|
|
深度学习-行人重识别实战
2 G2 {1 v. W4 ~ F6 t* x A├──资料: }% c6 Q) K0 T$ E; o; f
├──01.课程简介 .mp4 24.64M
; k2 v0 b Y6 @1 {├──02.行人重识别要解决的问题 .mp4 23.49M
* }# R6 m4 D- \├──03.挑战与困难分析 .mp4 46.32M
* a3 _8 s& `# _0 u$ H' C: o├──04.评估标准rank1指标 .mp4 14.81M
4 @% a9 b& ]* j├──05.map值计算方法 .mp4 22.44M3 i- q" \) [: o1 U. y9 D7 O( {
├──06.triplet损失计算实例 .mp4 31.89M" B9 \8 q: N& N2 L$ d
├──07.Hard-Negative方法应用 .mp4 30.36M2 }, E! Y. E, G" S3 z: j. v1 U- T
├──09.论文整体思想及注意力机制的作用解读 .mp4 41.39M& C! U- D& z" |8 w5 g* O
├──10.空间权重值计算流程分析 .mp4 23.84M
8 g- V% k7 r: w) J' n" O+ G& H2 A6 u├──11.融合空间注意力所需特征 .mp4 25.33M
! K) I$ \5 d2 B$ v& x4 j, @├──12.基于特征图的注意力计算 .mp4 25.27M
8 e6 n% p* p; q* e+ P+ b- u7 Z8 d├──13.项目环境与数据集配置 .mp4 46.73M
8 o, G, x# N" Y├──14.参数配置与整体架构分析 .mp4 57.77M2 ^) W+ `- m9 C: I
├──15.进入debug模式解读网络计算流程 .mp4 36.25M+ x* C9 i r1 R4 q8 {, ?: H1 ]
├──16.获得空间位置点之间的关系 .mp4 48.13M
1 Y3 q: G4 A; H9 Z0 I├──17.组合关系特征图 .mp4 32.33M+ p9 L4 C3 S* {% k! P
├──18.计算得到位置权重值 .mp4 37.74M& f" d L6 u. A7 ?6 a
├──19.基于特征图的权重计算 .mp4 28.98M
4 ^* s% y0 ]0 x+ o' ^' k├──20.损失函数计算实例解读 .mp4 59.37M. H3 Q# K, p* n% J4 d5 O) p9 o9 l
├──21.训练与测试模块演示 .mp4 132.21M$ z: E3 o5 X2 D( g6 h* {4 @
├──22.论文整体框架概述 .mp4 11.92M
) s9 V* e/ v" F5 b5 {$ _( j├──23.局部特征与全局关系计算方法 .mp4 10.41M, O+ |+ u- L7 \4 \- T# K3 ]
├──24.特征分组方法 .mp4 10.64M
3 u3 t/ N+ S9 Y, [- m├──25.GCP模块特征融合方法 .mp4 47.57M' a( u' t2 N2 t8 H% M9 y$ I
├──26.oneVsReset方法实例 .mp4 10.51M
# l" n, \# g3 e2 w2 C6 ?( p9 M1 G1 m" [├──27.损失函数应用位置 .mp4 10.63M. f7 P% I! B8 [4 @% l' G
├──28.项目配置与数据集介绍 .mp4 129.52M
- Z' x0 S9 z& b! |* N# ?0 m├──29.数据源构建方法分析 .mp4 21.21M
- l' A9 N3 S3 i" w3 x( [* A4 O├──30.dataloader加载顺序解读 .mp4 32.74M
9 q; B8 O: M$ W! X, n2 M" }├──31.debug模式解读 .mp4 27.96M
/ F% \9 Z+ b( g f0 T/ L- `├──32.网络计算整体流程演示 .mp4 17.73M, T9 |% F0 S& z
├──33.特征序列构建 .mp4 21.89M
' @& W0 X* { e7 Y7 S" X6 ?+ M! p├──34.GCP全局特征提取 .mp4 19.21M5 ~* z8 v0 { W% U, C; R
├──35.局部特征提取实例 .mp4 24.53M; R: }5 Z. @# A
├──36.特征组合汇总 .mp4 24.67M; z* k, M0 x8 s
├──37.得到所有分组特征结果 .mp4 24.37M+ E) }( j3 @5 ~2 w! @: u
├──38.损失函数与训练过程演示 .mp4 87.58M. J8 B; R3 q; N+ [5 b
├──39.测试与验证模块 .mp4 19.29M/ r0 r+ ~- D' x Y
├──40.关键点位置特征构建 .mp4 13.26M
: \4 h! F0 N# |1 M├──41.图卷积与匹配的作用 .mp4 15.75M
: `0 _, Y" F7 V1 w* g1 n├──42.局部特征热度图计算 .mp4 16.51M7 x \% B0 @& s5 i
├──43.基于图卷积构建人体拓扑关系 .mp4 19.78M2 b9 b8 }7 _/ T' V3 i* D! M0 R
├──44.图卷积模块实现方法 .mp4 17.98M6 l! }; p9 _, h
├──45.图匹配在行人重识别中的作用 .mp4 12.23M4 \5 L& I+ K7 \- i1 n9 T
├──46.整体算法框架分析 .mp4 15.92M
+ q/ r2 R2 j- N/ ~├──47.数据集与环境配置概述 .mp4 87.62M
' H- [& L5 Z0 V1 Q8 ^. _2 ?' g├──48.局部特征准备方法 .mp4 23.22M
7 Q) u& z5 r1 U! Q├──49.得到一阶段热度图结果 .mp4 21.92M
: N% l" N" G. y) [, I├──50.阶段监督训练 .mp4 38.19M& B8 [+ ?3 ]- H7 P1 N
├──51.初始化图卷积模型 .mp4 21.31M
/ {( U& M! ~" K& o├──52.mask矩阵的作用 .mp4 20.35M5 `% w1 z6 M9 N; @
├──53.邻接矩阵学习与更新 .mp4 26.38M
Q$ C. n `8 P3 d8 J' h├──54.基于拓扑结构组合关键点特征 .mp4 78.39M8 ~5 B- Z. d! b2 T- U+ S8 [! ?
├──55.图匹配模块计算流程 .mp4 33.73M$ ^! S" N O. c. V: Y
├──56.整体项目总结 .mp4 32.91M7 D& [' ]! H, N/ w: [
├──57.卷积神经网络应用领域 .mp4 14.23M7 a, T% D4 P; k& ~& A; u8 e0 v" {( I
├──58.卷积的作用 .mp4 16.76M
+ d0 q* p7 I( o0 `) _) R+ [ o/ s├──59.卷积特征值计算方法 .mp4 14.75M
" F- F' V5 V1 x+ a4 [* C├──60.得到特征图表示 .mp4 13.42M* Z& L8 q5 K$ A9 u( I/ e) t `
├──61.步长与卷积核大小对结果的影响 .mp4 44.71M) W; ^9 ]9 j% d6 d
├──62.边缘填充方法 .mp4 12.69M( d# Q2 m z2 \
├──63.特征图尺寸计算与参数共享 .mp4 39.66M
( `% i+ l. c6 g% ]8 o# B e1 U├──64.池化层的作用 .mp4 13.16M
) y8 v: z7 _ X* y9 T. E9 z├──65.整体网络架构 .mp4 11.53M
6 z$ O! j4 s3 L( ?├──66.VGG网络架构 .mp4 12.18M0 ]+ L! X$ f x
├──67.残差网络Resnet .mp4 31.89M
6 b- t2 ?" ^) y( E├──68.感受野的作用 .mp4 11.48M4 k' ?. P2 n4 n7 a9 N# B3 z
├──69.PyTorch框架发展趋势简介 .mp4 15.28M* T8 s8 T) C6 ]! m
├──70.框架安装方法（CPU与GPU版本） .mp4 25.46M
- l/ O. j' v* f2 u& p2 y! d├──71.PyTorch基本操作简介 .mp4 17.57M9 _) L' k( `, q) e. }
├──72.自动求导机制 .mp4 21.24M* _4 E) T, \0 {& J/ x
├──73.线性回归DEMO-数据与参数配置 .mp4 15.70M, \) _6 D+ c( p$ ]2 D. y
├──74.线性回归DEMO-训练回归模型 .mp4 21.66M
, G) M( `3 M7 V' F7 ]2 E├──75.常见tensor格式 .mp4 13.05M7 |& X1 q$ u% L' M- {0 b. ]
├──76.Hub模块简介 .mp4 26.69M, r5 u4 U$ k7 ^3 v7 b/ [; q
├──77.卷积网络参数定义 .mp4 14.97M. l0 O* j; ?+ \% s5 V) I
├──78.网络流程解读 .mp4 18.57M- Z: o0 Z/ O5 Z' [) Z3 s3 G" F
├──79.vision模块功能解读 .mp4 12.51M, c3 Q, @4 ~8 W! }) y, a3 u" U
├──80.分类任务数据集定义与配置 .mp4 28.59M2 f9 R9 @7 @% ^/ F4 y
├──81.图像增强的作用 .mp4 21.21M
: ^9 G- `, q; n7 q P; u├──82.数据预处理与数据增强模块 .mp4 46.72M, m5 o1 K2 V$ O1 x) a
├──83.Batch数据制作 .mp4 43.26M) k9 y" D5 H8 c, H* A2 J
├──84.迁移学习的目标 .mp4 17.14M/ @2 o+ G% ~) k' I* L( M
├──85.迁移学习策略 .mp4 21.02M
+ a/ ~" _' B9 S( m v# w) E) T├──86.加载训练好的网络模型 .mp4 48.46M
4 K, q& E; h8 i" v: [% y% Q├──87.优化器模块配置 .mp4 25.64M# s% n; \9 X: |
├──88.实现训练模块 .mp4 40.37M
8 ~- X+ R, O+ y( z" V9 C├──89.训练结果与模型保存 .mp4 46.00M) n5 ^4 q2 D# D' t
├──90.加载模型对测试数据进行预测 .mp4 48.30M, `1 {% P9 X7 ]8 N4 H* a
├──91.额外补充-Resnet论文解读 .mp4 58.43M
; F6 L2 q8 I* e \% m! Z└──92.额外补充-Resnet网络架构解读 .mp4 23.43M4 d% K& h* p+ k( ?. J d# [
- a" t8 G- Q& L. ^" _& ~
% \+ y/ R! e) f0 ] d) t. n$ p0 I5 _- m' m* ~6 K! Q
资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见. Z/ S, ^8 a5 I& I
' ]: {% u( v: n7 t4 W
. B4 P+ p! V/ o4 I! G$ b+ [
. v+ H8 J4 p6 y" Z3 b
本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2024-4-16 15:03:01
