──4_图像形态学操作 - O5 S* `# l" a/ N3 A
| | ├──1-腐蚀操作.mp4.mp4 20.99M
5 z0 R/ O U0 k: w| | ├──2-膨胀操作.mp4.mp4 12.25M S1 j/ C' Z6 M0 c4 v; v
| | ├──3-开运算与闭运算.mp4.mp4 9.32M
1 g2 L# V8 |6 B( K2 n| | ├──4-梯度计算.mp4.mp4 7.85M7 R! w/ _3 x1 v9 {8 C5 k
| | └──5-礼帽与黑帽.mp4.mp4 15.88M7 o2 `8 O" f/ R7 i
| ├──5_图像梯度计算
5 Q4 K( O8 E4 E! S* U2 q| | ├──1-Sobel算子.mp4.mp4 27.00M( ~! L/ a: E6 u5 m
| | ├──2-梯度计算方法.mp4.mp4 30.29M
6 f; I6 r7 c3 [" s" p5 X& V9 l! [| | └──3-scharr与lapkacian算子.mp4.mp4 27.39M: k3 _$ b/ M( N" U
| ├──6_边缘检测 - K! ?# e; \! r( Y
| | ├──1-Canny边缘检测流程.mp4.mp4 18.97M
* v- k4 w+ w% a| | ├──2-非极大值抑制.mp4.mp4 18.32M; A* E$ L0 E1 y8 C/ \
| | └──3-边缘检测效果.mp4.mp4 36.63M) N" W: p% {( O! t. ] L
| ├──7_图像金字塔与轮廓检测
( y1 A! y/ x$ t( I6 u( s. B4 w& m0 m| | ├──1-轮廓检测方法.mp4.mp4 19.31M
: ]8 [1 k/ w9 w: A$ k, Q/ k| | ├──1-模板匹配方法.mp4.mp4 47.35M
* c: ~6 P$ p+ N) \3 r* ?| | ├──1-图像金字塔定义.mp4.mp4 19.68M6 Y. R! s9 x) O% g* V( ?
| | ├──2-金字塔制作方法.mp4.mp4 25.47M& N& _- F9 p8 v2 I! K% k9 ]( |0 L
| | ├──2-轮廓检测结果.mp4.mp4 34.37M
9 M( V3 g; r% O z| | ├──2-匹配效果展示.mp4.mp4 21.14M
; |$ {5 T! [! \| | └──3-轮廓特征与近似.mp4.mp4 37.51M
" Q4 l# }, o( ]# [% V+ {| ├──8_直方图与傅里叶变换
1 ]4 L) ]6 o- F( d! S8 S' P| | ├──1-傅里叶概述.mp4.mp4 38.79M2 b0 O5 p! b2 J3 o2 \' ^
| | ├──1-直方图定义.mp4.mp4 23.64M# C9 {- ? Y0 @5 V @
| | ├──2-均衡化原理.mp4.mp4 31.35M$ t6 G1 x7 K, `% e5 w
| | ├──2-频域变换结果.mp4.mp4 26.26M: ~: r* e+ `. [) J# _9 d, ^
| | ├──3-低通与高通滤波.mp4.mp4 27.34M
9 Q% C! ?$ ~# o+ n0 X5 U| | └──3-均衡化效果.mp4.mp4 27.21M
) x2 B0 Y' w! n' C3 { }$ E| └──9_项目实战-信用卡数字识别 2 Z5 h1 D) S8 X# N' O. l
| | ├──2-环境配置与预处理.mp4.mp4 34.85M# g- v( h3 H$ t
| | ├──3-模板处理方法.mp4.mp4 23.69M
3 Z/ N4 M. j2 A: G5 e3 F. d [| | ├──4-输入数据处理方法.mp4.mp4 28.88M# e$ {" ]: V& P* l) j! z
| | ├──5-模板匹配得出识别结果.mp4.mp4 47.72M
: a! g" n$ O# ?" l) ~| | └──总体流程与方法讲解.mp4.mp4 20.65M+ `% D0 S5 Z% C' E, b' g5 }# G: G* r
├──6_综合项目-物体检测经典算法实战
8 D" C1 {' o4 |: ?5 ^4 V| ├──10_EfficientNet网络 ; C. r* s5 N: {5 E2 N9 _
| | └──第八课：EfficientNet网络模型.mp4.mp4 538.47M5 n% _2 }, ]4 w
| ├──11_EfficientDet检测算法 , i/ ~8 I+ K2 g1 O8 R5 d$ ]' T
| | └──第十一章：EfficientDet检测算法.mp4.mp4 448.01M3 H x$ e! Y+ }# c1 m g+ O% j+ t
| ├──12_基于Transformer的detr目标检测算法 - u2 P9 m m6 V% m% q5 Y# t# H5 I
| | ├──1-DETR目标检测基本思想解读.mp4.mp4 19.35M$ G5 w' C) @! g6 \
| | ├──2-整体网络架构分析.mp4.mp4 31.64M; ]9 i* ]* C* g+ q/ Z/ {0 l% p
| | ├──3-位置信息初始化query向量.mp4.mp4 19.97M
# d4 l- j R* o9 F# J) B1 W" O| | ├──4-注意力机制的作用方法.mp4.mp4 20.85M! d- n( |' C, ^
| | └──5-训练过程的策略.mp4.mp4 28.41M! l( }! v! _$ }, h8 t
| ├──13_detr目标检测源码解读
U% \3 G% e5 e, @6 M* U| | ├──1-项目环境配置解读.mp4.mp4 40.42M
5 R. R1 \0 I& q' R% L8 {: o2 _| | ├──2-数据处理与dataloader.mp4.mp4 64.11M: V: [1 W A7 @2 y" d
| | ├──3-位置编码作用分析.mp4.mp4 47.95M
# K9 V7 o ^! D Y7 _| | ├──4-backbone特征提取模块.mp4.mp4 35.62M
# [! d) K$ K# b| | ├──5-mask与编码模块.mp4.mp4 34.75M
. v8 }6 Q! I. D( d9 g* k| | ├──6-编码层作用方法.mp4.mp4 42.86M
: T) ~+ S3 `( U+ K6 L8 I% S; P; ~| | ├──7-Decoder层操作与计算.mp4.mp4 30.15M. d* o+ E& W" f$ {. Z1 S% x
| | ├──8-输出预测结果.mp4.mp4 41.28M7 S* }' n( J0 g
| | └──9-损失函数与预测输出.mp4.mp4 41.18M
' x5 {- \. L& \| ├──1_深度学习经典检测方法概述 / ]! k& u) B" }/ w* K
| | ├──1-检测任务中阶段的意义.mp4.mp4 15.14M
% n. z: i' H' t| | ├──2-不同阶段算法优缺点分析.mp4.mp4 10.68M
$ \" Q+ u! c# X" I7 {| | ├──3-IOU指标计算.mp4.mp4 11.74M8 c: X8 B, Z% f4 Q$ E) i
| | ├──4-评估所需参数计算.mp4.mp4 26.23M
1 Q/ Y$ g' v5 C( F1 C5 s P) ^! [3 M8 [| | └──5-map指标计算.mp4.mp4 19.63M
& m8 I$ S* l; h- G8 g7 k: h| ├──2_YOLO-V1整体思想与网络架构 & E4 s, O% e; X) w9 x9 @
| | ├──2-检测算法要得到的结果.mp4.mp4 13.63M
! z: F1 T( v, C G| | ├──3-整体网络架构解读.mp4.mp4 30.67M
" B" r0 U2 E4 D# E; N5 K| | ├──4-位置损失计算.mp4.mp4 18.97M; B) V4 W: }" _% }) b2 U6 ~; X
| | ├──5-置信度误差与优缺点分析.mp4.mp4 26.86M- N U1 e: r2 W+ ?' A3 K
| | └──YOLO算法整体思路解读.mp4.mp4 14.68M% y2 {) e) O$ ^6 h" a* r
| ├──3_YOLO-V2改进细节详解 " X& R3 x" S0 ]4 H1 K/ H' v
| | ├──2-网络结构特点.mp4.mp4 15.69M
' O4 z/ f( `8 O8 o! i: X- p| | ├──3-架构细节解读.mp4.mp4 18.92M
6 o% y. `" ?- N7 N| | ├──4-基于聚类来选择先验框尺寸.mp4.mp4 24.24M2 N+ b! \7 P' |9 b6 `0 w6 d( L t
| | ├──5-偏移量计算方法.mp4.mp4 27.55M
+ H" ~( l+ J3 h: w* N1 O. i. E1 H| | ├──6-坐标映射与还原.mp4.mp4 10.08M/ Z" g- S5 u8 _ H$ t( Y) L
| | ├──7-感受野的作用.mp4.mp4 28.11M/ M. h! j4 S5 w1 l6 i8 i
| | ├──8-特征融合改进.mp4.mp4 19.20M5 [, a) E, ]$ K3 a R% I/ G
| | └──V2版本细节升级概述.mp4.mp4 13.38M
2 t4 L) W: u1 _| ├──4_YOLO-V3核心网络模型 0 r" f- G: d, `2 f# o9 N/ v
| | ├──1-V3版本改进概述.mp4.mp4 18.27M4 c8 G8 b( G$ ~) z. L. S
| | ├──2-多scale方法改进与特征融合.mp4.mp4 17.07M/ t# L0 s- ^! z. m' D# s
| | ├──3-经典变换方法对比分析.mp4.mp4 10.83M
1 p: |7 k5 `8 C n3 }- R2 Y- g" ?| | ├──4-残差连接方法解读.mp4.mp4 18.64M, r- f; R' e) \0 x2 k- f
| | ├──5-整体网络模型架构分析.mp4.mp4 12.93M
6 u$ |+ X; {7 A% Z; W3 h| | ├──6-先验框设计改进.mp4.mp4 13.04M" D4 }* s. Y5 z, B
| | └──7-sotfmax层改进.mp4.mp4 10.61M n# o. G& _7 u
| ├──5_项目实战-基于V3版本进行源码解读 " Y! t d# V$ j0 ~6 _, |1 n1 i
| | ├──1-数据与环境配置.mp4.mp4 65.52M! z7 k" c! q. b) `% p
| | ├──10-网格偏移计算.mp4.mp4 33.92M
( W0 e) g! ? x! k6 W; r. F| | ├──11-模型要计算的损失概述.mp4.mp4 23.14M
% y& N: d z. }| | ├──12-标签值格式修改.mp4.mp4 28.27M0 x( @5 S1 D9 p* O
| | ├──13-坐标相对位置计算.mp4.mp4 32.80M
0 `8 P @0 ?! j# e- m* N# ~( z1 a| | ├──14-完成所有损失函数所需计算指标.mp4.mp4 35.32M
! `9 V. |6 ^( z1 g4 A: i3 r( e| | ├──15-模型训练与总结.mp4.mp4 72.91M; \, _5 J( z: ]3 E
| | ├──16-预测效果展示.mp4.mp4 34.51M
% K3 m. f+ V3 k5 P1 z" L| | ├──2-训练参数设置.mp4.mp4 23.85M8 `0 }5 L3 ~$ }/ k+ Q- O( q
| | ├──3-数据与标签读取.mp4.mp4 42.51M* j7 G/ S7 F% ~" P9 g; u1 s! G
| | ├──4-标签文件读取与处理.mp4.mp4 27.48M
4 f6 n5 E6 [+ ~| | ├──5-debug模式介绍.mp4.mp4 27.25M
; N- k+ u& b7 G J5 t| | ├──6-基于配置文件构建网络模型.mp4.mp4 42.04M0 A* X5 w( T* i; d- c7 C" z) |
| | ├──7-路由层与shortcut层的作用.mp4.mp4 33.72M
) Y" c1 p c. {& i| | ├──8-YOLO层定义解析.mp4.mp4 61.09M
) _. y9 N7 V3 |' L' u# w4 Z4 s, Y| | └──9-预测结果计算.mp4.mp4 46.00M0 u( }# @/ y/ o1 T9 M
| ├──6_基于YOLO-V3训练自己的数据集与任务 . r! m- v( Y) n: ]/ g
| | ├──1-Labelme工具安装.mp4.mp4 14.29M) h0 v& E/ \' w' x% y8 ?2 e i) j! L! z
| | ├──2-数据信息标注.mp4.mp4 32.09M
) h: z& u+ y, J/ c; u2 z3 X; }| | ├──3-完成标签制作.mp4.mp4 31.74M
- K9 @4 ^* `4 O1 d| | ├──4-生成模型所需配置文件.mp4.mp4 36.71M
1 d8 {% M: p& N) e" m| | ├──5-json格式转换成yolo-v3所需输入.mp4.mp4 20.95M6 j/ F2 o1 Z+ n$ J: F$ j
| | ├──6-完成输入数据准备工作.mp4.mp4 40.10M7 g6 i2 g! o7 T* l5 M
| | ├──7-训练代码与参数配置更改.mp4.mp4 44.29M* E# Y: O0 ~ f9 O' ]8 O
| | └──8-训练模型并测试效果.mp4.mp4 38.49M
" Y% M! e3 P; H7 O$ z| ├──7_YOLO-V4版本算法解读 $ Y, `# m' ]- G" Y$ X
| | ├──1-V4版本整体概述.mp4.mp4 15.06M' s! G; p& J# B5 z* y! m
| | ├──10-PAN模块解读.mp4.mp4 20.64M
7 h5 c% `$ K/ U0 p1 v| | ├──11-激活函数与整体架构总结.mp4.mp4 19.19M' l3 Y9 i! ^: R9 V7 t
| | ├──2-V4版本贡献解读.mp4.mp4 10.06M
7 c% x2 C7 D6 i; ^5 H/ s| | ├──3-数据增强策略分析.mp4.mp4 24.70M: u2 e9 c( B" B% l
| | ├──4-DropBlock与标签平滑方法.mp4.mp4 19.36M
1 X- N9 e1 X: g5 ~8 X6 ^, s| | ├──5-损失函数遇到的问题.mp4.mp4 14.26M
; w4 Y$ r# A1 M2 E: w| | ├──6-CIOU损失函数定义.mp4.mp4 10.82M
) u9 K5 V/ Y. }4 ]| | ├──7-NMS细节改进.mp4.mp4 16.66M; E4 U& V0 C1 H9 b; ]% f
| | ├──8-SPP与CSP网络结构.mp4.mp4 14.81M
, K8 M. ^ S5 o| | └──9-SAM注意力机制模块.mp4.mp4 22.48M
8 d5 t. f2 Z! n2 U; d' ^| ├──8_V5版本项目配置 5 @$ X4 w8 f; {
| | ├──1-整体项目概述.mp4.mp4 35.77M2 z+ w% ~' ~, t2 W
| | ├──2-训练自己的数据集方法.mp4.mp4 41.32M$ V: j: R4 Z& w( Q6 u) K
| | ├──3-训练数据参数配置.mp4.mp4 51.48M4 E' |- G2 {7 g
| | └──4-测试DEMO演示.mp4.mp4 50.47M
M( V/ k3 P8 _0 d9 _6 m( K6 N| └──9_V5项目工程源码解读 3 x8 D& H0 r( D) E" K: m! T
| | ├──1-数据源DEBUG流程解读.mp4.mp4 48.13M ~* L/ E+ n4 Q3 w9 I3 x7 X
| | ├──10-完成配置文件解析任务.mp4.mp4 58.80M# B# Y3 U8 P# f2 e8 o
| | ├──11-前向传播计算.mp4.mp4 30.80M& R# H0 L7 g+ a! Z7 X% u" Y
| | ├──12-BottleneckCSP层计算方法.mp4.mp4 33.82M
& e R7 D; E8 V; F- Y5 l) z! Q2 o4 [2 h| | ├──13-1 SPP层计算细节分析.mp4.mp4 29.17M
9 u+ f* s% Q5 q& ^& @% i| | ├──13-Head层流程解读.mp4.mp4 29.12M8 z/ V$ ]) E" j% m# j+ a) `2 {
| | ├──14-上采样与拼接操作.mp4.mp4 21.48M
: r& v( {! Y; B7 U1 m3 e| | ├──15-输出结果分析.mp4.mp4 41.71M
; z2 ?) P* l5 |0 `/ Q| | ├──16-超参数解读.mp4.mp4 34.94M" ~" X# i* D4 h8 s' {3 x; V2 U
| | ├──17-命令行参数介绍.mp4.mp4 44.26M
! T9 e2 p, Z- X: |1 |' H| | ├──18-训练流程解读.mp4.mp4 46.81M7 n' o* {/ h& R% m/ A
| | ├──19-各种训练策略概述.mp4.mp4 38.43M! C1 @3 r+ K' \6 ]! \2 w: e" e
| | ├──2-图像数据源配置.mp4.mp4 34.65M7 I9 y( U7 q& q: J
| | ├──20-模型迭代过程.mp4.mp4 38.42M
. e& Q, E1 q" @7 g| | ├──3-加载标签数据.mp4.mp4 26.33M" k* k6 | g) x) n+ S1 h4 v7 q
| | ├──4-Mosaic数据增强方法.mp4.mp4 28.19M
3 t. `/ O' J- C6 l, g8 ]6 @4 t; E! }4 _| | ├──5-数据四合一方法与流程演示.mp4.mp4 41.69M
$ h6 a* d t& U2 y/ n| | ├──6-getItem构建batch.mp4.mp4 33.03M
" f2 I9 W& q! ] e g2 c' v+ U| | ├──7-网络架构图可视化工具安装.mp4.mp4 34.33M, b% G4 E; ?# L# N- r3 I
| | ├──8-V5网络配置文件解读.mp4.mp4 35.74M
( M% H! n: N& w8 M, P* Q| | └──9-Focus模块流程分析.mp4.mp4 21.93M, A, K, I( o; b8 X
├──7_图像分割实战
/ B4 j7 p8 I" L* A" Y| ├──10_MaskRcnn网络框架源码详解 2 b3 A( k3 ^# V% |% z
| | ├──1-FPN层特征提取原理解读.mp4.mp4 42.31M$ s, q8 L7 R$ F7 _1 ^
| | ├──10-RoiPooling层的作用与目的.mp4.mp4 33.45M
8 D3 c5 a2 g3 R' p% p9 N| | ├──11-RorAlign操作的效果.mp4.mp4 25.70M4 D) l9 _8 T' O
| | ├──12-整体框架回顾.mp4.mp4 28.86M
) Q+ M1 n: e$ ]4 n* ?| | ├──2-FPN网络架构实现解读.mp4.mp4 55.77M
) u W' \4 i u6 H| | ├──3-生成框比例设置.mp4.mp4 28.25M
( p7 t+ b$ \4 b9 z* a| | ├──4-基于不同尺度特征图生成所有框.mp4.mp4 32.93M3 y6 ^& E% E1 O, G2 W
| | ├──5-RPN层的作用与实现解读.mp4.mp4 30.90M
; s* ~. N3 T8 X. e| | ├──6-候选框过滤方法.mp4.mp4 15.59M
* h2 C: Y( [7 |4 A3 g; ]/ j; ]5 L| | ├──7-Proposal层实现方法.mp4.mp4 33.31M7 g& s1 m- x2 @; }- G& `0 \% _
| | ├──8-DetectionTarget层的作用.mp4.mp4 25.70M
3 L9 d- o1 ~+ C, f$ n: G# T+ l| | └──9-正负样本选择与标签定义.mp4.mp4 27.59M" v' y- x( o: g! H% q7 u
| ├──11_基于MASK-RCNN框架训练自己的数据与任务 4 b @ B: a f/ j9 _% e$ d
| | ├──1-Labelme工具安装.mp4.mp4 14.29M
, i5 b) g- q; U| | ├──2-使用labelme进行数据与标签标注.mp4.mp4 26.29M/ Y# U- A# N8 \) |, u' d" n- P
| | ├──3-完成训练数据准备工作.mp4.mp4 26.61M4 C6 t, K0 l. q! d7 B
| | ├──4-maskrcnn源码修改方法.mp4.mp4 63.56M/ O/ Q' v9 h! `
| | ├──5-基于标注数据训练所需任务.mp4.mp4 39.72M. G: ^/ s( U+ Y/ C" I3 L7 G7 t
| | └──6-测试与展示模块.mp4.mp4 38.60M
2 m- S& u9 u) q+ Q; i| ├──1_图像分割及其损失函数概述 7 c& s9 |! S9 Y1 {7 _
| | ├──1-语义分割与实例分割概述.mp4.mp4 20.24M# @ ?9 o: |. v* M( D- Q+ C. D
| | ├──2-分割任务中的目标函数定义.mp4.mp4 20.00M
3 C( \7 s* q4 d* `: g3 ]| | └──3-MIOU评估标准.mp4.mp4 9.03M5 N+ `3 _0 r, k1 W/ o Q
| ├──2_卷积神经网络原理与参数解读
6 S- c' u* j5 k s| | ├──1-卷积神经网络应用领域.mp4.mp4 21.20M- o) Y3 d* {1 _" p' o
| | ├──10-VGG网络架构.mp4.mp4 19.34M; c& E6 J6 y( N2 ]6 B# }* `4 _ Z6 x
| | ├──11-残差网络Resnet.mp4.mp4 18.02M
/ {+ B) `1 l) |% K# H. ]! G| | ├──12-感受野的作用.mp4.mp4 16.86M n& F/ I, Q6 `. b5 q7 n
| | ├──2-卷积的作用.mp4.mp4 22.67M9 D- N6 t, p! @+ h9 r" T. \
| | ├──3-卷积特征值计算方法.mp4.mp4 21.23M5 L) Q2 C+ U/ b% K$ c" d
| | ├──4-得到特征图表示.mp4.mp4 18.23M
5 i* F3 a) m) b5 j* [7 F| | ├──5-步长与卷积核大小对结果的影响.mp4.mp4 19.86M
C! r4 y* u0 }, R; I" m/ t- x| | ├──6-边缘填充方法.mp4.mp4 17.28M+ ^) x5 z7 V. s! C9 Y; r! M
| | ├──7-特征图尺寸计算与参数共享.mp4.mp4 21.99M H$ G4 v8 b) Q; \/ h" N
| | ├──8-池化层的作用.mp4.mp4 11.31M
6 q' j* D5 [1 e) l5 A; A| | └──9-1整体网络架构.mp4.mp4 16.98M& V4 n, G; \0 m6 u! b- M
| ├──3_Unet系列算法讲解 % r8 D5 `# W C3 q9 D
| | ├──1-Unet网络编码与解码过程.mp4.mp4 18.29M
: i. M+ w) ~; o, q6 y| | ├──2-网络计算流程.mp4.mp4 16.13M1 P" e2 n. U& C% U# ]0 o! [
| | ├──3-Unet升级版本改进.mp4.mp4 15.75M
) `. V& L; B: u: [6 M| | └──4-后续升级版本介绍.mp4.mp4 18.37M
; Y2 N+ o3 W! f9 \0 P| ├──4_unet医学细胞分割实战 6 F2 H* i2 M- D$ n8 K8 D M7 e
| | ├──1-医学细胞数据集介绍与参数配置.mp4.mp4 71.21M
* X& n9 n9 N2 u$ R| | ├──2-数据增强工具.mp4.mp4 61.47M# l+ O6 p# {( T9 b
| | ├──3-Debug模式演示网络计算流程.mp4.mp4 41.37M
4 E% |& d; x- t7 _8 T+ G! D| | ├──4-特征融合方法演示.mp4.mp4 30.05M+ A7 t; H" y1 X" n3 ~
| | ├──5-迭代完成整个模型计算任务.mp4.mp4 33.55M: F/ f+ u9 {8 E; R4 Q) e
| | └──6-模型效果验证.mp4.mp4 47.29M( |4 |! O2 n5 d0 e6 U/ G5 u9 N' V
| ├──5_U2NET显著性检测实战
: t. O4 O: q6 y& H% e- c6 V| | ├──1-任务目标与网络整体介绍.mp4.mp4 58.66M
E# E& \- G2 ` W9 W% F| | ├──2-显著性检测任务与目标概述.mp4.mp4 53.96M
+ w8 r( R; s5 W' x" r( k| | ├──3-编码器模块解读.mp4.mp4 43.66M0 g4 I- i. b, f2 C* d3 d+ B+ G. L
| | ├──4-解码器输出结果.mp4.mp4 27.90M
; @0 E3 n: R e. ^% r: ^5 t| | └──5-损失函数与应用效果.mp4.mp4 34.34M
+ M/ I# ]4 }" |; ^8 J| ├──6_deeplab系列算法
) Y1 r& X+ V: A ?" F6 S6 c% O| | ├──1-deeplab分割算法概述.mp4.mp4 13.81M) A1 ]' j A/ i: R9 Y3 w; d: l$ a, |
| | ├──2-空洞卷积的作用.mp4.mp4 16.74M
7 X9 _! F* M( u+ }6 s| | ├──3-感受野的意义.mp4.mp4 19.37M
+ e* E" o8 t t+ s+ {) s- i| | ├──4-SPP层的作用.mp4.mp4 19.02M
7 Y/ x* m1 X0 s5 }7 }| | ├──5-ASPP特征融合策略.mp4.mp4 13.45M
& ^& u+ C$ U& a a0 z! X9 Y| | └──6-deeplabV3Plus版本网络架构.mp4.mp4 24.08M
7 o3 b1 P: j. a| ├──7_基于deeplabV3+版本进行VOC分割实战 - j7 u- x( T! ^( Z3 |4 a) O
| | ├──1-PascalVoc数据集介绍.mp4.mp4 70.12M( N- Z# I. K/ P% }
| | ├──2-项目参数与数据集读取.mp4.mp4 60.32M; b6 L8 S2 @+ \7 I9 q* [
| | ├──3-网络前向传播流程.mp4.mp4 33.10M
1 h( I; o: x/ }% m7 J* p| | ├──4-ASPP层特征融合.mp4.mp4 51.19M
/ T1 ?8 @! O9 b7 a| | └──5-分割模型训练.mp4.mp4 34.97M
! \" n, u* X2 F, A. U| ├──8_医学心脏视频数据集分割建模实战 + B, F0 G8 B0 _! O& R4 n' ~
| | ├──1-数据集与任务概述.mp4.mp4 45.55M7 a5 \" h# D! Y) R7 `
| | ├──2-项目基本配置参数.mp4.mp4 33.31M
5 p, @; Y4 X# x9 _' ]# `| | ├──3-任务流程解读.mp4.mp4 69.12M: C& Z& H3 w% a. {
| | ├──4-文献报告分析.mp4.mp4 122.67M- O' f* a6 a* D' Z; B- ~& \
| | ├──5-补充：视频数据源特征处理方法概述.mp4.mp4 26.33M
0 a. @% A: q, T; N| | └──6-补充：R(2plus1)D处理方法分析.mp4.mp4 18.88M% V4 _" C$ ]. w8 n, U7 A# b
| └──9_物体检测框架-MaskRcnn项目介绍与配置
, m, e; I" c- y) z" _| | ├──0-Mask-Rcnn开源项目简介.mp4.mp4 88.18M
4 i3 K) z' x) a' N, o| | ├──0-参数配置.mp4.mp4 97.85M
0 w8 F0 l" `+ ^. T| | └──0-开源项目数据集.mp4.mp4 42.48M
3 J# k; S, ? ~├──8_行为识别实战 0 u1 v1 }! k. L* Q+ K6 r
| ├──1_slowfast算法知识点通俗解读 9 s6 |& G0 c* K+ @
| | ├──1-slowfast核心思想解读.mp4.mp4 74.86M7 b2 n4 C; I8 J
| | ├──2-核心网络结构模块分析.mp4.mp4 20.98M
! H# P! ^. E3 O5 o| | ├──3-数据采样曾的作用.mp4.mp4 18.26M3 p" S, f: {4 H* P6 e( k. X
| | ├──4-模型网络结构设计.mp4.mp4 19.30M2 u& t) C* L& s6 W. W# G- m
| | └──5-特征融合模块与总结分析.mp4.mp4 39.30M
) z9 k& [0 N6 m0 t( B5 J| ├──2_slowfast项目环境配置与配置文件 3 g8 q7 G* C! V* m. _- @4 o ^* y+ `
| | ├──1-环境基本配置解读.mp4.mp4 45.35M. t! T9 L# r; u$ ~3 h/ d* ~
| | ├──2-目录各文件分析.mp4.mp4 36.84M9 Y c/ M1 N5 ~- V+ _
| | ├──3-配置文件作用解读.mp4.mp4 50.90M
/ m0 f( p1 Z. p& j# _/ ?| | ├──4-测试DEMO演示1.mp4.mp4 66.77M
8 a9 _; o. T( y3 S5 \| | ├──5-训练所需标签文件说明.mp4.mp4 48.77M/ }, r8 I' `6 R) F: w7 v
| | ├──6-训练所需视频数据准备.mp4.mp4 47.39M
" ~3 s* _) U ?9 \' ^* w: W1 `| | ├──7-视频数据集切分操作.mp4.mp4 39.66M
: M% W8 X# P9 z, r- c1 A: Z| | └──8-完成视频分帧操作.mp4.mp4 32.77M
+ j/ _2 K1 n) ?" R/ {' ~; S| ├──3_slowfast源码详细解读 2 ^& B8 j* z* E, ]% z; F3 W
| | ├──1-模型所需配置文件参数读取1.mp4.mp4 33.24M. U' j8 Z% z- s, S/ ~; h9 j
| | ├──10-RoiAlign与输出层1.mp4.mp4 78.92M% x4 c: ~! _8 U( v3 [0 @
| | ├──2-数据处理概述1.mp4.mp4 49.72M0 }; k) M+ o3 e" K8 X& F* E
| | ├──3-dataloader数据遍历方法1.mp4.mp4 56.85M
4 q2 ?6 a* ?& ^; R$ x# P2 e: o; j4 a| | ├──4-数据与标签读取实例1.mp4.mp4 52.22M
& c# R4 p& n3 |; b6 q| | ├──5-图像数据所需预处理方法1.mp4.mp4 66.76M! r8 f0 K- n' s/ E6 t2 Y& X
| | ├──6-slow与fast分别执行采样操作1.mp4.mp4 66.34M$ N! q; w- ~$ X1 [ x. {& { }3 r
| | ├──7-分别计算特征图输出结果1.mp4.mp4 56.64M. a, {: H: }3 x. p1 U
| | ├──8-slow与fast特征图拼接操作1.mp4.mp4 49.69M5 @! S4 ?4 @$ l5 e
| | └──9-resnetBolock操作1.mp4.mp4 53.62M' S `. \+ J8 @
| ├──4_基于3D卷积的视频分析与动作识别 7 {) ~% A4 I/ U8 E$ h
| | ├──1-3D卷积原理解读.mp4.mp4 20.62M3 t* a' w) m* Q6 I9 W1 L, G. c
| | ├──2-UCF101动作识别数据集简介.mp4.mp4 51.69M
: a* `' o! d; p7 a1 R8 f| | ├──3-测试效果与项目配置.mp4.mp4 55.60M1 i9 g/ M/ U9 o& m* J
| | ├──4-视频数据预处理方法.mp4.mp4 32.25M
& l& W8 m- ]0 p) {4 `6 b9 _| | ├──5-数据Batch制作方法.mp4.mp4 46.66M. C3 _! G. z+ b2 c0 Q& N! h; Q
| | ├──6-3D卷积网络所涉及模块.mp4.mp4 37.76M4 G/ U* O/ y* ?$ Y2 ], Y1 i+ U4 _. ~
| | └──7-训练网络模型.mp4.mp4 38.81M3 v# J8 f; |6 |9 q7 ]# i- r: r+ o
| ├──5_视频异常检测算法与元学习
) z; v$ M0 P* X1 ~2 B| | ├──1-异常检测要解决的问题与数据集介绍.mp4.mp4 21.49M' |% y% u! z+ J
| | ├──2-基本思想与流程分析.mp4.mp4 24.27M
, X' K( ~! g* N" ?7 |; G* @| | ├──3-预测与常见问题.mp4.mp4 26.58M
! H' ^) G! J" ~7 d3 [| | ├──4-Meta-Learn要解决的问题.mp4.mp4 20.78M& _* k4 ^& t0 k: O- b
| | ├──5-学习能力与参数定义.mp4.mp4 14.17M
, k" X r! ^: C1 t* B+ y, _| | ├──6-如何找到合适的初始化参数.mp4.mp4 23.36M. @, `* R# V! D! l7 k6 }
| | └──7-MAML算法流程解读.mp4.mp4 28.99M1 X/ _* {- L' F' D' }4 p3 R* X, y6 V! B
| ├──6_视频异常检测CVPR2021论文及其源码解读
& Y7 i3 E( C: r( G5 F2 q) _| | ├──1-论文概述与环境配置.mp4.mp4 26.61M
- U! P: c2 i4 c7 i| | ├──2-数据集配置与读取.mp4.mp4 38.74M
4 V. G+ {* C8 O| | ├──3-模型编码与解码结构.mp4.mp4 33.37M2 t3 {0 Y# r% X& C7 h; f
| | ├──4-注意力机制模块打造.mp4.mp4 61.12M; w9 E8 j. K; I9 X8 u' Q
| | ├──5-损失函数的目的.mp4.mp4 57.97M: ~0 t0 F: u7 p# Q3 v! M( [, W
| | ├──6-特征图生成.mp4.mp4 38.02M% n6 _0 y& ? k
| | └──7-MetaLearn与输出.mp4.mp4 29.79M, J$ B9 X9 k) f- R4 J' T
| └──7_基础补充-Resnet模型及其应用实例
" d. V: R: K! F| | ├──1-医学疾病数据集介绍.mp4.mp4 18.85M
3 ?5 k( w) S8 p9 I) o0 w% F) w| | ├──2-Resnet网络架构原理分析.mp4.mp4 24.81M5 `: k2 [" o# ~3 v( g- i( E1 U
| | ├──3-dataloader加载数据集.mp4.mp4 64.78M5 J% j! q2 J4 i# k0 P/ E
| | ├──4-Resnet网络前向传播.mp4.mp4 35.82M
! Z9 }& ]* L6 u/ {$ M3 N4 X| | ├──5-残差网络的shortcut操作.mp4.mp4 47.34M
9 y8 J: M( |# L9 {| | ├──6-特征图升维与降采样操作.mp4.mp4 26.89M! }0 W1 o" y" A1 f" J% ?. H
| | └──7-网络整体流程与训练演示.mp4.mp4 67.45M$ {* q4 r+ y+ K
└──9_2022论文必备-Transformer实战系列 , {1 O3 C1 [: Q4 K) p; {
| ├──10_MedicalTransformer源码解读
4 k m+ A- i/ A0 ?| | ├──1-项目环境配置1.mp4.mp4 25.29M5 j1 z! p+ c, E& v5 x0 R, k M
| | ├──2-医学数据介绍与分析1.mp4.mp4 56.68M
' x1 E: ^/ A b1 ~| | ├──3-基本处理操作1.mp4.mp4 25.77M
+ w7 k$ _, O" P, `| | ├──4-AxialAttention实现过程1.mp4.mp4 36.87M
0 b( P" l: l2 |, h4 i: f5 g+ p| | ├──5-位置编码向量解读1.mp4.mp4 27.80M6 f4 p% n. z: ^7 A
| | ├──6-注意力计算过程与方法1.mp4.mp4 52.13M) S* K( f, ?0 c+ l9 r5 @
| | └──7-局部特征提取与计算1.mp4.mp4 40.92M$ ^- @/ |$ C) ^9 r
| ├──11_商汤LoFTR算法解读
; t q/ a! q2 x$ x| | ├──1-特征匹配的应用场景.mp4.mp4 87.35M( \+ K0 e1 T( G$ d Z( J
| | ├──10-总结分析.mp4.mp4 39.42M( p9 E+ |% ^3 j" y M& _
| | ├──2-特征匹配的基本流程分析.mp4.mp4 15.91M5 K8 T$ q8 \- J1 i
| | ├──3-整体流程梳理分析.mp4.mp4 16.46M- N4 R) }/ L# S5 T
| | ├──4-CrossAttention的作用与效果.mp4.mp4 15.69M
" R6 m3 T. J/ |& c| | ├──5-transformer构建匹配特征.mp4.mp4 33.79M" W" |2 d# G- B. G
| | ├──6-粗粒度匹配过程与作用.mp4.mp4 26.00M" Z: K1 R0 J9 G# t7 ^
| | ├──7-特征图拆解操作.mp4.mp4 14.34M
; c3 J1 _& J) j8 ]3 G# y| | ├──8-细粒度匹配的作用与方法.mp4.mp4 19.87M
, _% i, ]2 T+ m* n" Z3 }, t$ S1 ?| | └──9-基于期望预测最终位置.mp4.mp4 23.08M' `( w' `4 |5 e7 W
| ├──12_局部特征关键点匹配实战
& A$ F, i% M- ~1 Y4 [| | ├──1-项目与参数配置解读1.mp4.mp4 44.48M7 M5 \( c V0 o/ _6 e; y$ c
| | ├──10-得到精细化输出结果1.mp4.mp4 19.35M
+ [5 t j0 X) \' F3 y& L. ]1 N9 E& d8 {| | ├──11-通过期望计算最终输出1.mp4.mp4 40.24M1 b' r' `1 R& H# h4 I0 o- R5 t
| | ├──2-DEMO效果演示1.mp4.mp4 39.57M; x- I1 W: d( h/ k$ W4 h9 d! J
| | ├──3-backbone特征提取模块1.mp4.mp4 28.65M
) n, p$ i$ @1 N( d4 `% v8 i, C3 u| | ├──4-注意力机制的作用与效果分析1.mp4.mp4 30.98M' s9 b4 C, F* x
| | ├──5-特征融合模块实现方法1.mp4.mp4 29.29M2 O6 w0 G7 p7 f
| | ├──6-cross关系计算方法实例1.mp4.mp4 29.30M4 e) Y! A, H, x" B
| | ├──7-粗粒度匹配过程1.mp4.mp4 49.80M3 E: j$ s/ D9 [4 K& b5 o( M0 o" S
| | ├──8-完成基础匹配模块1.mp4.mp4 63.33M: ^6 S% u. M: d1 s! I8 A
| | └──9-精细化调整方法与实例1.mp4.mp4 42.73M: ]. g. i9 W {2 v3 U
| ├──13_项目补充-谷歌开源项目BERT源码解读与应用实例 8 G8 ?: H% \9 Y( L- e
| | ├──1-BERT开源项目简介1.mp4.mp4 41.26M$ s6 m# K; {% c$ ~; z
| | ├──10-构建QKV矩阵1.mp4.mp4 50.65M0 `- q: @; H# \! S3 [- C# X2 M
| | ├──11-完成Transformer模块构建1.mp4.mp4 40.72M
7 F6 e0 ]; _, E9 j& ~: p' h| | ├──12-训练BERT模型1.mp4.mp4 54.58M) r- b8 E6 m, v: \! t2 Q: `3 o
| | ├──2-项目参数配置1.mp4.mp4 106.67M3 D+ _* O V( j3 d7 ]+ X! F
| | ├──3-数据读取模块1.mp4.mp4 54.19M
: o1 s' n1 q0 @| | ├──4-数据预处理模块1.mp4.mp4 40.01M3 Q) l" O6 X* T) H# v p! f0 l6 J
| | ├──6-Embedding层的作用1.mp4.mp4 30.91M# v3 k6 S6 S; y9 N$ _5 z+ ^
| | ├──7-加入额外编码特征1.mp4.mp4 42.36M
6 Y% M% j0 j+ ]+ O| | ├──8-加入位置编码特征1.mp4.mp4 23.57M- l8 x9 F3 n7 U; u
| | ├──9-mask机制1.mp4.mp4 36.69M
' k j$ ~$ R" q| | └──tfrecord制作1.mp4.mp4 51.39M2 ~. H$ c9 x! [' {5 F
| ├──14_项目补充-基于BERT的中文情感分析实战
! P* e9 a. ^0 y| | ├──1-中文分类数据与任务概述1.mp4.mp4 83.47M. {3 v, k) D. {
| | ├──2-读取处理自己的数据集1.mp4.mp4 53.00M
/ @" ^- ^ N$ @* \; m4 P| | └──3-训练BERT中文分类模型1.mp4.mp4 72.20M
- R7 }2 v' D7 k' S: A n. D! `, S% Y| ├──1_课程介绍 : N/ U3 ^& _, K! g* N$ E
| | └──课程介绍1.mp4.mp4 14.82M
+ u$ W( [" u4 F6 ?| ├──2_自然语言处理通用框架BERT原理解读
' a& B: i" |* v2 k `" u, s| | ├──1-BERT任务目标概述.mp4.mp4 11.47M* q5 v. r; m' v9 z+ _! V" J; u
| | ├──10-训练实例.mp4.mp4 24.09M$ A S! W0 @ D- h$ u3 Q1 H3 v
| | ├──2-传统解决方案遇到的问题1.mp4.mp4 22.59M5 b) ~- @3 d6 \8 {! |+ u$ ]8 k
| | ├──3-注意力机制的作用1.mp4.mp4 14.72M
+ C8 L: Z1 f8 x' U| | ├──4-self-attention计算方法1.mp4.mp4 23.69M1 \5 a+ A- ?; H! e5 ^5 }0 u" k
| | ├──5-特征分配与softmax机制1.mp4.mp4 21.24M
% ^2 |2 E. N( I, O| | ├──6-Multi-head的作用1.mp4.mp4 19.29M
4 j- X8 F2 f, x+ V" L| | ├──7-位置编码与多层堆叠1.mp4.mp4 16.77M, b# J. ]2 r. J) A2 o3 S
| | ├──8-transformer整体架构梳理.mp4.mp4 22.24M
" h+ [6 l" J8 c0 B) H; B* w: || | └──9-BERT模型训练方法.mp4.mp4 20.59M
& ]3 L: K( c8 P0 q/ W9 K) Q| ├──3_Transformer在视觉中的应用VIT算法 ! g0 ~+ E% O* v9 o/ R4 z3 r0 l
| | ├──1-transformer发家史介绍1.mp4.mp4 15.84M
( w6 J1 \% r ^0 W/ o/ \* `| | ├──2-对图像数据构建patch序列1.mp4.mp4 22.18M _: F$ m$ b/ x- w3 ^" x" L
| | ├──3-VIT整体架构解读1.mp4.mp4 24.32M
- S& T8 ]5 H2 O# J| | ├──4-CNN遇到的问题与窘境1.mp4.mp4 22.34M
! P' V, j3 i, x4 b| | ├──5-计算公式解读1.mp4.mp4 24.11M+ f# w5 Q6 o4 m
| | ├──6-位置编码与TNT模型1.mp4.mp4 25.20M" {3 G3 N1 {1 i) i7 K' k& b
| | └──7-TNT模型细节分析1.mp4.mp4 27.54M
, _# P; b- n" m5 }' p1 Y3 V| ├──4_VIT算法模型源码解读
* B* F7 ~& }9 S* r1 n- q2 a| | ├──1-项目配置说明1.mp4.mp4 43.27M
! z" e# U4 j9 z! I- @- [| | ├──2-输入序列构建方法解读1.mp4.mp4 29.80M' n, v5 f; c- ?" j, l+ O& y, ]2 W1 r
| | ├──3-注意力机制计算1.mp4.mp4 28.04M
- V0 c* z" |# O' [2 F0 k8 c( w| | └──4-输出层计算结果1.mp4.mp4 37.72M
; e& ~( @& C# e2 p| ├──5_swintransformer算法原理解析 - ^8 N( h$ h7 a; {$ d
| | ├──1-swintransformer整体概述1.mp4.mp4 14.76M
6 k" w' E% ~+ K| | ├──10-分层计算方法1.mp4.mp4 21.71M
( X0 H) {* A3 O4 y| | ├──2-要解决的问题及其优势分析1.mp4.mp4 22.33M+ c$ s( T) a6 P- A- s. z0 a t
| | ├──3-一个block要完成的任务1.mp4.mp4 17.36M
4 @: ]; c g+ i* s: d4 u| | ├──4-获取各窗口输入特征1.mp4.mp4 18.99M
; C) y( B2 l+ P+ H' x| | ├──5-基于窗口的注意力机制解读1.mp4.mp4 29.53M
6 f$ \. T }, e& || | ├──6-窗口偏移操作的实现1.mp4.mp4 24.27M
8 \- o1 \1 }+ u1 n+ m! t4 I% r| | ├──7-偏移细节分析及其计算量概述1.mp4.mp4 20.41M; q$ f$ h$ x/ a8 w; ]3 H- b- }
| | ├──8-整体网络架构整合1.mp4.mp4 20.88M# y' g4 |( x8 r( @. h1 m! r
| | └──9-下采样操作实现方法1.mp4.mp4 22.24M/ l* j) d( c9 {6 X% A
| ├──6_swintransformer源码解读 H* l2 c$ j3 c7 N5 D; {0 l% f
| | ├──1-数据与环境配置解读1.mp4.mp4 59.59M
( }+ W# K6 S6 t* t3 p& A) q| | ├──2-图像数据patch编码1.mp4.mp4 37.62M
8 Z7 O8 w% i, h2 c5 l/ P( ~| | ├──3-数据按window进行划分计算1.mp4.mp4 31.46M
! L, F0 v4 \8 r: f% O( }1 C| | ├──4-基础attention计算模块1.mp4.mp4 27.58M$ v; l9 Z* t' V" X
| | ├──5-窗口位移模块细节分析1.mp4.mp4 36.81M* C" B W3 \2 g, c x ?1 O
| | ├──6-patchmerge下采样操作1.mp4.mp4 25.24M
* }' k9 E* _/ S- M; k' o| | ├──7-各block计算方法解读1.mp4.mp4 27.91M
+ n$ Q$ s9 T: F' h- @| | └──8-输出层概述1.mp4.mp4 41.11M }2 v; ]$ H: d& [* R
| ├──7_基于Transformer的detr目标检测算法
6 z: F. Z% d5 m) F0 K| | ├──1-DETR目标检测基本思想解读1.mp4.mp4 19.27M+ t& y% ?+ @0 @1 r, k# y
| | ├──2-整体网络架构分析1.mp4.mp4 31.54M
, Y$ k) A! x Q6 ~+ u| | ├──3-位置信息初始化query向量1.mp4.mp4 19.90M
: }9 `2 R+ R* ]3 R5 r% m8 O| | ├──4-注意力机制的作用方法1.mp4.mp4 20.79M
8 b) v* | u5 R4 M0 w5 Z5 f| | └──5-训练过程的策略1.mp4.mp4 28.34M
! S6 x7 V4 H2 t& V+ P: P| ├──8_detr目标检测源码解读
7 p/ y& @+ A" H- P| | ├──1-项目环境配置解读2.mp4.mp4 40.33M1 J- Z1 F# n. ^5 v) z( c5 N$ r8 |
| | ├──2-数据处理与dataloader2.mp4.mp4 63.98M2 E. [* f# v/ z! N2 a' h0 ]
| | ├──3-位置编码作用分析2.mp4.mp4 47.86M
1 W n# n, F8 c2 h. q| | ├──4-backbone特征提取模块1.mp4.mp4 35.54M F6 Y* p* H! U) a% C) x& y
| | ├──5-mask与编码模块1.mp4.mp4 34.68M
1 h& |+ G% W# G! s) b7 i$ {# O8 p| | ├──6-编码层作用方法1.mp4.mp4 42.78M, K; d. ?+ Q: x) G3 [3 _5 {" L
| | ├──7-Decoder层操作与计算1.mp4.mp4 30.08M
' }. A" k/ n( A# F, i| | ├──8-输出预测结果1.mp4.mp4 41.20M
3 K+ t8 q) R. s| | └──9-损失函数与预测输出1.mp4.mp4 41.18M
; }1 Y' }- j, P+ V3 a( q3 G' p| └──9_MedicalTrasnformer论文解读 9 d+ c! ~6 ]. J) ^& y- p
| | ├──1-论文整体分析.mp4.mp4 23.72M! D6 L7 K3 Z6 B" b; z
| | ├──2-核心思想分析.mp4.mp4 54.26M
% z, k- R0 ~7 a, H0 ^: O| | ├──3-网络结构计算流程概述.mp4.mp4 44.46M
5 O* @0 o4 u6 } A0 o| | ├──4-论文公式计算分析.mp4.mp4 46.93M4 m5 N! G" r7 U2 y# \# W- \
| | ├──5-位置编码的作用与效果.mp4.mp4 46.55M
. J5 r0 K5 C, h3 H% _4 M. g( }| | └──6-拓展应用分析.mp4.mp4 56.52M: U4 l/ |* z) @5 f
4 A1 K3 t! d5 T2 N7 @) X/ e* j7 k6 @6 E/ X
; y* x8 F7 [, |3 d/ E u% o I
8 K1 L( V K$ n8 n$ Z" J5 @- C
资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见$ a3 I c& y; v
$ ~7 C/ V/ D M, _# D/ \/ |& e" e/ U x0 [' y; J
2 C. W* ?* V5 q5 B/ _
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
