咕泡-P5人工智能深度学习高薪就业班5期 2022年【完结/完整资料】价值16800元

1_直播课回放

｜ 1_直播1：开班典礼

｜ ｜ 1人工智能CV NLP高薪实战班.mp4 1.88G

｜ 2_Pycharm环境配置与Debug演示(没用过的同学必看)

｜ ｜ Pycharm环境配置与Debug演示(没用过的同学必看).mp4 125.39M

｜ 3_直播2：深度学习必备基础-神经网络与卷积网络

｜ ｜ 1.深度学习必备基础-神经网络与卷积网络.mp4 1.06G

｜ 4_直播3：Transformer原理及其各领域应用分析

｜ ｜ Transformer原理及其各领域应用分析.mp4 517.48M

｜ 5_额外补充：时间序列预测

｜ ｜ 额外补充：时间序列预测.mp4 527.17M

｜ 6_直播4：Informer时间序列预测源码解读

｜ ｜ Informer时间序列预测源码解读.mp4 2.04G

｜ 7_额外补充：Huggingface与NLP（讲故事）

｜ ｜ Huggingface与NLP（讲故事）.mp4 245.97M

｜ 8_直播5：Huggingface核心模块解读

｜ ｜ Huggingface核心模块解读.mp4 814.97M

｜ 9_直播6：BERT系列模型与命名实体识别实例

｜ ｜ BERT系列模型与命名实体识别实例.mp4 1.21G

｜ 10_直播7：GPT系列算法与实战

｜ ｜ GPT系列算法与实战.mp4 660.77M

｜ 11_额外补充：GPT建模与预测流程

｜ ｜ 1.生成模型可以完成的任务概述.mp4 36.23M

｜ ｜ 2-数据样本生成方法.mp4 85.45M

｜ ｜ 3-训练所需参数解读.mp4 68.88M

｜ ｜ 4-模型训练过程.mp4 67.76M

｜ ｜ 5-部署与网页预测展示.mp4 99.65M

｜ 12_额外补充：文本摘要建模

｜ ｜ 1-中文商城评价数据处理方法.mp4 77.95M

｜ ｜ 2-模型训练与测试结果.mp4 125.90M

｜ ｜ 3-文本摘要数据标注方法.mp4 58.38M

｜ ｜ 4-训练自己标注的数据并测试.mp4 36.40M

｜ 13_直播8：知识抽取实战

｜ ｜ 知识抽取实战.mp4 716.88M

｜ 14_直播9：Openai CLIP模型

｜ ｜ Openai CLIP模型.mp4 1.16G

｜ 15_直播10：DeformableDetr算法解读

｜ ｜ DeformableDetr算法解读.mp4 905.29M

｜ 16_直播11：OCR算法解读

｜ ｜ OCR算法解读.mp4 1.80G

｜ 17_直播12：KIE关键信息抽取与视频超分辨率重构

｜ ｜ KIE关键信息抽取与视频超分辨率重构.mp4 1.04G

｜ 18_直播13：对比学习

｜ ｜ 1对比学习.mp4 1.31G

2_深度学习必备核心算法

｜ 1_神经网络算法解读

｜ ｜ 1-神经网络算法解读.mp4 589.67M

｜ 2_卷积神经网络算法解读

｜ ｜ 2-卷积神经网络算法解读.mp4 432.74M

｜ 3_递归神经网络算法解读

｜ ｜ 3-递归神经网络算法解读.mp4 336.06M

3_深度学习核心框架PyTorch

｜ 1_PyTorch框架介绍与配置安装

｜ ｜ 1-PyTorch框架与其他框架区别分析1.mp4.mp4 33.24M

｜ ｜ 2-CPU与GPU版本安装方法解读1.mp4.mp4 100.57M

｜ 2_使用神经网络进行分类任务

｜ ｜ 1-数据集与任务概述2.mp4.mp4 43.34M

｜ ｜ 2-基本模块应用测试2.mp4.mp4 47.62M

｜ ｜ 3-网络结构定义方法2.mp4.mp4 55.60M

｜ ｜ 4-数据源定义简介2.mp4.mp4 38.98M

｜ ｜ 5-损失与训练模块分析2.mp4.mp4 42.31M

｜ ｜ 6-训练一个基本的分类模型2.mp4.mp4 54.59M

｜ ｜ 7-参数对结果的影响2.mp4.mp4 51.65M

｜ 3_神经网络回归任务-气温预测

｜ ｜ 神经网络回归任务-气温预测1.mp4.mp4 198.56M

｜ 4_卷积网络参数解读分析

｜ ｜ 1-输入特征通道分析2.mp4.mp4 42.48M

｜ ｜ 2-卷积网络参数解读2.mp4.mp4 31.46M

｜ ｜ 3-卷积网络模型训练2.mp4.mp4 55.14M

｜ 5_图像识别模型与训练策略（重点）

｜ ｜ 1-任务分析与图像数据基本处理2.mp4.mp4 41.62M

｜ ｜ 10-测试结果演示分析1.mp4.mp4 110.98M

｜ ｜ 2-数据增强模块2.mp4.mp4 40.50M

｜ ｜ 3-数据集与模型选择1.mp4.mp4 45.32M

｜ ｜ 4-迁移学习方法解读1.mp4.mp4 44.66M

｜ ｜ 5-输出层与梯度设置1.mp4.mp4 61.42M

｜ ｜ 6-输出类别个数修改1.mp4.mp4 49.06M

｜ ｜ 7-优化器与学习率衰减1.mp4.mp4 52.48M

｜ ｜ 8-模型训练方法1.mp4.mp4 52.60M

｜ ｜ 9-重新训练全部模型1.mp4.mp4 54.81M

｜ 6_DataLoader自定义数据集制作

｜ ｜ 1-Dataloader要完成的任务分析1.mp4.mp4 39.20M

｜ ｜ 2-图像数据与标签路径处理1.mp4.mp4 48.98M

｜ ｜ 3-Dataloader中需要实现的方法分析1.mp4.mp4 46.95M

｜ ｜ 4-实用Dataloader加载数据并训练模型1.mp4.mp4 77.82M

｜ 7_LSTM文本分类实战

｜ ｜ 1-数据集与任务目标分析1.mp4.mp4 52.81M

｜ ｜ 2-文本数据处理基本流程分析1.mp4.mp4 55.97M

｜ ｜ 3-命令行参数与DEBUG1.mp4.mp4 36.52M

｜ ｜ 4-训练模型所需基本配置参数分析1.mp4.mp4 40.92M

｜ ｜ 5-预料表与字符切分1.mp4.mp4 31.98M

｜ ｜ 6-字符预处理转换ID1.mp4.mp4 34.37M

｜ ｜ 7-LSTM网络结构基本定义1.mp4.mp4 34.73M

｜ ｜ 8-网络模型预测结果输出1.mp4.mp4 39.11M

｜ ｜ 9-模型训练任务与总结1.mp4.mp4 45.16M

｜ 8_PyTorch框架Flask部署例子

｜ ｜ 1-基本结构与训练好的模型加载.mp4.mp4 21.02M

｜ ｜ 2-服务端处理与预测函数.mp4.mp4 40.92M

｜ ｜ 3-基于Flask测试模型预测结果.mp4.mp4 46.26M

4_MMLAB实战系列

｜ 1_MMCV安装方法

｜ ｜ MMCV安装方法.mp4 55.75M

｜ 2_第一模块：分类任务基本操作

｜ ｜ 1-准备MMCLS项目.mp4 32.26M

｜ ｜ 2-基本参数配置解读.mp4 34.52M

｜ ｜ 3-各模块配置文件组成.mp4 35.81M

｜ ｜ 4-生成完整配置文件.mp4 24.45M

｜ ｜ 5-根据文件夹定义数据集.mp4 40.27M

｜ ｜ 6-构建自己的数据集.mp4 36.33M

｜ ｜ 7-训练自己的任务.mp4 39.32M

｜ ｜ MMCLS问题修正1.mp4 23.50M

｜ 3_第一模块：训练结果测试与验证

｜ ｜ 1-测试DEMO效果.mp4 25.49M

｜ ｜ 2-测试评估模型效果.mp4 27.58M

｜ ｜ 3-MMCLS中增加一个新的模块.mp4 62.61M

｜ ｜ 4-修改配置文件中的参数.mp4 67.72M

｜ ｜ 5-数据增强流程可视化展示.mp4 37.40M

｜ ｜ 6-Grad-Cam可视化方法.mp4 41.17M

｜ ｜ 7-可视化细节与效果分析.mp4 124.19M

｜ ｜ 8-MMCLS可视化模块应用.mp4 72.07M

｜ ｜ 9-模型分析脚本使用.mp4 36.37M

｜ 4_第一模块：模型源码DEBUG演示

｜ ｜ 1-VIT任务概述.mp4 29.96M

｜ ｜ 2-数据增强模块概述分析.mp4 49.58M

｜ ｜ 3-PatchEmbedding层.mp4 25.30M

｜ ｜ 4-前向传播基本模块.mp4 38.87M

｜ ｜ 5-CLS与输出模块.mp4 44.04M

｜ 5_第二模块：使用分割模块训练自己的数据集

｜ ｜ 1-项目配置基本介绍.mp4 74.23M

｜ ｜ 2-数据集标注与制作方法.mp4 56.84M

｜ ｜ 3-跟别预测类别数修改配置文件.mp4 39.48M

｜ ｜ 4-加载预训练模型开始训练.mp4 86.52M

｜ ｜ 5-预测DEMO演示.mp4 21.88M

｜ 6_第二模块：基于Unet进行各种策略修改

｜ ｜ 1-配置文件解读.mp4 32.12M

｜ ｜ 2-编码层模块.mp4 32.47M

｜ ｜ 3-上采样与输出层.mp4 28.25M

｜ ｜ 4-辅助层的作用.mp4 19.83M

｜ ｜ 5-给Unet添加一个neck层.mp4 30.37M

｜ ｜ 6-如何修改参数适配网络结构.mp4 21.73M

｜ ｜ 7-将Unet特征提取模块替换成transformer.mp4 22.41M

｜ ｜ 8-VIT模块源码分析.mp4 45.48M

｜ 7_第二模块：分割任务CVPR最新Backbone设计及其应用

｜ ｜ 1-注册自己的Backbone模块.mp4.mp4 34.30M

｜ ｜ 10-汇总多层级特征进行输出.mp4.mp4 43.35M

｜ ｜ 2-配置文件指定.mp4.mp4 35.84M

｜ ｜ 3-DEBUG解读Backbone设计.mp4.mp4 40.45M

｜ ｜ 4-PatchEmbedding的作用与实现.mp4.mp4 44.88M

｜ ｜ 5-卷积位置编码计算方法.mp4.mp4 53.89M

｜ ｜ 6-近似Attention模块实现.mp4.mp4 79.49M

｜ ｜ 7-完成特征提取与融合模块.mp4.mp4 55.69M

｜ ｜ 8-分割任务输出模块.mp4.mp4 57.72M

｜ ｜ 9-全局特征的作用与实现.mp4.mp4 56.34M

｜ 8_第三模块：mmdet训练自己的数据任务

｜ ｜ 1-数据集标注与标签获取.mp4.mp4 31.35M

｜ ｜ 2-COCO数据标注格式.mp4.mp4 28.16M

｜ ｜ 3-通过脚本生成COCO数据格式.mp4.mp4 38.55M

｜ ｜ 4-配置文件数据增强策略分析.mp4.mp4 45.59M

｜ ｜ 5-训练所需配置说明.mp4.mp4 56.00M

｜ ｜ 6-模型训练与DEMO演示.mp4.mp4 35.27M

｜ ｜ 7-模型测试与可视化分析模块.mp4.mp4 77.61M

｜ ｜ 8-补充：评估指标.mp4.mp4 14.06M

｜ 9_第三模块：DeformableDetr物体检测源码分析

｜ ｜ 1-特征提取与位置编码.mp4 38.16M

｜ ｜ 10-分类与回归输出模块.mp4 49.72M

｜ ｜ 11-预测输出结果与标签匹配模块.mp4 44.31M

｜ ｜ 2-序列特征展开并叠加.mp4 51.07M

｜ ｜ 3-得到相对位置点编码.mp4 28.80M

｜ ｜ 4-准备Encoder编码层所需全部输入.mp4 37.91M

｜ ｜ 5-编码层中的序列分析.mp4 39.73M

｜ ｜ 6-偏移量offset计算.mp4 46.09M

｜ ｜ 7-偏移量对齐操作.mp4 39.80M

｜ ｜ 8-Encoder层完成特征对齐.mp4 51.84M

｜ ｜ 9-Decoder要完成的操作.mp4 38.98M

｜ 10_第四模块：DBNET文字检测

｜ ｜ 1-文字检测数据概述与配置文件.mp4.mp4 56.60M

｜ ｜ 2-配置文件参数设置.mp4.mp4 38.74M

｜ ｜ 3-Neck层特征组合.mp4.mp4 32.04M

｜ ｜ 4-损失函数模块概述.mp4.mp4 43.11M

｜ ｜ 5-损失计算方法.mp4.mp4 59.35M

｜ 11_第四模块：ANINET文字识别

｜ ｜ 1-数据集与环境概述.mp4.mp4 55.58M

｜ ｜ 2-配置文件修改方法.mp4.mp4 52.49M

｜ ｜ 3-Bakbone模块得到特征.mp4.mp4 42.10M

｜ ｜ 4-视觉Transformer模块的作用.mp4.mp4 45.97M

｜ ｜ 5-视觉模型中的编码与解码的效果.mp4.mp4 54.49M

｜ ｜ 6-文本模型中的结构分析.mp4.mp4 38.66M

｜ ｜ 7-迭代修正模块.mp4.mp4 38.14M

｜ ｜ 8-输出层与损失计算.mp4.mp4 52.81M

｜ 12_第四模块：KIE基于图模型的关键信息抽取

｜ ｜ 1-配置文件以及要完成的任务解读.mp4.mp4 51.55M

｜ ｜ 2-KIE数据集格式调整方法.mp4.mp4 69.46M

｜ ｜ 3-配置文件与标签要进行处理操作.mp4.mp4 47.83M

｜ ｜ 4-边框要计算的特征分析.mp4.mp4 35.57M

｜ ｜ 5-标签数据处理与关系特征提取.mp4.mp4 56.48M

｜ ｜ 6-特征合并处理.mp4.mp4 43.74M

｜ ｜ 7-准备拼接边与点特征.mp4.mp4 41.38M

｜ ｜ 8-整合得到图模型输入特征.mp4.mp4 71.98M

｜ 12_第五模块：stylegan2源码解读

｜ ｜ 1-要完成的任务与基本思想概述.mp4.mp4 57.79M

｜ ｜ 2-得到style特征编码.mp4.mp4 69.51M

｜ ｜ 3-特征编码风格拼接.mp4.mp4 36.76M

｜ ｜ 4-基础风格特征卷积模块.mp4.mp4 54.69M

｜ ｜ 5-上采样得到输出结果.mp4.mp4 40.75M

｜ ｜ 6-损失函数概述.mp4.mp4 26.56M

｜ 13_第六模块：BasicVSR++视频超分辨重构源码解读

｜ ｜ 1-要完成的任务分析与配置文件.mp4.mp4 27.36M

｜ ｜ 10-传播流程整体完成一圈.mp4 61.55M

｜ ｜ 11-完成输出结果.mp4.mp4 51.56M

｜ ｜ 2-特征基础提取模块.mp4 44.58M

｜ ｜ 3-光流估计网络模块.mp4 25.67M

｜ ｜ 4-基于光流完成对齐操作.mp4 40.23M

｜ ｜ 5-偏移量计算方法1.mp4.mp4 32.48M

｜ ｜ 6-双向计算特征对齐.mp4 36.97M

｜ ｜ 7-提特征传递流程分析.mp4 37.23M

｜ ｜ 8-序列传播计算.mp4 39.88M

｜ ｜ 9-准备变形卷积模块的输入.mp4.mp4 44.71M

｜ 14_第七模块：多模态3D目标检测算法源码解读

｜ ｜ 1-环境配置与数据集概述.mp4 51.52M

｜ ｜ 10-3D卷积特征融合.mp4 56.76M

｜ ｜ 11-输出层预测结果.mp4 80.80M

｜ ｜ 2-数据与标注文件介绍.mp4 37.49M

｜ ｜ 3-基本流程梳理并进入debug模式.mp4 50.33M

｜ ｜ 4-数据与图像特征提取模块.mp4 58.02M

｜ ｜ 5-体素索引位置获取.mp4.mp4 64.72M

｜ ｜ 6-体素特征提取方法解读.mp4 37.57M

｜ ｜ 7-体素特征计算方法分析.mp4 70.71M

｜ ｜ 8-全局体素特征提取.mp4 95.96M

｜ ｜ 9-多模态特征融合.mp4 68.36M

｜ 15_第八模块：模型蒸馏应用实例

｜ ｜ 1-任务概述与工具使用.mp4 39.64M

｜ ｜ 2-Teacher与Student网络结构定义.mp4 46.25M

｜ ｜ 3-训练T与S得到蒸馏模型.mp4 70.63M

｜ ｜ 4-开始模型训练过程与问题修正.mp4 57.26M

｜ ｜ 5-日志输出与模型分离.mp4 70.25M

｜ ｜ 6-分别得到Teacher与Student模型.mp4 45.74M

｜ ｜ 7-实际测试效果演示.mp4 39.02M

｜ 16_第八模块：模型剪枝方法概述分析

｜ ｜ 1-SuperNet网络结构分析与剪枝概述.mp4 40.58M

｜ ｜ 2-搜索匹配到符合计算量的模型并训练.mp4 46.83M

｜ 17_第九模块：mmaction行为识别

｜ ｜ 创建自己的行为识别标注数据集.mp4 232.73M

｜ 18_额外补充

｜ ｜ 在源码中加入各种注意力机制方法.mp4 122.48M

5_Opencv图像处理框架实战

｜ 1_课程简介与环境配置

｜ ｜ 0-课程简介2.mp4.mp4 5.37M

｜ ｜ 2-Notebook与IDE环境.mp4.mp4 84.39M

｜ ｜ 2-Python与Opencv配置安装.mp4.mp4 33.28M

｜ 2_图像基本操作

｜ ｜ 1-计算机眼中的图像.mp4.mp4 30.88M

｜ ｜ 2-视频的读取与处理.mp4.mp4 46.97M

｜ ｜ 3-ROI区域.mp4.mp4 15.37M

｜ ｜ 4-边界填充.mp4.mp4 21.46M

｜ ｜ 5-数值计算.mp4.mp4 40.04M

｜ 3_阈值与平滑处理

｜ ｜ 1-图像平滑处理.mp4.mp4 24.69M

｜ ｜ 2-高斯与中值滤波.mp4.mp4 20.55M

｜ ｜ 图像阈值.mp4.mp4 30.78M

｜ 4_图像形态学操作

｜ ｜ 1-腐蚀操作.mp4.mp4 20.99M

｜ ｜ 2-膨胀操作.mp4.mp4 12.25M

｜ ｜ 3-开运算与闭运算.mp4.mp4 9.32M

｜ ｜ 4-梯度计算.mp4.mp4 7.85M

｜ ｜ 5-礼帽与黑帽.mp4.mp4 15.88M

｜ 5_图像梯度计算

｜ ｜ 1-Sobel算子.mp4.mp4 27.00M

｜ ｜ 2-梯度计算方法.mp4.mp4 30.29M

｜ ｜ 3-scharr与lapkacian算子.mp4.mp4 27.39M

｜ 6_边缘检测

｜ ｜ 1-Canny边缘检测流程.mp4.mp4 18.97M

｜ ｜ 2-非极大值抑制.mp4.mp4 18.32M

｜ ｜ 3-边缘检测效果.mp4.mp4 36.63M

｜ 7_图像金字塔与轮廓检测

｜ ｜ 1-轮廓检测方法.mp4.mp4 19.31M

｜ ｜ 1-模板匹配方法.mp4.mp4 47.35M

｜ ｜ 1-图像金字塔定义.mp4.mp4 19.68M

｜ ｜ 2-金字塔制作方法.mp4.mp4 25.47M

｜ ｜ 2-轮廓检测结果.mp4.mp4 34.37M

｜ ｜ 2-匹配效果展示.mp4.mp4 21.14M

｜ ｜ 3-轮廓特征与近似.mp4.mp4 37.51M

｜ 8_直方图与傅里叶变换

｜ ｜ 1-傅里叶概述.mp4.mp4 38.79M

｜ ｜ 1-直方图定义.mp4.mp4 23.64M

｜ ｜ 2-均衡化原理.mp4.mp4 31.35M

｜ ｜ 2-频域变换结果.mp4.mp4 26.26M

｜ ｜ 3-低通与高通滤波.mp4.mp4 27.34M

｜ ｜ 3-均衡化效果.mp4.mp4 27.21M

｜ 9_项目实战-信用卡数字识别

｜ ｜ 2-环境配置与预处理.mp4.mp4 34.85M

｜ ｜ 3-模板处理方法.mp4.mp4 23.69M

｜ ｜ 4-输入数据处理方法.mp4.mp4 28.88M

｜ ｜ 5-模板匹配得出识别结果.mp4.mp4 47.72M

｜ ｜ 总体流程与方法讲解.mp4.mp4 20.65M

｜ 10_项目实战-文档扫描OCR识别

｜ ｜ 1-整体流程演示.mp4.mp4 21.50M

｜ ｜ 2-文档轮廓提取.mp4.mp4 27.81M

｜ ｜ 3-原始与变换坐标计算.mp4.mp4 26.24M

｜ ｜ 4-透视变换结果.mp4.mp4 32.87M

｜ ｜ 5-tesseract-ocr安装配置.mp4.mp4 41.23M

｜ ｜ 6-文档扫描识别效果.mp4.mp4 28.86M

｜ 11_图像特征-harris

｜ ｜ 1-角点检测基本原理.mp4.mp4 15.53M

｜ ｜ 2-基本数学原理.mp4.mp4 30.58M

｜ ｜ 3-求解化简.mp4.mp4 31.79M

｜ ｜ 4-特征归属划分.mp4.mp4 43.23M

｜ ｜ 5-opencv角点检测效果.mp4.mp4 31.04M

｜ 12_图像特征-sift

｜ ｜ 1-尺度空间定义.mp4.mp4 20.04M

｜ ｜ 2-高斯差分金字塔.mp4.mp4 21.68M

｜ ｜ 3-特征关键点定位.mp4.mp4 48.15M

｜ ｜ 4-生成特征描述.mp4.mp4 24.66M

｜ ｜ 5-特征向量生成.mp4.mp4 43.73M

｜ ｜ 6-opencv中sift函数使用.mp4.mp4 28.80M

｜ 13_案例实战-全景图像拼接

｜ ｜ 1-特征匹配方法.mp4.mp4 28.56M

｜ ｜ 2-RANSAC算法.mp4.mp4 34.50M

｜ ｜ 2-图像拼接方法.mp4.mp4 44.96M

｜ ｜ 4-流程解读.mp4.mp4 21.65M

｜ 14_项目实战-停车场车位识别

｜ ｜ 1-任务整体流程.mp4.mp4 71.40M

｜ ｜ 2-所需数据介绍.mp4.mp4 34.31M

｜ ｜ 3-图像数据预处理.mp4.mp4 56.75M

｜ ｜ 4-车位直线检测.mp4.mp4 61.44M

｜ ｜ 5-按列划分区域.mp4.mp4 54.67M

｜ ｜ 6-车位区域划分.mp4.mp4 57.33M

｜ ｜ 7-识别模型构建.mp4(1).mp4 41.19M

｜ ｜ 7-识别模型构建.mp4.mp4 41.19M

｜ ｜ 8-基于视频的车位检测.mp4.mp4 135.61M

｜ 15_项目实战-答题卡识别判卷

｜ ｜ 1-整体流程与效果概述.mp4.mp4 29.49M

｜ ｜ 2-预处理操作.mp4.mp4 24.08M

｜ ｜ 3-填涂轮廓检测.mp4.mp4 25.66M

｜ ｜ 4-选项判断识别.mp4.mp4 57.12M

｜ 16_背景建模

｜ ｜ 1-背景消除-帧差法.mp4.mp4 20.79M

｜ ｜ 2-混合高斯模型.mp4.mp4 26.39M

｜ ｜ 3-学习步骤.mp4.mp4 31.75M

｜ ｜ 4-背景建模实战.mp4.mp4 51.17M

｜ 17_光流估计

｜ ｜ 1-基本概念.mp4.mp4 20.20M

｜ ｜ 2-Lucas-Kanade算法.mp4.mp4 19.67M

｜ ｜ 3-推导求解.mp4.mp4 25.94M

｜ ｜ 4-光流估计实战.mp4.mp4 64.22M

｜ 18_Opencv的DNN模块

｜ ｜ 1-dnn模块.mp4.mp4 28.59M

｜ ｜ 2-模型加载结果输出.mp4.mp4 40.50M

｜ 19_项目实战-目标追踪

｜ ｜ 1-目标追踪概述.mp4.mp4 49.75M

｜ ｜ 2-多目标追踪实战.mp4.mp4 34.62M

｜ ｜ 3-深度学习检测框架加载.mp4.mp4 43.62M

｜ ｜ 4-基于dlib与ssd的追踪.mp4.mp4 73.02M

｜ ｜ 5-多进程目标追踪.mp4.mp4 25.72M

｜ ｜ 6-多进程效率提升对比.mp4.mp4 78.13M

｜ 20_卷积原理与操作

｜ ｜ 1-卷积神经网络的应用.mp4.mp4 36.18M

｜ ｜ 1-卷积效果演示.mp4.mp4 24.58M

｜ ｜ 2-卷积操作流程.mp4.mp4 41.15M

｜ ｜ 2-卷积层解释.mp4.mp4 22.31M

｜ ｜ 3-卷积计算过程.mp4.mp4 27.61M

｜ ｜ 4-pading与stride.mp4.mp4 26.12M

｜ ｜ 5-卷积参数共享.mp4.mp4 17.69M

｜ ｜ 6-池化层原理.mp4.mp4 16.09M

｜ 21_项目实战-疲劳检测

｜ ｜ 1-关键点定位概述.mp4.mp4 28.45M

｜ ｜ 2-获取人脸关键点.mp4.mp4 36.07M

｜ ｜ 3-定位效果演示.mp4.mp4 45.43M

｜ ｜ 4-闭眼检测.mp4.mp4 71.07M

｜ ｜ 5-检测效果.mp4.mp4 40.60M

6_综合项目-物体检测经典算法实战

｜ 1_深度学习经典检测方法概述

｜ ｜ 1-检测任务中阶段的意义.mp4.mp4 15.14M

｜ ｜ 2-不同阶段算法优缺点分析.mp4.mp4 10.68M

｜ ｜ 3-IOU指标计算.mp4.mp4 11.74M

｜ ｜ 4-评估所需参数计算.mp4.mp4 26.23M

｜ ｜ 5-map指标计算.mp4.mp4 19.63M

｜ 2_YOLO-V1整体思想与网络架构

｜ ｜ 2-检测算法要得到的结果.mp4.mp4 13.63M

｜ ｜ 3-整体网络架构解读.mp4.mp4 30.67M

｜ ｜ 4-位置损失计算.mp4.mp4 18.97M

｜ ｜ 5-置信度误差与优缺点分析.mp4.mp4 26.86M

｜ ｜ YOLO算法整体思路解读.mp4.mp4 14.68M

｜ 3_YOLO-V2改进细节详解

｜ ｜ 2-网络结构特点.mp4.mp4 15.69M

｜ ｜ 3-架构细节解读.mp4.mp4 18.92M

｜ ｜ 4-基于聚类来选择先验框尺寸.mp4.mp4 24.24M

｜ ｜ 5-偏移量计算方法.mp4.mp4 27.55M

｜ ｜ 6-坐标映射与还原.mp4.mp4 10.08M

｜ ｜ 7-感受野的作用.mp4.mp4 28.11M

｜ ｜ 8-特征融合改进.mp4.mp4 19.20M

｜ ｜ V2版本细节升级概述.mp4.mp4 13.38M

｜ 4_YOLO-V3核心网络模型

｜ ｜ 1-V3版本改进概述.mp4.mp4 18.27M

｜ ｜ 2-多scale方法改进与特征融合.mp4.mp4 17.07M

｜ ｜ 3-经典变换方法对比分析.mp4.mp4 10.83M

｜ ｜ 4-残差连接方法解读.mp4.mp4 18.64M

｜ ｜ 5-整体网络模型架构分析.mp4.mp4 12.93M

｜ ｜ 6-先验框设计改进.mp4.mp4 13.04M

｜ ｜ 7-sotfmax层改进.mp4.mp4 10.61M

｜ 5_项目实战-基于V3版本进行源码解读

｜ ｜ 1-数据与环境配置.mp4.mp4 65.52M

｜ ｜ 10-网格偏移计算.mp4.mp4 33.92M

｜ ｜ 11-模型要计算的损失概述.mp4.mp4 23.14M

｜ ｜ 12-标签值格式修改.mp4.mp4 28.27M

｜ ｜ 13-坐标相对位置计算.mp4.mp4 32.80M

｜ ｜ 14-完成所有损失函数所需计算指标.mp4.mp4 35.32M

｜ ｜ 15-模型训练与总结.mp4.mp4 72.91M

｜ ｜ 16-预测效果展示.mp4.mp4 34.51M

｜ ｜ 2-训练参数设置.mp4.mp4 23.85M

｜ ｜ 3-数据与标签读取.mp4.mp4 42.51M

｜ ｜ 4-标签文件读取与处理.mp4.mp4 27.48M

｜ ｜ 5-debug模式介绍.mp4.mp4 27.25M

｜ ｜ 6-基于配置文件构建网络模型.mp4.mp4 42.04M

｜ ｜ 7-路由层与shortcut层的作用.mp4.mp4 33.72M

｜ ｜ 8-YOLO层定义解析.mp4.mp4 61.09M

｜ ｜ 9-预测结果计算.mp4.mp4 46.00M

｜ 6_基于YOLO-V3训练自己的数据集与任务

｜ ｜ 1-Labelme工具安装.mp4.mp4 14.29M

｜ ｜ 2-数据信息标注.mp4.mp4 32.09M

｜ ｜ 3-完成标签制作.mp4.mp4 31.74M

｜ ｜ 4-生成模型所需配置文件.mp4.mp4 36.71M

｜ ｜ 5-json格式转换成yolo-v3所需输入.mp4.mp4 20.95M

｜ ｜ 6-完成输入数据准备工作.mp4.mp4 40.10M

｜ ｜ 7-训练代码与参数配置更改.mp4.mp4 44.29M

｜ ｜ 8-训练模型并测试效果.mp4.mp4 38.49M

｜ 7_YOLO-V4版本算法解读

｜ ｜ 1-V4版本整体概述.mp4.mp4 15.06M

｜ ｜ 10-PAN模块解读.mp4.mp4 20.64M

｜ ｜ 11-激活函数与整体架构总结.mp4.mp4 19.19M

｜ ｜ 2-V4版本贡献解读.mp4.mp4 10.06M

｜ ｜ 3-数据增强策略分析.mp4.mp4 24.70M

｜ ｜ 4-DropBlock与标签平滑方法.mp4.mp4 19.36M

｜ ｜ 5-损失函数遇到的问题.mp4.mp4 14.26M

｜ ｜ 6-CIOU损失函数定义.mp4.mp4 10.82M

｜ ｜ 7-NMS细节改进.mp4.mp4 16.66M

｜ ｜ 8-SPP与CSP网络结构.mp4.mp4 14.81M

｜ ｜ 9-SAM注意力机制模块.mp4.mp4 22.48M

｜ 8_V5版本项目配置

｜ ｜ 1-整体项目概述.mp4.mp4 35.77M

｜ ｜ 2-训练自己的数据集方法.mp4.mp4 41.32M

｜ ｜ 3-训练数据参数配置.mp4.mp4 51.48M

｜ ｜ 4-测试DEMO演示.mp4.mp4 50.47M

｜ 9_V5项目工程源码解读

｜ ｜ 1-数据源DEBUG流程解读.mp4.mp4 48.13M

｜ ｜ 10-完成配置文件解析任务.mp4.mp4 58.80M

｜ ｜ 11-前向传播计算.mp4.mp4 30.80M

｜ ｜ 12-BottleneckCSP层计算方法.mp4.mp4 33.82M

｜ ｜ 13-1 SPP层计算细节分析.mp4.mp4 29.17M

｜ ｜ 13-Head层流程解读.mp4.mp4 29.12M

｜ ｜ 14-上采样与拼接操作.mp4.mp4 21.48M

｜ ｜ 15-输出结果分析.mp4.mp4 41.71M

｜ ｜ 16-超参数解读.mp4.mp4 34.94M

｜ ｜ 17-命令行参数介绍.mp4.mp4 44.26M

｜ ｜ 18-训练流程解读.mp4.mp4 46.81M

｜ ｜ 19-各种训练策略概述.mp4.mp4 38.43M

｜ ｜ 2-图像数据源配置.mp4.mp4 34.65M

｜ ｜ 20-模型迭代过程.mp4.mp4 38.42M

｜ ｜ 3-加载标签数据.mp4.mp4 26.33M

｜ ｜ 4-Mosaic数据增强方法.mp4.mp4 28.19M

｜ ｜ 5-数据四合一方法与流程演示.mp4.mp4 41.69M

｜ ｜ 6-getItem构建batch.mp4.mp4 33.03M

｜ ｜ 7-网络架构图可视化工具安装.mp4.mp4 34.33M

｜ ｜ 8-V5网络配置文件解读.mp4.mp4 35.74M

｜ ｜ 9-Focus模块流程分析.mp4.mp4 21.93M

｜ 10_EfficientNet网络

｜ ｜ 第八课：EfficientNet网络模型.mp4.mp4 538.47M

｜ 11_EfficientDet检测算法

｜ ｜ 第十一章：EfficientDet检测算法.mp4.mp4 448.01M

｜ 12_基于Transformer的detr目标检测算法

｜ ｜ 1-DETR目标检测基本思想解读.mp4.mp4 19.35M

｜ ｜ 2-整体网络架构分析.mp4.mp4 31.64M

｜ ｜ 3-位置信息初始化query向量.mp4.mp4 19.97M

｜ ｜ 4-注意力机制的作用方法.mp4.mp4 20.85M

｜ ｜ 5-训练过程的策略.mp4.mp4 28.41M

｜ 13_detr目标检测源码解读

｜ ｜ 1-项目环境配置解读.mp4.mp4 40.42M

｜ ｜ 2-数据处理与dataloader.mp4.mp4 64.11M

｜ ｜ 3-位置编码作用分析.mp4.mp4 47.95M

｜ ｜ 4-backbone特征提取模块.mp4.mp4 35.62M

｜ ｜ 5-mask与编码模块.mp4.mp4 34.75M

｜ ｜ 6-编码层作用方法.mp4.mp4 42.86M

｜ ｜ 7-Decoder层操作与计算.mp4.mp4 30.15M

｜ ｜ 8-输出预测结果.mp4.mp4 41.28M

｜ ｜ 9-损失函数与预测输出.mp4.mp4 41.18M

7_图像分割实战

｜ 1_图像分割及其损失函数概述

｜ ｜ 1-语义分割与实例分割概述.mp4.mp4 20.24M

｜ ｜ 2-分割任务中的目标函数定义.mp4.mp4 20.00M

｜ ｜ 3-MIOU评估标准.mp4.mp4 9.03M

｜ 2_卷积神经网络原理与参数解读

｜ ｜ 1-卷积神经网络应用领域.mp4.mp4 21.20M

｜ ｜ 10-VGG网络架构.mp4.mp4 19.34M

｜ ｜ 11-残差网络Resnet.mp4.mp4 18.02M

｜ ｜ 12-感受野的作用.mp4.mp4 16.86M

｜ ｜ 2-卷积的作用.mp4.mp4 22.67M

｜ ｜ 3-卷积特征值计算方法.mp4.mp4 21.23M

｜ ｜ 4-得到特征图表示.mp4.mp4 18.23M

｜ ｜ 5-步长与卷积核大小对结果的影响.mp4.mp4 19.86M

｜ ｜ 6-边缘填充方法.mp4.mp4 17.28M

｜ ｜ 7-特征图尺寸计算与参数共享.mp4.mp4 21.99M

｜ ｜ 8-池化层的作用.mp4.mp4 11.31M

｜ ｜ 9-1整体网络架构.mp4.mp4 16.98M

｜ 3_Unet系列算法讲解

｜ ｜ 1-Unet网络编码与解码过程.mp4.mp4 18.29M

｜ ｜ 2-网络计算流程.mp4.mp4 16.13M

｜ ｜ 3-Unet升级版本改进.mp4.mp4 15.75M

｜ ｜ 4-后续升级版本介绍.mp4.mp4 18.37M

｜ 4_unet医学细胞分割实战

｜ ｜ 1-医学细胞数据集介绍与参数配置.mp4.mp4 71.21M

｜ ｜ 2-数据增强工具.mp4.mp4 61.47M

｜ ｜ 3-Debug模式演示网络计算流程.mp4.mp4 41.37M

｜ ｜ 4-特征融合方法演示.mp4.mp4 30.05M

｜ ｜ 5-迭代完成整个模型计算任务.mp4.mp4 33.55M

｜ ｜ 6-模型效果验证.mp4.mp4 47.29M

｜ 5_U2NET显著性检测实战

｜ ｜ 1-任务目标与网络整体介绍.mp4.mp4 58.66M

｜ ｜ 2-显著性检测任务与目标概述.mp4.mp4 53.96M

｜ ｜ 3-编码器模块解读.mp4.mp4 43.66M

｜ ｜ 4-解码器输出结果.mp4.mp4 27.90M

｜ ｜ 5-损失函数与应用效果.mp4.mp4 34.34M

｜ 6_deeplab系列算法

｜ ｜ 1-deeplab分割算法概述.mp4.mp4 13.81M

｜ ｜ 2-空洞卷积的作用.mp4.mp4 16.74M

｜ ｜ 3-感受野的意义.mp4.mp4 19.37M

｜ ｜ 4-SPP层的作用.mp4.mp4 19.02M

｜ ｜ 5-ASPP特征融合策略.mp4.mp4 13.45M

｜ ｜ 6-deeplabV3Plus版本网络架构.mp4.mp4 24.08M

｜ 7_基于deeplabV3+版本进行VOC分割实战

｜ ｜ 1-PascalVoc数据集介绍.mp4.mp4 70.12M

｜ ｜ 2-项目参数与数据集读取.mp4.mp4 60.32M

｜ ｜ 3-网络前向传播流程.mp4.mp4 33.10M

｜ ｜ 4-ASPP层特征融合.mp4.mp4 51.19M

｜ ｜ 5-分割模型训练.mp4.mp4 34.97M

｜ 8_医学心脏视频数据集分割建模实战

｜ ｜ 1-数据集与任务概述.mp4.mp4 45.55M

｜ ｜ 2-项目基本配置参数.mp4.mp4 33.31M

｜ ｜ 3-任务流程解读.mp4.mp4 69.12M

｜ ｜ 4-文献报告分析.mp4.mp4 122.67M

｜ ｜ 5-补充：视频数据源特征处理方法概述.mp4.mp4 26.33M

｜ ｜ 6-补充：R(2plus1)D处理方法分析.mp4.mp4 18.88M

｜ 9_物体检测框架-MaskRcnn项目介绍与配置

｜ ｜ 0-Mask-Rcnn开源项目简介.mp4.mp4 88.18M

｜ ｜ 0-参数配置.mp4.mp4 97.85M

｜ ｜ 0-开源项目数据集.mp4.mp4 42.48M

｜ 10_MaskRcnn网络框架源码详解

｜ ｜ 1-FPN层特征提取原理解读.mp4.mp4 42.31M

｜ ｜ 10-RoiPooling层的作用与目的.mp4.mp4 33.45M

｜ ｜ 11-RorAlign操作的效果.mp4.mp4 25.70M

｜ ｜ 12-整体框架回顾.mp4.mp4 28.86M

｜ ｜ 2-FPN网络架构实现解读.mp4.mp4 55.77M

｜ ｜ 3-生成框比例设置.mp4.mp4 28.25M

｜ ｜ 4-基于不同尺度特征图生成所有框.mp4.mp4 32.93M

｜ ｜ 5-RPN层的作用与实现解读.mp4.mp4 30.90M

｜ ｜ 6-候选框过滤方法.mp4.mp4 15.59M

｜ ｜ 7-Proposal层实现方法.mp4.mp4 33.31M

｜ ｜ 8-DetectionTarget层的作用.mp4.mp4 25.70M

｜ ｜ 9-正负样本选择与标签定义.mp4.mp4 27.59M

｜ 11_基于MASK-RCNN框架训练自己的数据与任务

｜ ｜ 1-Labelme工具安装.mp4.mp4 14.29M

｜ ｜ 2-使用labelme进行数据与标签标注.mp4.mp4 26.29M

｜ ｜ 3-完成训练数据准备工作.mp4.mp4 26.61M

｜ ｜ 4-maskrcnn源码修改方法.mp4.mp4 63.56M

｜ ｜ 5-基于标注数据训练所需任务.mp4.mp4 39.72M

｜ ｜ 6-测试与展示模块.mp4.mp4 38.60M

8_行为识别实战

｜ 1_slowfast算法知识点通俗解读

｜ ｜ 1-slowfast核心思想解读.mp4.mp4 74.86M

｜ ｜ 2-核心网络结构模块分析.mp4.mp4 20.98M

｜ ｜ 3-数据采样曾的作用.mp4.mp4 18.26M

｜ ｜ 4-模型网络结构设计.mp4.mp4 19.30M

｜ ｜ 5-特征融合模块与总结分析.mp4.mp4 39.30M

｜ 2_slowfast项目环境配置与配置文件

｜ ｜ 1-环境基本配置解读.mp4.mp4 45.35M

｜ ｜ 2-目录各文件分析.mp4.mp4 36.84M

｜ ｜ 3-配置文件作用解读.mp4.mp4 50.90M

｜ ｜ 4-测试DEMO演示1.mp4.mp4 66.77M

｜ ｜ 5-训练所需标签文件说明.mp4.mp4 48.77M

｜ ｜ 6-训练所需视频数据准备.mp4.mp4 47.39M

｜ ｜ 7-视频数据集切分操作.mp4.mp4 39.66M

｜ ｜ 8-完成视频分帧操作.mp4.mp4 32.77M

｜ 3_slowfast源码详细解读

｜ ｜ 1-模型所需配置文件参数读取1.mp4.mp4 33.24M

｜ ｜ 10-RoiAlign与输出层1.mp4.mp4 78.92M

｜ ｜ 2-数据处理概述1.mp4.mp4 49.72M

｜ ｜ 3-dataloader数据遍历方法1.mp4.mp4 56.85M

｜ ｜ 4-数据与标签读取实例1.mp4.mp4 52.22M

｜ ｜ 5-图像数据所需预处理方法1.mp4.mp4 66.76M

｜ ｜ 6-slow与fast分别执行采样操作1.mp4.mp4 66.34M

｜ ｜ 7-分别计算特征图输出结果1.mp4.mp4 56.64M

｜ ｜ 8-slow与fast特征图拼接操作1.mp4.mp4 49.69M

｜ ｜ 9-resnetBolock操作1.mp4.mp4 53.62M

｜ 4_基于3D卷积的视频分析与动作识别

｜ ｜ 1-3D卷积原理解读.mp4.mp4 20.62M

｜ ｜ 2-UCF101动作识别数据集简介.mp4.mp4 51.69M

｜ ｜ 3-测试效果与项目配置.mp4.mp4 55.60M

｜ ｜ 4-视频数据预处理方法.mp4.mp4 32.25M

｜ ｜ 5-数据Batch制作方法.mp4.mp4 46.66M

｜ ｜ 6-3D卷积网络所涉及模块.mp4.mp4 37.76M

｜ ｜ 7-训练网络模型.mp4.mp4 38.81M

｜ 5_视频异常检测算法与元学习

｜ ｜ 1-异常检测要解决的问题与数据集介绍.mp4.mp4 21.49M

｜ ｜ 2-基本思想与流程分析.mp4.mp4 24.27M

｜ ｜ 3-预测与常见问题.mp4.mp4 26.58M

｜ ｜ 4-Meta-Learn要解决的问题.mp4.mp4 20.78M

｜ ｜ 5-学习能力与参数定义.mp4.mp4 14.17M

｜ ｜ 6-如何找到合适的初始化参数.mp4.mp4 23.36M

｜ ｜ 7-MAML算法流程解读.mp4.mp4 28.99M

｜ 6_视频异常检测CVPR2021论文及其源码解读

｜ ｜ 1-论文概述与环境配置.mp4.mp4 26.61M

｜ ｜ 2-数据集配置与读取.mp4.mp4 38.74M

｜ ｜ 3-模型编码与解码结构.mp4.mp4 33.37M

｜ ｜ 4-注意力机制模块打造.mp4.mp4 61.12M

｜ ｜ 5-损失函数的目的.mp4.mp4 57.97M

｜ ｜ 6-特征图生成.mp4.mp4 38.02M

｜ ｜ 7-MetaLearn与输出.mp4.mp4 29.79M

｜ 7_基础补充-Resnet模型及其应用实例

｜ ｜ 1-医学疾病数据集介绍.mp4.mp4 18.85M

｜ ｜ 2-Resnet网络架构原理分析.mp4.mp4 24.81M

｜ ｜ 3-dataloader加载数据集.mp4.mp4 64.78M

｜ ｜ 4-Resnet网络前向传播.mp4.mp4 35.82M

｜ ｜ 5-残差网络的shortcut操作.mp4.mp4 47.34M

｜ ｜ 6-特征图升维与降采样操作.mp4.mp4 26.89M

｜ ｜ 7-网络整体流程与训练演示.mp4.mp4 67.45M

9_2022论文必备-Transformer实战系列

｜ 1_课程介绍

｜ ｜ 课程介绍1.mp4.mp4 14.82M

｜ 2_自然语言处理通用框架BERT原理解读

｜ ｜ 1-BERT任务目标概述.mp4.mp4 11.47M

｜ ｜ 10-训练实例.mp4.mp4 24.09M

｜ ｜ 2-传统解决方案遇到的问题1.mp4.mp4 22.59M

｜ ｜ 3-注意力机制的作用1.mp4.mp4 14.72M

｜ ｜ 4-self-attention计算方法1.mp4.mp4 23.69M

｜ ｜ 5-特征分配与softmax机制1.mp4.mp4 21.24M

｜ ｜ 6-Multi-head的作用1.mp4.mp4 19.29M

｜ ｜ 7-位置编码与多层堆叠1.mp4.mp4 16.77M

｜ ｜ 8-transformer整体架构梳理.mp4.mp4 22.24M

｜ ｜ 9-BERT模型训练方法.mp4.mp4 20.59M

｜ 3_Transformer在视觉中的应用VIT算法

｜ ｜ 1-transformer发家史介绍1.mp4.mp4 15.84M

｜ ｜ 2-对图像数据构建patch序列1.mp4.mp4 22.18M

｜ ｜ 3-VIT整体架构解读1.mp4.mp4 24.32M

｜ ｜ 4-CNN遇到的问题与窘境1.mp4.mp4 22.34M

｜ ｜ 5-计算公式解读1.mp4.mp4 24.11M

｜ ｜ 6-位置编码与TNT模型1.mp4.mp4 25.20M

｜ ｜ 7-TNT模型细节分析1.mp4.mp4 27.54M

｜ 4_VIT算法模型源码解读

｜ ｜ 1-项目配置说明1.mp4.mp4 43.27M

｜ ｜ 2-输入序列构建方法解读1.mp4.mp4 29.80M

｜ ｜ 3-注意力机制计算1.mp4.mp4 28.04M

｜ ｜ 4-输出层计算结果1.mp4.mp4 37.72M

｜ 5_swintransformer算法原理解析

｜ ｜ 1-swintransformer整体概述1.mp4.mp4 14.76M

｜ ｜ 10-分层计算方法1.mp4.mp4 21.71M

｜ ｜ 2-要解决的问题及其优势分析1.mp4.mp4 22.33M

｜ ｜ 3-一个block要完成的任务1.mp4.mp4 17.36M

｜ ｜ 4-获取各窗口输入特征1.mp4.mp4 18.99M

｜ ｜ 5-基于窗口的注意力机制解读1.mp4.mp4 29.53M

｜ ｜ 6-窗口偏移操作的实现1.mp4.mp4 24.27M

｜ ｜ 7-偏移细节分析及其计算量概述1.mp4.mp4 20.41M

｜ ｜ 8-整体网络架构整合1.mp4.mp4 20.88M

｜ ｜ 9-下采样操作实现方法1.mp4.mp4 22.24M

｜ 6_swintransformer源码解读

｜ ｜ 1-数据与环境配置解读1.mp4.mp4 59.59M

｜ ｜ 2-图像数据patch编码1.mp4.mp4 37.62M

｜ ｜ 3-数据按window进行划分计算1.mp4.mp4 31.46M

｜ ｜ 4-基础attention计算模块1.mp4.mp4 27.58M

｜ ｜ 5-窗口位移模块细节分析1.mp4.mp4 36.81M

｜ ｜ 6-patchmerge下采样操作1.mp4.mp4 25.24M

｜ ｜ 7-各block计算方法解读1.mp4.mp4 27.91M

｜ ｜ 8-输出层概述1.mp4.mp4 41.11M

｜ 7_基于Transformer的detr目标检测算法

｜ ｜ 1-DETR目标检测基本思想解读1.mp4.mp4 19.27M

｜ ｜ 2-整体网络架构分析1.mp4.mp4 31.54M

｜ ｜ 3-位置信息初始化query向量1.mp4.mp4 19.90M

｜ ｜ 4-注意力机制的作用方法1.mp4.mp4 20.79M

｜ ｜ 5-训练过程的策略1.mp4.mp4 28.34M

｜ 8_detr目标检测源码解读

｜ ｜ 1-项目环境配置解读2.mp4.mp4 40.33M

｜ ｜ 2-数据处理与dataloader2.mp4.mp4 63.98M

｜ ｜ 3-位置编码作用分析2.mp4.mp4 47.86M

｜ ｜ 4-backbone特征提取模块1.mp4.mp4 35.54M

｜ ｜ 5-mask与编码模块1.mp4.mp4 34.68M

｜ ｜ 6-编码层作用方法1.mp4.mp4 42.78M

｜ ｜ 7-Decoder层操作与计算1.mp4.mp4 30.08M

｜ ｜ 8-输出预测结果1.mp4.mp4 41.20M

｜ ｜ 9-损失函数与预测输出1.mp4.mp4 41.18M

｜ 9_MedicalTrasnformer论文解读

｜ ｜ 1-论文整体分析.mp4.mp4 23.72M

｜ ｜ 2-核心思想分析.mp4.mp4 54.26M

｜ ｜ 3-网络结构计算流程概述.mp4.mp4 44.46M

｜ ｜ 4-论文公式计算分析.mp4.mp4 46.93M

｜ ｜ 5-位置编码的作用与效果.mp4.mp4 46.55M

｜ ｜ 6-拓展应用分析.mp4.mp4 56.52M｜ 10_MedicalTransformer源码解读

｜ ｜ 1-项目环境配置1.mp4.mp4 25.29M

｜ ｜ 2-医学数据介绍与分析1.mp4.mp4 56.68M

｜ ｜ 3-基本处理操作1.mp4.mp4 25.77M

｜ ｜ 4-AxialAttention实现过程1.mp4.mp4 36.87M

｜ ｜ 5-位置编码向量解读1.mp4.mp4 27.80M

｜ ｜ 6-注意力计算过程与方法1.mp4.mp4 52.13M

｜ ｜ 7-局部特征提取与计算1.mp4.mp4 40.92M

｜ 11_商汤LoFTR算法解读

｜ ｜ 1-特征匹配的应用场景.mp4.mp4 87.35M

｜ ｜ 10-总结分析.mp4.mp4 39.42M

｜ ｜ 2-特征匹配的基本流程分析.mp4.mp4 15.91M

｜ ｜ 3-整体流程梳理分析.mp4.mp4 16.46M

｜ ｜ 4-CrossAttention的作用与效果.mp4.mp4 15.69M

｜ ｜ 5-transformer构建匹配特征.mp4.mp4 33.79M

｜ ｜ 6-粗粒度匹配过程与作用.mp4.mp4 26.00M

｜ ｜ 7-特征图拆解操作.mp4.mp4 14.34M

｜ ｜ 8-细粒度匹配的作用与方法.mp4.mp4 19.87M

｜ ｜ 9-基于期望预测最终位置.mp4.mp4 23.08M

｜ 12_局部特征关键点匹配实战

｜ ｜ 1-项目与参数配置解读1.mp4.mp4 44.48M

｜ ｜ 10-得到精细化输出结果1.mp4.mp4 19.35M

｜ ｜ 11-通过期望计算最终输出1.mp4.mp4 40.24M

｜ ｜ 2-DEMO效果演示1.mp4.mp4 39.57M

｜ ｜ 3-backbone特征提取模块1.mp4.mp4 28.65M

｜ ｜ 4-注意力机制的作用与效果分析1.mp4.mp4 30.98M

｜ ｜ 5-特征融合模块实现方法1.mp4.mp4 29.29M

｜ ｜ 6-cross关系计算方法实例1.mp4.mp4 29.30M

｜ ｜ 7-粗粒度匹配过程1.mp4.mp4 49.80M

｜ ｜ 8-完成基础匹配模块1.mp4.mp4 63.33M

｜ ｜ 9-精细化调整方法与实例1.mp4.mp4 42.73M

｜ 13_项目补充-谷歌开源项目BERT源码解读与应用实例

｜ ｜ 1-BERT开源项目简介1.mp4.mp4 41.26M

｜ ｜ 10-构建QKV矩阵1.mp4.mp4 50.65M

｜ ｜ 11-完成Transformer模块构建1.mp4.mp4 40.72M

｜ ｜ 12-训练BERT模型1.mp4.mp4 54.58M

｜ ｜ 2-项目参数配置1.mp4.mp4 106.67M

｜ ｜ 3-数据读取模块1.mp4.mp4 54.19M

｜ ｜ 4-数据预处理模块1.mp4.mp4 40.01M

｜ ｜ 6-Embedding层的作用1.mp4.mp4 30.91M

｜ ｜ 7-加入额外编码特征1.mp4.mp4 42.36M

｜ ｜ 8-加入位置编码特征1.mp4.mp4 23.57M

｜ ｜ 9-mask机制1.mp4.mp4 36.69M

｜ ｜ tfrecord制作1.mp4.mp4 51.39M

｜ 14_项目补充-基于BERT的中文情感分析实战

｜ ｜ 1-中文分类数据与任务概述1.mp4.mp4 83.47M

｜ ｜ 2-读取处理自己的数据集1.mp4.mp4 53.00M

｜ ｜ 3-训练BERT中文分类模型1.mp4.mp4 72.20M

10_图神经网络实战

｜ 1_图神经网络基础

｜ ｜ 1-图神经网络应用领域分析.mp4.mp4 26.40M

｜ ｜ 2-图基本模块定义.mp4.mp4 10.51M

｜ ｜ 3-邻接矩阵的定义.mp4.mp4 16.06M

｜ ｜ 4-GNN中常见任务.mp4.mp4 19.17M

｜ ｜ 5-消息传递计算方法.mp4.mp4 14.23M

｜ ｜ 6-多层GCN的作用.mp4.mp4 13.00M

｜ 2_图卷积GCN模型

｜ ｜ 1-GCN基本模型概述.mp4.mp4 13.24M

｜ ｜ 2-图卷积的基本计算方法.mp4.mp4 12.56M

｜ ｜ 3-邻接的矩阵的变换.mp4.mp4 18.38M

｜ ｜ 4-GCN变换原理解读.mp4.mp4 21.12M

｜ 3_图模型必备神器PyTorch Geometric安装与使用

｜ ｜ 1-PyTorch Geometric工具包安装与配置方法.mp4.mp4 45.07M

｜ ｜ 2-数据集与邻接矩阵格式.mp4.mp4 51.92M

｜ ｜ 3-模型定义与训练方法.mp4.mp4 41.92M

｜ ｜ 4-文献引用数据集分类案例实战.mp4.mp4 47.75M

｜ 4_使用PyTorch Geometric构建自己的图数据集

｜ ｜ 1-构建数据集基本方法.mp4.mp4 13.47M

｜ ｜ 2-数据集与任务背景概述.mp4.mp4 21.63M

｜ ｜ 3-数据集基本预处理.mp4.mp4 31.50M

｜ ｜ 4-用户行为图结构创建.mp4.mp4 36.67M

｜ ｜ 5-数据集创建函数介绍.mp4.mp4 34.87M

｜ ｜ 6-网络结构定义模块.mp4.mp4 36.87M

｜ ｜ 7-TopkPooling进行下采样任务.mp4.mp4 31.30M

｜ ｜ 8-获取全局特征.mp4.mp4 25.70M

｜ ｜ 9-模型训练与总结.mp4.mp4 35.84M

｜ 5_图注意力机制与序列图模型

｜ ｜ 1-图注意力机制的作用与方法.mp4.mp4 16.53M

｜ ｜ 2-邻接矩阵计算图Attention.mp4(1).mp4 21.40M

｜ ｜ 2-邻接矩阵计算图Attention.mp4.mp4 21.40M

｜ ｜ 3-序列图神经网络TGCN应用.mp4.mp4 12.59M

｜ ｜ 4-序列图神经网络细节.mp4.mp4 23.67M

｜ 6_图相似度论文解读

｜ ｜ 1-要完成的任务分析.mp4.mp4 47.79M

｜ ｜ 2-基本方法概述解读.mp4.mp4 52.67M

｜ ｜ 3-图模型提取全局与局部特征.mp4.mp4 47.42M

｜ ｜ 4-NTN模块的作用与效果.mp4.mp4 41.09M

｜ ｜ 5-点之间的对应关系计算.mp4.mp4 51.22M

｜ ｜ 6-结果输出与总结.mp4.mp4 71.18M

｜ 7_图相似度计算实战

｜ ｜ 1-数据集与任务概述3.mp4.mp4 18.11M

｜ ｜ 2-图卷积特征提取模块3.mp4.mp4 55.92M

｜ ｜ 3-分别计算不同Batch点的分布3.mp4.mp4 31.70M

｜ ｜ 4-获得直方图特征结果.mp4.mp4 21.11M

｜ ｜ 5-图的全局特征构建.mp4.mp4 31.45M

｜ ｜ 6-NTN图相似特征提取.mp4.mp4 39.25M

｜ ｜ 7-预测得到相似度结果.mp4.mp4 18.64M

｜ 8_基于图模型的轨迹估计

｜ ｜ 1-数据集与标注信息解读.mp4.mp4 57.53M

｜ ｜ 2-整体三大模块分析.mp4.mp4 71.83M

｜ ｜ 3-特征工程的作用与效果.mp4.mp4 41.75M

｜ ｜ 4-传统方法与现在向量空间对比.mp4.mp4 51.83M

｜ ｜ 5-输入细节分析.mp4.mp4 49.96M

｜ ｜ 6-子图模块构建方法.mp4.mp4 42.55M

｜ ｜ 7-特征融合模块分析.mp4.mp4 47.67M

｜ ｜ 8-VectorNet输出层分析.mp4.mp4 85.45M

｜ 9_图模型轨迹估计实战

｜ ｜ 1-数据与环境配置4.mp4.mp4 35.36M

｜ ｜ 2-训练数据准备4.mp4.mp4 27.69M

｜ ｜ 3-Agent特征提取方法4.mp4.mp4 37.87M

｜ ｜ 4-DataLoader构建图结构4.mp4.mp4 28.61M

｜ ｜ 5-SubGraph与Attention模型流程4.mp4.mp4 34.55M

11_3D点云实战

｜ 1_3D点云实战 3D点云应用领域分析

｜ ｜ 1-点云数据概述.mp4.mp4 47.69M

｜ ｜ 2-点云应用领域与发展分析.mp4.mp4 85.97M

｜ ｜ 3-点云分割任务.mp4.mp4 74.47M

｜ ｜ 4-点云补全任务.mp4.mp4 34.06M

｜ ｜ 5-点云检测与配准任务.mp4.mp4 63.03M

｜ ｜ 6-点云数据特征提取概述与预告.mp4.mp4 29.21M

｜ 2_3D点云PointNet算法

｜ ｜ 1-3D数据应用领域与点云介绍.mp4.mp4 60.10M

｜ ｜ 2-点云数据可视化展示.mp4.mp4 46.06M

｜ ｜ 3-点云数据特性和及要解决的问题.mp4.mp4 42.97M

｜ ｜ 4-PointNet算法出发点解读.mp4.mp4 24.66M

｜ ｜ 5-PointNet算法网络架构解读.mp4.mp4 42.54M

｜ 3_PointNet++算法解读

｜ ｜ 10-分类与分割问题解决方案.mp4.mp4 29.48M

｜ ｜ 11-遇到的问题及改进方法分析.mp4.mp4 17.55M

｜ ｜ 6-PointNet升级版算法要解决的问题.mp4.mp4 30.37M

｜ ｜ 7-最远点采样方法.mp4.mp4 28.28M

｜ ｜ 8-分组Group方法原理解读.mp4.mp4 44.71M

｜ ｜ 9-整体流程概述分析.mp4.mp4 21.50M

｜ 4_Pointnet++项目实战

｜ ｜ 1-项目文件概述.mp4.mp4 35.90M

｜ ｜ 10-分类任务总结.mp4.mp4 27.64M

｜ ｜ 11-分割任务数据与配置概述.mp4.mp4 61.58M

｜ ｜ 12-分割需要解决的任务概述.mp4.mp4 38.05M

｜ ｜ 13-上采样完成分割任务.mp4.mp4 58.55M

｜ ｜ 2-数据读取模块配置.mp4.mp4 41.15M

｜ ｜ 3-DEBUG解读网络模型架构.mp4.mp4 29.93M

｜ ｜ 4-最远点采样介绍.mp4.mp4 24.42M

｜ ｜ 5-采样得到中心点.mp4.mp4 40.64M

｜ ｜ 6-组区域划分方法.mp4.mp4 31.56M

｜ ｜ 7-实现group操作得到各中心簇.mp4.mp4 44.63M

｜ ｜ 8-特征提取模块整体流程.mp4.mp4 50.91M

｜ ｜ 9-预测结果输出模块.mp4.mp4 49.03M

｜ 5_点云补全PF-Net论文解读

｜ ｜ 1-点云补全要解决的问题.mp4.mp4 25.36M

｜ ｜ 2-基本解决方案概述.mp4.mp4 23.51M

｜ ｜ 3-整体网络概述.mp4.mp4 26.29M

｜ ｜ 4-网络计算流程.mp4.mp4 35.72M

｜ ｜ 5-输入与计算结果.mp4.mp4 120.34M

｜ 6_点云补全实战解读

｜ ｜ 1-数据与项目配置解读.mp4.mp4 63.87M

｜ ｜ 2-待补全数据准备方法.mp4.mp4 36.16M

｜ ｜ 3-整体框架概述.mp4.mp4 64.34M

｜ ｜ 4-MRE特征提取模块.mp4.mp4 48.04M

｜ ｜ 5-分层预测输出模块.mp4.mp4 29.87M

｜ ｜ 6-补全点云数据.mp4.mp4 41.87M

｜ ｜ 7-判别模块.mp4.mp4 62.53M

｜ 7_点云配准及其案例实战

｜ ｜ 1-点云配准任务概述.mp4.mp4 20.82M

｜ ｜ 2-配准要完成的目标解读.mp4.mp4 23.13M

｜ ｜ 3-训练数据构建1.mp4.mp4 33.85M

｜ ｜ 4-任务基本流程.mp4.mp4 19.39M

｜ ｜ 5-数据源配置方法.mp4.mp4 53.00M

｜ ｜ 6-参数计算模块解读.mp4.mp4 25.96M

｜ ｜ 7-基于模型预测输出参数.mp4.mp4 31.52M

｜ ｜ 8-特征构建方法分析.mp4.mp4 43.67M

｜ ｜ 9-任务总结.mp4.mp4 40.70M

｜ 8_基础补充-对抗生成网络架构原理与实战解析

｜ ｜ 1-对抗生成网络通俗解释.mp4.mp4 23.10M

｜ ｜ 2-GAN网络组成.mp4.mp4 15.10M

｜ ｜ 3-损失函数解释说明.mp4.mp4 49.36M

｜ ｜ 4-数据读取模块.mp4.mp4 36.74M

｜ ｜ 5-生成与判别网络定义.mp4.mp4 66.54M

12_目标追踪与姿态估计实战

｜ 1_课程介绍

｜ ｜ 课程介绍2.mp4.mp4 38.37M

｜ 2_姿态估计OpenPose系列算法解读

｜ ｜ 1-姿态估计要解决的问题分析.mp4.mp4 67.23M

｜ ｜ 10-匹配方法解读.mp4.mp4 26.12M

｜ ｜ 11-CPM模型特点.mp4.mp4 27.67M

｜ ｜ 12-算法流程与总结.mp4.mp4 73.29M

｜ ｜ 2-姿态估计应用领域概述.mp4.mp4 27.80M

｜ ｜ 3-传统topdown方法的问题.mp4.mp4 67.61M

｜ ｜ 4-要解决的两个问题分析.mp4.mp4 12.54M

｜ ｜ 5-基于高斯分布预测关键点位置.mp4.mp4 35.37M

｜ ｜ 6-各模块输出特征图解读.mp4.mp4 21.77M

｜ ｜ 7-PAF向量登场.mp4.mp4 15.04M

｜ ｜ 8-PAF标签设计方法.mp4.mp4 32.97M

｜ ｜ 9-预测时PAF积分计算方法.mp4.mp4 47.62M

｜ 3_OpenPose算法源码分析

｜ ｜ 1-数据集与路径配置解读.mp4.mp4 34.94M

｜ ｜ 10-多阶段输出与预测.mp4.mp4 65.84M

｜ ｜ 2-读取图像与标注信息.mp4.mp4 48.45M

｜ ｜ 3-关键点与躯干特征图初始化.mp4.mp4 44.36M

｜ ｜ 4-根据关键点位置设计关键点标签.mp4.mp4 65.79M

｜ ｜ 5-准备构建PAF躯干标签.mp4.mp4 35.98M

｜ ｜ 6-各位置点归属判断.mp4.mp4 35.91M

｜ ｜ 7-特征图各点累加向量计算.mp4.mp4 40.10M

｜ ｜ 8-完成PAF特征图制作.mp4.mp4 41.98M

｜ ｜ 9-网络模型一阶段输出.mp4.mp4 30.62M

｜ 4_deepsort算法知识点解读

｜ ｜ 1-卡尔曼滤波通俗解释.mp4.mp4 30.49M

｜ ｜ 10-sort与deepsort建模流程分析.mp4.mp4 36.01M

｜ ｜ 11-预测与匹配流程解读.mp4.mp4 35.33M

｜ ｜ 12-追踪任务流程拆解.mp4.mp4 40.38M

｜ ｜ 2-卡尔曼滤波要完成的任务.mp4.mp4 24.18M

｜ ｜ 3-任务本质分析.mp4.mp4 25.11M

｜ ｜ 4-基于观测值进行最优估计.mp4.mp4 23.96M

｜ ｜ 5-预测与更新操作.mp4.mp4 30.86M

｜ ｜ 6-追踪中的状态量.mp4.mp4 21.59M

｜ ｜ 7-匈牙利匹配算法概述.mp4.mp4 23.24M

｜ ｜ 8-匹配小例子分析.mp4.mp4 29.17M

｜ ｜ 9-REID特征的作用.mp4.mp4 29.78M

｜ 5_deepsort源码解读

｜ ｜ 1-项目环境配置4.mp4.mp4 45.66M

｜ ｜ 10-匹配结果与总结.mp4.mp4 92.04M

｜ ｜ 2-参数与DEMO演示.mp4.mp4 49.43M

｜ ｜ 3-针对检测结果初始化track.mp4.mp4 55.75M

｜ ｜ 4-对track执行预测操作.mp4.mp4 46.93M

｜ ｜ 5-状态量预测结果.mp4.mp4 43.85M

｜ ｜ 6-IOU代价矩阵计算.mp4.mp4 39.72M

｜ ｜ 7-参数更新操作.mp4.mp4 60.48M

｜ ｜ 8-级联匹配模块.mp4.mp4 49.58M

｜ ｜ 9-ReID特征代价矩阵计算.mp4.mp4 57.78M

｜ 6_YOLO-V4版本算法解读

｜ ｜ 1-V4版本整体概述.mp4.mp4 18.20M

｜ ｜ 10-PAN模块解读.mp4.mp4 27.77M

｜ ｜ 11-激活函数与整体架构总结.mp4.mp4 26.19M

｜ ｜ 2-V4版本贡献解读.mp4.mp4 11.50M

｜ ｜ 3-数据增强策略分析.mp4.mp4 35.08M

｜ ｜ 4-DropBlock与标签平滑方法.mp4.mp4 26.44M

｜ ｜ 5-损失函数遇到的问题.mp4.mp4 19.87M

｜ ｜ 6-CIOU损失函数定义.mp4.mp4 13.11M

｜ ｜ 7-NMS细节改进.mp4.mp4 21.25M

｜ ｜ 8-SPP与CSP网络结构.mp4.mp4 18.42M

｜ ｜ 9-SAM注意力机制模块.mp4.mp4 29.83M

｜ 7_V5版本项目配置

｜ ｜ 1-整体项目概述.mp4.mp4 40.93M

｜ ｜ 2-训练自己的数据集方法.mp4.mp4 46.78M

｜ ｜ 3-训练数据参数配置.mp4.mp4 60.39M

｜ ｜ 4-测试DEMO演示.mp4.mp4 60.41M

｜ 8_V5项目工程源码解读

｜ ｜ 1-数据源DEBUG流程解读.mp4.mp4 53.75M

｜ ｜ 10-完成配置文件解析任务.mp4.mp4 69.88M

｜ ｜ 11-前向传播计算.mp4.mp4 36.66M

｜ ｜ 12-BottleneckCSP层计算方法.mp4.mp4 39.91M

｜ ｜ 13-Head层流程解读2.mp4.mp4 30.98M

｜ ｜ 13-SPP层计算细节分析.mp4.mp4 38.56M

｜ ｜ 14-上采样与拼接操作.mp4.mp4 24.77M

｜ ｜ 15-输出结果分析.mp4.mp4 57.56M

｜ ｜ 16-超参数解读.mp4.mp4 42.44M

｜ ｜ 17-命令行参数介绍.mp4.mp4 56.24M

｜ ｜ 18-训练流程解读.mp4.mp4 56.57M

｜ ｜ 19-各种训练策略概述.mp4.mp4 47.37M

｜ ｜ 2-图像数据源配置.mp4.mp4 43.87M

｜ ｜ 20-模型迭代过程.mp4.mp4 52.69M

｜ ｜ 3-加载标签数据.mp4.mp4 33.62M

｜ ｜ 4-Mosaic数据增强方法.mp4.mp4 30.61M

｜ ｜ 5-数据四合一方法与流程演示.mp4.mp4 52.99M

｜ ｜ 6-getItem构建batch.mp4.mp4 42.08M

｜ ｜ 7-网络架构图可视化工具安装.mp4.mp4 40.86M

｜ ｜ 8-V5网络配置文件解读.mp4.mp4 42.17M

｜ ｜ 9-Focus模块流程分析.mp4.mp4 29.10M

13_面向深度学习的无人驾驶实战

｜ 1_深度估计算法原理解读

｜ ｜ 1-深度估计效果与应用.mp4.mp4 81.59M

｜ ｜ 10-损失计算.mp4.mp4 48.42M

｜ ｜ 2-kitti数据集介绍.mp4.mp4 61.77M

｜ ｜ 3-使用backbone获取层级特征.mp4.mp4 27.45M

｜ ｜ 4-差异特征计算边界信息.mp4.mp4 35.08M

｜ ｜ 5-SPP层的作用.mp4.mp4 19.56M

｜ ｜ 6-空洞卷积与ASPP.mp4.mp4 25.65M

｜ ｜ 7-特征拼接方法分析.mp4.mp4 28.68M

｜ ｜ 8-网络coarse-to-fine过程.mp4.mp4 33.97M

｜ ｜ 9-权重参数预处理.mp4.mp4 37.71M

｜ 2_深度估计项目实战

｜ ｜ 1-项目环境配置解读1.mp4.mp4 63.27M

｜ ｜ 10-模型DEMO输出结果.mp4.mp4 112.62M

｜ ｜ 2-数据与标签定义方法.mp4.mp4 102.60M

｜ ｜ 3-数据集dataloader制作.mp4.mp4 39.80M

｜ ｜ 4-使用backbone进行特征提取.mp4.mp4 43.50M

｜ ｜ 5-计算差异特征.mp4.mp4 37.71M

｜ ｜ 6-权重参数标准化操作.mp4.mp4 49.18M

｜ ｜ 7-网络结构ASPP层.mp4.mp4 50.16M

｜ ｜ 8-输出深度估计结果.mp4.mp4 34.58M

｜ ｜ 8-特征拼接方法解读.mp4.mp4 56.28M

｜ ｜ 9-损失函数通俗解读.mp4.mp4 47.59M

｜ 3_车道线检测算法与论文解读

｜ ｜ 1-数据标签与任务分析.mp4.mp4 38.60M

｜ ｜ 2-网络整体框架分析.mp4.mp4 42.87M

｜ ｜ 3-输出结果分析.mp4.mp4 19.38M

｜ ｜ 4-损失函数计算方法.mp4.mp4 39.13M

｜ ｜ 5-论文概述分析.mp4.mp4 78.73M

｜ 4_基于深度学习的车道线检测项目实战

｜ ｜ 1-车道数据与标签解读.mp4.mp4 77.67M

｜ ｜ 10-车道线规则损失函数限制.mp4.mp4 57.08M

｜ ｜ 11-DEMO制作与配置.mp4.mp4 53.54M

｜ ｜ 2-项目环境配置演示.mp4.mp4 35.14M

｜ ｜ 3-制作数据集dataloader.mp4.mp4 67.70M

｜ ｜ 4-车道线标签数据处理.mp4.mp4 38.39M

｜ ｜ 5-四条车道线标签位置矩阵.mp4.mp4 29.01M

｜ ｜ 6-grid设置方法.mp4.mp4 61.50M

｜ ｜ 7-完成数据与标签制作.mp4.mp4 32.93M

｜ ｜ 8-算法网络结构解读.mp4.mp4 61.68M

｜ ｜ 9-损失函数计算模块分析.mp4.mp4 45.65M

｜ 5_商汤LoFTR算法解读

｜ ｜ 1-特征匹配的应用场景.mp4.mp4 47.24M

｜ ｜ 10-总结分析.mp4.mp4 73.58M

｜ ｜ 2-特征匹配的基本流程分析.mp4.mp4 22.15M

｜ ｜ 3-整体流程梳理分析.mp4.mp4 23.29M

｜ ｜ 4-CrossAttention的作用与效果.mp4.mp4 22.27M

｜ ｜ 5-transformer构建匹配特征.mp4.mp4 44.75M

｜ ｜ 6-粗粒度匹配过程与作用.mp4.mp4 35.10M

｜ ｜ 7-特征图拆解操作.mp4.mp4 18.51M

｜ ｜ 8-细粒度匹配的作用与方法.mp4.mp4 26.80M

｜ ｜ 9-基于期望预测最终位置.mp4.mp4 32.66M

｜ 6_局部特征关键点匹配实战

｜ ｜ 1-项目与参数配置解读.mp4.mp4 52.85M

｜ ｜ 10-得到精细化输出结果.mp4.mp4 23.44M

｜ ｜ 11-通过期望计算最终输出.mp4.mp4 53.63M

｜ ｜ 2-DEMO效果演示.mp4.mp4 31.22M

｜ ｜ 3-backbone特征提取模块.mp4.mp4 32.19M

｜ ｜ 4-注意力机制的作用与效果分析.mp4.mp4 36.27M

｜ ｜ 5-特征融合模块实现方法.mp4.mp4 34.51M

｜ ｜ 6-cross关系计算方法实例.mp4.mp4 35.81M

｜ ｜ 7-粗粒度匹配过程.mp4.mp4 56.45M

｜ ｜ 8-完成基础匹配模块.mp4.mp4 73.14M

｜ ｜ 9-精细化调整方法与实例.mp4.mp4 49.69M

｜ 7_三维重建应用与坐标系基础

｜ ｜ 1-三维重建概述分析.mp4.mp4 128.09M

｜ ｜ 2-三维重建应用领域概述.mp4.mp4 16.15M

｜ ｜ 3-成像方法概述.mp4.mp4 21.24M

｜ ｜ 4-相机坐标系.mp4.mp4 23.83M

｜ ｜ 5-坐标系转换方法解读.mp4.mp4 28.24M

｜ ｜ 6-相机内外参.mp4.mp4 24.24M

｜ ｜ 7-通过内外参数进行坐标变换.mp4.mp4 20.65M

｜ ｜ 8-相机标定简介.mp4.mp4 6.73M

｜ 8_NeuralRecon算法解读

｜ ｜ 1-任务流程分析.mp4.mp4 27.61M

｜ ｜ 2-基本框架熟悉.mp4.mp4 38.08M

｜ ｜ 3-特征映射方法解读.mp4.mp4 45.98M

｜ ｜ 4-片段融合思想.mp4.mp4 22.57M

｜ ｜ 5-整体架构重构方法.mp4.mp4 30.41M

｜ 9_NeuralRecon项目环境配置

｜ ｜ 1-数据集下载与配置方法.mp4.mp4 58.73M

｜ ｜ 2-Scannet数据集内容概述.mp4.mp4 41.13M

｜ ｜ 3-TSDF标签生成方法.mp4.mp4 67.69M

｜ ｜ 4-ISSUE的作用.mp4.mp4 58.24M

｜ ｜ 5-完成依赖环境配置.mp4.mp4 65.98M

｜ 10_NeuralRecon项目源码解读

｜ ｜ 1-Backbone得到特征图.mp4.mp4 42.75M

｜ ｜ 2-初始化体素位置.mp4.mp4 47.33M

｜ ｜ 3-坐标映射方法实现.mp4.mp4 33.58M

｜ ｜ 4-得到体素所对应特征图.mp4.mp4 60.47M

｜ ｜ 5-插值得到对应特征向量.mp4.mp4 40.85M

｜ ｜ 6-得到一阶段输出结果.mp4.mp4 46.01M

｜ ｜ 7-完成三个阶段预测结果.mp4.mp4 56.55M

｜ ｜ 8-项目总结2.mp4.mp4 134.98M

｜ 11_TSDF算法与应用

｜ ｜ 1-TSDF整体概述分析.mp4.mp4 27.69M

｜ ｜ 2-合成过程DEMO演示.mp4.mp4 27.44M

｜ ｜ 3-布局初始化操作.mp4.mp4 15.36M

｜ ｜ 4-TSDF计算基本流程解读.mp4.mp4 26.04M

｜ ｜ 5-坐标转换流程分析.mp4.mp4 38.15M

｜ ｜ 6-输出结果融合更新.mp4.mp4 44.20M

｜ 12_TSDF实战案例

｜ ｜ 1-环境配置概述.mp4.mp4 39.03M

｜ ｜ 2-初始化与数据读取.mp4.mp4 25.67M

｜ ｜ 3-计算得到TSDF输出.mp4.mp4 61.98M

｜ 13_轨迹估计算法与论文解读

｜ ｜ 1-数据集与标注信息解读.mp4.mp4 76.67M

｜ ｜ 2-整体三大模块分析.mp4.mp4 58.83M

｜ ｜ 3-特征工程的作用与效果.mp4.mp4 53.67M

｜ ｜ 4-传统方法与现在向量空间对比.mp4.mp4 65.57M

｜ ｜ 5-输入细节分析.mp4.mp4 48.31M

｜ ｜ 6-子图模块构建方法.mp4.mp4 64.32M

｜ ｜ 7-特征融合模块分析.mp4.mp4 54.87M

｜ ｜ 8-VectorNet输出层分析.mp4.mp4 117.09M

｜ 14_轨迹估计预测实战

｜ ｜ 1-数据与环境配置..mp4.mp4 41.89M

｜ ｜ 2-训练数据准备.mp4.mp4 37.57M

｜ ｜ 3-Agent特征提取方法.mp4.mp4 49.50M

｜ ｜ 4-DataLoader构建图结构.mp4.mp4 37.27M

｜ ｜ 5-SubGraph与Attention模型流程.mp4.mp4 43.22M

｜ 15_特斯拉无人驾驶解读

｜ ｜ 15-特斯拉无人驾驶解读.mp4.mp4 776.38M

14_缺陷检测实战

｜ 1_课程介绍

｜ ｜ 课程介绍3.mp4.mp4 35.73M

｜ 2_物体检框架YOLO-V4版本算法解读

｜ ｜ 1-V4版本整体概述.mp4.mp4 15.06M

｜ ｜ 10-PAN模块解读.mp4.mp4 20.64M

｜ ｜ 11-激活函数与整体架构总结.mp4.mp4 19.19M

｜ ｜ 2-V4版本贡献解读.mp4.mp4 10.06M

｜ ｜ 3-数据增强策略分析.mp4.mp4 24.70M

｜ ｜ 4-DropBlock与标签平滑方法.mp4.mp4 19.36M

｜ ｜ 5-损失函数遇到的问题.mp4.mp4 14.26M

｜ ｜ 6-CIOU损失函数定义.mp4.mp4 10.82M

｜ ｜ 7-NMS细节改进.mp4.mp4 16.66M

｜ ｜ 8-SPP与CSP网络结构.mp4.mp4 14.81M

｜ ｜ 9-SAM注意力机制模块.mp4.mp4 22.48M

｜ 3_物体检测框架YOLOV5版本项目配置

｜ ｜ 1-整体项目概述.mp4.mp4 35.77M

｜ ｜ 2-训练自己的数据集方法.mp4.mp4 41.32M

｜ ｜ 3-训练数据参数配置.mp4.mp4 51.48M

｜ ｜ 4-测试DEMO演示.mp4.mp4 50.47M

｜ 4_物体检测框架YOLOV5项目工程源码解读

｜ ｜ 1-数据源DEBUG流程解读.mp4.mp4 48.13M

｜ ｜ 10-完成配置文件解析任务.mp4.mp4 58.80M

｜ ｜ 11-前向传播计算.mp4.mp4 30.80M

｜ ｜ 12-BottleneckCSP层计算方法.mp4.mp4 33.82M

｜ ｜ 13-1 SPP层计算细节分析.mp4.mp4 38.62M

｜ ｜ 13-2Head层流程解读.mp4.mp4 31.05M

｜ ｜ 14-上采样与拼接操作.mp4.mp4 21.48M

｜ ｜ 15-输出结果分析.mp4.mp4 41.71M

｜ ｜ 16-超参数解读.mp4.mp4 34.94M

｜ ｜ 17-命令行参数介绍.mp4.mp4 44.26M

｜ ｜ 18-训练流程解读.mp4.mp4 46.81M

｜ ｜ 19-各种训练策略概述.mp4.mp4 38.43M

｜ ｜ 2-图像数据源配置.mp4.mp4 34.65M

｜ ｜ 20-模型迭代过程.mp4.mp4 38.42M

｜ ｜ 3-加载标签数据.mp4.mp4 26.33M

｜ ｜ 4-Mosaic数据增强方法.mp4.mp4 28.19M

｜ ｜ 5-数据四合一方法与流程演示.mp4.mp4 41.69M

｜ ｜ 6-getItem构建batch.mp4.mp4 33.03M

｜ ｜ 7-网络架构图可视化工具安装.mp4.mp4 34.33M

｜ ｜ 8-V5网络配置文件解读.mp4.mp4 35.74M

｜ ｜ 9-Focus模块流程分析.mp4.mp4 21.93M

｜ 5_基于YOLOV5的钢材缺陷检测实战

｜ ｜ 1-任务需求与项目概述.mp4.mp4 15.53M

｜ ｜ 2-数据与标签配置方法.mp4.mp4 43.06M

｜ ｜ 3-标签转换格式脚本制作.mp4.mp4 38.66M

｜ ｜ 4-各版本模型介绍分析.mp4.mp4 37.05M

｜ ｜ 5-项目参数配置.mp4.mp4 30.25M

｜ ｜ 6-缺陷检测模型训练.mp4.mp4 32.65M

｜ ｜ 7-输出结果与项目总结.mp4.mp4 53.24M

｜ 6_Semi-supervised布料缺陷检测实战

｜ ｜ 1-任务目标与流程概述.mp4.mp4 61.15M

｜ ｜ 2-论文思想与模型分析.mp4.mp4 158.48M

｜ ｜ 3-项目配置解读.mp4.mp4 68.80M

｜ ｜ 4-网络流程分析.mp4.mp4 43.01M

｜ ｜ 5-输出结果展示.mp4.mp4 50.16M

｜ 7_Opencv图像常用处理方法实例

｜ ｜ 1-腐蚀操作.mp4.mp4 28.72M

｜ ｜ 1-计算机眼中的图像.mp4.mp4 39.96M

｜ ｜ 1-图像阈值.mp4.mp4 40.59M

｜ ｜ 2-膨胀操作.mp4.mp4 17.01M

｜ ｜ 2-视频的读取与处理.mp4.mp4 60.10M

｜ ｜ 2-图像平滑处理.mp4.mp4 34.23M

｜ ｜ 3-ROI区域.mp4.mp4 19.56M

｜ ｜ 3-高斯与中值滤波.mp4.mp4 28.67M

｜ ｜ 3-开运算与闭运算.mp4.mp4 11.89M

｜ ｜ 4-边界填充.mp4.mp4 28.99M

｜ ｜ 4-梯度计算.mp4.mp4 10.11M

｜ ｜ 5-礼帽与黑帽.mp4.mp4 22.87M

｜ ｜ 5-数值计算.mp4.mp4 52.36M

｜ 8_Opencv轮廓检测与直方图

｜ ｜ 1-图像金字塔定义.mp4.mp4 27.14M

｜ ｜ 1-直方图定义.mp4.mp4 30.23M

｜ ｜ 2-金字塔制作方法.mp4.mp4 32.30M

｜ ｜ 2-均衡化原理.mp4.mp4 40.43M

｜ ｜ 3-均衡化效果.mp4.mp4 35.90M

｜ ｜ 3-轮廓检测方法.mp4.mp4 26.61M

｜ ｜ 4-傅里叶概述.mp4.mp4 60.92M

｜ ｜ 4-轮廓检测结果.mp4.mp4 44.02M

｜ ｜ 5-轮廓特征与近似.mp4.mp4 52.89M

｜ ｜ 5-频域变换结果.mp4.mp4 35.20M

｜ ｜ 6-低通与高通滤波.mp4.mp4 36.25M

｜ ｜ 6-模板匹配方法.mp4.mp4 60.42M

｜ ｜ 7-匹配效果展示.mp4.mp4 27.31M

｜ 8_Opencv梯度计算与边缘检测实例

｜ ｜ 1-Canny边缘检测流程.mp4.mp4 26.31M

｜ ｜ 1-Sobel算子.mp4.mp4 37.16M

｜ ｜ 2-非极大值抑制.mp4.mp4 20.51M

｜ ｜ 2-梯度计算方法.mp4.mp4 41.75M

｜ ｜ 3-scharr与lapkacian算子.mp4.mp4 34.47M

｜ ｜ 3-边缘检测效果.mp4.mp4 51.00M

｜ 9_基于Opencv缺陷检测项目实战

｜ ｜ 1-任务需求与环境配置.mp4.mp4 18.41M

｜ ｜ 2-数据读取与基本处理.mp4.mp4 33.28M

｜ ｜ 3-缺陷形态学操作.mp4.mp4 33.41M

｜ ｜ 4-整体流程解读.mp4.mp4 27.53M

｜ ｜ 5-缺陷检测效果演示.mp4.mp4 62.58M

｜ 10_基于视频流水线的Opencv缺陷检测项目

｜ ｜ 1-数据与任务概述.mp4.mp4 20.05M

｜ ｜ 2-视频数据读取与轮廓检测.mp4.mp4 23.00M

｜ ｜ 3-目标质心计算.mp4.mp4 40.39M

｜ ｜ 4-视频数据遍历方法.mp4.mp4 39.37M

｜ ｜ 5-缺陷区域提取.mp4.mp4 41.49M

｜ ｜ 6-不同类型的缺陷检测方法.mp4.mp4 47.20M

｜ ｜ 7-检测效果演示.mp4.mp4 29.11M

｜ 11_图像分割deeplab系列算法

｜ ｜ 1-deeplab分割算法概述.mp4.mp4 19.15M

｜ ｜ 2-空洞卷积的作用.mp4.mp4 21.17M

｜ ｜ 3-感受野的意义.mp4.mp4 26.43M

｜ ｜ 4-SPP层的作用.mp4.mp4 25.97M

｜ ｜ 5-ASPP特征融合策略.mp4.mp4 17.01M

｜ ｜ 6-deeplabV3Plus版本网络架构.mp4.mp4 33.17M

｜ 12_基于deeplabV3+版本进行VOC分割实战

｜ ｜ 1-PascalVoc数据集介绍.mp4.mp4 56.87M

｜ ｜ 2-项目参数与数据集读取.mp4.mp4 69.80M

｜ ｜ 3-网络前向传播流程.mp4.mp4 39.57M

｜ ｜ 4-ASPP层特征融合.mp4.mp4 61.87M

｜ ｜ 5-分割模型训练.mp4.mp4 43.37M

｜ 13_Deeplab铁质材料缺陷检测与开源项目应用流程

｜ ｜ 1-数据集与任务概述..mp4.mp4 36.80M

｜ ｜ 2-开源项目应用方法.mp4.mp4 39.79M

｜ ｜ 3-github与kaggle中需要注意的点.mp4.mp4 41.20M

｜ ｜ 4-源码的利用方法.mp4.mp4 100.06M

｜ ｜ 5-数据集制作方法.mp4.mp4 85.89M

｜ ｜ 6-数据路径配置.mp4.mp4 62.92M

｜ ｜ 7-训练模型.mp4.mp4 38.10M

｜ ｜ 8-任务总结.mp4.mp4 47.59M

14_缺陷检测实战(1)

｜ 1_课程介绍

｜ ｜ 课程介绍3.mp4.mp4 35.73M

｜ 2_物体检框架YOLO-V4版本算法解读

｜ ｜ 1-V4版本整体概述.mp4.mp4 15.06M

｜ ｜ 10-PAN模块解读.mp4.mp4 20.64M

｜ ｜ 11-激活函数与整体架构总结.mp4.mp4 19.19M

｜ ｜ 2-V4版本贡献解读.mp4.mp4 10.06M

｜ ｜ 3-数据增强策略分析.mp4.mp4 24.70M

｜ ｜ 4-DropBlock与标签平滑方法.mp4.mp4 19.36M

｜ ｜ 5-损失函数遇到的问题.mp4.mp4 14.26M

｜ ｜ 6-CIOU损失函数定义.mp4.mp4 10.82M

｜ ｜ 7-NMS细节改进.mp4.mp4 16.66M

｜ ｜ 8-SPP与CSP网络结构.mp4.mp4 14.81M

｜ ｜ 9-SAM注意力机制模块.mp4.mp4 22.48M

｜ 3_物体检测框架YOLOV5版本项目配置

｜ ｜ 1-整体项目概述.mp4.mp4 35.77M

｜ ｜ 2-训练自己的数据集方法.mp4.mp4 41.32M

｜ ｜ 3-训练数据参数配置.mp4.mp4 51.48M

｜ ｜ 4-测试DEMO演示.mp4.mp4 50.47M

｜ 4_物体检测框架YOLOV5项目工程源码解读

｜ ｜ 1-数据源DEBUG流程解读.mp4.mp4 48.13M

｜ ｜ 10-完成配置文件解析任务.mp4.mp4 58.80M

｜ ｜ 11-前向传播计算.mp4.mp4 30.80M

｜ ｜ 12-BottleneckCSP层计算方法.mp4.mp4 33.82M

｜ ｜ 13-1 SPP层计算细节分析.mp4.mp4 38.62M

｜ ｜ 13-2Head层流程解读.mp4.mp4 31.05M

｜ ｜ 14-上采样与拼接操作.mp4.mp4 21.48M

｜ ｜ 15-输出结果分析.mp4.mp4 41.71M

｜ ｜ 16-超参数解读.mp4.mp4 34.94M

｜ ｜ 17-命令行参数介绍.mp4.mp4 44.26M

｜ ｜ 18-训练流程解读.mp4.mp4 46.81M

｜ ｜ 19-各种训练策略概述.mp4.mp4 38.43M

｜ ｜ 2-图像数据源配置.mp4.mp4 34.65M

｜ ｜ 20-模型迭代过程.mp4.mp4 38.42M

｜ ｜ 3-加载标签数据.mp4.mp4 26.33M

｜ ｜ 4-Mosaic数据增强方法.mp4.mp4 28.19M

｜ ｜ 5-数据四合一方法与流程演示.mp4.mp4 41.69M

｜ ｜ 6-getItem构建batch.mp4.mp4 33.03M

｜ ｜ 7-网络架构图可视化工具安装.mp4.mp4 34.33M

｜ ｜ 8-V5网络配置文件解读.mp4.mp4 35.74M

｜ ｜ 9-Focus模块流程分析.mp4.mp4 21.93M

｜ 5_基于YOLOV5的钢材缺陷检测实战

｜ ｜ 1-任务需求与项目概述.mp4.mp4 15.53M

｜ ｜ 2-数据与标签配置方法.mp4.mp4 43.06M

｜ ｜ 3-标签转换格式脚本制作.mp4.mp4 38.66M

｜ ｜ 4-各版本模型介绍分析.mp4.mp4 37.05M

｜ ｜ 5-项目参数配置.mp4.mp4 30.25M

｜ ｜ 6-缺陷检测模型训练.mp4.mp4 32.65M

｜ ｜ 7-输出结果与项目总结.mp4.mp4 53.24M

｜ 6_Semi-supervised布料缺陷检测实战

｜ ｜ 1-任务目标与流程概述.mp4.mp4 61.15M

｜ ｜ 2-论文思想与模型分析.mp4.mp4 158.48M

｜ ｜ 3-项目配置解读.mp4.mp4 68.80M

｜ ｜ 4-网络流程分析.mp4.mp4 43.01M

｜ ｜ 5-输出结果展示.mp4.mp4 50.16M

｜ 7_Opencv图像常用处理方法实例

｜ ｜ 1-腐蚀操作.mp4.mp4 28.72M

｜ ｜ 1-计算机眼中的图像.mp4.mp4 39.96M

｜ ｜ 1-图像阈值.mp4.mp4 40.59M

｜ ｜ 2-膨胀操作.mp4.mp4 17.01M

｜ ｜ 2-视频的读取与处理.mp4.mp4 60.10M

｜ ｜ 2-图像平滑处理.mp4.mp4 34.23M

｜ ｜ 3-ROI区域.mp4.mp4 19.56M

｜ ｜ 3-高斯与中值滤波.mp4.mp4 28.67M

｜ ｜ 3-开运算与闭运算.mp4.mp4 11.89M

｜ ｜ 4-边界填充.mp4.mp4 28.99M

｜ ｜ 4-梯度计算.mp4.mp4 10.11M

｜ ｜ 5-礼帽与黑帽.mp4.mp4 22.87M

｜ ｜ 5-数值计算.mp4.mp4 52.36M

｜ 8_Opencv轮廓检测与直方图

｜ ｜ 1-图像金字塔定义.mp4.mp4 27.14M

｜ ｜ 1-直方图定义.mp4.mp4 30.23M

｜ ｜ 2-金字塔制作方法.mp4.mp4 32.30M

｜ ｜ 2-均衡化原理.mp4.mp4 40.43M

｜ ｜ 3-均衡化效果.mp4.mp4 35.90M

｜ ｜ 3-轮廓检测方法.mp4.mp4 26.61M

｜ ｜ 4-傅里叶概述.mp4.mp4 60.92M

｜ ｜ 4-轮廓检测结果.mp4.mp4 44.02M

｜ ｜ 5-轮廓特征与近似.mp4.mp4 52.89M

｜ ｜ 5-频域变换结果.mp4.mp4 35.20M

｜ ｜ 6-低通与高通滤波.mp4.mp4 36.25M

｜ ｜ 6-模板匹配方法.mp4.mp4 60.42M

｜ ｜ 7-匹配效果展示.mp4.mp4 27.31M

｜ 8_Opencv梯度计算与边缘检测实例

｜ ｜ 1-Canny边缘检测流程.mp4.mp4 26.31M

｜ ｜ 1-Sobel算子.mp4.mp4 37.16M

｜ ｜ 2-非极大值抑制.mp4.mp4 20.51M

｜ ｜ 2-梯度计算方法.mp4.mp4 41.75M

｜ ｜ 3-scharr与lapkacian算子.mp4.mp4 34.47M

｜ ｜ 3-边缘检测效果.mp4.mp4 51.00M

｜ 9_基于Opencv缺陷检测项目实战

｜ ｜ 1-任务需求与环境配置.mp4.mp4 18.41M

｜ ｜ 2-数据读取与基本处理.mp4.mp4 33.28M

｜ ｜ 3-缺陷形态学操作.mp4.mp4 33.41M

｜ ｜ 4-整体流程解读.mp4.mp4 27.53M

｜ ｜ 5-缺陷检测效果演示.mp4.mp4 62.58M

｜ 10_基于视频流水线的Opencv缺陷检测项目

｜ ｜ 1-数据与任务概述.mp4.mp4 20.05M

｜ ｜ 2-视频数据读取与轮廓检测.mp4.mp4 23.00M

｜ ｜ 3-目标质心计算.mp4.mp4 40.39M

｜ ｜ 4-视频数据遍历方法.mp4.mp4 39.37M

｜ ｜ 5-缺陷区域提取.mp4.mp4 41.49M

｜ ｜ 6-不同类型的缺陷检测方法.mp4.mp4 47.20M

｜ ｜ 7-检测效果演示.mp4.mp4 29.11M

｜ 11_图像分割deeplab系列算法

｜ ｜ 1-deeplab分割算法概述.mp4.mp4 19.15M

｜ ｜ 2-空洞卷积的作用.mp4.mp4 21.17M

｜ ｜ 3-感受野的意义.mp4.mp4 26.43M

｜ ｜ 4-SPP层的作用.mp4.mp4 25.97M

｜ ｜ 5-ASPP特征融合策略.mp4.mp4 17.01M

｜ ｜ 6-deeplabV3Plus版本网络架构.mp4.mp4 33.17M

｜ 12_基于deeplabV3+版本进行VOC分割实战

｜ ｜ 1-PascalVoc数据集介绍.mp4.mp4 56.87M

｜ ｜ 2-项目参数与数据集读取.mp4.mp4 69.80M

｜ ｜ 3-网络前向传播流程.mp4.mp4 39.57M

｜ ｜ 4-ASPP层特征融合.mp4.mp4 61.87M

｜ ｜ 5-分割模型训练.mp4.mp4 43.37M

｜ 13_Deeplab铁质材料缺陷检测与开源项目应用流程

｜ ｜ 1-数据集与任务概述..mp4.mp4 36.80M

｜ ｜ 2-开源项目应用方法.mp4.mp4 39.79M

｜ ｜ 3-github与kaggle中需要注意的点.mp4.mp4 41.20M

｜ ｜ 4-源码的利用方法.mp4.mp4 100.06M

｜ ｜ 5-数据集制作方法.mp4.mp4 85.89M

｜ ｜ 6-数据路径配置.mp4.mp4 62.92M

｜ ｜ 7-训练模型.mp4.mp4 38.10M

｜ ｜ 8-任务总结.mp4.mp4 47.59M

15_行人重识别实战

｜ 1_行人重识别原理及其应用

｜ ｜ 1-行人重识别要解决的问题.mp4.mp4 23.15M

｜ ｜ 2-挑战与困难分析.mp4.mp4 46.71M

｜ ｜ 3-评估标准rank1指标.mp4.mp4 16.66M

｜ ｜ 4-map值计算方法.mp4.mp4 20.51M

｜ ｜ 5-triplet损失计算实例.mp4.mp4 34.48M

｜ ｜ 6-Hard-Negative方法应用.mp4.mp4 36.94M

｜ 2_基于注意力机制的Reld模型论文解读

｜ ｜ 1-论文整体思想及注意力机制的作用解读.mp4.mp4 47.72M

｜ ｜ 2-空间权重值计算流程分析.mp4.mp4 28.01M

｜ ｜ 3-融合空间注意力所需特征.mp4.mp4 28.87M

｜ ｜ 4-基于特征图的注意力计算.mp4.mp4 88.83M

｜ 3_基于Attention的行人重识别项目实战

｜ ｜ 1-项目环境与数据集配置.mp4.mp4 58.03M

｜ ｜ 2-参数配置与整体架构分析.mp4.mp4 83.28M

｜ ｜ 3-进入debug模式解读网络计算流程.mp4.mp4 37.25M

｜ ｜ 4-获得空间位置点之间的关系.mp4.mp4 53.27M

｜ ｜ 5-组合关系特征图.mp4.mp4 41.98M

｜ ｜ 6-计算得到位置权重值.mp4.mp4 48.88M

｜ ｜ 7-基于特征图的权重计算.mp4.mp4 32.21M

｜ ｜ 8-损失函数计算实例解读.mp4.mp4 74.80M

｜ ｜ 9-训练与测试模块演示.mp4.mp4 91.36M

｜ 4_AAAI2020顶会算法精讲

｜ ｜ 1-论文整体框架概述.mp4.mp4 21.64M

｜ ｜ 2-局部特征与全局关系计算方法.mp4.mp4 21.05M

｜ ｜ 3-特征分组方法.mp4.mp4 19.65M

｜ ｜ 4-GCP模块特征融合方法.mp4.mp4 38.72M

｜ ｜ 5-oneVsReset方法实例.mp4.mp4 20.28M

｜ ｜ 6-损失函数应用位置.mp4.mp4 20.35M

｜ 5_项目实战-基于行人局部特征融合的再识别实战

｜ ｜ 1-项目配置与数据集介绍.mp4.mp4 93.97M

｜ ｜ 10-得到所有分组特征结果.mp4.mp4 61.66M

｜ ｜ 11-损失函数与训练过程演示.mp4.mp4 52.98M

｜ ｜ 12-测试与验证模块.mp4.mp4 63.85M

｜ ｜ 2-数据源构建方法分析.mp4.mp4 48.63M

｜ ｜ 3-dataloader加载顺序解读.mp4.mp4 34.64M

｜ ｜ 4-debug模式解读.mp4.mp4 101.46M

｜ ｜ 5-网络计算整体流程演示.mp4.mp4 38.04M

｜ ｜ 6-特征序列构建.mp4.mp4 50.69M

｜ ｜ 7-GCP全局特征提取.mp4.mp4 47.43M

｜ ｜ 8-局部特征提取实例.mp4.mp4 57.66M

｜ ｜ 9-特征组合汇总.mp4.mp4 58.53M

｜ 6_旷视研究院最新算法解读（基于图模型）

｜ ｜ 1-关键点位置特征构建.mp4.mp4 26.31M

｜ ｜ 2-图卷积与匹配的作用.mp4.mp4 30.24M

｜ ｜ 3-局部特征热度图计算.mp4.mp4 32.69M

｜ ｜ 4-基于图卷积构建人体拓扑关系.mp4.mp4 39.22M

｜ ｜ 5-图卷积模块实现方法.mp4.mp4 36.01M

｜ ｜ 6-图匹配在行人重识别中的作用.mp4.mp4 21.09M

｜ ｜ 7-整体算法框架分析.mp4.mp4 31.10M

｜ 7_基于拓扑图的行人重识别项目实战

｜ ｜ 1-数据集与环境配置概述.mp4.mp4 60.99M

｜ ｜ 10-整体项目总结.mp4.mp4 88.47M

｜ ｜ 2-局部特征准备方法.mp4.mp4 58.67M

｜ ｜ 3-得到一阶段热度图结果.mp4.mp4 51.54M

｜ ｜ 4-阶段监督训练.mp4.mp4 95.56M

｜ ｜ 5-初始化图卷积模型.mp4.mp4 46.02M

｜ ｜ 6-mask矩阵的作用.mp4.mp4 46.54M

｜ ｜ 7-邻接矩阵学习与更新.mp4.mp4 57.89M

｜ ｜ 8-基于拓扑结构组合关键点特征.mp4.mp4 75.97M

｜ ｜ 9-图匹配模块计算流程.mp4.mp4 80.98M

16_对抗生成网络实战

｜ 1_课程介绍

｜ ｜ 课程介绍.mp4.mp4 35.44M

｜ 2_对抗生成网络架构原理与实战解析

｜ ｜ 1-对抗生成网络通俗解释.mp4.mp4 23.10M

｜ ｜ 2-GAN网络组成.mp4.mp4 15.10M

｜ ｜ 3-损失函数解释说明.mp4.mp4 49.36M

｜ ｜ 4-数据读取模块.mp4.mp4 36.74M

｜ ｜ 5-生成与判别网络定义.mp4.mp4 66.54M

｜ 3_基于CycleGan开源项目实战图像合成

｜ ｜ 1-CycleGan网络所需数据.mp4.mp4 43.50M

｜ ｜ 10-额外补充：VISDOM可视化配置.mp4.mp4 45.47M

｜ ｜ 2-CycleGan整体网络架构.mp4.mp4 30.28M

｜ ｜ 3-PatchGan判别网络原理.mp4.mp4 15.81M

｜ ｜ 4-Cycle开源项目简介.mp4.mp4 52.85M

｜ ｜ 5-数据读取与预处理操作.mp4.mp4 59.70M

｜ ｜ 6-生成网络模块构造.mp4.mp4 61.45M

｜ ｜ 7-判别网络模块构造.mp4.mp4 24.42M

｜ ｜ 8-损失函数：identity loss计算方法.mp4.mp4 45.02M

｜ ｜ 9-生成与判别损失函数指定.mp4.mp4 75.54M

｜ 4_stargan论文架构解析

｜ ｜ 1-stargan效果演示分析.mp4.mp4 40.01M

｜ ｜ 2-网络架构整体思路解读.mp4.mp4 35.34M

｜ ｜ 3-建模流程分析.mp4.mp4 56.52M

｜ ｜ 4-V1版本存在的问题及后续改进思路.mp4.mp4 61.95M

｜ ｜ 5-V2版本在整体网络架构.mp4.mp4 54.53M

｜ ｜ 6-编码器训练方法.mp4.mp4 46.50M

｜ ｜ 7-损失函数公式解析.mp4.mp4 57.29M

｜ ｜ 8-训练过程分析.mp4.mp4 39.59M

｜ 5_stargan项目实战及其源码解读

｜ ｜ 1-项目配置与数据源下载.mp4.mp4 26.29M

｜ ｜ 10-测试模块效果与实验分析.mp4.mp4 26.63M

｜ ｜ 2-测试效果演示.mp4.mp4 44.67M

｜ ｜ 3-项目参数解析.mp4.mp4 33.82M

｜ ｜ 4-生成器模块源码解读.mp4.mp4 62.42M

｜ ｜ 5-所有网络模块构建实例.mp4.mp4 55.77M

｜ ｜ 6-数据读取模块分析.mp4.mp4 60.89M

｜ ｜ 7-判别器损失计算.mp4.mp4 40.72M

｜ ｜ 8-损失计算详细过程.mp4.mp4 59.90M

｜ ｜ 9-生成模块损失计算.mp4.mp4 82.44M

｜ 6_基于starganvc2的变声器论文原理解读

｜ ｜ 1-论文整体思路与架构解读.mp4.mp4 42.24M

｜ ｜ 2-VCC2016输入数据.mp4.mp4 28.44M

｜ ｜ 3-语音特征提取.mp4.mp4 41.89M

｜ ｜ 4-生成器模型架构分析.mp4.mp4 21.05M

｜ ｜ 5-InstanceNorm的作用解读.mp4.mp4 26.06M

｜ ｜ 6-AdaIn的目的与效果.mp4.mp4 17.71M

｜ ｜ 7-判别器模块分析.mp4.mp4 212.19M

｜ 7_starganvc2变声器项目实战及其源码解读

｜ ｜ 1-数据与项目文件解读.mp4.mp4 29.60M

｜ ｜ 10-源码损失计算流程.mp4.mp4 38.24M

｜ ｜ 11-测试模块-生成转换语音.mp4.mp4 55.14M

｜ ｜ 2-环境配置与工具包安装.mp4.mp4 54.63M

｜ ｜ 3-数据预处理与声音特征提取.mp4.mp4 125.95M

｜ ｜ 4-生成器构造模块解读.mp4.mp4 50.54M

｜ ｜ 5-下采样与上采样操作.mp4.mp4 43.21M

｜ ｜ 6-starganvc2版本标签输入分析.mp4.mp4 47.72M

｜ ｜ 7-生成器前向传播维度变化.mp4.mp4 33.52M

｜ ｜ 8-判别器模块解读.mp4.mp4 45.21M

｜ ｜ 9-论文损失函数.mp4.mp4 116.08M

｜ 8_图像超分辨率重构实战

｜ ｜ 1-论文概述.mp4.mp4 59.92M

｜ ｜ 2-网络架构.mp4.mp4 136.07M

｜ ｜ 3-数据与环境配置.mp4.mp4 37.01M

｜ ｜ 4-数据加载与配置.mp4.mp4 41.86M

｜ ｜ 5-生成模块.mp4.mp4 56.78M

｜ ｜ 6-判别模块.mp4.mp4 49.57M

｜ ｜ 7-VGG特征提取网络.mp4.mp4 43.22M

｜ ｜ 8-损失函数与训练.mp4.mp4 116.60M

｜ ｜ 9-测试模块.mp4.mp4 109.59M

｜ 9_基于GAN的图像补全实战

｜ ｜ 1-.论文概述.mp4.mp4 89.95M

｜ ｜ 2-网络架构11.mp4.mp4 40.10M

｜ ｜ 3- 细节设计.mp4.mp4 76.78M

｜ ｜ 4- 论文总结.mp4.mp4 80.33M

｜ ｜ 5- 数据与项目概述.mp4.mp4 48.89M

｜ ｜ 6- 参数基本设计.mp4.mp4 83.54M

｜ ｜ 7- 网络结构配置.mp4.mp4 89.78M

｜ ｜ 8- 网络迭代训练.mp4.mp4 122.04M

｜ ｜ 9- 测试模块.mp4.mp4 87.23M

17_强化学习实战系列

｜ 1_强化学习简介及其应用

｜ ｜ 1-一张图通俗解释强化学习.mp4.mp4 21.59M

｜ ｜ 2-强化学习的指导依据.mp4.mp4 29.29M

｜ ｜ 3-强化学习AI游戏DEMO.mp4.mp4 28.89M

｜ ｜ 4-应用领域简介.mp4.mp4 23.18M

｜ ｜ 5-强化学习工作流程.mp4.mp4 19.41M

｜ ｜ 6-计算机眼中的状态与行为.mp4.mp4 26.63M

｜ 2_PPO算法与公式推导

｜ ｜ 1-基本情况介绍.mp4.mp4 39.60M

｜ ｜ 2-与环境交互得到所需数据.mp4.mp4 30.94M

｜ ｜ 3-要完成的目标分析.mp4.mp4 33.24M

｜ ｜ 4-策略梯度推导.mp4.mp4 29.92M

｜ ｜ 5-baseline方法.mp4.mp4 18.05M

｜ ｜ 6-OnPolicy与OffPolicy策略.mp4.mp4 27.34M

｜ ｜ 7-importance sampling的作用.mp4.mp4 30.02M

｜ ｜ 8-PPO算法整体思路解析.mp4.mp4 36.26M

｜ 3_PPO实战-月球登陆器训练实例

｜ ｜ 1-Critic的作用与效果.mp4.mp4 42.59M

｜ ｜ 2-PPO2版本公式解读.mp4.mp4 41.78M

｜ ｜ 3-参数与网络结构定义.mp4.mp4 38.18M

｜ ｜ 4-得到动作结果.mp4.mp4 36.02M

｜ ｜ 5-奖励获得与计算.mp4.mp4 43.65M

｜ ｜ 6-参数迭代与更新.mp4.mp4 62.91M

｜ 4_Q-learning与DQN算法

｜ ｜ 1-算法原理通俗解读.mp4.mp4 29.79M

｜ ｜ 2-目标函数与公式解析.mp4.mp4 32.57M

｜ ｜ 3-Qlearning算法实例解读.mp4.mp4 21.47M

｜ ｜ 4-Q值迭代求解.mp4.mp4 31.14M

｜ ｜ 5-DQN简介.mp4.mp4 18.67M

｜ 5_DQN算法实例演示

｜ ｜ 1-整体任务流程演示.mp4.mp4 25.41M

｜ ｜ 2-探索与action获取.mp4.mp4 35.23M

｜ ｜ 3-计算target值.mp4.mp4 27.33M

｜ ｜ 4-训练与更新.mp4.mp4 39.55M

｜ 6_DQN改进与应用技巧

｜ ｜ 1-DoubleDqn要解决的问题.mp4.mp4 23.36M

｜ ｜ 2-DuelingDqn改进方法.mp4.mp4 24.44M

｜ ｜ 3-Dueling整体网络架构分析.mp4.mp4 28.28M

｜ ｜ 4-MultiSetp策略.mp4.mp4 9.74M

｜ ｜ 5-连续动作处理方法.mp4.mp4 30.39M

｜ 7_Actor-Critic算法分析（A3C）

｜ ｜ 1-AC算法回顾与知识点总结.mp4.mp4 23.42M

｜ ｜ 2-优势函数解读与分析.mp4.mp4 26.76M

｜ ｜ 3-计算流程实例.mp4.mp4 21.73M

｜ ｜ 4-A3C整体架构分析.mp4.mp4 21.57M

｜ ｜ 5-损失函数整理.mp4 31.05M

｜ 8_用A3C玩转超级马里奥

｜ ｜ 1-整体流程与环境配置.mp4.mp4 31.88M

｜ ｜ 2-启动游戏环境.mp4.mp4 37.50M

｜ ｜ 3-要计算的指标回顾.mp4.mp4 45.19M

｜ ｜ 4-初始化局部模型并加载参数.mp4.mp4 40.13M

｜ ｜ 5-与环境交互得到训练数据.mp4.mp4 49.56M

｜ ｜ 6-训练网络模型.mp4.mp4 55.53M

18_面向医学领域的深度学习实战

｜ 1_卷积神经网络原理与参数解读

｜ ｜ 1-1卷积神经网络应用领域.mp4.mp4 31.70M

｜ ｜ 10-1VGG网络架构.mp4.mp4 24.92M

｜ ｜ 11-1残差网络Resnet.mp4.mp4 25.78M

｜ ｜ 12-感受野的作用.mp4.mp4 18.88M

｜ ｜ 2-1卷积的作用.mp4.mp4 32.36M

｜ ｜ 3-1卷积特征值计算方法.mp4.mp4 29.86M

｜ ｜ 4-1得到特征图表示.mp4.mp4 24.83M

｜ ｜ 5-1步长与卷积核大小对结果的影响.mp4.mp4 27.95M

｜ ｜ 6-1边缘填充方法.mp4.mp4 23.35M

｜ ｜ 7-1特征图尺寸计算与参数共享.mp4.mp4 28.96M

｜ ｜ 8-1池化层的作用.mp4.mp4 14.11M

｜ ｜ 9-1整体网络架构.mp4.mp4 22.00M

｜ 2_PyTorch框架基本处理操作

｜ ｜ 1-PyTorch实战课程简介.mp4.mp4 23.18M

｜ ｜ 2-PyTorch框架发展趋势简介1.mp4.mp4 34.61M

｜ ｜ 3-框架安装方法（CPU与GPU版本）1.mp4.mp4 23.37M

｜ ｜ 4-PyTorch基本操作简介1.mp4.mp4 38.66M

｜ ｜ 5-自动求导机制.mp4.mp4 48.38M

｜ ｜ 6线性回归DEMO-数据与参数配置1.mp4.mp4 31.18M

｜ ｜ 7线性回归DEMO-训练回归模型1.mp4.mp4 52.42M

｜ ｜ 8常见tensor格式1.mp4.mp4 27.84M

｜ ｜ 9Hub模块简介1.mp4.mp4 68.46M

｜ 3_PyTorch框架必备核心模块解读

｜ ｜ 1-卷积网络参数定义1.mp4.mp4 34.30M

｜ ｜ 10-加载训练好的网络模型1.mp4.mp4 59.85M

｜ ｜ 11-优化器模块配置1.mp4.mp4 25.31M

｜ ｜ 12-实现训练模块1.mp4.mp4 45.16M

｜ ｜ 13-训练结果与模型保存1.mp4.mp4 57.83M

｜ ｜ 14-加载模型对测试数据进行预测1.mp4.mp4 83.05M

｜ ｜ 15-额外补充-Resnet论文解读1.mp4.mp4 159.04M

｜ ｜ 16-额外补充-Resnet网络架构解读1.mp4.mp4 27.48M

｜ ｜ 2-网络流程解读1.mp4.mp4 62.22M

｜ ｜ 3-Vision模块功能解读1.mp4.mp4 31.88M

｜ ｜ 4-分类任务数据集定义与配置1.mp4.mp4 35.20M

｜ ｜ 5-图像增强的作用1.mp4.mp4 14.58M

｜ ｜ 6-数据预处理与数据增强模块1.mp4.mp4 48.76M

｜ ｜ 7-Batch数据制作1.mp4.mp4 52.66M

｜ ｜ 8-迁移学习的目标1.mp4.mp4 16.87M

｜ ｜ 9-迁移学习策略1.mp4.mp4 21.64M

｜ 4_基于Resnet的医学数据集分类实战

｜ ｜ 1-医学疾病数据集介绍.mp4.mp4 26.43M

｜ ｜ 2-Resnet网络架构原理分析.mp4.mp4 36.83M

｜ ｜ 3-dataloader加载数据集.mp4.mp4 70.28M

｜ ｜ 4-Resnet网络前向传播.mp4.mp4 41.95M

｜ ｜ 5-残差网络的shortcut操作.mp4.mp4 54.52M

｜ ｜ 6-特征图升维与降采样操作.mp4.mp4 36.66M

｜ ｜ 7-网络整体流程与训练演示.mp4.mp4 82.82M

｜ 5_图像分割及其损失函数概述

｜ ｜ 1-语义分割与实例分割概述.mp4.mp4 27.44M

｜ ｜ 2-分割任务中的目标函数定义.mp4.mp4 25.87M

｜ ｜ 3-MIOU评估标准.mp4.mp4 12.78M

｜ 6_Unet系列算法讲解

｜ ｜ 1-Unet网络编码与解码过程.mp4.mp4 24.27M

｜ ｜ 2-网络计算流程1.mp4.mp4 21.17M

｜ ｜ 3-Unet升级版本改进1.mp4.mp4 21.46M

｜ ｜ 4-后续升级版本介绍1.mp4.mp4 25.45M

｜ 7_unet医学细胞分割实战

｜ ｜ 1-医学细胞数据集介绍与参数配置.mp4.mp4 70.13M

｜ ｜ 2-数据增强工具.mp4.mp4 65.21M

｜ ｜ 3-Debug模式演示网络计算流程.mp4.mp4 51.13M

｜ ｜ 4-特征融合方法演示.mp4.mp4 35.95M

｜ ｜ 5-迭代完成整个模型计算任务.mp4.mp4 43.14M

｜ ｜ 6-模型效果验证.mp4.mp4 39.57M

｜ 8_deeplab系列算法

｜ ｜ 1-deeplab分割算法概述.mp4.mp4 19.15M

｜ ｜ 2-空洞卷积的作用.mp4.mp4 21.17M

｜ ｜ 3-感受野的意义.mp4.mp4 26.43M

｜ ｜ 4-SPP层的作用.mp4.mp4 25.97M

｜ ｜ 5-ASPP特征融合策略.mp4.mp4 17.01M

｜ ｜ 6-deeplabV3Plus版本网络架构.mp4.mp4 33.17M

｜ 9_基于deeplabV3+版本进行VOC分割实战

｜ ｜ 1-PascalVoc数据集介绍.mp4.mp4 56.87M

｜ ｜ 2-项目参数与数据集读取.mp4.mp4 69.80M

｜ ｜ 3-网络前向传播流程.mp4.mp4 39.57M

｜ ｜ 4-ASPP层特征融合.mp4.mp4 61.87M

｜ ｜ 5-分割模型训练.mp4.mp4 43.37M

｜ 10_基于deeplab的心脏视频数据诊断分析

｜ ｜ 1-数据集与任务概述1.mp4.mp4 45.94M

｜ ｜ 2-项目基本配置参数1.mp4.mp4 38.73M

｜ ｜ 3-任务流程解读1.mp4.mp4 80.17M

｜ ｜ 4-文献报告分析1.mp4.mp4 140.83M

｜ ｜ 5-补充：视频数据源特征处理方法概述1.mp4.mp4 35.00M

｜ ｜ 6-补充：R(2plus1)D处理方法分析1.mp4.mp4 25.33M

｜ 11_YOLO系列物体检测算法原理解读

｜ ｜ 1-V2版本细节升级概述.mp4.mp4 16.87M

｜ ｜ 1-V3版本改进概述.mp4.mp4 23.13M

｜ ｜ 1-V4版本整体概述.mp4.mp4 18.20M

｜ ｜ 1-YOLO算法整体思路解读.mp4.mp4 22.25M

｜ ｜ 1-检测任务中阶段的意义.mp4.mp4 21.17M

｜ ｜ 10-PAN模块解读.mp4.mp4 27.77M

｜ ｜ 11-激活函数与整体架构总结.mp4.mp4 26.19M

｜ ｜ 2-V4版本贡献解读.mp4.mp4 11.50M

｜ ｜ 2-不同阶段算法优缺点分析.mp4.mp4 14.38M

｜ ｜ 2-多scale方法改进与特征融合.mp4.mp4 24.63M

｜ ｜ 2-检测算法要得到的结果.mp4.mp4 19.74M

｜ ｜ 2-网络结构特点.mp4.mp4 22.30M

｜ ｜ 3-IOU指标计算.mp4.mp4 16.60M

｜ ｜ 3-架构细节解读.mp4.mp4 25.29M

｜ ｜ 3-经典变换方法对比分析.mp4.mp4 15.52M

｜ ｜ 3-数据增强策略分析.mp4.mp4 35.08M

｜ ｜ 3-整体网络架构解读.mp4.mp4 44.01M

｜ ｜ 4-DropBlock与标签平滑方法.mp4.mp4 26.44M

｜ ｜ 4-残差连接方法解读.mp4.mp4 25.45M

｜ ｜ 4-基于聚类来选择先验框尺寸.mp4.mp4 32.65M

｜ ｜ 4-评估所需参数计算.mp4.mp4 35.92M

｜ ｜ 4-位置损失计算.mp4.mp4 26.79M

｜ ｜ 5-map指标计算.mp4.mp4 25.34M

｜ ｜ 5-偏移量计算方法.mp4.mp4 38.80M

｜ ｜ 5-损失函数遇到的问题.mp4.mp4 19.87M

｜ ｜ 5-整体网络模型架构分析.mp4.mp4 16.77M

｜ ｜ 5-置信度误差与优缺点分析.mp4.mp4 38.51M

｜ ｜ 6-CIOU损失函数定义.mp4.mp4 13.11M

｜ ｜ 6-先验框设计改进.mp4.mp4 19.31M

｜ ｜ 6-坐标映射与还原.mp4.mp4 13.13M

｜ ｜ 7-NMS细节改进.mp4.mp4 21.25M

｜ ｜ 7-sotfmax层改进.mp4.mp4 14.47M

｜ ｜ 7-感受野的作用.mp4.mp4 38.49M

｜ ｜ 8-SPP与CSP网络结构.mp4.mp4 18.42M

｜ ｜ 8-特征融合改进.mp4.mp4 27.50M

｜ ｜ 9-SAM注意力机制模块.mp4.mp4 29.83M

｜ ｜ 目录.txt 1.65kb

｜ 12_基于YOLO5细胞检测实战

｜ ｜ 1-任务与细胞数据集介绍.mp4.mp4 49.79M

｜ ｜ 2-模型与算法配置参数解读.mp4.mp4 42.47M

｜ ｜ 3-网络训练流程演示.mp4.mp4 42.34M

｜ ｜ 4-效果评估与展示.mp4.mp4 32.65M

｜ ｜ 5-细胞检测效果演示.mp4.mp4 43.21M

｜ 13_知识图谱原理解读

｜ ｜ 1-数据关系抽取分析.mp4.mp4 27.31M

｜ ｜ 1-知识图谱通俗解读.mp4.mp4 19.87M

｜ ｜ 2-常用NLP技术点分析.mp4.mp4 22.09M

｜ ｜ 2-知识图谱在搜索引擎中的应用.mp4.mp4 26.60M

｜ ｜ 3-graph-embedding的作用与效果.mp4.mp4 26.15M

｜ ｜ 3-知识图谱在医疗领域应用实例.mp4.mp4 102.89M

｜ ｜ 4-金融领域图编码实例.mp4.mp4 12.77M

｜ ｜ 4-金融与推荐领域的应用.mp4.mp4 20.39M

｜ ｜ 5-视觉领域图编码实例.mp4.mp4 28.27M

｜ ｜ 5-数据获取分析.mp4.mp4 35.93M

｜ ｜ 6-图谱知识融合与总结分析.mp4.mp4 34.06M

｜ ｜ 目录.txt 0.57kb

｜ 14_Neo4j数据库实战

｜ ｜ 1-Neo4j图数据库介绍.mp4.mp4 73.11M

｜ ｜ 2-Neo4j数据库安装流程演示.mp4.mp4 32.94M

｜ ｜ 3-可视化例子演示.mp4.mp4 49.71M

｜ ｜ 4-创建与删除操作演示.mp4.mp4 32.66M

｜ ｜ 5-数据库更改查询操作演示.mp4.mp4 36.23M

｜ 15_基于知识图谱的医药问答系统实战

｜ ｜ 1-项目概述与整体架构分析.mp4.mp4 44.42M

｜ ｜ 10-完成对话系统构建.mp4.mp4 53.38M

｜ ｜ 2-医疗数据介绍及其各字段含义.mp4.mp4 72.20M

｜ ｜ 3-任务流程概述.mp4.mp4 42.77M

｜ ｜ 4-环境配置与所需工具包安装.mp4.mp4 41.89M

｜ ｜ 5-数据获取分析.mp4.mp4 46.99M

｜ ｜ 5-提取数据中的关键字段信息.mp4.mp4 61.38M

｜ ｜ 6-创建关系边.mp4.mp4 44.72M

｜ ｜ 7-打造医疗知识图谱模型.mp4.mp4 62.67M

｜ ｜ 8-加载所有实体数据.mp4.mp4 44.49M

｜ ｜ 9-实体关键词字典制作.mp4.mp4 39.55M

｜ 16_词向量模型与RNN网络架构

｜ ｜ 2-1词向量模型通俗解释.mp4.mp4 21.72M

｜ ｜ 3-1模型整体框架.mp4.mp4 28.24M

｜ ｜ 4-1训练数据构建.mp4.mp4 15.85M

｜ ｜ 5-1CBOW与Skip-gram模型.mp4.mp4 23.83M

｜ ｜ 6-1负采样方案.mp4.mp4 29.51M

｜ ｜ 额外补充-RNN网络模型解读.mp4.mp4 23.75M

｜ ｜ 目录.txt 0.30kb

｜ 17_医学糖尿病数据命名实体识别

｜ ｜ 1-数据与任务介绍1.mp4.mp4 22.73M

｜ ｜ 2-整体模型架构1.mp4.mp4 15.01M

｜ ｜ 3-数据-标签-语料库处理1.mp4.mp4 39.99M

｜ ｜ 4-输入样本填充补齐1.mp4.mp4 36.22M

｜ ｜ 5-训练网络模型1.mp4.mp4 40.37M

｜ ｜ 6-医疗数据集（糖尿病）实体识别1.mp4.mp4 81.44M

19_深度学习模型部署与剪枝优化实战

｜ 3_pyTorch框架部署实践

｜ ｜ 0-课程简介12.mp4.mp4 9.48M

｜ ｜ 1-所需基本环境配置.mp4.mp4 27.80M

｜ ｜ 2-模型加载与数据预处理.mp4.mp4 46.47M

｜ ｜ 3-接收与预测模块实现.mp4.mp4 48.73M

｜ ｜ 4-效果实例演示.mp4.mp4 54.72M

｜ 4_YOLO-V3物体检测部署实例

｜ ｜ 1-项目所需配置文件介绍.mp4.mp4 33.91M

｜ ｜ 2-加载参数与模型权重.mp4.mp4 46.17M

｜ ｜ 3-数据预处理.mp4.mp4 60.81M

｜ ｜ 4-返回线性预测结果.mp4.mp4 55.39M

｜ 5_docker实例演示

｜ ｜ 1-docker简介.mp4.mp4 21.46M

｜ ｜ 2-docker安装与配置.mp4.mp4 60.96M

｜ ｜ 3-阿里云镜像配置.mp4.mp4 32.44M

｜ ｜ 4-基于docker配置pytorch环境.mp4.mp4 49.23M

｜ ｜ 5-安装演示环境所需依赖.mp4.mp4 41.19M

｜ ｜ 6-复制所需配置到容器中.mp4.mp4 36.31M

｜ ｜ 7-上传与下载配置好的项目.mp4.mp4 59.24M

｜ 6_tensorflow-serving实战

｜ ｜ 1-tf-serving项目获取与配置.mp4.mp4 34.83M

｜ ｜ 2-加载并启动模型服务.mp4.mp4 41.24M

｜ ｜ 3-测试模型部署效果.mp4.mp4 56.19M

｜ ｜ 4-fashion数据集获取.mp4.mp4 42.80M

｜ ｜ 5-加载fashion模型启动服务.mp4.mp4 34.36M

｜ 7_模型剪枝-Network Slimming算法分析

｜ ｜ 1-论文算法核心框架概述.mp4.mp4 26.10M

｜ ｜ 2-BatchNorm要解决的问题.mp4.mp4 24.77M

｜ ｜ 3-BN的本质作用.mp4.mp4 26.75M

｜ ｜ 4-额外的训练参数解读.mp4.mp4 27.23M

｜ ｜ 5-稀疏化原理与效果.mp4.mp4 33.25M

｜ 8_模型剪枝-Network Slimming实战解读

｜ ｜ 1-整体案例流程解读.mp4.mp4 47.00M

｜ ｜ 2-加入L1正则化来进行更新.mp4.mp4 34.44M

｜ ｜ 3-剪枝模块介绍.mp4.mp4 35.25M

｜ ｜ 4-筛选需要的特征图.mp4.mp4 41.22M

｜ ｜ 5-剪枝后模型参数赋值.mp4.mp4 62.52M

｜ ｜ 6-微调完成剪枝模型.mp4.mp4 54.52M

｜ 9_Mobilenet三代网络模型架构

｜ ｜ 1-模型剪枝分析.mp4.mp4 27.39M

｜ ｜ 10-V2整体架构与效果分析.mp4.mp4 14.75M

｜ ｜ 11-V3版本网络架构分析.mp4.mp4 15.31M

｜ ｜ 12-SE模块作用与效果解读.mp4.mp4 45.76M

｜ ｜ 13-代码实现mobilenetV3网络架构.mp4.mp4 87.43M

｜ ｜ 2-常见剪枝方法介绍.mp4.mp4 28.84M

｜ ｜ 3-mobilenet简介.mp4.mp4 11.48M

｜ ｜ 4-经典卷积计算量与参数量分析.mp4.mp4 18.17M

｜ ｜ 5-深度可分离卷积的作用与效果.mp4.mp4 19.23M

｜ ｜ 6-参数与计算量的比较.mp4.mp4 56.10M

｜ ｜ 7-V1版本效果分析.mp4.mp4 34.52M

｜ ｜ 8-V2版本改进以及Relu激活函数的问题.mp4.mp4 26.49M

｜ ｜ 9-倒残差结构的作用.mp4.mp4 21.59M

20_自然语言处理经典案例实战

｜ 10_NLP-文本特征方法对比

｜ ｜ 1.1-任务概述.mp4.mp4 55.34M

｜ ｜ 2-词袋模型.mp4.mp4 34.91M

｜ ｜ 3-词袋模型分析.mp4.mp4 71.89M

｜ ｜ 4-TFIDF模型.mp4.mp4 56.10M

｜ ｜ 5-word2vec词向量模型.mp4.mp4 73.09M

｜ ｜ 6-深度学习模型.mp4.mp4 42.46M

21_自然语言处理通用框架-BERT实战

｜ 1_自然语言处理通用框架BERT原理解读

｜ ｜ 1-BERT课程简介.mp4.mp4 45.63M

｜ ｜ 10-BERT模型训练方法.mp4.mp4 27.10M

｜ ｜ 11-训练实例.mp4.mp4 33.03M

｜ ｜ 2-BERT任务目标概述.mp4.mp4 13.99M

｜ ｜ 2-传统解决方案遇到的问题.mp4.mp4 30.71M

｜ ｜ 3-注意力机制的作用.mp4.mp4 20.27M

｜ ｜ 4-self-attention计算方法.mp4.mp4 33.06M

｜ ｜ 5-特征分配与softmax机制.mp4.mp4 28.85M

｜ ｜ 7-Multi-head的作用.mp4.mp4 26.68M

｜ ｜ 8-位置编码与多层堆叠.mp4.mp4 23.41M

｜ ｜ 9-transformer整体架构梳理.mp4.mp4 22.34M

｜ 2_谷歌开源项目BERT源码解读与应用实例

｜ ｜ 1-BERT开源项目简介.mp4.mp4 46.79M

｜ ｜ 10-构建QKV矩阵.mp4.mp4 62.77M

｜ ｜ 11-完成Transformer模块构建.mp4.mp4 51.65M

｜ ｜ 12-训练BERT模型.mp4.mp4 71.68M

｜ ｜ 2-项目参数配置.mp4.mp4 100.28M

｜ ｜ 3-数据读取模块.mp4.mp4 55.93M

｜ ｜ 4-数据预处理模块.mp4.mp4 50.05M

｜ ｜ 5-tfrecord制作.mp4.mp4 65.28M

｜ ｜ 6-Embedding层的作用.mp4.mp4 38.37M

｜ ｜ 7-加入额外编码特征.mp4.mp4 51.08M

｜ ｜ 8-加入位置编码特征.mp4.mp4 29.50M

｜ ｜ 9-mask机制.mp4.mp4 46.25M

｜ 3_项目实战-基于BERT的中文情感分析实战

｜ ｜ 1-中文分类数据与任务概述.mp4.mp4 93.61M

｜ ｜ 2-读取处理自己的数据集.mp4.mp4 61.13M

｜ ｜ 3-训练BERT中文分类模型.mp4.mp4 81.77M

｜ 4_项目实战-基于BERT的中文命名实体识别识别实战

｜ ｜ 1-命名实体识别数据分析与任务目标.mp4.mp4 42.67M

｜ ｜ 2-NER标注数据处理与读取.mp4.mp4 78.06M

｜ ｜ 3-构建BERT与CRF模型.mp4.mp4 65.41M

｜ 5_必备基础知识点-woed2vec模型通俗解读

｜ ｜ 1-词向量模型通俗解释.mp4.mp4 30.39M

｜ ｜ 2-模型整体框架.mp4.mp4 32.32M

｜ ｜ 3-训练数据构建.mp4.mp4 19.81M

｜ ｜ 4-CBOW与Skip-gram模型.mp4.mp4 32.60M

｜ ｜ 5-负采样方案.mp4.mp4 44.80M

｜ 6_必备基础-掌握Tensorflow如何实现word2vec模型

｜ ｜ 1-数据与任务流程.mp4.mp4 50.37M

｜ ｜ 2-数据清洗.mp4.mp4 30.32M

｜ ｜ 3-batch数据制作.mp4.mp4 62.22M

｜ ｜ 4-网络训练.mp4.mp4 68.06M

｜ ｜ 5-可视化展示.mp4.mp4 59.00M

｜ 7_必备基础知识点-RNN网络架构与情感分析应用实例

｜ ｜ 1-RNN网络模型解读.mp4.mp4 34.66M

｜ ｜ 2-NLP应用领域与任务简介.mp4.mp4 47.63M

｜ ｜ 3-项目流程解读.mp4.mp4 52.31M

｜ ｜ 4-加载词向量特征.mp4.mp4 40.15M

｜ ｜ 5-正负样本数据读取.mp4.mp4 47.64M

｜ ｜ 6-构建LSTM网络模型.mp4.mp4 58.06M

｜ ｜ 7-训练与测试效果.mp4.mp4 101.37M

｜ ｜ 第十二课：LSTM情感分析.mp4.mp4 717.09M

｜ 8_医学糖尿病数据命名实体识别

｜ ｜ 1-数据与任务介绍1.mp4.mp4 22.73M

｜ ｜ 2-整体模型架构1.mp4.mp4 15.01M

｜ ｜ 3-数据-标签-语料库处理1.mp4.mp4 39.99M

｜ ｜ 4-输入样本填充补齐1.mp4.mp4 36.22M

｜ ｜ 5-训练网络模型1.mp4.mp4 40.37M

｜ ｜ 6-医疗数据集（糖尿病）实体识别1.mp4.mp4 81.44M

22_知识图谱实战系列

｜ 1_知识图谱介绍及其应用领域分析

｜ ｜ 1-知识图谱通俗解读.mp4.mp4 19.87M

｜ ｜ 2-知识图谱在搜索引擎中的应用.mp4.mp4 26.60M

｜ ｜ 3-知识图谱在医疗领域应用实例.mp4.mp4 102.89M

｜ ｜ 4-金融与推荐领域的应用.mp4.mp4 20.39M

｜ ｜ 5-数据获取分析.mp4.mp4 35.93M

｜ 2_知识图谱涉及技术点分析

｜ ｜ 1-数据关系抽取分析.mp4.mp4 27.31M

｜ ｜ 2-常用NLP技术点分析.mp4.mp4 22.09M

｜ ｜ 3-graph-embedding的作用与效果.mp4.mp4 26.15M

｜ ｜ 4-金融领域图编码实例.mp4.mp4 12.77M

｜ ｜ 5-视觉领域图编码实例.mp4.mp4 20.97M

｜ ｜ 6-图谱知识融合与总结分析.mp4.mp4 23.98M

｜ 3_Neo4j数据库实战

｜ ｜ 1-Neo4j图数据库介绍.mp4.mp4 63.50M

｜ ｜ 2-Neo4j数据库安装流程演示.mp4.mp4 27.67M

｜ ｜ 3-可视化例子演示.mp4.mp4 43.59M

｜ ｜ 4-创建与删除操作演示.mp4.mp4 25.32M

｜ ｜ 5-数据库更改查询操作演示.mp4.mp4 27.14M

｜ 4_使用python操作neo4j实例

｜ ｜ 1-使用Py2neo建立连接.mp4.mp4 50.77M

｜ ｜ 2-提取所需的指标信息.mp4.mp4 59.80M

｜ ｜ 3-在图中创建实体.mp4.mp4 51.88M

｜ ｜ 4-根据给定实体创建关系.mp4.mp4 67.00M

｜ 5_基于知识图谱的医药问答系统实战

｜ ｜ 1-项目概述与整体架构分析.mp4.mp4 37.04M

｜ ｜ 10-完成对话系统构建.mp4.mp4 39.47M

｜ ｜ 2-医疗数据介绍及其各字段含义.mp4.mp4 62.65M

｜ ｜ 3-任务流程概述.mp4.mp4 39.73M

｜ ｜ 4-环境配置与所需工具包安装.mp4.mp4 36.37M

｜ ｜ 5-提取数据中的关键字段信息.mp4.mp4 61.33M

｜ ｜ 6-创建关系边.mp4.mp4 39.41M

｜ ｜ 7-打造医疗知识图谱模型.mp4.mp4 59.14M

｜ ｜ 8-加载所有实体数据.mp4.mp4 42.46M

｜ ｜ 9-实体关键词字典制作.mp4.mp4 31.84M

｜ 6_文本关系抽取实践

｜ ｜ 1-关系抽取要完成的任务演示与分析.mp4.mp4 22.80M

｜ ｜ 2-LTP工具包概述介绍.mp4.mp4 57.87M

｜ ｜ 3-pyltp安装与流程演示.mp4.mp4 46.11M

｜ ｜ 4-得到分词与词性标注结果.mp4.mp4 45.11M

｜ ｜ 5-依存句法概述.mp4.mp4 34.06M

｜ ｜ 6-句法分析结果整理.mp4.mp4 49.06M

｜ ｜ 7-语义角色构建与分析.mp4.mp4 70.02M

｜ ｜ 8-设计规则完成关系抽取.mp4.mp4 64.18M

｜ 7_金融平台风控模型实践

｜ ｜ 1-竞赛任务目标.mp4.mp4 24.83M

｜ ｜ 2-图模型信息提取.mp4.mp4 38.96M

｜ ｜ 3-节点权重特征提取(PageRank).mp4.mp4 47.41M

｜ ｜ 4-deepwalk构建图顶点特征.mp4.mp4 66.10M

｜ ｜ 5-各项统计特征.mp4.mp4 57.79M

｜ ｜ 6-app安装特征.mp4.mp4 46.46M

｜ ｜ 7-图中联系人特征.mp4.mp4 101.77M

｜ 8_医学糖尿病数据命名实体识别

｜ ｜ 1-数据与任务介绍1.mp4.mp4 22.73M

｜ ｜ 2-整体模型架构1.mp4.mp4 15.01M

｜ ｜ 3-数据-标签-语料库处理1.mp4.mp4 39.99M

｜ ｜ 4-输入样本填充补齐1.mp4.mp4 36.22M

｜ ｜ 5-训练网络模型1.mp4.mp4 40.37M

｜ ｜ 6-医疗数据集（糖尿病）实体识别1.mp4.mp4 81.44M

23_语音识别实战系列

｜ 1_seq2seq序列网络模型

｜ ｜ 1-序列网络模型概述分析.mp4.mp4 17.30M

｜ ｜ 2-工作原理概述.mp4.mp4 8.98M

｜ ｜ 3.注意力机制的作用.txt

｜ ｜ 4-加入attention的序列模型整体架构.mp4.mp4 20.57M

｜ ｜ 5-TeacherForcing的作用与训练策略.mp4.mp4 16.61M

｜ ｜ 额外补充-RNN网络模型解读.mp4.mp4 23.75M

｜ 2_LAS模型语音识别实战

｜ ｜ 1-数据源与环境配置.mp4.mp4 32.23M

｜ ｜ 2-语料表制作方法.mp4.mp4 25.47M

｜ ｜ 3-制作json标注数据.mp4.mp4 37.84M

｜ ｜ 4-声音数据处理模块解读.mp4.mp4 62.84M

｜ ｜ 5-Pack与Pad操作解析.mp4.mp4 35.92M

｜ ｜ 6-编码器模块整体流程.mp4.mp4 31.43M

｜ ｜ 7-加入注意力机制.mp4.mp4 33.29M

｜ ｜ 8-计算得到每个输出的attention得分.mp4.mp4 36.42M

｜ ｜ 9-解码器与训练过程演示.mp4.mp4 43.78M

｜ 3_starganvc2变声器论文原理解读

｜ ｜ 1-论文整体思路与架构解读.mp4.mp4 34.66M

｜ ｜ 2-VCC2016输入数据.mp4.mp4 20.76M

｜ ｜ 3-语音特征提取.mp4.mp4 30.57M

｜ ｜ 4-生成器模型架构分析.mp4.mp4 15.81M

｜ ｜ 5-InstanceNorm的作用解读.mp4.mp4 18.58M

｜ ｜ 6-AdaIn的目的与效果.mp4.mp4 13.18M

｜ ｜ 7-判别器模块分析.mp4.mp4 114.03M

｜ 4_staeganvc2变声器源码实战

｜ ｜ 1-数据与项目文件解读.mp4.mp4 21.80M

｜ ｜ 10-源码损失计算流程.mp4.mp4 34.82M

｜ ｜ 11-测试模块-生成转换语音.mp4.mp4 47.17M

｜ ｜ 2-环境配置与工具包安装.mp4.mp4 37.11M

｜ ｜ 3-数据预处理与声音特征提取.mp4.mp4 88.49M

｜ ｜ 4-生成器构造模块解读.mp4.mp4 41.33M

｜ ｜ 5-下采样与上采样操作.mp4.mp4 35.48M

｜ ｜ 6-starganvc2版本标签输入分析.mp4.mp4 49.96M

｜ ｜ 7-生成器前向传播维度变化.mp4.mp4 26.49M

｜ ｜ 8-判别器模块解读.mp4.mp4 35.22M

｜ ｜ 9-论文损失函数.mp4.mp4 100.48M

｜ 5_语音分离ConvTasnet模型

｜ ｜ 1-语音分离任务分析.mp4.mp4 11.97M

｜ ｜ 2-经典语音分离模型概述.mp4.mp4 24.58M

｜ ｜ 3-DeepClustering论文解读.mp4.mp4 21.58M

｜ ｜ 4-TasNet编码器结构分析.mp4.mp4 37.60M

｜ ｜ 5-DW卷积的作用与效果.mp4.mp4 11.95M

｜ ｜ 6-基于Mask得到分离结果.mp4.mp4 24.15M

｜ 6_ConvTasnet语音分离实战

｜ ｜ 1-数据准备与环境配置.mp4.mp4 75.74M

｜ ｜ 2-训练任务所需参数介绍.mp4.mp4 38.75M

｜ ｜ 3-DataLoader定义.mp4.mp4 37.75M

｜ ｜ 4-采样数据特征编码.mp4.mp4 36.57M

｜ ｜ 5编码器特征提取.mp4.mp4 50.36M

｜ ｜ 6-构建更大的感受区域.mp4.mp4 70.86M

｜ ｜ 7-解码得到分离后的语音.mp4.mp4 51.03M

｜ ｜ 8-测试模块所需参数.mp4.mp4 74.96M

｜ 7_语音合成tacotron最新版实战

｜ ｜ 1-语音合成项目所需环境配置.mp4.mp4 57.24M

｜ ｜ 10-得到加权的编码向量.mp4.mp4 70.17M

｜ ｜ 11-模型输出结果.mp4.mp4 65.80M

｜ ｜ 12-损失函数与预测.mp4.mp4 69.00M

｜ ｜ 2-所需数据集介绍.mp4.mp4 64.58M

｜ ｜ 3-路径配置与整体流程解读.mp4.mp4 78.77M

｜ ｜ 4-Dataloader构建数据与标签.mp4.mp4 84.24M

｜ ｜ 5-编码层要完成的任务.mp4.mp4 41.71M

｜ ｜ 6-得到编码特征向量.mp4.mp4 37.73M

｜ ｜ 7-解码器输入准备.mp4.mp4 43.01M

｜ ｜ 8-解码器流程梳理.mp4.mp4 46.07M

｜ ｜ 9-注意力机制应用方法.mp4.mp4 71.69M

｜ 3.注意力机制的作用.txt

24_推荐系统实战系列

｜ 1_推荐系统介绍及其应用

｜ ｜ 1-推荐系统通俗解读.mp4.mp4 24.13M

｜ ｜ 2-推荐系统发展简介.mp4.mp4 27.91M

｜ ｜ 3-应用领域与多方位评估指标.mp4.mp4 31.62M

｜ ｜ 4-任务流程与挑战概述.mp4.mp4 36.57M

｜ ｜ 5-常用技术点分析.mp4.mp4 21.51M

｜ ｜ 6-与深度学习的结合.mp4.mp4 33.19M

｜ 2_协同过滤与矩阵分解

｜ ｜ 1-协同过滤与矩阵分解简介.mp4.mp4 14.00M

｜ ｜ 2-基于用户与商品的协同过滤.mp4.mp4 23.85M

｜ ｜ 3-相似度计算与推荐实例.mp4.mp4 20.61M

｜ ｜ 4-矩阵分解的目的与效果.mp4.mp4 27.69M

｜ ｜ 5-矩阵分解中的隐向量.mp4.mp4 34.96M

｜ ｜ 6-目标函数简介.mp4.mp4 14.42M

｜ ｜ 7-隐式情况分析.mp4.mp4 18.04M

｜ ｜ 8-Embedding的作用.mp4.mp4 14.44M

｜ 3_音乐推荐系统实战

｜ ｜ 1-音乐推荐任务概述.mp4.mp4 101.33M

｜ ｜ 2-数据集整合.mp4.mp4 64.79M

｜ ｜ 3-基于物品的协同过滤.mp4.mp4 72.68M

｜ ｜ 4-物品相似度计算与推荐.mp4.mp4 106.15M

｜ ｜ 5-SVD矩阵分解.mp4.mp4 44.16M

｜ ｜ 6-基于矩阵分解的音乐推荐.mp4.mp4 126.26M

｜ 4_知识图谱与Neo4j数据库实例

｜ ｜ 1-Neo4j图数据库介绍.mp4.mp4 63.50M

｜ ｜ 1-知识图谱通俗解读.mp4.mp4 19.87M

｜ ｜ 2-Neo4j数据库安装流程演示.mp4.mp4 27.67M

｜ ｜ 2-知识图谱在搜索引擎中的应用.mp4.mp4 26.60M

｜ ｜ 3-可视化例子演示.mp4.mp4 43.59M

｜ ｜ 3-知识图谱在医疗领域应用实例.mp4.mp4 102.89M

｜ ｜ 4-创建与删除操作演示.mp4.mp4 25.32M

｜ ｜ 4-金融与推荐领域的应用.mp4.mp4 20.39M

｜ ｜ 5-数据获取分析.mp4.mp4 35.93M

｜ ｜ 5-数据库更改查询操作演示.mp4.mp4 27.14M

｜ 5_基于知识图谱的电影推荐实战

｜ ｜ 1-知识图谱推荐系统效果演示.mp4.mp4 29.20M

｜ ｜ 2-kaggle电影数据集下载与配置.mp4.mp4 73.31M

｜ ｜ 3-图谱需求与任务流程解读.mp4.mp4 35.31M

｜ ｜ 4-项目所需环境配置安装.mp4.mp4 58.62M

｜ ｜ 5-构建用户电影知识图谱.mp4.mp4 65.77M

｜ ｜ 6-图谱查询与匹配操作.mp4.mp4 25.08M

｜ ｜ 7-相似度计算与推荐引擎构建.mp4.mp4 52.80M

｜ 6_点击率估计FM与DeepFM算法

｜ ｜ 1-CTR估计及其经典方法概述.mp4.mp4 27.90M

｜ ｜ 2-高维特征带来的问题.mp4.mp4 16.24M

｜ ｜ 3-二项式特征的作用与挑战.mp4.mp4 13.52M

｜ ｜ 4-二阶公式推导与化简.mp4.mp4 26.56M

｜ ｜ 5-FM算法解析.mp4.mp4 27.38M

｜ ｜ 6-DeepFm整体架构解读.mp4.mp4 20.01M

｜ ｜ 7-输入层所需数据样例.mp4.mp4 16.49M

｜ ｜ 8-Embedding层的作用与总结.mp4.mp4 29.62M

｜ 7_DeepFM算法实战

｜ ｜ 1-数据集介绍与环境配置.mp4.mp4 69.73M

｜ ｜ 2-广告点击数据预处理实例.mp4.mp4 65.50M

｜ ｜ 3-数据处理模块Embedding层.mp4.mp4 40.54M

｜ ｜ 4-Index与Value数据制作.mp4.mp4 38.79M

｜ ｜ 5-一阶权重参数设计.mp4.mp4 39.63M

｜ ｜ 6-二阶特征构建方法.mp4.mp4 36.26M

｜ ｜ 7-特征组合方法实例分析.mp4.mp4 60.42M

｜ ｜ 8-完成FM模块计算.mp4.mp4 30.26M

｜ ｜ 9-DNN模块与训练过程.mp4.mp4 47.20M

｜ 8_推荐系统常用工具包演示

｜ ｜ 1-环境配置与数据集介绍.mp4.mp4 48.65M

｜ ｜ 2-电影数据集预处理分析.mp4.mp4 46.28M

｜ ｜ 3-surprise工具包基本使用.mp4.mp4 49.67M

｜ ｜ 4-模型测试集结果.mp4.mp4 40.52M

｜ ｜ 5-评估指标概述.mp4.mp4 109.24M

｜ 9_基于文本数据的推荐实例

｜ ｜ 1-数据与环境配置介绍.mp4.mp4 25.10M

｜ ｜ 2-数据科学相关数据介绍.mp4.mp4 37.31M

｜ ｜ 3-文本数据预处理.mp4.mp4 44.61M

｜ ｜ 4-TFIDF构建特征矩阵.mp4.mp4 41.18M

｜ ｜ 5-矩阵分解演示.mp4.mp4 39.93M

｜ ｜ 6-LDA主题模型效果演示.mp4.mp4 66.45M

｜ ｜ 7-推荐结果分析.mp4.mp4 50.23M

｜ 10_基本统计分析的电影推荐

｜ ｜ 1-电影数据与环境配置.mp4.mp4 85.96M

｜ ｜ 2-数据与关键词信息展示.mp4.mp4 61.35M

｜ ｜ 3-关键词云与直方图展示.mp4.mp4 53.82M

｜ ｜ 4-特征可视化.mp4.mp4 48.77M

｜ ｜ 5-数据清洗概述.mp4.mp4 78.23M

｜ ｜ 6-缺失值填充方法.mp4.mp4 46.25M

｜ ｜ 7-推荐引擎构造.mp4.mp4 58.80M

｜ ｜ 8-数据特征构造.mp4.mp4 45.73M

｜ ｜ 9-得出推荐结果.mp4.mp4 64.40M

｜ 11_补充-基于相似度的酒店推荐系统

｜ ｜ 1-酒店数据与任务介绍.mp4.mp4 33.78M

｜ ｜ 2-文本词频统计.mp4.mp4 32.78M

｜ ｜ 3-ngram结果可视化展示.mp4.mp4 66.17M

｜ ｜ 4-文本清洗.mp4.mp4 49.26M

｜ ｜ 5-相似度计算.mp4.mp4 57.18M

｜ ｜ 6-得出推荐结果.mp4.mp4 85.84M