收起左侧

[人工智能] 人工智能P5第5期共77G 2022年

130
回复
1020
查看
  [复制链接]
  • TA的每日心情
    奋斗
    2022-8-11 14:17
  • 签到天数: 4 天

    [LV.2]小吧熟人

    发表于 2022-8-28 18:54:00 | 显示全部楼层 |阅读模式

    登录后查看本帖详细内容!

    您需要 登录 才可以下载或查看,没有帐号?立即注册

    x
    注意:无源码资料% m; c; Z4 l: I! T# l, \
    ├─1_直播课回放, l# w+ _% V) h5 _  T$ `& c
    │  ├─1_直播1:开班典礼
    : v& k1 }4 t6 `; [# U) ~3 j5 N│  │      1人工智能CV NLP高薪实战班.mp4  V  B) X  C* y0 a, T
    │  │      
    3 I/ Q: g# x3 W) i( J& T2 v) c│  ├─2_Pycharm环境配置与Debug演示(没用过的同学必看)+ X3 [3 b7 V3 B$ E, [
    │  │      Pycharm环境配置与Debug演示(没用过的同学必看).mp4
    % H* M9 H/ e' ]( J4 j- |1 O; @! K! n│  │      
    / F& G- w& H4 I. t│  ├─3_直播2:深度学习必备基础-神经网络与卷积网络
    ! y! h+ ^7 G2 j│  │      1.深度学习必备基础-神经网络与卷积网络.mp4
    : u) u1 D0 \1 ?/ h4 n9 T│  │      ( k1 q) I3 P: [$ }
    │  ├─4_直播3:Transformer原理及其各领域应用分析
    + t' l) n+ Y, r6 ~! q) a│  │      Transformer原理及其各领域应用分析.mp4; m% w3 H" z1 L& R1 H) j
    │  │      
    # V. H0 V1 Z/ p$ J7 [│  ├─5_额外补充:时间序列预测9 b$ ]* j2 P; \
    │  │      额外补充:时间序列预测.mp4, H4 |  a  Q6 G- z
    │  │      9 }# E' ~( u. a2 M
    │  └─6_直播4:Informer时间序列预测源码解读7 X& w! v$ k) v" x3 y
    │          Informer时间序列预测源码解读.mp4
    1 a9 n, B$ `" @( L│         
    ! ~! Y. y, T% I" A1 j├─2_深度学习必备核心算法' h) S8 `8 x6 q  Z% q
    │  ├─1_神经网络算法解读
    + L! |. C. ?5 J8 r) N. k7 T8 x│  │      1-神经网络算法解读.mp4
    ! b  h3 m6 H6 \- U! s: \│  │      & b+ @* {0 r' `. A; z% b( G$ z
    │  ├─2_卷积神经网络算法解读
    % D2 M! J. V6 \  c! c6 U│  │      2-卷积神经网络算法解读.mp4# V7 t  p2 h/ W, i
    │  │      3 n- J1 x6 W% _: \  K% C: F
    │  └─3_递归神经网络算法解读
    ( W( a, ~% h5 U7 Z, x9 l; w9 B+ g' e; O│          3-递归神经网络算法解读.mp4; J& W4 |- k/ M( m
    │         
    # a6 N+ n5 f& d! K$ U4 M├─3_深度学习核心框架PyTorch; E8 @6 p3 t% s( ]/ r: U& O
    │  ├─1_PyTorch框架介绍与配置安装
    & d! r3 [0 C; s+ q: D# c$ S│  │      1-PyTorch框架与其他框架区别分析.mp4- y% a6 N9 y" k. m
    │  │      2-CPU与GPU版本安装方法解读.mp4* f. P! W% a( N3 F, U8 W# }5 z. S/ U
    │  │      % r" C% g7 J* y* ~8 K
    │  ├─2_使用神经网络进行分类任务
    % c5 |( ?5 x9 \│  │      1-数据集与任务概述2.mp4
    ( R& B" u% J" Q2 ^3 ^8 `% f; `2 G9 q│  │      2-基本模块应用测试2.mp4
    ) }7 M5 E/ n0 ~│  │      3-网络结构定义方法2.mp4
    : t# F9 r$ ]0 ?% ^│  │      4-数据源定义简介2.mp4
    # i8 ?3 b% h, X/ I3 O│  │      5-损失与训练模块分析2.mp4$ h6 s3 h' O, ^( X
    │  │      6-训练一个基本的分类模型2.mp4
    - x- g+ T& M8 |│  │      7-参数对结果的影响2.mp4
    6 n; O( w7 h  r% r0 I' ^│  │      2 q: b$ u1 \8 K+ r- o
    │  ├─3_神经网络回归任务-气温预测
    ) E4 w( l. T6 c! u│  │      神经网络回归任务-气温预测.mp4, z* }7 U  H; V( X7 t8 P5 z
    │  │      
    0 g6 S3 {- g9 `: X1 o; x6 n' k* z1 @# A│  ├─4_卷积网络参数解读分析
    : L% [$ C# y- S4 L0 @( O│  │      1-输入特征通道分析2.mp4
    3 r: q; E' p1 W- r0 \4 o│  │      2-卷积网络参数解读2.mp43 s7 @: _5 O. b/ t+ @1 H4 T2 ?. \4 [( R
    │  │      3-卷积网络模型训练2.mp4
    , K" \: b0 m# O5 U  k% K4 ~│  │      
    2 k4 \4 l5 @5 f1 j│  ├─5_图像识别模型与训练策略(重点)+ }7 O2 z; ~+ K, F- @/ Z* p
    │  │      1-任务分析与图像数据基本处理2.mp47 p( e6 Y% e3 u  Q
    │  │      2-数据增强模块2.mp4
    . Y) R" W7 r9 x% V! W8 {; C9 i│  │      3-数据集与模型选择.mp48 J4 Q4 ]) ^) e' ?+ h) z
    │  │      4-迁移学习方法解读.mp4
    ! B% q: s/ |. n6 u│  │      5-输出层与梯度设置.mp4& f! B/ r4 m- o% L# H! Y( Z, }
    │  │      6-输出类别个数修改.mp4. x# N  t; t! b. z& I% [7 N: X
    │  │      7-优化器与学习率衰减.mp4
    , V) F; M; O) i8 U0 N7 V│  │      8-模型训练方法.mp4
      @9 K. h, o" g+ ^6 q8 E: n│  │      9-重新训练全部模型.mp4
    6 l7 z6 T# w$ O9 Q& {% f1 ?: @│  │      10-测试结果演示分析.mp4
    $ V/ R" j1 U& Q│  │      ) r$ V, }& g) k& @) t" m* F
    │  ├─6_DataLoader自定义数据集制作$ c2 P$ F. X) C# p; c* y% v9 h# r. J
    │  │      1-Dataloader要完成的任务分析.mp4
    ; @$ y1 l9 j4 t" s│  │      2-图像数据与标签路径处理.mp4, d% F4 \1 d: k9 ]$ d" Y5 x6 G6 ^
    │  │      3-Dataloader中需要实现的方法分析.mp4: _. f8 b- U/ `7 q
    │  │      4-实用Dataloader加载数据并训练模型.mp4
    . ^8 a2 A( d" m& u$ \& f8 C│  │      
    ' I7 T* J( q) m- a* T9 v│  ├─7_LSTM文本分类实战. X" O1 n  j+ P5 r3 i- G
    │  │      1-数据集与任务目标分析.mp4. f% `/ X# _3 g7 q' A% e4 R
    │  │      2-文本数据处理基本流程分析.mp45 a  p! H" z1 ~' H1 Q
    │  │      3-命令行参数与DEBUG.mp4, q- [1 g9 f6 u  D: T
    │  │      4-训练模型所需基本配置参数分析.mp4( X3 n% J. w! W  F$ s) h3 J9 X
    │  │      5-预料表与字符切分.mp4
    4 Z' H- i# S0 }" Q9 ?9 B│  │      6-字符预处理转换ID.mp4
    " S; d$ Q6 c( t7 P8 a) t│  │      7-LSTM网络结构基本定义.mp4
    1 `5 v6 t0 r  X' T6 {% K* a│  │      8-网络模型预测结果输出.mp4
    ! Q, J* B6 q4 g/ r$ l( H% y; L│  │      9-模型训练任务与总结.mp4
    ! E0 v+ I, G3 Q1 C, E4 L( O1 X│  │      
    : c# H! }( V8 }) G, h│  └─8_PyTorch框架Flask部署例子
    6 l) g! Z; J. B5 Y- ^" b% `7 j│          1-基本结构与训练好的模型加载.mp4
    * a1 A* b' ^- Z* v! C! t+ m│          2-服务端处理与预测函数.mp48 `. Q/ D) F. n, `9 L  m  p4 @
    │          3-基于Flask测试模型预测结果.mp4
    ; ^- P6 ^$ S9 v9 X* L2 ?4 Q7 U│          - G4 q1 c. I' C8 v
    ├─4_MMLAB实战系列
    * Y( M* {( X. o) u; M3 O│  ├─1_MMCV安装方法
    9 w; M7 t& N: w# p│  │      MMCV安装方法.mp4
    ' K- R( S9 t3 H) ?│  │      
    ' Q0 R. C8 G$ \, F% v( M│  ├─2_第一模块:分类任务基本操作$ V3 A% o9 _, e& A
    │  │      1-准备MMCLS项目.mp4) B/ h3 T9 o: v
    │  │      2-基本参数配置解读.mp4
    ' R1 W6 n3 r' L/ L; x8 i│  │      3-各模块配置文件组成.mp4
    + t% l& E, }9 c/ f* y' t' l│  │      4-生成完整配置文件.mp4, N8 M% P% ?- A
    │  │      5-根据文件夹定义数据集.mp4
    : ~  o+ W. q7 w' z, V# q│  │      6-构建自己的数据集.mp4& ?$ ]# S2 @8 o  b" o8 m
    │  │      7-训练自己的任务.mp4! m& T! t) o( r9 p* i+ ], u# h
    │  │      MMCLS问题修正.mp4- T" j4 S) c8 j3 E* v- B
    │  │      
    - B3 y& H; j: _5 M│  ├─3_第一模块:训练结果测试与验证$ I8 y# c: U  c
    │  │      1-测试DEMO效果.mp4
    + E. V9 s. @2 A" m+ v│  │      2-测试评估模型效果.mp4
    1 F1 z- u5 }7 |│  │      3-MMCLS中增加一个新的模块.mp4
    5 {& g; F) m2 f4 a│  │      4-修改配置文件中的参数.mp43 e: w; I; ^2 \6 ?' E( X6 D/ l" e
    │  │      5-数据增强流程可视化展示.mp4
    " X9 p  w  ~% @7 e; Q/ ?! k2 o│  │      6-Grad-Cam可视化方法.mp4
    ( I. C) K! f$ ?│  │      7-可视化细节与效果分析.mp4- u4 a3 e7 W$ R+ X* ^
    │  │      8-MMCLS可视化模块应用.mp4
    9 F7 H. {1 ?6 f8 S6 E& K9 P  M│  │      9-模型分析脚本使用.mp4( ?0 ]9 ]- y! C% Q& F8 k
    │  │      5 d9 W* g* b% e
    │  ├─4_第一模块:模型源码DEBUG演示
    4 q* E* O0 z0 L7 m( \8 f! w│  │      1-VIT任务概述.mp4
    5 g% e$ Y* a1 ]│  │      2-数据增强模块概述分析.mp4
    & ^) A- U' ]4 Y% w0 @│  │      3-PatchEmbedding层.mp4& U" H8 r9 T. N) ?
    │  │      4-前向传播基本模块.mp48 W: O* V0 U$ Q( x1 Y  r; o3 D' ^
    │  │      5-CLS与输出模块.mp49 _/ `% H# W& [9 _' _  ]4 a
    │  │      & o3 h1 K5 W6 H" B6 r( m
    │  ├─5_第二模块:使用分割模块训练自己的数据集+ O$ _4 ]& h# ?* Q/ R/ R3 L+ M# f
    │  │      1-项目配置基本介绍.mp44 \: A$ I! H& B+ G
    │  │      2-数据集标注与制作方法.mp4
    + O( T3 D6 e# X& @4 _│  │      3-跟别预测类别数修改配置文件.mp4
    5 o8 C7 L1 O" A8 X3 l- P( v  F│  │      4-加载预训练模型开始训练.mp4
    8 |( ^; J) c  p6 r( g# `│  │      5-预测DEMO演示.mp4
    , j4 ]" s) E- u3 k7 M2 b│  │      
    ' e. D3 }6 g5 k, E' g│  ├─6_第二模块:基于Unet进行各种策略修改3 C6 g4 M: c& y9 M1 q& {
    │  │      1-配置文件解读.mp4, P+ H: ?( n" V) v! K
    │  │      2-编码层模块.mp42 h2 P$ M6 L: a7 \, @4 n) Z8 d, j5 f
    │  │      3-上采样与输出层.mp4
    ' g- U! O/ U9 \& z. R* T1 [* F│  │      4-辅助层的作用.mp4
    2 A6 ?1 Y3 E2 A( v& [4 e│  │      5-给Unet添加一个neck层.mp47 D- Y8 z% m* G! w
    │  │      6-如何修改参数适配网络结构.mp4& E! N3 H, _/ [8 \3 ]( N
    │  │      7-将Unet特征提取模块替换成transformer.mp4- Q. h9 J. V% B0 l; ?* M" W2 H
    │  │      8-VIT模块源码分析.mp4
    & x& C3 H" w, ~1 m9 p0 y: h│  │      
    4 x5 y$ l1 y8 J* `& S1 \) ]7 j9 i/ j│  ├─7_第二模块:分割任务CVPR最新Backbone设计及其应用
    3 _+ \. U8 j) S0 H6 {6 {│  │      1-注册自己的Backbone模块.mp4* D  d* ~7 s1 i" L/ o, T6 r' T
    │  │      2-配置文件指定.mp4# k$ x  ?  T7 _% t6 n
    │  │      3-DEBUG解读Backbone设计.mp4
    ' [5 y+ m. [* C) ~3 `│  │      4-PatchEmbedding的作用与实现.mp4! x" G& }1 F& Z: [* s. E
    │  │      5-卷积位置编码计算方法.mp4
    3 @8 X8 [; c4 T& Z8 n7 Q, ^8 q% B│  │      6-近似Attention模块实现.mp4  d8 O' s# s* M1 e" C
    │  │      7-完成特征提取与融合模块.mp45 @# D8 `4 e, e8 n2 D3 m- _
    │  │      8-分割任务输出模块.mp4# _2 ?% R/ s  q& p
    │  │      9-全局特征的作用与实现.mp4& i1 c( w8 w- p% ?$ Z$ j% E
    │  │      10-汇总多层级特征进行输出.mp4" E& o, W4 z$ }8 o, H
    │  │      + d$ u% q2 Q0 h: Y; H+ p  J5 R+ v
    │  ├─8_第三模块:mmdet训练自己的数据任务
    / m8 F! v" P( Y# a3 g. X) N│  │      1-数据集标注与标签获取.mp40 o; j0 r9 |8 _3 w2 G7 Y; K
    │  │      2-COCO数据标注格式.mp4- U& ~3 N9 n9 y/ \1 s
    │  │      3-通过脚本生成COCO数据格式.mp4
    2 Q4 N# B. j! `- c│  │      4-配置文件数据增强策略分析.mp41 b# F* b* a: F3 \" M' M, p
    │  │      5-训练所需配置说明.mp4) |: p0 Z) f1 n
    │  │      6-模型训练与DEMO演示.mp4; U- _, n" Z4 v+ l# W; Y
    │  │      7-模型测试与可视化分析模块.mp4
    % J3 p$ v( S+ o' h' I' Y. H, w2 m7 H/ K│  │      8-补充:评估指标.mp4
    1 x/ n" ~* O; @│  │      * \9 O; J0 B( w' M
    │  ├─9_第三模块:DeformableDetr物体检测源码分析
    6 f5 ]$ U1 ~( E4 h2 w( M; F│  │      1-特征提取与位置编码.mp40 O$ s# h/ X7 Z0 A6 w  y
    │  │      2-序列特征展开并叠加.mp4$ T5 r$ U6 T& p& B
    │  │      3-得到相对位置点编码.mp4( b0 N! y, F7 I
    │  │      4-准备Encoder编码层所需全部输入.mp4
    % q, Q, V2 V' [$ x5 g│  │      5-编码层中的序列分析.mp49 q- E; }* T8 |9 e3 v
    │  │      6-偏移量offset计算.mp4
    7 a$ q* D' o0 e  S3 g│  │      7-偏移量对齐操作.mp4
    ( O& Z. r9 D2 Z│  │      8-Encoder层完成特征对齐.mp4
    9 f$ l* i6 L4 m4 [7 X# }& B- I8 Q│  │      9-Decoder要完成的操作.mp4
    8 t* c' f% F6 ^1 z4 Z+ Z6 i│  │      10-分类与回归输出模块.mp48 ?- I5 r: _& r* @
    │  │      11-预测输出结果与标签匹配模块.mp4
    + Y8 ^/ S! u) `% A& H│  │      
    7 w. {7 R% I% N5 n2 b& u│  ├─10_第四模块:DBNET文字检测" \$ l4 V8 |$ d' ~2 _
    │  │      1-文字检测数据概述与配置文件.mp4
    : x' e8 C3 M4 {; X) A│  │      2-配置文件参数设置.mp4; I; A7 Y2 L# p- a1 n  C/ I, k/ a+ g- ]
    │  │      3-Neck层特征组合.mp4
    # N& f+ C" N( E5 H/ B│  │      4-损失函数模块概述.mp4
    + y3 C4 z0 x) v, z$ H│  │      5-损失计算方法.mp4
    1 x, o2 m, i. ?$ ?" F+ L8 j" Q│  │      
    % J$ o: I7 \5 T8 o9 j$ U- [│  ├─11_第四模块:ANINET文字识别8 x; }7 f& h! @6 T' r: T# [2 v# ?
    │  │      1-数据集与环境概述.mp4
    5 p( @0 z: B# N+ M$ P3 \; P  j│  │      2-配置文件修改方法.mp4
    6 M: m- _, N0 w, P9 O│  │      3-Bakbone模块得到特征.mp4' @. T' B/ u9 ~, @$ d0 I7 c
    │  │      4-视觉Transformer模块的作用.mp4! }; U1 k: u$ r; i. u
    │  │      5-视觉模型中的编码与解码的效果.mp47 ?0 N( B3 ]' r8 p' R. t) `7 p: K
    │  │      6-文本模型中的结构分析.mp4
    / A6 F1 W4 x& |3 F; E1 c% n│  │      7-迭代修正模块.mp45 N, o0 P1 E! y& M& J
    │  │      8-输出层与损失计算.mp4
    % w) l& ?0 g# _4 a/ P) b│  │      - M# D# D2 g  x" C( d
    │  ├─12_第五模块:stylegan2源码解读2 @. h; L8 @/ N2 d
    │  │      1-要完成的任务与基本思想概述.mp4" I1 T2 L! G: e- T+ o) N
    │  │      2-得到style特征编码.mp4
    " b: ~) b' o4 `8 g9 P1 p' P, S# I│  │      3-特征编码风格拼接.mp4) ?+ a/ c4 n+ N, h
    │  │      4-基础风格特征卷积模块.mp48 u  b0 E$ P& A1 N8 F
    │  │      5-上采样得到输出结果.mp4" Q, r: m3 C; K
    │  │      6-损失函数概述.mp49 f6 C6 e# [$ ~6 `
    │  │      # |( p- x3 R9 T+ {8 J
    │  ├─12_第四模块:KIE基于图模型的关键信息抽取
    3 b( z$ s# @& I$ \- ?│  │      1-配置文件以及要完成的任务解读.mp4
    3 j$ j8 U: V$ N5 w9 n│  │      2-KIE数据集格式调整方法.mp4  I1 ^( E5 Q, _3 X1 Z, I
    │  │      3-配置文件与标签要进行处理操作.mp43 {" d" [" w8 u7 }
    │  │      4-边框要计算的特征分析.mp4' K8 r) a% a; f
    │  │      5-标签数据处理与关系特征提取.mp4; R( P' P4 h! C$ A: {: H. y
    │  │      6-特征合并处理.mp42 |: ]0 c$ |: z
    │  │      7-准备拼接边与点特征.mp4
    " c& t1 K* x3 l) z, y$ \) O5 T│  │      8-整合得到图模型输入特征.mp4
    & l6 K6 D; b  o* ~│  │        C$ f+ c/ x2 K% T5 J6 Z
    │  ├─13_第六模块:BasicVSR++视频超分辨重构源码解读" I. }4 p8 m/ q- i' N
    │  │      1-要完成的任务分析与配置文件.mp41 z; O0 q, g7 C) e
    │  │      2-特征基础提取模块.mp49 N9 X" ]2 W0 c& W/ A" c$ c4 I& l& A  k
    │  │      3-光流估计网络模块.mp4
    7 j; c, T" @% V. m7 O# {$ e! X│  │      4-基于光流完成对齐操作.mp4
    ) q1 W6 p; D- F4 [│  │      5-偏移量计算方法.mp4
    & I: P% u; `2 g+ n- [│  │      6-双向计算特征对齐.mp4
    & V# c: k2 u$ B% `" P# v8 T│  │      7-提特征传递流程分析.mp4% W. Q1 x  M0 h) G3 s1 a
    │  │      8-序列传播计算.mp4
    # @3 B. s( s0 p$ d# P. ]2 `' ]9 Q* I2 e│  │      9-准备变形卷积模块的输入.mp4
    1 K' |( B  f: Z( j% {│  │      10-传播流程整体完成一圈.mp4
    ! [* h2 ]& o" M# J) h0 l│  │      11-完成输出结果.mp4# h; Z# _, I: A! E; N
    │  │      3 a2 |) e. M8 g6 \
    │  ├─14_第七模块:多模态3D目标检测算法源码解读0 S; V, N& D4 R; L5 L# W" Y/ j
    │  │      1-环境配置与数据集概述.mp4
    ; d# l4 g3 A0 G4 ?) g# O│  │      2-数据与标注文件介绍.mp4
    2 b+ b% N8 @! z$ l0 x$ t2 d) P│  │      3-基本流程梳理并进入debug模式.mp4, Z/ h/ V' {! |) W  E( k
    │  │      4-数据与图像特征提取模块.mp4
    8 d4 h' W. K4 H( b│  │      5-体素索引位置获取.mp4$ s/ |. J) _, @
    │  │      6-体素特征提取方法解读.mp4
    : F; |- m  j% x2 o3 q; g│  │      7-体素特征计算方法分析.mp4# O7 y  M' N/ A( ]  v8 E
    │  │      8-全局体素特征提取.mp4! O+ S6 k$ V1 b% E" F
    │  │      9-多模态特征融合.mp4
    5 p3 h  d- ?# D3 \3 P│  │      10-3D卷积特征融合.mp4
    . v6 ^$ `  @: x( T$ f│  │      11-输出层预测结果.mp4  ?* H4 K4 Y- }, Z  i* ~& ~8 Y
    │  │      $ z; ?3 |  h9 R0 c1 X
    │  ├─15_第八模块:模型蒸馏应用实例/ A7 {7 `; ?% A% F6 k; v( k
    │  │      1-任务概述与工具使用.mp4
    1 [1 y6 M& x2 {│  │      2-Teacher与Student网络结构定义.mp4; G) C1 O$ w! n, K! H+ I
    │  │      3-训练T与S得到蒸馏模型.mp4
    3 Z. y7 e- y0 s│  │      4-开始模型训练过程与问题修正.mp4$ c, D1 }7 d; [2 z5 p
    │  │      5-日志输出与模型分离.mp4  U; S/ Z4 }# f  f' q2 {+ M# e
    │  │      6-分别得到Teacher与Student模型.mp4
    + X& f4 X2 F" z: F( K7 N3 e│  │      7-实际测试效果演示.mp4
    6 ]) X- B3 O' m: ^8 X  S│  │      2 g4 C& S2 @, A* B
    │  ├─16_第八模块:模型剪枝方法概述分析
    + o/ h; a8 [* W; G% S  |│  │      1-SuperNet网络结构分析与剪枝概述.mp4
    % j1 Y& l2 ~- ~│  │      2-搜索匹配到符合计算量的模型并训练.mp40 s+ l/ {; q. i- o: W
    │  │      
    $ O4 ]+ ?$ r% y( v( H: k" R│  ├─17_第九模块:mmaction行为识别
    ) Z/ \2 K9 a/ J: m- U│  │      创建自己的行为识别标注数据集.mp4  v- @0 D4 h1 b7 Y* M
    │  │      
    6 U! j. k- J) X! K# _3 ?$ }│  └─18_额外补充9 X+ }2 _9 p5 z3 O( U* N8 @) a' {2 z
    │         在源码中加入各种注意力机制方法.mp4
    ! N5 ^5 \$ P/ r* Y# A│         
    5 C# g5 H; m( k8 J├─5_Opencv图像处理框架实战
    # J, ^1 K! d3 T! Q" O' M* L│  ├─10_项目实战-文档扫描OCR识别
    ' ^5 M& `' Y" d- }4 X  c# N. Z│  │      1-整体流程演示.mp4
    4 ^, S( `8 {% n7 e8 W* A4 _│  │      2-文档轮廓提取.mp4
    ( O0 v/ u5 r$ g2 Z% N* i│  │      3-原始与变换坐标计算.mp4
    , F( o( g; }; Q) }│  │      4-透视变换结果.mp41 `! t9 X3 w" Z" \0 L
    │  │      5-tesseract-ocr安装配置.mp4, W4 e( w7 \( C/ L$ q% a' ^
    │  │      6-文档扫描识别效果.mp4
    5 O' I+ y5 y, B2 I: }$ S# a│  │      / S+ K9 I1 E8 Q3 J% D
    │  ├─11_图像特征-harris  B% a5 ?. \7 q8 h
    │  │      1-角点检测基本原理.mp4' v6 E, k& v8 N' i: ^9 U3 J1 t
    │  │      2-基本数学原理.mp4
    / X+ Q( g# f  y│  │      3-求解化简.mp4" \: S2 V1 e' ]: e5 t! M9 o$ G
    │  │      4-特征归属划分.mp4
    * W: P% k# F# z% y8 S│  │      5-opencv角点检测效果.mp4
    0 T7 r' q1 s4 M│  │      8 _; l5 l& Q# l! f, L/ X
    │  ├─12_图像特征-sift/ ]4 e/ b) A0 K" V. T6 I7 B
    │  │      1-尺度空间定义.mp4
    - v0 e6 g  r; A0 |) w0 G│  │      2-高斯差分金字塔.mp4
    . R1 y1 l9 j4 J5 X│  │      3-特征关键点定位.mp4
    3 m. d& u3 q& X3 E3 O0 J* k1 V│  │      4-生成特征描述.mp4
    ; A* m& T, W7 n: a% t$ D( B│  │      5-特征向量生成.mp4
    1 u" f5 n& q, Z+ V8 a3 s, L$ m│  │      6-opencv中sift函数使用.mp46 v& r0 T" m* p- J; H" B
    │  │      3 u  _. z! O$ U  l. v2 m9 s/ E7 q
    │  ├─13_案例实战-全景图像拼接
    ! c+ h6 Y8 o) ^; ]0 L2 m│  │      1-特征匹配方法.mp40 Y0 W$ L4 R1 k1 t
    │  │      2-RANSAC算法.mp4
    + J  Z) q! R: z4 b│  │      2-图像拼接方法.mp4
    ; ?$ v' Y0 }" k  T7 N5 `9 x│  │      4-流程解读.mp46 ]1 T7 h0 d/ V  E
    │  │      9 Y: c0 `) \2 i5 t! _0 b( [
    │  ├─14_项目实战-停车场车位识别
    ( b8 {9 q4 e2 w- k9 O& M5 a& B2 |│  │      1-任务整体流程.mp4
    " l3 k* |, B4 Q, C/ c: o│  │      2-所需数据介绍.mp4% F( r* _4 a, |6 A
    │  │      3-图像数据预处理.mp4
    9 U4 R5 ]! A, b+ ?1 a8 P│  │      4-车位直线检测.mp4  u1 \& h) \$ _3 ?$ a6 Y7 K
    │  │      5-按列划分区域.mp4
    % p2 _7 k' c; N, T) A5 l│  │      6-车位区域划分.mp4+ ^1 a7 e+ z1 B7 s8 ?& e
    │  │      7-识别模型构建.mp4- w( C$ m5 J! w
    │  │      8-基于视频的车位检测.mp4
    , k+ x/ c; O% l* M# r3 Z+ h' m│  │      
    ( c; a  p' N$ R0 p, h$ H7 S2 k0 E; c│  ├─15_项目实战-答题卡识别判卷
    6 c' L% g' f% F) ]7 Y" C  f│  │      1-整体流程与效果概述.mp4
    2 \3 N6 C  [9 |  d│  │      2-预处理操作.mp4
    9 U3 M2 w) ~! t9 _6 a5 ~│  │      3-填涂轮廓检测.mp4
    $ H7 P  B+ P8 g. a" v) V│  │      4-选项判断识别.mp4
    / r6 S% C7 d# b* {+ @9 x9 T│  │      ! Z4 _) {- `9 b* ~% o4 \3 |5 }
    │  ├─16_背景建模
    ! B$ K8 Y+ v% b2 N4 d% m& J│  │      1-背景消除-帧差法.mp4
    4 J- S; p1 }$ I( }( g( l& Y│  │      2-混合高斯模型.mp4) H6 z+ ~! O/ {1 {) X' L, a* P& t
    │  │      3-学习步骤.mp4" c: ]7 s$ `$ B2 Z% c9 T
    │  │      4-背景建模实战.mp4
    & V# R$ h* o" O6 i│  │      1 C  e2 _& M6 s. H7 Y% b2 S
    │  ├─17_光流估计8 D3 c, a( @- _" }0 U
    │  │      1-基本概念.mp4& B( `  k0 G4 F9 ]4 p+ ?% W
    │  │      2-Lucas-Kanade算法.mp4  b+ q  ~* E1 R6 c( ?7 }
    │  │      3-推导求解.mp4# M, \0 y( v5 Q5 O  X6 k4 `
    │  │      4-光流估计实战.mp4
    ( U( L9 A% b6 E( H0 e! X- ^│  │      ! y4 r  s& ]- e
    │  ├─18_Opencv的DNN模块
    " m8 |( M& x1 m) v3 g│  │      1-dnn模块.mp4
    : o9 i6 }3 s& s5 o0 a4 V: {) d│  │      2-模型加载结果输出.mp4
    # g+ q% j6 v& t7 _# G# }│  │      % Y6 C; ]9 H. H+ Z6 e# n
    │  ├─19_项目实战-目标追踪
    & H, m" d0 ~" @. [. z│  │      1-目标追踪概述.mp4
    % o. V) t' O) R: K( f" O6 ?0 r4 L6 I│  │      2-多目标追踪实战.mp48 \3 W$ m$ M* T) [* _5 F1 U1 [
    │  │      3-深度学习检测框架加载.mp43 @* [! C1 r+ q" P
    │  │      4-基于dlib与ssd的追踪.mp4: E4 ^$ k# q6 J% `5 l3 `# Z+ i, m
    │  │      5-多进程目标追踪.mp4
    / n0 c$ H4 v$ Y8 v% v/ ^" i5 k+ M│  │      6-多进程效率提升对比.mp4
    ) h, m, S+ `, z│  │      7 q$ Y& C6 }6 O  k! J
    │  ├─1_课程简介与环境配置( }8 @0 N; L7 s% ]$ U! `! J  q! ?
    │  │      0-课程简介2.mp4
    0 V. O6 o4 t7 e0 {│  │      2-Notebook与IDE环境.mp4
    " B- |# h, ]7 J# n│  │      2-Python与Opencv配置安装.mp4( Y$ F5 f0 g. \: y+ S/ E
    │  │      
    ( q7 Y0 m, K( k3 O│  ├─20_卷积原理与操作! g% R: U1 h/ y" @  T: f: u
    │  │      1-卷积效果演示.mp46 ?' p5 h0 q; E' Y3 U3 g4 a1 ~
    │  │      1-卷积神经网络的应用.mp4
    2 Z& K+ O: j! L- ^" y* U& R# S* z│  │      2-卷积层解释.mp4
    - A- p1 b& G4 X│  │      2-卷积操作流程.mp4( {6 Y8 W  f, C7 \1 ?3 P
    │  │      3-卷积计算过程.mp4
    ) H  y! @; z& R│  │      4-pading与stride.mp4" H7 E/ D7 ^5 b' s! Q  P' n
    │  │      5-卷积参数共享.mp4
    9 b$ A. U0 o/ K& {% _9 W; y( Z( A! x│  │      6-池化层原理.mp48 u2 J, D1 q# L  q0 d$ ^
    │  │      
    ) u- [9 N  w2 S& h│  ├─21_项目实战-疲劳检测
    " d* q. d! Y" S0 x# K7 ~% ]& V│  │      1-关键点定位概述.mp4
    / d, `7 r' z5 a% M" B; h& v* m) p│  │      2-获取人脸关键点.mp45 |4 E: t2 @1 u  P4 \8 q
    │  │      3-定位效果演示.mp4
    * F" j5 j( }$ n! U; I8 G│  │      4-闭眼检测.mp4: \: c8 G: y. e
    │  │      5-检测效果.mp4
    * C  J4 @$ g- l│  │      
    ) U; W/ S/ i  o. d/ E* W& z│  ├─2_图像基本操作
    * t; T8 _" k, M, f; g! W│  │      1-计算机眼中的图像.mp4% g  D9 X& G3 _( Q$ _
    │  │      2-视频的读取与处理.mp4+ V: a* L+ w& [, t* E
    │  │      3-ROI区域.mp4
    4 N2 f! B3 f$ A7 c7 H0 s+ D│  │      4-边界填充.mp40 s5 A/ U& o- o2 K; I3 {& h
    │  │      5-数值计算.mp4
    ! B. M$ I* V# [& t) b│  │      , a+ u2 o# h" r
    │  ├─3_阈值与平滑处理8 J- ^3 [0 I" r" b, k: P
    │  │      1-图像平滑处理.mp4* ]/ C9 _2 O" O# F9 R# B
    │  │      2-高斯与中值滤波.mp4
    9 ?7 }& J% a- U( C% `7 ~7 d+ i│  │      图像阈值.mp44 _2 ?( G2 H! ~: j  _6 K1 |. D3 b
    │  │      
    : O) z% ~( _( A6 o) a3 I4 V9 o9 \│  ├─4_图像形态学操作+ T; c" \: [* {7 N/ |
    │  │      1-腐蚀操作.mp4" z  w: Q6 t+ w, J7 N+ y
    │  │      2-膨胀操作.mp4* N4 C9 j$ q7 b% A
    │  │      3-开运算与闭运算.mp43 H" I/ A- K( T2 i/ W4 Z
    │  │      4-梯度计算.mp4+ R+ }0 w9 s9 X
    │  │      5-礼帽与黑帽.mp4
    % W* t. B7 o* |. u# j/ G5 J│  │      8 ?  Q2 l( ?( E! x8 y. }! d  H
    │  ├─5_图像梯度计算
    - p9 N, l* T5 [7 }4 |│  │      1-Sobel算子.mp47 n) v/ H' R5 x) h) c( f6 m+ |
    │  │      2-梯度计算方法.mp4
    * Y" F! [- s$ T& x; _# Y│  │      3-scharr与lapkacian算子.mp4& W9 s! L( T. {8 M# F; M$ [1 P7 E
    │  │      
    1 W6 z$ U( }- K# m│  ├─6_边缘检测' q0 c8 x/ K% C# v5 t
    │  │      1-Canny边缘检测流程.mp4! `, S8 H* o1 [) \" E
    │  │      2-非极大值抑制.mp4
    8 Y! K3 c0 D3 f: F( J│  │      3-边缘检测效果.mp4
    1 H7 J9 q, A6 v# \# X. E( Q│  │      4 E, S! Y9 \+ [, l  R
    │  ├─7_图像金字塔与轮廓检测
    . n% e$ j% u) l' N│  │      1-图像金字塔定义.mp4
    ' T2 w( A; o* Q' {% _" m% x│  │      1-模板匹配方法.mp4
    ' ~. ^) g$ D9 W│  │      1-轮廓检测方法.mp4
      [0 `! Q' W) b$ x7 n+ I+ Y│  │      2-匹配效果展示.mp40 Z4 R3 e8 b$ B$ C' j1 D
    │  │      2-轮廓检测结果.mp4# M; m4 t) H: V; k3 l( C( i
    │  │      2-金字塔制作方法.mp4
    4 o& l( a- s! w; c2 a: \│  │      3-轮廓特征与近似.mp4& X6 l8 b. G  t# ^; N  u" x
    │  │      ) E  b9 M) n5 X9 U: r1 W
    │  ├─8_直方图与傅里叶变换
      P' f, W& R+ r, g: u1 c│  │      1-傅里叶概述.mp4* n4 X' S, _6 M. _
    │  │      1-直方图定义.mp4" f4 d. W- T1 F9 v' |
    │  │      2-均衡化原理.mp4
    4 E# n2 J) K0 E' [│  │      2-频域变换结果.mp42 K; c2 t8 y9 F$ e! t: w! b
    │  │      3-低通与高通滤波.mp4. ^- D6 M5 {+ \4 }$ y6 f) h6 Q
    │  │      3-均衡化效果.mp4
    : A. J, N, L: ^# b: S│  │      
    4 u( L4 E! V; x8 [8 G! j2 a. o) G│  └─9_项目实战-信用卡数字识别
    0 x4 b! x4 J9 F: H7 {│          2-环境配置与预处理.mp4# y$ _2 k: q" e( G: H
    │          3-模板处理方法.mp4) p  W  K6 P. Q6 r
    │          4-输入数据处理方法.mp4" w( H! y- `3 L/ C" s$ R$ {
    │          5-模板匹配得出识别结果.mp4
    % i; I& d" Z3 i│          总体流程与方法讲解.mp4
    6 A! Q2 L" P* v│          0 h8 l+ Q7 h! f' `6 |! G
    ├─6_综合项目-物体检测经典算法实战9 {, X! U6 r# Z" T7 z0 q/ s. T
    │  │      
    , c6 `. S. e* T- U+ O8 f│  ├─1_深度学习经典检测方法概述
    . a% }! C! o2 l│  │      1-检测任务中阶段的意义.mp4
    ( }- ^5 o# Q3 R# F( K│  │      2-不同阶段算法优缺点分析.mp4
    ) L$ x# O. b6 M8 S( d│  │      3-IOU指标计算.mp4) |9 Z6 `4 |: r+ h% ]
    │  │      4-评估所需参数计算.mp4
    / B- y* Y$ g( n8 w│  │      5-map指标计算.mp4
    & D" I. M9 ?+ Q; N( D2 Z│  │      
    ( Q' s  h" ~1 [) [  }0 R│  ├─2_YOLO-V1整体思想与网络架构/ L9 A) {; J8 e* U8 P
    │  │      2-检测算法要得到的结果.mp4
    " I5 z' z" _( [) }$ T8 X, |│  │      3-整体网络架构解读.mp4& p/ K8 U& e! f
    │  │      4-位置损失计算.mp4+ s( g% f/ a1 B2 r2 _% F
    │  │      5-置信度误差与优缺点分析.mp4
    $ V* H% I5 V7 @! f; J4 Y9 \4 r* o│  │      YOLO算法整体思路解读.mp43 z- I0 q3 b6 {. Q( Z6 Z2 c) h
    │  │      ) Y4 B! r3 k; H1 z+ F/ `& s. |# @
    │  ├─3_YOLO-V2改进细节详解' f$ u9 H" Q8 v; b; ]; R( X1 z
    │  │      2-网络结构特点.mp4, W0 q7 l, f. o2 S1 ?5 r
    │  │      3-架构细节解读.mp4" \( N" ^" ~: H+ F8 p1 [
    │  │      4-基于聚类来选择先验框尺寸.mp40 K: o- _4 O' Z: l, G' J
    │  │      5-偏移量计算方法.mp4
    , @) |" L0 ^1 e" I' w│  │      6-坐标映射与还原.mp4% X) P6 P; z2 r+ ]0 [; g
    │  │      7-感受野的作用.mp4
    0 s" z6 Z5 d; P! z' x/ }; ^: M# ^1 w; {│  │      8-特征融合改进.mp49 Z( v, n2 i/ N; n+ q
    │  │      V2版本细节升级概述.mp4, l# p& k/ |7 |2 p" y/ D8 ]
    │  │      
    6 R3 O8 k! V& G# k3 O( d│  ├─4_YOLO-V3核心网络模型. d* T' U' O. I+ }' o; Y# \% `
    │  │      1-V3版本改进概述.mp4
    5 K- T& j; p; }" l│  │      2-多scale方法改进与特征融合.mp4
    ( I; {4 W; N* G- J* E│  │      3-经典变换方法对比分析.mp4
    8 D& @, L. c6 m3 |│  │      4-残差连接方法解读.mp47 I, ~+ |& I! E( O
    │  │      5-整体网络模型架构分析.mp4* i& ~! t9 h* [; ?" U+ e
    │  │      6-先验框设计改进.mp45 B  ~; y) {+ N! v1 P& Q
    │  │      7-sotfmax层改进.mp43 n! H) p: ?- A( y/ \) ]
    │  │      
    # _3 }' Q5 L  K: V1 |3 K│  ├─5_项目实战-基于V3版本进行源码解读
    ! a6 F. N4 J- e% x1 P: N! t│  │      1-数据与环境配置.mp4
    1 H! `2 @4 F/ [$ S" }% J│  │      2-训练参数设置.mp4
    ) Q; z) `& T& J  K; ?. X' K│  │      3-数据与标签读取.mp48 l+ U& ]  o" y6 V2 y% W+ A
    │  │      4-标签文件读取与处理.mp4  D4 ?9 K5 [4 F: p
    │  │      5-debug模式介绍.mp4
    - \# ~4 T$ i8 W+ N* ?│  │      6-基于配置文件构建网络模型.mp4
    5 E" D8 s* h/ ?) Q4 m│  │      7-路由层与shortcut层的作用.mp4
    5 y" d9 J+ m" g: l$ Z│  │      8-YOLO层定义解析.mp4
    8 m+ T1 h; H7 H1 c│  │      9-预测结果计算.mp48 A! o# v& q- ?
    │  │      10-网格偏移计算.mp4
    / R) I7 M6 r& ^$ {! F/ v4 Z7 }5 H│  │      11-模型要计算的损失概述.mp4
    - a+ Y- O. v3 F* K# i│  │      12-标签值格式修改.mp45 j3 Y9 f2 e- F4 G: z/ S& T  ?# a
    │  │      13-坐标相对位置计算.mp48 w+ d  W0 J# a( O8 ]' `$ p) i
    │  │      14-完成所有损失函数所需计算指标.mp4
    & I6 s% R4 S- v6 v. w" `│  │      15-模型训练与总结.mp4& h% A" [3 [1 S. r
    │  │      16-预测效果展示.mp4
    ( w; Q7 i: C' R* [! z. s+ k│  │      5 {6 l* d- j" V; U& a$ ]
    │  ├─6_基于YOLO-V3训练自己的数据集与任务
    # {) ~. Q( q0 B$ r$ R│  │      1-Labelme工具安装.mp4
    7 x) V, a1 z! B' |│  │      2-数据信息标注.mp4
    " p2 ?2 u2 x0 m& r( }. C│  │      3-完成标签制作.mp4. |* A, E7 c% a: W: ], E
    │  │      4-生成模型所需配置文件.mp4$ A9 q/ h3 k% i9 |1 w
    │  │      5-json格式转换成yolo-v3所需输入.mp4
    - q( E. [2 b, b( g) v  O$ N3 P│  │      6-完成输入数据准备工作.mp4
    0 Q) t3 Z7 q  S1 k8 X9 e& {│  │      7-训练代码与参数配置更改.mp4- g9 F0 }6 j6 l) |, t9 \- Q+ k( H4 G
    │  │      8-训练模型并测试效果.mp4
    / f& z$ R9 }9 ]( N" R. M* v6 o│  │      
    , Q- X) X2 s: h6 S) f* D; K2 \│  ├─7_YOLO-V4版本算法解读  a* F; D( A6 N3 @. b
    │  │      1-V4版本整体概述.mp4! R+ R" O& V. L" [, N( m2 G
    │  │      2-V4版本贡献解读.mp4
    - F) h: m1 |6 U  n│  │      3-数据增强策略分析.mp45 R* [) ]6 |. O& E, p
    │  │      4-DropBlock与标签平滑方法.mp4/ S# o! K, Z2 m6 x7 A' F& ^0 b
    │  │      5-损失函数遇到的问题.mp48 J* e; ]2 u3 i* S( Z! i/ u, I
    │  │      6-CIOU损失函数定义.mp47 @: e  E# F  ]& U2 @: ?
    │  │      7-NMS细节改进.mp4) a# Q9 q! z2 @0 P/ _% b
    │  │      8-SPP与CSP网络结构.mp4
    9 n8 j, t% p' d│  │      9-SAM注意力机制模块.mp4/ M2 N7 K5 Y$ V" y8 }
    │  │      10-PAN模块解读.mp4
    : l0 t7 q8 {/ Y. }/ @  o1 O9 ^│  │      11-激活函数与整体架构总结.mp4
    ; @8 {$ S9 T2 `& B& Q│  │      7 e+ a& F7 T4 m
    │  ├─8_V5版本项目配置
    ) U: A  `9 Z, J' h│  │      1-整体项目概述.mp4
    & u6 w- l: e1 R7 C│  │      2-训练自己的数据集方法.mp4
    ( r& \# g) g; f6 N; _4 d" B│  │      3-训练数据参数配置.mp4) @- U) x. `( O5 C, d( B
    │  │      4-测试DEMO演示.mp4
    / k# W6 Q$ D5 m3 V/ j+ ^2 r│  │      4 e( q$ u3 J  R2 e3 _
    │  ├─9_V5项目工程源码解读
    9 d* J) P, b9 U6 G; q│  │      1-数据源DEBUG流程解读.mp4
      S# @' m. W4 x8 f' P! N! Q: m- l│  │      2-图像数据源配置.mp4
    3 m6 x, G5 i- n; p! J│  │      3-加载标签数据.mp4- n, f4 |. W' h9 y7 @
    │  │      4-Mosaic数据增强方法.mp4
    ( W$ t; M% {3 w, w/ R4 n│  │      5-数据四合一方法与流程演示.mp40 S/ ~+ J# i: J' D/ l$ o+ j/ Q, j" s
    │  │      6-getItem构建batch.mp4
    # _4 a% i; g1 [# \: [│  │      7-网络架构图可视化工具安装.mp4% @% |! j* B) C8 p/ Y1 e0 w+ b
    │  │      8-V5网络配置文件解读.mp4
    0 T, c+ M- A# [  x+ V│  │      9-Focus模块流程分析.mp4) c+ A: J( x6 A8 |2 `' U  b
    │  │      10-完成配置文件解析任务.mp4  G# b" \6 M6 D. }2 w4 }" c7 A
    │  │      11-前向传播计算.mp4
    % s2 S6 q' v# C$ o5 _│  │      12-BottleneckCSP层计算方法.mp4* N. y: `: q* a2 E8 v
    │  │      13-1 SPP层计算细节分析.mp4$ C6 c4 L% o- @) Y. Y, H0 O; c( z
    │  │      13-Head层流程解读.mp4
    8 o6 t8 ^+ ~) \0 I" c8 j6 T1 D' W: S│  │      14-上采样与拼接操作.mp4
    & }3 H' [) l" V5 [9 Z5 j│  │      15-输出结果分析.mp4: I; e: {; d) `: |( _: l
    │  │      16-超参数解读.mp4
    " W; c" u6 f+ V& ?) g│  │      17-命令行参数介绍.mp4
    + ]6 A& ?7 [) D& w5 A3 M5 B/ o; ~2 F0 e│  │      18-训练流程解读.mp4
    ! i( j9 h3 B8 D. k│  │      19-各种训练策略概述.mp40 J$ t, o. m0 z7 c
    │  │      20-模型迭代过程.mp4; q  R, Z& c3 B. X' m7 D% P7 C
    │  │      . C5 \# A  e1 P# D9 r8 ?
    │  ├─10_EfficientNet网络$ w# B* B5 |& J( l6 B0 d. a
    │  │      第八课:EfficientNet网络模型.mp4) C/ w0 r" u7 F0 A  R
    │  │      7 x! {$ j3 F: `
    │  ├─11_EfficientDet检测算法
    + G# m. Y0 {: Q4 f2 I; _8 c+ m. ^│  │      第十一章:EfficientDet检测算法.mp4
    $ o) t: `* _( T& @; k│  │      
    , G! X5 e- A0 [# x6 j: D, T! W│  ├─12_基于Transformer的detr目标检测算法7 J2 ?6 @3 c5 p9 c$ k0 w' C
    │  │      1-DETR目标检测基本思想解读.mp4& T$ p# f- t0 [% u
    │  │      2-整体网络架构分析.mp4
    8 I$ N5 d- |# B, P│  │      3-位置信息初始化query向量.mp4# t( Y: s5 F: D' g8 O" G4 b$ u
    │  │      4-注意力机制的作用方法.mp49 }' T3 \1 l1 o& }6 u! x3 `4 T
    │  │      5-训练过程的策略.mp4
    & X+ Z0 Y8 ~8 o1 x! S; m9 b% q│  │      9 X$ N+ P2 f) x, U6 T! o
    │  └─13_detr目标检测源码解读) H( E# k$ v8 q$ l
    │         1-项目环境配置解读.mp4& `% t& p* R' V9 ~  J7 {: l
    │         2-数据处理与dataloader.mp4
    2 w& J; }$ Q' x) v2 M; d│         3-位置编码作用分析.mp4
    / b9 K+ S* s  G. a# D2 g1 |│         4-backbone特征提取模块.mp4
    " S" @) N9 Z7 u) ~6 T│         5-mask与编码模块.mp4$ ?% ]) ]5 y+ b8 k! p
    │         6-编码层作用方法.mp4
    ( H- ]$ B+ l1 I│         7-Decoder层操作与计算.mp4: a9 Z/ u! s0 R2 o# c; q/ X/ U. j
    │         8-输出预测结果.mp49 P4 ]1 Y6 W0 i8 K4 J" g8 C) F+ P
    │         9-损失函数与预测输出.mp4: K+ u( P. u" d8 M7 ^
    │          - O6 _/ A" H; S2 }: r+ C0 D
    ├─7_图像分割实战4 f* ~5 Z& o4 ?- ~9 \6 S& V7 v# a
    │  ├─1_图像分割及其损失函数概述
    % q1 e# m1 ^" _2 Y% s│  │      1-语义分割与实例分割概述.mp4' C  u2 I9 B' D$ E2 j3 l; @
    │  │      2-分割任务中的目标函数定义.mp4
    % s" x& B$ |  s* `+ w2 q│  │      3-MIOU评估标准.mp4' ]% U! A+ V, u4 r
    │  │      
    ) u# y6 r0 N0 t  u: h9 F7 e$ J│  ├─2_卷积神经网络原理与参数解读
    8 a5 ?& ^; U* o+ @% Q│  │      1-卷积神经网络应用领域.mp4
    / N# i% I. K6 k$ M│  │      2-卷积的作用.mp4
    ' Y3 g/ i0 e. ~. `# m3 L/ Y" X6 L8 P│  │      3-卷积特征值计算方法.mp4
    3 l1 y3 Y4 j/ X8 }│  │      4-得到特征图表示.mp42 @5 s3 o6 v5 t# p% o* N5 _
    │  │      5-步长与卷积核大小对结果的影响.mp4* b/ R; a# J' y5 }9 c" r. S
    │  │      6-边缘填充方法.mp4
    / K- V; T' V0 D: ]4 p$ B4 N5 v  x│  │      7-特征图尺寸计算与参数共享.mp49 w$ @( E7 {# V$ N) ~1 W
    │  │      8-池化层的作用.mp49 D  b( l* M+ D$ g7 A; w  l- Z
    │  │      9-1整体网络架构.mp4
    0 {, T7 T1 D6 o$ f│  │      10-VGG网络架构.mp4
    ! o+ O+ d4 _/ F. q│  │      11-残差网络Resnet.mp4  n2 `+ Q2 d+ f( f
    │  │      12-感受野的作用.mp4
    ) t1 t  q1 n4 c  r# w. }9 S5 h: j% M│  │      - t+ m, ]7 D4 p; N% O/ d6 G  o
    │  ├─3_Unet系列算法讲解( v& i0 v& }) d- ^' C, ~- ?) j
    │  │      1-Unet网络编码与解码过程.mp4
    5 G- c7 x9 P$ D+ {│  │      2-网络计算流程.mp43 f2 \( T' r; L* |% e0 ?; R
    │  │      3-Unet升级版本改进.mp4
    2 R" B( [5 c/ W* c3 i% {│  │      4-后续升级版本介绍.mp4
    ) {  M, f" Z9 @9 g: _│  │      5 E9 G, k( w% Y. B) g
    │  ├─4_unet医学细胞分割实战
    % q; i. h/ \0 a& n& G. l0 a# _7 i│  │      1-医学细胞数据集介绍与参数配置.mp4  ~: `, w3 D+ o8 y  L4 t3 e5 x1 B
    │  │      2-数据增强工具.mp4
    / n, d2 a$ G- s2 V2 K& E│  │      3-Debug模式演示网络计算流程.mp4
    $ u2 ^( }5 s& M: t; k  B, b9 c│  │      4-特征融合方法演示.mp4
    5 C) ~/ l/ K* i# W' k. h│  │      5-迭代完成整个模型计算任务.mp4$ t" H' v* D& b
    │  │      6-模型效果验证.mp42 K% X5 L5 Y3 V3 E
    │  │      
    : f+ _# r; {1 O: h8 j' g! H* h( v│  ├─5_U2NET显著性检测实战; R9 D* Z& ?) m9 m
    │  │      1-任务目标与网络整体介绍.mp4
    & J( |3 s; S$ s( t2 m│  │      2-显著性检测任务与目标概述.mp4
    9 P# H2 X" H: K8 |7 |, L│  │      3-编码器模块解读.mp4
    1 `  ]0 t9 X  _+ w│  │      4-解码器输出结果.mp4
    ' q+ X$ d/ m, o2 n7 @│  │      5-损失函数与应用效果.mp4
    ! `' b' D4 J& s! ~3 \5 b) _4 y│  │      , I6 \5 E" i7 h3 G" e" J
    │  ├─6_deeplab系列算法
    1 d  u) e4 W5 `9 t& R5 Q* T3 E│  │      1-deeplab分割算法概述.mp45 u0 b; ]! V; Y) j: Y/ I' D
    │  │      2-空洞卷积的作用.mp4! Y  i; @* x3 X& @
    │  │      3-感受野的意义.mp44 L* i, G2 g! R
    │  │      4-SPP层的作用.mp4+ `, X  G) ^3 ~5 w+ _5 M, x
    │  │      5-ASPP特征融合策略.mp4
    / q  W5 l( ^% E6 L$ C│  │      6-deeplabV3Plus版本网络架构.mp4# Q; O1 r, k  _. I5 j
    │  │      
    3 J* Z' V9 ]* T+ h9 q# X$ R│  ├─7_基于deeplabV3+版本进行VOC分割实战3 G( z' ?5 ~! b: S" a' y" r
    │  │      1-PascalVoc数据集介绍.mp4
    8 ^+ X9 }3 a+ s( ]" O  Z│  │      2-项目参数与数据集读取.mp4
    1 A& b; J. w9 U3 c! v& F5 x2 r│  │      3-网络前向传播流程.mp4) e4 I; V/ o/ E
    │  │      4-ASPP层特征融合.mp4  B8 c6 `. a( Q  n
    │  │      5-分割模型训练.mp4
    4 r  G* O& x: g3 _0 x, G5 M* O│  │      
    ; A( G2 v* a0 Y9 R, |7 D│  ├─8_医学心脏视频数据集分割建模实战% D$ @& w1 j: z! h/ n
    │  │      1-数据集与任务概述.mp4' f0 m7 x6 ^% Q6 [
    │  │      2-项目基本配置参数.mp4+ H" X' u+ T1 B$ |! w
    │  │      3-任务流程解读.mp4$ _( Z1 z2 \2 F1 r
    │  │      4-文献报告分析.mp4
    $ H* F+ J' L( s1 J/ E4 c│  │      5-补充:视频数据源特征处理方法概述.mp4
    ' T4 Q( ^% m, V1 h. x│  │      6-补充:R(2plus1)D处理方法分析.mp4, [; _6 M$ y' f) H' T! E3 W
    │  │      
    9 T! y: H% e7 K. H│  ├─9_物体检测框架-MaskRcnn项目介绍与配置
    " L' M( s* W5 A- c│  │      0-Mask-Rcnn开源项目简介.mp40 i2 ^  W4 Z6 h& b! v$ k
    │  │      0-参数配置.mp47 O; H! {. a; b
    │  │      0-开源项目数据集.mp4
    7 @% J2 Y! a/ v3 q0 S2 D" J8 v5 t│  │      2 C' U8 C' S) }& Z& j% x* n  Q
    │  ├─10_MaskRcnn网络框架源码详解
    0 a# @, E% L, }( C$ A) |│  │      1-FPN层特征提取原理解读.mp4
    , o4 u8 K; H/ q1 y; t( a│  │      2-FPN网络架构实现解读.mp4, J; l4 c' ?0 B* E, W' r
    │  │      3-生成框比例设置.mp4; @- c1 j) v3 q% a6 j4 P' d
    │  │      4-基于不同尺度特征图生成所有框.mp4
      ]( \" K- u' l9 a9 Z│  │      5-RPN层的作用与实现解读.mp46 `* m9 V8 r5 W5 }8 E  b
    │  │      6-候选框过滤方法.mp4& X) z' Z! F& d/ R
    │  │      7-Proposal层实现方法.mp47 c! {4 d8 L  S) U2 N' R8 A  y
    │  │      8-DetectionTarget层的作用.mp4
      k# d3 _: {0 R- L│  │      9-正负样本选择与标签定义.mp4
    ' I0 A' q# N, }2 o2 R# o( V/ H0 P6 b│  │      10-RoiPooling层的作用与目的.mp4' M( s9 p/ \& O/ z3 J  Z; X- a, X. Y
    │  │      11-RorAlign操作的效果.mp4
    0 v1 e4 g( t4 G. @- r" n│  │      12-整体框架回顾.mp45 K) y* P5 l5 F, j
    │  │        n) ^! h; z! M6 _
    │  └─11_基于MASK-RCNN框架训练自己的数据与任务6 N& X9 A3 z- y7 x
    │         1-Labelme工具安装.mp4
    ' Y# i: s+ f8 `- }│         2-使用labelme进行数据与标签标注.mp4! t2 O9 b+ J2 J- z5 B6 z6 b# i
    │         3-完成训练数据准备工作.mp4
    0 v& N* P* T" u& ~' r│         4-maskrcnn源码修改方法.mp48 ?1 l- l- ~  n! b$ l
    │         5-基于标注数据训练所需任务.mp4
    4 a( E2 [& Y. C" d│         6-测试与展示模块.mp4
    & m# e5 L5 O  \# Q) I( @│         
    % ^6 ^/ j) U% i/ a2 W│         6 c1 z# `: x' i9 X
    ├─8_行为识别实战0 i. y6 o) D( M; z% R; Q
    │  ├─1_slowfast算法知识点通俗解读
    " D) j2 D4 q+ V7 S│  │      1-slowfast核心思想解读.mp4
    ! y; b+ A+ f* [, P) i5 L) M  k; U│  │      2-核心网络结构模块分析.mp4
    : X& g" W% o/ E$ F7 U3 h5 G│  │      3-数据采样曾的作用.mp4* H% z+ w& \3 u
    │  │      4-模型网络结构设计.mp4- I- L9 l+ S$ j! |' a
    │  │      5-特征融合模块与总结分析.mp4+ u! D6 f0 X* x; s+ Z
    │  │      * f; t& [7 M" Q7 V- A1 l3 c
    │  ├─2_slowfast项目环境配置与配置文件7 K- ^, I& j  c! a  O) _
    │  │      1-环境基本配置解读.mp4
    7 L9 C9 G: ^& G│  │      2-目录各文件分析.mp4
    * f8 K0 L) N( C8 h' [+ w, T│  │      3-配置文件作用解读.mp4: B) P) j1 i2 q8 A+ d
    │  │      4-测试DEMO演示.mp4
    # O6 f6 y7 F  |  b│  │      5-训练所需标签文件说明.mp4
    , p" Y& O1 J* m4 g# {* f5 M' A: P: D│  │      6-训练所需视频数据准备.mp4/ B; N4 O9 s9 z# e: i
    │  │      7-视频数据集切分操作.mp4
    2 _. q: X! S/ y- F7 E│  │      8-完成视频分帧操作.mp4
    & r! R7 B: `& ^. @: `* S) l│  │      6 b$ [2 `+ M5 [
    │  ├─3_slowfast源码详细解读7 W5 f7 B0 `; j6 a/ h
    │  │      1-模型所需配置文件参数读取.mp49 Q; W7 q( Q" @8 o9 X
    │  │      2-数据处理概述.mp4
    7 Q. Z  v- q; d│  │      3-dataloader数据遍历方法.mp44 i8 r& ~% K6 g8 x9 m+ s
    │  │      4-数据与标签读取实例.mp4- }5 ^# _+ F5 W; M- u& r
    │  │      5-图像数据所需预处理方法.mp41 M# [9 W7 w3 V" V5 n
    │  │      6-slow与fast分别执行采样操作.mp4% P0 y/ H( q2 A6 k$ h) H- e
    │  │      7-分别计算特征图输出结果.mp4
    ' @! _& b* K. V2 l# V' |2 a│  │      8-slow与fast特征图拼接操作.mp4% _0 a% C  h4 `+ ]; O
    │  │      9-resnetBolock操作.mp45 k4 }8 O* G, ^3 k0 e
    │  │      10-RoiAlign与输出层.mp4
    ; m) [; x) T# M' }6 L) F; m6 _, g& y  E│  │      
    4 v% b* K  _: j│  ├─4_基于3D卷积的视频分析与动作识别  t* v, N5 _; d; o. h
    │  │      1-3D卷积原理解读.mp4
    3 ^- K+ x1 O9 p, x- ?│  │      2-UCF101动作识别数据集简介.mp4
    ; j* J! f) D6 k│  │      3-测试效果与项目配置.mp4
    6 ?. e2 d) f. z( T: U│  │      4-视频数据预处理方法.mp4
    ' C* J- n2 S- j( w6 `+ U4 T: v' O│  │      5-数据Batch制作方法.mp4
    4 Q( d( N  m! J! n  s: o- {│  │      6-3D卷积网络所涉及模块.mp4
    ! A% R; o9 {! |% V! d│  │      7-训练网络模型.mp4
    " Y7 b+ b; Z% U+ a3 O1 @& p1 R│  │      
      C' f* S* o; k' P│  ├─5_视频异常检测算法与元学习' K# a9 Z6 a% v+ N- L! ?4 w. R$ d
    │  │      1-异常检测要解决的问题与数据集介绍.mp4
    0 u: v; Y8 c& q2 Q" P& F│  │      2-基本思想与流程分析.mp4
    : h9 E' J" K+ @% s: [. I│  │      3-预测与常见问题.mp4. U$ m+ f5 c0 j: P+ C9 [( |
    │  │      4-Meta-Learn要解决的问题.mp4
    " G' U& M- g3 P$ Q2 Y│  │      5-学习能力与参数定义.mp4  q8 U1 A8 S: |+ @) e8 `
    │  │      6-如何找到合适的初始化参数.mp4& |6 h) `  \- M& j, Q# W9 _
    │  │      7-MAML算法流程解读.mp4& |. |9 k% r5 u* r* ]
    │  │      ; r3 _7 K" T% g. Q7 k) V* @. U! L
    │  ├─6_视频异常检测CVPR2021论文及其源码解读. j# Q5 m  w1 R
    │  │      1-论文概述与环境配置.mp4
    3 ?9 |& X) }; u5 v2 Z7 @│  │      2-数据集配置与读取.mp4
    8 F( X  C( L6 X, T1 G8 z" Q- B│  │      3-模型编码与解码结构.mp42 ~1 P, {& b/ J1 O, Z
    │  │      4-注意力机制模块打造.mp4+ n$ |" X1 v9 a3 ~. V; }" i6 q
    │  │      5-损失函数的目的.mp4) K- w4 ]% y/ L2 U- W9 i
    │  │      6-特征图生成.mp45 H0 @) @; ?, ]" C" E6 x  p8 A
    │  │      7-MetaLearn与输出.mp4
    + r" p& T: _! m* Q9 _8 c* g8 K: y│  │      3 s+ v  Q9 w. H8 k  Q4 I
    │  └─7_基础补充-Resnet模型及其应用实例. b* o; x  [( J. \5 w
    │          1-医学疾病数据集介绍.mp4) w9 ]! g5 W& ^  Q) Z. o
    │          2-Resnet网络架构原理分析.mp4' r) J0 B% F( G( D
    │          3-dataloader加载数据集.mp4# R" @/ b: _6 O4 V; R
    │          4-Resnet网络前向传播.mp4  S- h6 o( L$ o. V+ H- ~
    │          5-残差网络的shortcut操作.mp4
    + I. w! e" n2 F! l/ u. A! ]- S│          6-特征图升维与降采样操作.mp4. d, F3 g7 u. U$ b2 w
    │          7-网络整体流程与训练演示.mp4
    $ I* H+ X3 J. Y│         
    ' g) E( z/ u3 F: d) a: m% I├─9_2022论文必备-Transformer实战系列
    % U8 ?3 I% B# D3 F0 f; {2 q/ ~  D│   ├─1_课程介绍8 W4 u& @+ [; d
    │   │      课程介绍.mp4- {. |* }& z: x- F; q
    │   │      $ |; D% B4 Z9 h
    │   ├─2_自然语言处理通用框架BERT原理解读
    . i- A" O5 Z8 h: R│   │      1-BERT任务目标概述.mp4
    5 `: V) T  {5 S7 y3 E& i, G│   │      2-传统解决方案遇到的问题.mp4
    0 G( J& r& j1 b% `/ ^5 r7 H│   │      3-注意力机制的作用.mp4
    ( ]: h3 O) Z$ ~+ y# o3 J│   │      4-self-attention计算方法.mp4
    2 o7 N# d+ I: M% h$ a6 H; X│   │      5-特征分配与softmax机制.mp4: \6 K8 F" v1 P9 k/ E. N
    │   │      6-Multi-head的作用.mp4
    ( l, N1 a6 r& a  c2 n│   │      7-位置编码与多层堆叠.mp42 u# n' p/ ?( s6 p% \
    │   │      8-transformer整体架构梳理.mp4) A' t. W6 [! ]& ~3 J
    │   │      9-BERT模型训练方法.mp4
    * A5 H1 V9 R2 ^) P1 l│   │      10-训练实例.mp4
    2 s" m$ |7 D+ q- a4 D│   │      % Y$ y& F6 D* ^& ?
    │   ├─3_Transformer在视觉中的应用VIT算法* y1 B2 L( X0 U9 D( j
    │   │      1-transformer发家史介绍.mp4
    ) P9 _* i7 m6 o5 a1 ?│   │      2-对图像数据构建patch序列.mp4
    7 p9 U2 V9 Q7 i- S: ^& l# w3 S│   │      3-VIT整体架构解读.mp4
    ; x: E, @( f% _- G  |8 I│   │      4-CNN遇到的问题与窘境.mp4
      B3 j( [5 G* M1 @│   │      5-计算公式解读.mp4
    # `; O$ t  i4 |5 D4 [│   │      6-位置编码与TNT模型.mp4
      E2 h) C$ W! N. e& H, s) w2 |│   │      7-TNT模型细节分析.mp4
    % z, D: j! N7 h# V" ~( ~3 @│   │      
    : o; S2 b! ?8 L+ w│   ├─4_VIT算法模型源码解读8 G' [7 U2 R" E+ E! e
    │   │      1-项目配置说明.mp4
    ; k5 G% [: Y4 e( R) i; R( q  ~' n│   │      2-输入序列构建方法解读.mp4% ]2 ]! W3 a3 L/ K, i
    │   │      3-注意力机制计算.mp4# t: b. F* @6 h, E, R) a5 G
    │   │      4-输出层计算结果.mp4
    / P& N+ o4 E( t7 R7 K+ J' ~│   │      0 `" C* E9 E) u0 }- b( S
    │   ├─5_swintransformer算法原理解析
    7 Q3 v3 {% u2 {  Q, v│   │      1-swintransformer整体概述.mp4
    1 x( a8 T2 `, Q8 a, L6 ~, w* m) P│   │      2-要解决的问题及其优势分析.mp4
    " |7 W% h7 N3 j6 B/ ]/ C; C! K8 D* v│   │      3-一个block要完成的任务.mp4
    % o$ B) ?' }3 p9 _5 G" f│   │      4-获取各窗口输入特征.mp48 \& S( ~) V6 R! W* M6 C
    │   │      5-基于窗口的注意力机制解读.mp4
    8 U) X; ?* l% n; Q4 @- w│   │      6-窗口偏移操作的实现.mp4( V- @3 B' v9 J) F& D6 v
    │   │      7-偏移细节分析及其计算量概述.mp4* E: [- i" |9 |6 L9 O6 h4 U
    │   │      8-整体网络架构整合.mp45 H" \, E! k' g" Q+ V& ?  ^
    │   │      9-下采样操作实现方法.mp4
    # _! z! D5 W0 u  Y! W│   │      10-分层计算方法.mp4! I+ p- }3 h  b/ `1 Q
    │   │      
    # C# T! Q) `9 q3 G│   ├─6_swintransformer源码解读
    ' ?% I: q* S) {% w│   │      1-数据与环境配置解读.mp4
    1 a5 W# J4 P0 b" s) j0 H3 ~│   │      2-图像数据patch编码.mp4
    0 U* G3 Q7 _8 \6 b+ G6 L& ?│   │      3-数据按window进行划分计算.mp44 n  S  d* Z) w
    │   │      4-基础attention计算模块.mp4, m9 D1 O" t, ]4 `" x" _9 E8 {
    │   │      5-窗口位移模块细节分析.mp4) |6 |3 X3 y& O" f
    │   │      6-patchmerge下采样操作.mp4
    # O- V- W  S1 D│   │      7-各block计算方法解读.mp4
    " N* B- Z4 t0 ]& G4 \& W│   │      8-输出层概述.mp44 `6 r/ _) U8 [) _. L0 S
    │   │      1 X. x( ~9 D$ C7 [8 l2 t9 b0 Z
    │   ├─7_基于Transformer的detr目标检测算法
    4 r6 u% q( L9 _3 G- q│   │      1-DETR目标检测基本思想解读.mp4
    / k3 R5 N- k  N* ?# G/ ]│   │      2-整体网络架构分析.mp4) M# w4 X! o, S
    │   │      3-位置信息初始化query向量.mp4
    ( L: o& k) G' b6 ~│   │      4-注意力机制的作用方法.mp41 H  m3 W: }$ k3 A. P( k; n
    │   │      5-训练过程的策略.mp4
    1 A( D% @$ h8 ~# ~- e) r│   │      % |, i) W( U0 Z9 G( \
    │   ├─8_detr目标检测源码解读* w2 m9 x+ w5 d7 U) ^! W1 r  F
    │   │      1-项目环境配置解读2.mp4
    * j6 Z0 d- K3 X& p│   │      2-数据处理与dataloader2.mp4. W9 h& j$ Q+ v; L- S) ]* m
    │   │      3-位置编码作用分析2.mp4
    : H! ^! f2 P# d0 D% o% K* K6 U│   │      4-backbone特征提取模块.mp4  F/ b6 f. u$ Z" n
    │   │      5-mask与编码模块.mp4* H9 A/ U& \  j8 `0 i: P
    │   │      6-编码层作用方法.mp4. o, l$ D: k( O! i
    │   │      7-Decoder层操作与计算.mp4
    - u  E$ X  \1 ~' i! h│   │      8-输出预测结果.mp4
    3 J3 O; R. k0 d# k+ C│   │      9-损失函数与预测输出.mp4) Z3 Q4 V. P+ b4 j% t& C
    │   │      : v+ h: m7 ^; w) L/ b
    │   ├─9_MedicalTrasnformer论文解读
      t$ [) L; k, ~. a6 R│   │      1-论文整体分析.mp4
    5 V- [4 R  q( r) l$ |│   │      2-核心思想分析.mp46 h4 `, d& U. k$ b
    │   │      3-网络结构计算流程概述.mp4
    3 S* L+ [; ?+ S! w/ }6 c* _0 Z0 `│   │      4-论文公式计算分析.mp4) x9 r3 ~) w$ X9 w' D/ @
    │   │      5-位置编码的作用与效果.mp4" T+ m# {, I5 y4 [" U; p9 I
    │   │      6-拓展应用分析.mp4
    ! o8 T; J% M& j3 u│   │      
    6 \. s6 Y% W+ `& z, c/ X2 F│   ├─10_MedicalTransformer源码解读
    $ l+ s2 \9 E5 ?. T& b+ s│   │      1-项目环境配置.mp4* j' D/ s) N3 C  b8 G! o
    │   │      2-医学数据介绍与分析.mp4# J& ~$ k) m/ @$ `- i7 y
    │   │      3-基本处理操作.mp4* p# x3 C1 `7 Z* B) v9 v
    │   │      4-AxialAttention实现过程.mp4
    3 L" K' M* Q$ x& F9 H- k│   │      5-位置编码向量解读.mp46 \) N! C" U0 |  u! M" E
    │   │      6-注意力计算过程与方法.mp4
    9 Q( I- y9 v; \  h( Y2 `│   │      7-局部特征提取与计算.mp4
    1 O% I- S# w7 k+ b5 l│   │      
    . N. b2 Y( \( H│   ├─11_商汤LoFTR算法解读6 q1 b, n5 l: m/ P. e/ _* G
    │   │      1-特征匹配的应用场景.mp4' L8 F% T3 j- x1 D2 L0 N. ~7 T" p6 \
    │   │      2-特征匹配的基本流程分析.mp4
    2 K5 r8 k( o; o' Q2 r│   │      3-整体流程梳理分析.mp44 g! D& q, w% b% M6 f
    │   │      4-CrossAttention的作用与效果.mp4# l. t* }) D/ W+ ~
    │   │      5-transformer构建匹配特征.mp4
    + T' e* }* Z! ~1 q2 b6 I│   │      6-粗粒度匹配过程与作用.mp4
    * T# \0 p- T3 u& C9 k│   │      7-特征图拆解操作.mp4  E! e) P' N5 ~) W7 ]( [
    │   │      8-细粒度匹配的作用与方法.mp4
    3 D# }& b" s& ?│   │      9-基于期望预测最终位置.mp4
    ) n* N' ^# I) [│   │      10-总结分析.mp4
    & e' l, w/ j. e: W│   │      , l( H6 |  l7 o- s0 X* l  w
    │   ├─12_局部特征关键点匹配实战
    : O6 k% T/ ]7 j( B* R- c, R│   │      1-项目与参数配置解读.mp45 i3 ~8 L1 d" l9 ^3 }% E% ?7 }" h' o' W
    │   │      2-DEMO效果演示.mp4  {' K, _- T6 Z4 Z9 V! L
    │   │      3-backbone特征提取模块.mp40 H) V; [9 g! Z1 R" q: z$ _4 B
    │   │      4-注意力机制的作用与效果分析.mp4
    ( W6 ?( e1 e% o3 G│   │      5-特征融合模块实现方法.mp4
    - ?/ V/ h( _$ F) r( |& d# V9 {( q│   │      6-cross关系计算方法实例.mp4) z+ g% H+ |7 h6 Z
    │   │      7-粗粒度匹配过程.mp43 u4 t* E& J; ?
    │   │      8-完成基础匹配模块.mp4
    6 b5 O5 M, G* R* H3 J0 s│   │      9-精细化调整方法与实例.mp40 ^" L% A6 s! X+ K, x( U
    │   │      10-得到精细化输出结果.mp4
    3 N, J0 b% u* t! N8 O( P* j: F7 q│   │      11-通过期望计算最终输出.mp4) e+ |/ z, B! a5 u5 _4 Y
    │   │      # K1 b6 b# z" I# @' t" E! H. _
    │   ├─13_项目补充-谷歌开源项目BERT源码解读与应用实例) u: Q; [# V; B$ B
    │   │      1-BERT开源项目简介.mp47 L+ O# [0 Q5 o3 C& @$ @9 H2 ?( X9 p9 W
    │   │      2-项目参数配置.mp4
    4 h. O0 D8 M- s0 a- u3 A  O│   │      3-数据读取模块.mp4! w5 @6 x% c- s
    │   │      4-数据预处理模块.mp42 `: s) {9 N: x6 k" m; y- l
    │   │      6-Embedding层的作用.mp4+ J4 \4 v* k2 X! E4 b
    │   │      7-加入额外编码特征.mp4* K9 F5 P( [# e3 Z" z6 k4 n# n/ v
    │   │      8-加入位置编码特征.mp4
    : Y; k: w3 i0 x& R- V│   │      9-mask机制.mp4
    ) d, F4 ^& W% p4 o: C/ S+ f6 F│   │      10-构建QKV矩阵.mp4
    3 l" M6 x) \7 q& l7 A; u8 V│   │      11-完成Transformer模块构建.mp4" C% _( U5 y7 {1 K9 j
    │   │      12-训练BERT模型.mp4
    0 M) P; U2 H, {/ g* _1 x# v│   │      tfrecord制作.mp4* U$ C# E$ n7 h/ `* T
    │   │      4 r5 {( u' e" u
    │   └─14_项目补充-基于BERT的中文情感分析实战  G$ v- i. s6 R8 b
    │          1-中文分类数据与任务概述.mp4# c# _+ ]% }, Y0 u
    │          2-读取处理自己的数据集.mp4, n4 ~$ R7 Y) J& K3 N5 G: }. y  \( N
    │          3-训练BERT中文分类模型.mp4! }. ]$ K' s0 d+ a* Y  \
    │          2 X6 f2 b, f/ G" ]
    ├─10_图神经网络实战
    7 ^6 d2 C0 B  K, f8 y+ R│  ├─1_图神经网络基础, ]3 c1 ]' L4 ^" i- K3 N
    │  │      1-图神经网络应用领域分析.mp42 k- x6 n6 ]* k& A/ J$ s# ?
    │  │      2-图基本模块定义.mp4
    3 o$ B; f8 w: r4 X│  │      3-邻接矩阵的定义.mp4" }( ^- T& r  B1 P. b& |
    │  │      4-GNN中常见任务.mp4
    ' X# c; k! |9 c! ~2 b, C│  │      5-消息传递计算方法.mp4
    ; G4 }" X  g6 f: U$ B' T│  │      6-多层GCN的作用.mp4
    ' M) u3 ?+ h& v& ~! |│  │      
    " `& d" Y" u* ]9 |. C& |( W│  ├─2_图卷积GCN模型
    & J1 F5 y9 g  V  Q. @: i) g│  │      1-GCN基本模型概述.mp4
      f2 C. n1 r8 w" n& N0 ?│  │      2-图卷积的基本计算方法.mp4; `9 F; B# N, S$ w1 m
    │  │      3-邻接的矩阵的变换.mp4
    8 Q0 K$ ~, Q7 N7 _- B0 m6 v│  │      4-GCN变换原理解读.mp49 G9 a3 o/ t9 {! y/ p( ^
    │  │      
    # M8 Q5 p" v* M5 h5 E) z: V' N3 `│  ├─3_图模型必备神器PyTorch Geometric安装与使用0 F* P( x* _0 d
    │  │      1-PyTorch Geometric工具包安装与配置方法.mp4) b! @2 l, y" v% U) o7 k. ]
    │  │      2-数据集与邻接矩阵格式.mp4
    7 H7 g' r- e5 O6 D│  │      3-模型定义与训练方法.mp4" }" |8 d7 g( n$ H$ U( l: i1 j$ H5 g
    │  │      4-文献引用数据集分类案例实战.mp43 Y4 O0 K1 A( I1 ^
    │  │      
    - f# N  m0 P) _2 O0 p3 g, v│  ├─4_使用PyTorch Geometric构建自己的图数据集
    # j; \6 K3 T9 P& A5 n3 r( a6 E0 ?. n│  │      1-构建数据集基本方法.mp47 x/ s" _/ O! A- Q+ E$ \( ]9 c
    │  │      2-数据集与任务背景概述.mp4
    6 F; ~3 K: V9 y│  │      3-数据集基本预处理.mp4
    7 d" f( F1 h+ n5 n│  │      4-用户行为图结构创建.mp4
    0 L3 S1 ]# g6 E; p9 _" I! n1 V│  │      5-数据集创建函数介绍.mp41 a5 b4 x8 [( r2 }. C
    │  │      6-网络结构定义模块.mp42 x# T& u8 [& G& x  v
    │  │      7-TopkPooling进行下采样任务.mp4
      D; @& I" P" p) d" H│  │      8-获取全局特征.mp4# Z3 W- G' G/ t
    │  │      9-模型训练与总结.mp49 X% v; t/ L3 r3 {7 A
    │  │      8 l+ z" ^5 B/ F7 M- v5 X3 K- m
    │  ├─5_图注意力机制与序列图模型  F* ~6 a4 g' E, d! V" j( ~
    │  │      1-图注意力机制的作用与方法.mp4
    : z1 m2 F5 H/ h$ V+ @│  │      2-邻接矩阵计算图Attention.mp4
    # |7 o) Q' V. g7 a9 J& B% B8 @, D│  │      3-序列图神经网络TGCN应用.mp46 u2 o9 h6 q4 G5 j4 n; P+ u2 ~
    │  │      4-序列图神经网络细节.mp4! G' ]$ c) f8 X. g7 B  p
    │  │      
    0 R7 d& W, r( O: U3 b4 X( a1 ~0 N│  ├─6_图相似度论文解读, Y' {) T6 ?- ^6 V7 A. K
    │  │      1-要完成的任务分析.mp4+ `8 W5 e( `4 R& r5 }0 ]% f
    │  │      2-基本方法概述解读.mp4
    ) A4 C6 T$ P; `4 W- C) w│  │      3-图模型提取全局与局部特征.mp4' v. X5 [3 f7 V* a2 W( B9 n
    │  │      4-NTN模块的作用与效果.mp4
    $ j! Y- r! W/ N│  │      5-点之间的对应关系计算.mp4
    6 n  h8 a+ u$ y│  │      6-结果输出与总结.mp4/ `8 O, ^1 a' `) m
    │  │      6 ?9 X2 |5 E4 `1 [9 F, w8 `! V
    │  ├─7_图相似度计算实战8 j" z$ c$ w3 A: Y3 [
    │  │      1-数据集与任务概述3.mp4
      T+ h! U+ W- j& S, p! G8 B/ L/ V│  │      2-图卷积特征提取模块3.mp4
    7 X" F) }% D! ^& N│  │      3-分别计算不同Batch点的分布3.mp48 H. |4 {1 K8 i  W2 p+ p
    │  │      4-获得直方图特征结果.mp48 M5 O# ^/ {( F( o# d! e
    │  │      5-图的全局特征构建.mp4! S! B( K4 ~4 I0 r
    │  │      6-NTN图相似特征提取.mp47 C1 t8 q; [( F7 _( T# v) }5 s
    │  │      7-预测得到相似度结果.mp4
    $ R5 w: R- I4 b: x7 R  ]; H0 e4 s│  │      
      j4 k/ x0 M+ j/ s! G) T│  ├─8_基于图模型的轨迹估计4 w! U7 |8 a- u; G6 y& [2 b9 v
    │  │      1-数据集与标注信息解读.mp4
    1 |0 r. v1 ]2 N  n$ M│  │      2-整体三大模块分析.mp45 g5 K5 B* ]3 O- _: R
    │  │      3-特征工程的作用与效果.mp4
    & j0 b. g# K3 ~4 a│  │      4-传统方法与现在向量空间对比.mp4& B3 _& i1 z- E) ^. m
    │  │      5-输入细节分析.mp4
    " \4 K3 y& i+ |5 Z2 j  K/ }│  │      6-子图模块构建方法.mp4
    ) A2 f( b4 X0 `; Q! {6 Y│  │      7-特征融合模块分析.mp4
    ( \" l+ T* \) t8 a# t6 w" T, ?6 E│  │      8-VectorNet输出层分析.mp4
    2 @3 A3 E5 x; O│  │      
    , s& y# h) a8 r0 h' e0 ?' r/ h* I│  └─9_图模型轨迹估计实战1 }, u# h8 z8 w6 [% M
    │          1-数据与环境配置4.mp4
    * `; }" [$ z5 \+ E6 R& O│          2-训练数据准备4.mp49 H4 p$ g& n3 ~% j
    │          3-Agent特征提取方法4.mp4
    . {9 T9 @+ g( T9 N│          4-DataLoader构建图结构4.mp4/ `9 J+ R+ X4 ?) B9 d6 g- [: ~
    │          5-SubGraph与Attention模型流程4.mp4$ D; ?- Y2 U. v! F0 Q
    │         
    / C6 @% M# J$ H& ]# @1 E├─11_3D点云实战
    ; q) u: _1 _+ \) p0 R│  ├─1_3D点云实战 3D点云应用领域分析
      `* e; _5 x9 v" c+ A2 Q( g│  │      1-点云数据概述.mp4
      y9 x6 O; b, l9 L1 A│  │      2-点云应用领域与发展分析.mp4
    # v; }  R+ {. E│  │      3-点云分割任务.mp4
    6 s% p/ ?8 g0 G8 K, C5 H, p4 k│  │      4-点云补全任务.mp4- K: h* e9 q! \& V9 M" Q% g$ x
    │  │      5-点云检测与配准任务.mp4
    & @1 ]* ]0 H+ B* f│  │      6-点云数据特征提取概述与预告.mp4
    - G- g1 E7 Y* R6 Y% U+ W6 E│  │      
    " \; _+ C1 q+ L5 T- \4 K│  ├─2_3D点云PointNet算法+ z0 u& ?2 p$ g' `
    │  │      1-3D数据应用领域与点云介绍.mp4
    ! \, M' [) E: c& q7 A1 F│  │      2-点云数据可视化展示.mp4
    * z; k3 G0 m. N│  │      3-点云数据特性和及要解决的问题.mp4
    + X9 |9 u) k7 j& V- |│  │      4-PointNet算法出发点解读.mp4
    * X' e; X- z4 X1 V+ U8 F/ y' R│  │      5-PointNet算法网络架构解读.mp4
    5 ~  }3 F3 \# h' Y8 {│  │      , _* }2 S3 o7 T: F
    │  ├─3_PointNet++算法解读
    1 r0 a; k, W0 E1 k, U) C│  │      10-分类与分割问题解决方案.mp4
    8 ~! |4 q5 Z* Y- E0 D1 I│  │      11-遇到的问题及改进方法分析.mp4
    . e# P" I0 s9 I4 h  r8 g- m/ M: ~+ R- m6 u│  │      6-PointNet升级版算法要解决的问题.mp4
    $ s. z! |9 L6 J# h' v│  │      7-最远点采样方法.mp4$ i: C6 s; N3 s$ k( B! x: |5 K( l
    │  │      8-分组Group方法原理解读.mp4- x  Y/ ^+ z! E5 v, k  [. v  c: E
    │  │      9-整体流程概述分析.mp4
    / C( s% T3 B7 M& l│  │      
    7 c* W4 E2 g# [! z( G3 t& Y. E│  ├─4_Pointnet++项目实战$ s* n0 H+ \( G% ^" w
    │  │      1-项目文件概述.mp4
    7 d  i2 ~4 _6 P" [│  │      2-数据读取模块配置.mp4
    + U1 l# n- T+ I" c  ^5 D│  │      3-DEBUG解读网络模型架构.mp4: ]; z4 h) Z  `" r6 @0 _
    │  │      4-最远点采样介绍.mp4
    ( k  F! s5 l6 ~│  │      5-采样得到中心点.mp4
    / G" h1 W, C/ t  Q, }│  │      6-组区域划分方法.mp4
    2 ?, J; X1 H* R5 P" A│  │      7-实现group操作得到各中心簇.mp4
    . W5 g& Z: N0 P' ]2 l+ A│  │      8-特征提取模块整体流程.mp4
    $ `. w3 n" E# Z; E! u/ i( Y│  │      9-预测结果输出模块.mp4. Z' ]( H- T( {  L
    │  │      10-分类任务总结.mp4( ~/ y; z# `+ g- h, i. r+ x! v2 o
    │  │      11-分割任务数据与配置概述.mp4
    9 \/ \; K& ?4 {: Z│  │      12-分割需要解决的任务概述.mp4/ s9 j5 J. D6 S" |& a6 p( P
    │  │      13-上采样完成分割任务.mp4
    * U3 l( l  H; Q9 b* a) a) ]│  │      
    . T- Z2 g8 A! S% f2 _) {; e│  ├─5_点云补全PF-Net论文解读$ z$ N; |. `! I& ^7 o
    │  │      1-点云补全要解决的问题.mp4
    9 ~/ C+ m2 R1 m│  │      2-基本解决方案概述.mp4
    / A* \, _" a. b1 s│  │      3-整体网络概述.mp4
    " }# p: _1 i# H& J' g8 u/ s│  │      4-网络计算流程.mp4: Z& l4 U5 ]! [
    │  │      5-输入与计算结果.mp4
    7 D5 Y, y  F! I, r+ v│  │      " D4 f/ z0 X& S8 R- x: S) B
    │  ├─6_点云补全实战解读
    9 t* v' }! r( o& |0 W# a│  │      1-数据与项目配置解读.mp4
    5 b' h. R! v0 {1 ?& ~% X│  │      2-待补全数据准备方法.mp42 Q: N' m# L7 ^9 w( A- j
    │  │      3-整体框架概述.mp4. Q$ b$ M/ j  K
    │  │      4-MRE特征提取模块.mp4, w$ X* d3 n2 ?
    │  │      5-分层预测输出模块.mp4( Y* C! ^* m; Z. ~' P+ f
    │  │      6-补全点云数据.mp4
    0 A" \5 a# c5 D' V│  │      7-判别模块.mp4: w2 r" }* v4 U  P# J- U1 t* ~0 m
    │  │      * \9 N) f7 Z6 S6 }' d' s
    │  ├─7_点云配准及其案例实战2 `* n+ _* [  }% R
    │  │      1-点云配准任务概述.mp42 U  ~7 t* H0 P$ i
    │  │      2-配准要完成的目标解读.mp4
    $ ~5 a# |# G: p1 N3 V: Z& K│  │      3-训练数据构建.mp42 f! ]% J; ^+ D" [8 O$ \5 c7 J! B
    │  │      4-任务基本流程.mp44 o; A8 |" E+ M; U4 j
    │  │      5-数据源配置方法.mp4/ d8 J- X8 O# G$ Y4 {2 A. r
    │  │      6-参数计算模块解读.mp4+ V+ Z6 j. X' E3 q
    │  │      7-基于模型预测输出参数.mp4; Q- W, B/ B" w5 B
    │  │      8-特征构建方法分析.mp4- X& `# I1 T( {. c2 D3 H. f
    │  │      9-任务总结.mp4) [9 k" U* ^  A' s
    │  │      
    ) ]! ?8 k9 h$ S! \8 P! N! j│  └─8_基础补充-对抗生成网络架构原理与实战解析- L$ {1 N$ H4 p
    │          1-对抗生成网络通俗解释.mp4
    7 s; m8 q9 v; Z+ F' Y│          2-GAN网络组成.mp4: Q5 O2 U$ m5 l2 b% i* h/ B
    │          3-损失函数解释说明.mp4
    ; h6 X* w- t; M; n│          4-数据读取模块.mp4
    ) p  x! V8 }- m* a- v9 H5 {/ i│          5-生成与判别网络定义.mp4+ ~# k; [# i; a( N: [; n1 M
    │         
    " \9 R5 Z6 x+ c* c, U$ ^6 H├─12_目标追踪与姿态估计实战
    1 `- K3 i  w5 Y+ N' I  z2 e* j7 O│  ├─1_课程介绍: r9 i3 d6 o, B! A  l6 u
    │  │      课程介绍2.mp4
    9 t7 E: S. T  ?: f7 X; X│  │      
    / M8 W: D; n$ W; f- L│  ├─2_姿态估计OpenPose系列算法解读
    & G' [0 ?" z' u8 h6 e! t% z% K│  │      1-姿态估计要解决的问题分析.mp4
    ; ]* ]) H' O8 h  Z0 J$ s. F* A; l│  │      2-姿态估计应用领域概述.mp4
    + D6 J7 n3 B4 @6 j│  │      3-传统topdown方法的问题.mp4- m& w3 ?6 ^. a& f% c0 P
    │  │      4-要解决的两个问题分析.mp4$ x7 X9 N+ [- p% o% u( K1 k" u; X
    │  │      5-基于高斯分布预测关键点位置.mp43 j; W: J/ g7 O$ I
    │  │      6-各模块输出特征图解读.mp4, y7 y9 M; {& F
    │  │      7-PAF向量登场.mp4
    ) W( K$ R: \8 g4 Q: r$ |│  │      8-PAF标签设计方法.mp4
    0 x1 {* U% H; e│  │      9-预测时PAF积分计算方法.mp4- Y; C0 k6 w3 W2 `$ w
    │  │      10-匹配方法解读.mp4: m% [% l; g2 L( @" E- M  M
    │  │      11-CPM模型特点.mp48 R) @& I& c8 x0 v6 M; i( o
    │  │      12-算法流程与总结.mp4
    ( r! ]! @( `6 B/ O* d. H6 Z0 s5 H│  │      
      e# W4 s" M4 c) y│  ├─3_OpenPose算法源码分析
    , P5 y- L: U8 ]( [0 g* R│  │      1-数据集与路径配置解读.mp46 _' Z9 G: J! n) a: S
    │  │      2-读取图像与标注信息.mp4
    & n6 T+ y) a/ C, K0 D2 K│  │      3-关键点与躯干特征图初始化.mp4
    % ~. j, H1 S3 d+ S; }│  │      4-根据关键点位置设计关键点标签.mp44 A+ X$ F; ^- _8 \: `& l! ]
    │  │      5-准备构建PAF躯干标签.mp47 y7 R- _" f; ]
    │  │      6-各位置点归属判断.mp45 _& `$ m; |: C: Q/ D3 q. i
    │  │      7-特征图各点累加向量计算.mp4$ u' h; K+ i9 ?" H
    │  │      8-完成PAF特征图制作.mp40 V6 f$ s2 M: M4 y/ h7 y3 i, l- L
    │  │      9-网络模型一阶段输出.mp4
    ' Q% m% C. \* G$ E1 R& S" h4 a+ h│  │      10-多阶段输出与预测.mp47 F+ ], [5 \3 S! U
    │  │      
      d/ g. F( o; Q2 K9 V; h│  ├─4_deepsort算法知识点解读
    / r4 u& q& y- ]3 O" C│  │      1-卡尔曼滤波通俗解释.mp4
    9 T& v7 f5 j; ?" d  B4 e: `9 A, L% J│  │      2-卡尔曼滤波要完成的任务.mp4
    1 g  s8 l  C- l$ \% X, [│  │      3-任务本质分析.mp42 k& d0 K& j- a$ J7 V
    │  │      4-基于观测值进行最优估计.mp4' p) h+ k7 z2 |: K7 G4 y+ L+ z
    │  │      5-预测与更新操作.mp4+ v1 R9 F6 v* t+ V0 @  s
    │  │      6-追踪中的状态量.mp4$ C7 k3 V* a6 s, F
    │  │      7-匈牙利匹配算法概述.mp4# m8 C, Y& C# X  G/ D
    │  │      8-匹配小例子分析.mp4
    0 u9 d) u0 F5 }( g: {│  │      9-REID特征的作用.mp4
    % [% r; A. t4 q│  │      10-sort与deepsort建模流程分析.mp4- g3 N2 f# S  x& k0 o
    │  │      11-预测与匹配流程解读.mp4
    . }: F/ `$ k8 @/ C- B) c" q& a│  │      12-追踪任务流程拆解.mp4# f1 Y2 _! c* @( X8 I) `
    │  │      
    1 V6 k& q' s6 u( C, v+ z) A│  ├─5_deepsort源码解读7 n6 N: E7 J# j0 \0 b4 S1 I+ k
    │  │      1-项目环境配置4.mp4
    % ?& W+ F' a5 _. T& Z' s8 P│  │      2-参数与DEMO演示.mp4
    $ [9 O6 r/ M1 N9 {│  │      3-针对检测结果初始化track.mp4
    - x2 m6 p- f& }: E) b* `│  │      4-对track执行预测操作.mp4, X7 o' {2 D; _. z2 b' |3 O+ w. U
    │  │      5-状态量预测结果.mp4
    : b- N3 D, k, ^1 w│  │      6-IOU代价矩阵计算.mp4# G) y8 E/ ^' d( G5 r
    │  │      7-参数更新操作.mp4
    ) s' p3 _7 H  R6 ]! J│  │      8-级联匹配模块.mp4
    " S# q: Q- O5 C9 ]. V│  │      9-ReID特征代价矩阵计算.mp4
    % r! c0 M' R1 @│  │      10-匹配结果与总结.mp47 N9 Q6 Y2 M' O3 d$ O6 l
    │  │      * G4 B, ]: U8 `8 c
    │  ├─6_YOLO-V4版本算法解读
    2 O4 m% \8 _: ^$ g$ ~│  │      1-V4版本整体概述.mp4' M+ E6 S) X4 B: t0 J: ~
    │  │      2-V4版本贡献解读.mp41 m$ E9 @4 i8 x
    │  │      3-数据增强策略分析.mp4
    9 u. {6 k0 i. s1 x) ~) X7 Z│  │      4-DropBlock与标签平滑方法.mp41 q8 c5 @: }0 n: L- l: f8 s6 N
    │  │      5-损失函数遇到的问题.mp4
    7 r4 L9 Q) Z" u' O& j9 ?5 C1 D( W│  │      6-CIOU损失函数定义.mp4: b" `0 j- H' ?& Q  j
    │  │      7-NMS细节改进.mp4
    " L" Y* D8 P1 D3 @│  │      8-SPP与CSP网络结构.mp4/ ^( j, `2 E. ]# q: k
    │  │      9-SAM注意力机制模块.mp4
    . K9 S$ g- @% q  H│  │      10-PAN模块解读.mp4- m1 L" ^( `$ y! u3 X& B
    │  │      11-激活函数与整体架构总结.mp4
    % v. F9 q% l! {│  │      
    # K) W/ [) l. R! ~7 H# J+ j│  ├─7_V5版本项目配置
    2 J8 h0 f! Q4 f2 N" }/ w% W2 J; }4 c│  │      1-整体项目概述.mp41 {2 `# C7 N9 I5 p
    │  │      2-训练自己的数据集方法.mp4
    / t6 W; [/ }# m: T& t* G│  │      3-训练数据参数配置.mp4
    7 d2 k7 r3 v: m1 Q7 s│  │      4-测试DEMO演示.mp40 w9 C0 a/ a% u, [; I
    │  │      # C9 c4 L& V" ]* b) ^8 ?
    │  └─8_V5项目工程源码解读9 u% `6 W, B+ V) R
    │         1-数据源DEBUG流程解读.mp4
    " z7 C& K: J- M│         2-图像数据源配置.mp48 B9 B$ K# f" w# b( }, m
    │         3-加载标签数据.mp4
    6 ?; E. @+ F" A; A, ?│         4-Mosaic数据增强方法.mp4
    0 n6 h& X% @2 S: U│         5-数据四合一方法与流程演示.mp4  [; j; q* q9 a* p
    │         6-getItem构建batch.mp45 ?6 R# o* C8 @) H
    │         7-网络架构图可视化工具安装.mp4; U% b8 U) c5 y% q: o
    │         8-V5网络配置文件解读.mp4. Q& Z8 d" b: q& r6 m! [5 e# S8 F( `
    │         9-Focus模块流程分析.mp42 X4 l- L: e, Q' ^/ ], S+ [2 V
    │         10-完成配置文件解析任务.mp45 m2 e; y1 y6 X2 u
    │         11-前向传播计算.mp4
    - l5 y, d/ F. E$ C│         12-BottleneckCSP层计算方法.mp4# K$ B( m' k+ X2 z) n6 o/ H7 _
    │         13-Head层流程解读2.mp4
    3 Z- D3 }4 _1 F: j0 J│         13-SPP层计算细节分析.mp4
    / h( ^. ~( T0 s│         14-上采样与拼接操作.mp4! F/ @) ^* u) {, Y: W) K! G6 d- y+ D
    │         15-输出结果分析.mp4
    % R/ D2 K% r5 n! U+ g│         16-超参数解读.mp46 W# [" l+ J: S& N+ }
    │         17-命令行参数介绍.mp41 w0 `: }; S( r' \. @
    │         18-训练流程解读.mp4
    , f$ G* L& F) T9 K) V- W" n│         19-各种训练策略概述.mp42 S2 G( }/ ]9 m" Q) }
    │         20-模型迭代过程.mp4
    ; }8 O6 |4 ]: m3 h; f9 ]# ?│         
    : g9 z- e% x& _$ U├─13_面向深度学习的无人驾驶实战  
    + b" U" r0 M  I  M, U│  ├─1_深度估计算法原理解读
    $ `; X9 |  L7 `4 x7 T" @│  │      1-深度估计效果与应用.mp4
    9 w; k" ?; H; ^( c6 h& b│  │      2-kitti数据集介绍.mp4
    ( n+ P! F* `9 M( o" m│  │      3-使用backbone获取层级特征.mp4
    : I# l7 _' w6 V( p8 x7 D: t│  │      4-差异特征计算边界信息.mp4
    + i3 p) q# V# F- l0 b" X│  │      5-SPP层的作用.mp4! @/ \; a4 B' k( S& m
    │  │      6-空洞卷积与ASPP.mp4
    9 s# e, ~) c6 A│  │      7-特征拼接方法分析.mp4
      B, W+ A. c4 Q- H│  │      8-网络coarse-to-fine过程.mp4
    : v- U6 t% Y8 T+ v& E4 y│  │      9-权重参数预处理.mp4
    ( X9 y* E2 S1 {1 y│  │      10-损失计算.mp4
    . g, R6 [& J7 k5 H' L" P│  │      
    - \6 Q, W& K, Y$ X( m│  ├─2_深度估计项目实战! a  ~$ \1 P  i% U9 Y
    │  │      1-项目环境配置解读.mp45 d2 F: t! k: O* R. ]* _; q
    │  │      2-数据与标签定义方法.mp4
    ( \: Z( S" S% Z& R( ?3 l4 [1 V│  │      3-数据集dataloader制作.mp4
    / S4 c6 K5 R9 \! r, P' h4 I: t" w│  │      4-使用backbone进行特征提取.mp4
    7 L% n; J1 F$ h( o│  │      5-计算差异特征.mp4* N' n3 b  X: r8 ^
    │  │      6-权重参数标准化操作.mp4
    ! N$ J5 E8 S1 h  V5 ?2 g8 {: K- W: A│  │      7-网络结构ASPP层.mp45 n9 @- x, Z* s1 m1 v
    │  │      8-特征拼接方法解读.mp4
    ) K/ Y9 A0 J) o/ D2 Z9 A│  │      8-输出深度估计结果.mp4: f' O# b3 F& j
    │  │      9-损失函数通俗解读.mp4
    ( f- p1 b# E" G2 T' G│  │      10-模型DEMO输出结果.mp48 L2 J6 P! H: x: B; Z! F
    │  │      . `0 L: V, o- P4 j) w: M; m
    │  ├─3_车道线检测算法与论文解读
    ( e0 w4 W: o' p│  │      1-数据标签与任务分析.mp4
    8 c3 d2 C/ J- \6 d9 J+ G│  │      2-网络整体框架分析.mp4
    & x; y# w( J1 Y5 |: h0 l│  │      3-输出结果分析.mp4& m- k. ?4 b# v# w! I0 T
    │  │      4-损失函数计算方法.mp4% V8 i+ K5 z3 W2 U' O7 }2 @) G
    │  │      5-论文概述分析.mp4
    , e: c4 Q/ N5 p5 J( U# ~5 @│  │      
    # B$ m. `- A2 p  B4 w6 O│  ├─4_基于深度学习的车道线检测项目实战/ ~1 @/ m  X, N0 O- _1 x7 t0 g7 o
    │  │      1-车道数据与标签解读.mp42 G3 @: _. m+ i5 p( W
    │  │      2-项目环境配置演示.mp4
    " y) @% T9 H! b. U; p4 C; k│  │      3-制作数据集dataloader.mp44 ^  l: [& X. n5 c
    │  │      4-车道线标签数据处理.mp4
    0 O" ^/ y$ U) k4 R│  │      5-四条车道线标签位置矩阵.mp4
    4 e" c4 z- U3 y- v. g│  │      6-grid设置方法.mp4
    * ?( @( i) j: c, ]│  │      7-完成数据与标签制作.mp49 U/ R  z% ?; Q1 K) E; a! d
    │  │      8-算法网络结构解读.mp4
    ! V. t' R* }1 M. R│  │      9-损失函数计算模块分析.mp4
    . V, S) T4 h0 `: k3 p) O& g│  │      10-车道线规则损失函数限制.mp4
    6 [. o) y# }0 h4 }: R7 j$ u│  │      11-DEMO制作与配置.mp44 S$ f$ U7 J2 Q: y
    │  │      ' `( o9 B/ Z& Z" X& n# p7 h) b( W
    │  ├─5_商汤LoFTR算法解读' a% L$ M# E2 ^1 [/ J2 z
    │  │      1-特征匹配的应用场景.mp4
    ! c  _+ [2 M, J: D# |+ P: Z│  │      2-特征匹配的基本流程分析.mp4
    5 _8 C. m2 |1 y# E; G, m│  │      3-整体流程梳理分析.mp4
    ; \0 l  ?: i) K1 @7 ^0 D/ h6 w8 ]│  │      4-CrossAttention的作用与效果.mp41 p+ Q/ h8 |. A5 V1 {
    │  │      5-transformer构建匹配特征.mp4" x0 }  u! H# k; ^8 o
    │  │      6-粗粒度匹配过程与作用.mp4
    ' i9 j. B* ^/ B: ]│  │      7-特征图拆解操作.mp4* r: [" u* g: }' F: ]( O: j' o
    │  │      8-细粒度匹配的作用与方法.mp4
    ) b6 a2 p& d; ]& l6 t│  │      9-基于期望预测最终位置.mp4! J2 {! M0 U/ A
    │  │      10-总结分析.mp4. |2 L/ @5 d5 R% j
    │  │      % [* X! B) `/ n0 K* I" Y  Y0 w
    │  ├─6_局部特征关键点匹配实战: U- {  t% t& r6 V* G1 s8 z
    │  │      1-项目与参数配置解读.mp4
    2 K/ {+ [* H( U+ ^9 Z│  │      2-DEMO效果演示.mp4* Y, R- ]1 [5 z/ z% i: n0 `  q
    │  │      3-backbone特征提取模块.mp4
    / h+ F6 ~$ m  `! {& j│  │      4-注意力机制的作用与效果分析.mp4
    9 H9 C; `1 G6 R. Q, U; U8 H5 q│  │      5-特征融合模块实现方法.mp4
    6 o% @  t3 e, Z! o0 o1 U│  │      6-cross关系计算方法实例.mp4) q% y; [6 X% t
    │  │      7-粗粒度匹配过程.mp45 q* B$ j4 f# n
    │  │      8-完成基础匹配模块.mp44 f1 Y) _9 t1 y) u3 n, U9 G
    │  │      9-精细化调整方法与实例.mp45 t! ^0 s0 c% q2 c
    │  │      10-得到精细化输出结果.mp4/ z. j& P# j2 ]9 x5 ~# n
    │  │      11-通过期望计算最终输出.mp4
    3 v+ L. t& b1 Q1 N8 S0 N│  │      $ m1 O' S' p. u0 S/ w8 v6 ]
    │  ├─7_三维重建应用与坐标系基础
    1 |- `3 M4 O' C6 t# S4 @( Y, I1 P3 Z│  │      1-三维重建概述分析.mp4, A  I6 W8 a3 N; W3 q. d
    │  │      2-三维重建应用领域概述.mp4! @1 m  T$ L  _1 ~8 H
    │  │      3-成像方法概述.mp4
    * [: K' U& H5 y5 G- P│  │      4-相机坐标系.mp4
    ( }2 v. o7 v/ s- e0 v│  │      5-坐标系转换方法解读.mp4
    , e9 O7 l: R4 L& E6 g( l│  │      6-相机内外参.mp4- L0 b& V- j1 \
    │  │      7-通过内外参数进行坐标变换.mp43 W3 F6 T) e4 ^' k
    │  │      8-相机标定简介.mp4
    $ g0 A1 I. }2 }4 y% ~8 k3 f│  │      * o* `3 ?8 t0 a  `
    │  ├─8_NeuralRecon算法解读9 d# Y# q+ g, j' n
    │  │      1-任务流程分析.mp43 X2 j; h- r) g3 q7 |' D: g
    │  │      2-基本框架熟悉.mp4
    0 R8 H' t" o6 Y, u9 ]4 o6 r, ?3 q│  │      3-特征映射方法解读.mp4) j' i" ~# ~$ |
    │  │      4-片段融合思想.mp4
    7 R/ j4 B7 }, Y# B+ p! B& X│  │      5-整体架构重构方法.mp4
    # q$ `  j2 D9 ]& A" @" ?│  │        c; P5 B$ w, f: y
    │  ├─9_NeuralRecon项目环境配置+ K. a- S3 v% ]$ W' `2 `. [+ G
    │  │      1-数据集下载与配置方法.mp4
    0 G: t6 z9 S9 w1 Q- |# D│  │      2-Scannet数据集内容概述.mp4
    & ]6 f" d9 f6 m│  │      3-TSDF标签生成方法.mp46 e- }- Q: V9 u! _4 @
    │  │      4-ISSUE的作用.mp4
    0 `" C2 s) D, _8 F6 _6 t2 m3 b│  │      5-完成依赖环境配置.mp43 k+ b8 `% A  `# x7 _& {8 j
    │  │      
    5 G% h' g, q7 H4 W9 B5 o( G& _) O│  ├─10_NeuralRecon项目源码解读
    ) x+ W2 @7 `. E: d1 M+ s. H' y( v│  │      1-Backbone得到特征图.mp4
    8 _& C# i; }* g7 t% S5 i. S$ [│  │      2-初始化体素位置.mp4! m, m: L: A' [& v
    │  │      3-坐标映射方法实现.mp4  w: s. U/ S4 W' ]3 S
    │  │      4-得到体素所对应特征图.mp4
    ( ?( U6 j! n" c" I, z8 ^- X│  │      5-插值得到对应特征向量.mp4  @% T) m5 y" ]( G6 @0 w1 a, L
    │  │      6-得到一阶段输出结果.mp4; }# {, J3 ^1 O/ P% t" X  U. W
    │  │      7-完成三个阶段预测结果.mp4' W! r( [$ |. a' H5 i3 k( l
    │  │      8-项目总结2.mp4
    ! h+ T( o' r+ L3 d! I, o2 l│  │      ' F4 [  X% n) L. ~3 D
    │  ├─11_TSDF算法与应用
    2 N( d8 p' I- F" c│  │      1-TSDF整体概述分析.mp4
    ! ], l  S% V* S7 W. S# X, C│  │      2-合成过程DEMO演示.mp4* ]! u% b# d# ]! Z+ J
    │  │      3-布局初始化操作.mp4
    2 o7 Q! ^1 {. G1 j8 L) K│  │      4-TSDF计算基本流程解读.mp4/ s! c0 y+ A! ^+ w. ^
    │  │      5-坐标转换流程分析.mp49 X$ x1 ]5 S' D+ i9 Z8 y3 ^
    │  │      6-输出结果融合更新.mp4% {# R8 e. f9 b6 u0 L# F# d, K
    │  │      
    ! v' B/ _  i* @1 W( s- X1 S( R│  ├─12_TSDF实战案例$ G+ @4 C2 ~3 x1 c; b  Y7 I
    │  │      1-环境配置概述.mp4
    8 Y7 X0 t: D8 m. P% Q$ [5 h│  │      2-初始化与数据读取.mp49 c3 N* C3 O% \" f' U
    │  │      3-计算得到TSDF输出.mp4
    ( U# t1 W9 Q; u' w4 L4 }# W& k  r6 a│  │      + D# I4 `8 u/ m% k; F7 e: H, \2 E* w
    │  ├─13_轨迹估计算法与论文解读# a/ ]3 e$ q9 Z% H1 j4 D
    │  │      1-数据集与标注信息解读.mp4
    " A, F9 ?! c( H: @│  │      2-整体三大模块分析.mp4
    4 `  e, \) e/ Z, e│  │      3-特征工程的作用与效果.mp4+ T; ?7 ?6 V% O2 H
    │  │      4-传统方法与现在向量空间对比.mp43 J& j0 I. a; U$ Z. a( X8 a
    │  │      5-输入细节分析.mp47 _( |. K) ]' c4 w7 M  y' d" L5 ^4 |1 K
    │  │      6-子图模块构建方法.mp4/ X3 J% C# }' t' P9 [* T  Y
    │  │      7-特征融合模块分析.mp4
    - Q. s: {) l5 \0 v# }' c│  │      8-VectorNet输出层分析.mp4- W/ @5 ]% B2 F8 |3 a' ~
    │  │      / F- C9 T8 P7 [7 C4 C! y
    │  ├─14_轨迹估计预测实战
    ( V0 W6 w' {! I/ Z/ B' M: N- D6 V│  │      1-数据与环境配置..mp4
    % @: f: F& M$ p+ a& G; g│  │      2-训练数据准备.mp4
    6 `2 f1 L4 f) W; C│  │      3-Agent特征提取方法.mp4
    " p0 J! |0 z( Q6 t' C$ ~' r4 x│  │      4-DataLoader构建图结构.mp4
    + h1 Q( v# }; }& t│  │      5-SubGraph与Attention模型流程.mp4" i( z  T' _2 L0 i
    │  │      
    6 D. w, u7 ^. z* E. r! r│  └─15_特斯拉无人驾驶解读! b$ I. B( e) ]! \) S. R2 V$ R2 j9 B9 ~
    │         15-特斯拉无人驾驶解读.mp4
    ' }* P! R7 g; d8 c  c7 ]  ?( e│          M9 X1 v: Y4 s* E* w
    ├─14_缺陷检测实战" C8 @2 Z5 _# }$ Z
    │  ├─1_课程介绍+ Q& V: J. S: E0 G4 }
    │  │      课程介绍3.mp4  W, P$ R* k* I* T- G
    │  │      5 \3 m: ]+ \1 W, D& K
    │  ├─2_物体检框架YOLO-V4版本算法解读) Y% ]( B( Y$ c0 G/ g& L
    │  │      1-V4版本整体概述.mp4  C4 ~5 h- }- X& |5 l* i3 L
    │  │      2-V4版本贡献解读.mp4% H. }1 q  _+ z# D% q$ s
    │  │      3-数据增强策略分析.mp49 N+ l0 g, g% G2 z
    │  │      4-DropBlock与标签平滑方法.mp4
    . o; O" c4 ^3 b( L# Z│  │      5-损失函数遇到的问题.mp4
    7 K1 F: u) `# c9 z9 w$ S/ i│  │      6-CIOU损失函数定义.mp4
    : Y1 C% r# @' i* l; J5 s│  │      7-NMS细节改进.mp4/ c0 B* B. e; ?7 m
    │  │      8-SPP与CSP网络结构.mp4
    - x- m- S1 `# V/ O│  │      9-SAM注意力机制模块.mp4# ?" b+ X+ X0 q# z: a3 E
    │  │      10-PAN模块解读.mp4
    : E4 ?; f# R# C; }│  │      11-激活函数与整体架构总结.mp4
    " |! o0 E0 ~$ \# g& N0 ~& L. M. G│  │      $ Z  z& y& b7 H7 X& S9 W6 Y0 C& _# w
    │  ├─3_物体检测框架YOLOV5版本项目配置  ?4 j3 y% c: R- e4 ~0 m
    │  │      1-整体项目概述.mp4( f1 F1 g( v) k8 v; ]4 }, j
    │  │      2-训练自己的数据集方法.mp4
    8 \2 c% P+ M. x│  │      3-训练数据参数配置.mp43 `  _; q9 W- L, n" N4 e* c8 F
    │  │      4-测试DEMO演示.mp4$ j% e" o  j1 V+ J3 \' u5 e2 Q
    │  │      0 @2 U- `$ n- p; [% S
    │  ├─4_物体检测框架YOLOV5项目工程源码解读  C, X0 S& I9 d; [1 j  f
    │  │      1-数据源DEBUG流程解读.mp4
    " D- R& J; I, z4 M1 J) z8 V, {│  │      2-图像数据源配置.mp48 B; W, R& Z# W/ F! ]
    │  │      3-加载标签数据.mp4& k+ e* e! N6 @- g7 j. K1 D
    │  │      4-Mosaic数据增强方法.mp4$ k) Q3 z+ ~8 ]5 A4 x6 B
    │  │      5-数据四合一方法与流程演示.mp4- W+ K, v/ F4 R, l# F
    │  │      6-getItem构建batch.mp44 j" l* L) o4 n$ t) m
    │  │      7-网络架构图可视化工具安装.mp4" O! r* z) o: v/ K# d$ e
    │  │      8-V5网络配置文件解读.mp4
    . U- v! o) R& _* L% c( G) ]5 h│  │      9-Focus模块流程分析.mp4
    , ~( k: s! J. E* H0 O) g6 N, B│  │      10-完成配置文件解析任务.mp4
    ) ~. M2 q4 \2 w* Q# l1 f│  │      11-前向传播计算.mp4
    5 Y. E# M- h" o( B9 L- I│  │      12-BottleneckCSP层计算方法.mp4
    ! P6 Y; p( r' }6 A│  │      13-1 SPP层计算细节分析.mp4# s* ^' ~1 h! C* E" Q9 v: q% f4 C  [% }
    │  │      13-2Head层流程解读.mp4
    / Y9 k) q# f5 q% M0 G│  │      14-上采样与拼接操作.mp4
    ( s: S; }+ P& A" I3 D: r3 h│  │      15-输出结果分析.mp4
    " }  V0 O# d5 S% @$ y9 B7 s│  │      16-超参数解读.mp42 ^* S& M+ c/ T# C" h" t+ s& y
    │  │      17-命令行参数介绍.mp46 a: s  Q5 \6 x  A
    │  │      18-训练流程解读.mp4% o8 _$ W' o  w% T& F5 @
    │  │      19-各种训练策略概述.mp4
    " Y$ D9 z# k3 f( `; V│  │      20-模型迭代过程.mp4; U1 ^" p1 v( B9 Q6 j4 b
    │  │      
    9 Y. p8 [, ?/ E2 x/ c; N8 [) C│  ├─5_基于YOLOV5的钢材缺陷检测实战: |2 J/ L, Z, v$ C5 e7 J& K
    │  │      1-任务需求与项目概述.mp4
    1 v6 |6 i. t4 e  r% h4 D1 w│  │      2-数据与标签配置方法.mp4
    ' g$ w% t: H# ]. ^│  │      3-标签转换格式脚本制作.mp4
    5 S; C; g- y! P( L( f' \│  │      4-各版本模型介绍分析.mp4
    * F% P" V4 Q# W1 q5 H│  │      5-项目参数配置.mp4
    8 N0 c+ \/ I: N. H' ^6 ]. s8 a│  │      6-缺陷检测模型训练.mp41 K8 z! n$ Q  P) u
    │  │      7-输出结果与项目总结.mp4
    3 Q/ x$ `8 O. `8 O& Q/ @- D│  │      4 U+ R7 ^0 |6 Y% J0 I/ N
    │  ├─6_Semi-supervised布料缺陷检测实战0 {5 q( L1 [7 S/ j" t
    │  │      1-任务目标与流程概述.mp40 S9 V& U% D9 o+ q, {1 Z
    │  │      2-论文思想与模型分析.mp4
    ' i5 \( i- O3 M. @- B7 n  X8 d│  │      3-项目配置解读.mp45 e7 a# C/ l9 }4 B% l
    │  │      4-网络流程分析.mp4
    % `+ P/ c$ L+ n  ^, M( y) e$ B4 v│  │      5-输出结果展示.mp4! E5 d$ w% f4 H2 @6 {3 n! j1 H8 ]
    │  │      & s7 t& N; Z0 i, H( O" Z
    │  ├─7_Opencv图像常用处理方法实例
    ; m: C# ]  n5 Q" a$ p8 U. I│  │      1-图像阈值.mp4
    , }& k& z1 K) X│  │      1-腐蚀操作.mp4$ \5 q" P9 D; c7 S; t1 H
    │  │      1-计算机眼中的图像.mp46 R3 P- G# A* ]7 C- @9 D
    │  │      2-图像平滑处理.mp4; F% H4 x& Z4 v! p
    │  │      2-膨胀操作.mp4
    8 |! D. W1 a+ I; Q1 R│  │      2-视频的读取与处理.mp4
    4 _; `3 ~* O$ v$ {+ O" \. j( g! b│  │      3-ROI区域.mp48 H# l# h& ?' s; E7 @2 q* D6 v
    │  │      3-开运算与闭运算.mp41 _7 E( a9 d$ H: H: y8 F+ p0 H8 D; P
    │  │      3-高斯与中值滤波.mp49 [/ q, w0 P0 Q! }( s0 |$ v! \2 }
    │  │      4-梯度计算.mp4
    0 f0 p2 g5 T' e6 T│  │      4-边界填充.mp4! L: i# Z- y1 [( I! G! K# h0 C
    │  │      5-数值计算.mp4
    * ^0 ?9 a9 X" Z/ }- q' L' z* _│  │      5-礼帽与黑帽.mp4
    9 j+ ]) \5 F- U& R* U$ M│  │      
    ( @$ J3 a& w8 u0 j2 L' T│  ├─8_Opencv梯度计算与边缘检测实例
    9 _  u% Z+ R: ~2 {& B│  │      1-Canny边缘检测流程.mp4+ c3 P; i0 J6 N8 c! w$ C
    │  │      1-Sobel算子.mp49 u& n; Q+ H2 b; h1 C" E; p! J! r
    │  │      2-梯度计算方法.mp4
    ! S% \/ h8 _9 [$ `% \│  │      2-非极大值抑制.mp4
    , }* F0 F9 x- Q& E" P│  │      3-scharr与lapkacian算子.mp4
    " \1 |! y! v, b# F: }│  │      3-边缘检测效果.mp41 D1 T$ |) u! X: i' U
    │  │      
    3 [& o# ^" B( e4 y& |, [+ s│  ├─8_Opencv轮廓检测与直方图
    & p0 n: t9 R/ D, N8 {* B1 F+ c│  │      1-图像金字塔定义.mp4
    8 I* l0 O% j9 ]) S% h! c; s│  │      1-直方图定义.mp42 x( u* x9 P3 t8 g
    │  │      2-均衡化原理.mp4
    ) o% ~4 @" t# j% ^; z6 ^│  │      2-金字塔制作方法.mp4/ p( b& D# X+ d( R+ I6 }
    │  │      3-均衡化效果.mp4% J: h9 C* [/ k) s3 F! w* X
    │  │      3-轮廓检测方法.mp4
    8 Q2 u0 q& e0 ]! {: ?9 D$ n: w│  │      4-傅里叶概述.mp4
    % Q' ]% ?. M+ t│  │      4-轮廓检测结果.mp48 U2 f. Z1 b7 S) M% z- }7 L
    │  │      5-轮廓特征与近似.mp4
    ' s6 v7 R- r: o+ I3 d1 i│  │      5-频域变换结果.mp4( m* [6 c: i) I& V* g
    │  │      6-低通与高通滤波.mp4
    2 z( F+ B2 o9 O8 f│  │      6-模板匹配方法.mp4
    7 R7 Y* @  `) g8 T9 m$ n7 B! ?│  │      7-匹配效果展示.mp4  G3 f1 Q2 ?- C1 T
    │  │      
    " h8 K! M5 ^* b( q" K$ q$ U7 K│  ├─9_基于Opencv缺陷检测项目实战( A& D6 F, ~) s, Y8 q, x
    │  │      1-任务需求与环境配置.mp4
    7 g4 i7 w1 s9 y' k2 b7 }' e│  │      2-数据读取与基本处理.mp44 f9 m0 M& x! p( U, _) V
    │  │      3-缺陷形态学操作.mp4% ^) F0 U! g* W7 y
    │  │      4-整体流程解读.mp4
    $ T4 l9 W" D0 H: z│  │      5-缺陷检测效果演示.mp46 h0 D% S) b" F* b
    │  │      
    ( S) p7 k+ X, @8 J! a2 Q! C# d│  ├─10_基于视频流水线的Opencv缺陷检测项目$ e# x7 M7 z% k+ J& Q* g0 S% V0 [
    │  │      1-数据与任务概述.mp4
    9 z( R+ I0 H6 T$ V* K& N│  │      2-视频数据读取与轮廓检测.mp4
    ( _  B' z5 q3 ~% [│  │      3-目标质心计算.mp4( o% v. x2 h% Y: ]9 M: I) K9 I
    │  │      4-视频数据遍历方法.mp4' }8 f% f6 D+ P4 K  H
    │  │      5-缺陷区域提取.mp4% l+ x" _3 R! [4 W4 i7 o5 ]0 F* K3 H: w
    │  │      6-不同类型的缺陷检测方法.mp4: F. K) Q/ d" N1 y8 O( y
    │  │      7-检测效果演示.mp4
    0 Y: i& p: h- R* I" w# |  F│  │      
    ! v) P% m+ i5 f" e( }0 j1 N7 n│  ├─11_图像分割deeplab系列算法
    1 d0 k/ J3 y; o1 w) M│  │      1-deeplab分割算法概述.mp4
    1 [- G) M" A# I' w│  │      2-空洞卷积的作用.mp48 x( Z8 I7 e6 A6 K2 v& s6 i
    │  │      3-感受野的意义.mp4
      v% ^$ e& A, e$ ~! Z! C, e( C│  │      4-SPP层的作用.mp4; h- a0 N) D0 |2 c
    │  │      5-ASPP特征融合策略.mp4
    0 C; J9 k. `' {; H, P0 ^! J│  │      6-deeplabV3Plus版本网络架构.mp4
    / R/ q2 F/ q6 y) c: ^/ Z9 G9 i│  │      - m5 h9 s" N& o3 k5 n
    │  ├─12_基于deeplabV3+版本进行VOC分割实战
    5 i$ d' m' _! w! v9 F* C│  │      1-PascalVoc数据集介绍.mp4. ?% d4 p  e  v' s# E! v+ @
    │  │      2-项目参数与数据集读取.mp4# C: w  ~& `5 C9 @$ X" h
    │  │      3-网络前向传播流程.mp43 N& s( \, L3 e" S' k2 ~; x5 q$ u6 Z
    │  │      4-ASPP层特征融合.mp4
    , U0 _, I1 L% H│  │      5-分割模型训练.mp4
    2 k* [9 @  Y, D! |" w│  │      
    * j3 z5 }6 A3 G: U│  └─13_Deeplab铁质材料缺陷检测与开源项目应用流程5 ~8 G  F1 o: N' d9 p
    │         1-数据集与任务概述..mp4
    . @9 H& L, b. r* `3 j, ^│         2-开源项目应用方法.mp4
    4 F+ G" X5 c% Q6 }$ v│         3-github与kaggle中需要注意的点.mp4% K- _" ~/ [4 @2 P
    │         4-源码的利用方法.mp4
      I3 C4 W0 T4 j2 e│         5-数据集制作方法.mp4
    . Z: s' P( `8 x' m1 K. l  i│         6-数据路径配置.mp4
    - e) J, Q& l. Y' j( g7 P│         7-训练模型.mp4# O- l: f6 a3 [3 S
    │         8-任务总结.mp4+ G6 `. L& ?0 p; o
    │      - U5 Y! E% m) G0 \) w
    ├─15_行人重识别实战
    1 U( m6 g6 ^! Z7 M8 ]" q│  ├─1_行人重识别原理及其应用1 w0 ~9 ~7 @' h+ `8 m! P
    │  │      1-行人重识别要解决的问题.mp4
    : q+ J6 R* b" J5 u" [9 v8 [/ y│  │      2-挑战与困难分析.mp4& n. E0 x: T+ u+ ?2 `: v
    │  │      3-评估标准rank1指标.mp4, L6 P+ D/ ^! [& A
    │  │      4-map值计算方法.mp4
    6 K- R  V4 S" r+ ~6 q4 D│  │      5-triplet损失计算实例.mp4$ L6 b% a2 |9 A& U7 q8 f# s6 \. W# {" U
    │  │      6-Hard-Negative方法应用.mp4
    & \0 e8 r) O" Y7 F, b9 j/ w│  │      
    & A6 O% X8 A' Y& ~2 l* c6 F│  ├─2_基于注意力机制的Reld模型论文解读0 h( v/ J5 Y4 ^& f$ |, y
    │  │      1-论文整体思想及注意力机制的作用解读.mp4
    1 \* j2 T1 T4 V' |" b+ A4 i* G│  │      2-空间权重值计算流程分析.mp43 p4 v4 S4 J( h7 p7 }0 o
    │  │      3-融合空间注意力所需特征.mp4, Q% R3 p9 y9 ~" D8 l
    │  │      4-基于特征图的注意力计算.mp4
    , Q0 h0 ]% k) |4 `+ E│  │      - R# K" a1 a" w! J4 d8 _# ~% S
    │  ├─3_基于Attention的行人重识别项目实战
    : q* Y; O7 P% ~2 p│  │      1-项目环境与数据集配置.mp4
    2 A7 F5 h* G: |% \6 N( i│  │      2-参数配置与整体架构分析.mp4
    & C# A7 D+ e6 d; c9 u: F3 K│  │      3-进入debug模式解读网络计算流程.mp4  f1 {4 o$ u/ H/ ]$ q
    │  │      4-获得空间位置点之间的关系.mp4
    9 L* A: D* `2 E│  │      5-组合关系特征图.mp4
    ; z8 T+ }7 L5 C( A3 {│  │      6-计算得到位置权重值.mp49 w" ^# _% k# O
    │  │      7-基于特征图的权重计算.mp4  r" B* t- O: C( J+ a+ O( s  U
    │  │      8-损失函数计算实例解读.mp4
    # ~" y% E! T+ s+ Q; W! k- {. R│  │      9-训练与测试模块演示.mp4# X7 {; f( w6 K* O! R) ?
    │  │      8 z1 k0 T# Z, [
    │  ├─4_AAAI2020顶会算法精讲9 J' N  F1 |2 E3 u" g5 [
    │  │      1-论文整体框架概述.mp4* T2 l. p: s3 c8 U) X/ d) w
    │  │      2-局部特征与全局关系计算方法.mp47 [9 c5 v0 X" W4 I
    │  │      3-特征分组方法.mp4
    . @# E8 R4 T( v" V7 P. w│  │      4-GCP模块特征融合方法.mp4
    # I& _( b$ l8 D' Q& u# o│  │      5-oneVsReset方法实例.mp4
    + Z8 d; u0 s& {4 A2 U# r" t│  │      6-损失函数应用位置.mp4
    6 _, T6 Z: Z6 n3 K9 o5 [│  │      
    ) E3 u& j9 h% j% |. J7 w│  ├─5_项目实战-基于行人局部特征融合的再识别实战3 z( H# ]9 p" Y! v
    │  │      1-项目配置与数据集介绍.mp4( g, l& Z( U6 ?' ^7 C
    │  │      2-数据源构建方法分析.mp4- j1 X  H$ z- R) E
    │  │      3-dataloader加载顺序解读.mp4! T3 s# o4 K+ C. P* `8 n: v% d
    │  │      4-debug模式解读.mp4
    5 B7 P: I" {: i+ I│  │      5-网络计算整体流程演示.mp45 i6 {: d8 e& p- `5 ?4 s2 q$ j
    │  │      6-特征序列构建.mp4
    # G/ N& S9 L# u, g7 W; [│  │      7-GCP全局特征提取.mp4
    % [( t2 A: b6 ?& b$ s│  │      8-局部特征提取实例.mp4# a4 ?, Q- `* h) \
    │  │      9-特征组合汇总.mp4; ?0 i/ d% f; }' T8 f" M0 [
    │  │      10-得到所有分组特征结果.mp4
    + _9 g& Z  w1 E5 F│  │      11-损失函数与训练过程演示.mp4
    9 M% c* e6 ?; ~4 q8 i5 M; L: }% o│  │      12-测试与验证模块.mp4  h  ~% W, a1 Q, v$ q
    │  │      ( ~/ k$ L8 q& I. s# D
    │  ├─6_旷视研究院最新算法解读(基于图模型)
    + c: @0 ]4 B% \9 B& j' y- F6 v│  │      1-关键点位置特征构建.mp45 p9 x& L$ d7 x# [, [
    │  │      2-图卷积与匹配的作用.mp4
    - k% E) j% u' O+ e│  │      3-局部特征热度图计算.mp4
    ( ~( e# C2 p" @3 c0 ^# K! f1 \) |│  │      4-基于图卷积构建人体拓扑关系.mp4
    . u+ X- s4 w9 W│  │      5-图卷积模块实现方法.mp4
    3 J) O; q4 A2 @│  │      6-图匹配在行人重识别中的作用.mp4- T% F7 z2 {( h8 w
    │  │      7-整体算法框架分析.mp4
    : R5 f$ F: I2 A│  │      # a' {  e3 Z2 Z' V6 b
    │  └─7_基于拓扑图的行人重识别项目实战% U6 }& M- x) I% m
    │          1-数据集与环境配置概述.mp4
    ) K2 k( J+ R. P│          10-整体项目总结.mp46 \/ V# m+ ?0 z9 }
    │          2-局部特征准备方法.mp41 \1 C1 x& Z2 s3 Z+ T
    │          3-得到一阶段热度图结果.mp4- [0 |  X4 n+ [# L* M* q
    │          4-阶段监督训练.mp4
    ( n8 W9 J8 H2 i& U, o  z│          5-初始化图卷积模型.mp4, r2 f7 d" P, ~$ z, |
    │          6-mask矩阵的作用.mp4
    5 H5 z8 F3 ]( P5 u0 d│          7-邻接矩阵学习与更新.mp4
    : ]4 d* Q; A, M* L5 `9 A9 L; w│          8-基于拓扑结构组合关键点特征.mp4
    ; b) k1 j1 Q. S+ u│          9-图匹配模块计算流程.mp4! J) O4 L  O. j7 [; O6 I! I8 F
    │          + \5 n- S! |: K% N0 r
    ├─16_对抗生成网络实战
    5 ]- {7 S, q5 z│  ├─1_课程介绍
    ' v  c! M0 `! z2 {+ I5 O│  │      课程介绍.mp4, s8 l6 H) E+ P4 s4 t
    │  │      % h% X) @) I2 a3 P& a
    │  ├─2_对抗生成网络架构原理与实战解析: e5 U3 K: {0 ~/ V6 ^$ c; M" g
    │  │      1-对抗生成网络通俗解释.mp4" A3 ~/ z! m: s9 C  S
    │  │      2-GAN网络组成.mp4
    & Z& G( p- t5 W: j│  │      3-损失函数解释说明.mp4! o6 _" G$ q/ ~" H
    │  │      4-数据读取模块.mp48 O& l% p- q  ^& }& d
    │  │      5-生成与判别网络定义.mp4
      z- V0 I( m& t& [│  │      ' S$ U6 h8 a" B" b: T) k
    │  ├─3_基于CycleGan开源项目实战图像合成
    9 C) ]0 T( k# i% ?- \│  │      1-CycleGan网络所需数据.mp4! O  e6 ?& A( p
    │  │      2-CycleGan整体网络架构.mp48 R+ T& P! B( [
    │  │      3-PatchGan判别网络原理.mp45 S1 Y' o5 S! `1 w
    │  │      4-Cycle开源项目简介.mp43 a! t: f3 t+ g3 a4 h- Z5 _* }
    │  │      5-数据读取与预处理操作.mp4+ i5 w8 W8 ~; Y$ F) q: a% G
    │  │      6-生成网络模块构造.mp4
    ) F0 ?4 h+ S2 [  j8 T/ M! C│  │      7-判别网络模块构造.mp45 P1 o4 k/ p8 T7 T% r. g
    │  │      8-损失函数:identity loss计算方法.mp43 u. E, r- w5 |  r
    │  │      9-生成与判别损失函数指定.mp4
    0 a; H0 Z% }( F+ c0 \│  │      10-额外补充:VISDOM可视化配置.mp4
    : I  {/ d: p$ n9 J. `9 \% s, K9 X│  │      
      `- O- I2 P5 N1 ^  ]│  ├─4_stargan论文架构解析
    - w- A/ ^: G  v) R# z, ?( I4 y│  │      1-stargan效果演示分析.mp4& j7 b0 x; [3 G3 F
    │  │      2-网络架构整体思路解读.mp4
    ; U  _" P3 u+ R) v+ T9 d│  │      3-建模流程分析.mp4! F. u7 W% I* i  _. n( y
    │  │      4-V1版本存在的问题及后续改进思路.mp4
    . J  V7 [  n, ?/ V$ K* A! Y│  │      5-V2版本在整体网络架构.mp4
    5 G+ u# ]" u" {│  │      6-编码器训练方法.mp4
    1 L( Q: D( v7 \8 _│  │      7-损失函数公式解析.mp4
    2 o. ^/ w5 y4 x  D' P0 q7 v& O' s│  │      8-训练过程分析.mp4
      U0 e( x* c6 M9 d) ]│  │      ; `8 [& D( |) t$ O$ C4 h7 h
    │  ├─5_stargan项目实战及其源码解读8 k" I! o& d+ ]& Q& v
    │  │      1-项目配置与数据源下载.mp4  h, f& i. [1 B  j, {7 H/ Q! V
    │  │      2-测试效果演示.mp4) b" t" Y  }% s. A9 L+ O9 U3 I
    │  │      3-项目参数解析.mp4
    6 y" l8 T' \! A: T8 c│  │      4-生成器模块源码解读.mp4
    ) `7 L) c  I0 j# ?3 a6 Q│  │      5-所有网络模块构建实例.mp43 Z8 |1 O. J. m) A( J0 U" |
    │  │      6-数据读取模块分析.mp4
    4 u# u/ A$ Q1 Q) F0 D; S" S; M7 |│  │      7-判别器损失计算.mp4
    $ @7 l. o" B$ H/ C" H4 Z8 H# t│  │      8-损失计算详细过程.mp4
    ' L* k8 A* i! ^+ p% c* G│  │      9-生成模块损失计算.mp49 c* c& ~+ {3 t% I2 r5 |6 s' D
    │  │      10-测试模块效果与实验分析.mp4* ^* R+ r/ n3 |1 B# B# t5 r8 g
    │  │      
    + R& p( p3 v8 b│  ├─6_基于starganvc2的变声器论文原理解读0 h% u2 L( A9 u! S" E( \
    │  │      1-论文整体思路与架构解读.mp4; }' |8 f1 ]8 h
    │  │      2-VCC2016输入数据.mp41 I: K, a6 N' O2 _: j8 k6 k: Z
    │  │      3-语音特征提取.mp4
    : U) k2 ]3 |) t3 r6 M% z9 k/ A│  │      4-生成器模型架构分析.mp4
    % u" y# @( ~% Q* J: P4 s│  │      5-InstanceNorm的作用解读.mp4
    # ?. S. e4 }# T. Q/ I1 ?* X│  │      6-AdaIn的目的与效果.mp4
    2 f6 y0 @& o% k. {# k│  │      7-判别器模块分析.mp44 B' D& A0 O# F% I9 e
    │  │      4 |2 o0 A- A  a7 w
    │  ├─7_starganvc2变声器项目实战及其源码解读; O: g7 ~2 s! {3 w9 r7 N
    │  │      1-数据与项目文件解读.mp4( g- D6 k% P2 Z9 y9 O- d  Q
    │  │      2-环境配置与工具包安装.mp4
    5 q& l+ |) |6 h│  │      3-数据预处理与声音特征提取.mp4" g. a) i. }, N' W
    │  │      4-生成器构造模块解读.mp43 H. r" U0 i6 Q& F$ @  A  d
    │  │      5-下采样与上采样操作.mp4
    ! x# X9 R1 w3 [: w" E+ ~( c│  │      6-starganvc2版本标签输入分析.mp45 t( H5 }9 @! M- h
    │  │      7-生成器前向传播维度变化.mp4
    - ?  J8 _% d0 }; S│  │      8-判别器模块解读.mp4
    & ~8 M4 `7 u# \9 r! P( {│  │      9-论文损失函数.mp4& E0 I1 b; J  ~/ }- N+ N
    │  │      10-源码损失计算流程.mp4+ C7 {/ a( v: I$ {1 x
    │  │      11-测试模块-生成转换语音.mp4
    ; M% i* j! O4 N. M│  │      
    8 c9 N- B9 q! b! z- C5 ^7 E+ r│  ├─8_图像超分辨率重构实战. N& x' o+ E6 W" N  w7 k# G
    │  │      1-论文概述.mp4
    & l, Z- }+ a% F+ \1 T; Y( s│  │      2-网络架构.mp4* U  Z6 F6 g1 j( j6 w
    │  │      3-数据与环境配置.mp4! b, i% z8 J( g2 h& K
    │  │      4-数据加载与配置.mp4- d9 }2 V9 C' W. Z* i, Y
    │  │      5-生成模块.mp40 s$ f+ Q0 |$ d0 T, y" V
    │  │      6-判别模块.mp4; h. F' d5 M4 U# V' v/ n
    │  │      7-VGG特征提取网络.mp4, h. [5 s6 p. n( Z. o
    │  │      8-损失函数与训练.mp4
    : ]- F/ _+ b6 d│  │      9-测试模块.mp4  Q' g4 C; ~9 E+ x
    │  │      ' B( L2 u3 `8 Q9 f
    │  └─9_基于GAN的图像补全实战
    - m& k) e3 M5 R. i8 P│          1-论文概述.mp48 r) J4 F  A$ |6 t9 }
    │          2-网络架构1.mp4+ q' u" {. l7 [  y3 \$ G
    │          3-细节设计.mp4" J/ z) h, g! o1 c
    │          4-论文总结.mp4) E; K! y; {6 s6 ]
    │          5-数据与项目概述.mp4) }+ Y. n* c$ h' {* j( ~
    │          6-参数基本设计.mp4
    5 w/ Q3 q3 e% O- X5 s, W│          7-网络结构配置.mp4' b+ T  A( ~- y9 U
    │          8-网络迭代训练.mp4' U4 Z. C- Q4 ~  w) W6 k
    │          9-测试模块.mp4+ p1 E3 B) x; c6 z8 h$ T
    │          9 m5 M- O5 _1 v) U9 r3 }; T
    ├─17_强化学习实战系列
    ! e0 v4 v( R- T: u│  ├─1_强化学习简介及其应用/ y9 M. l3 `' d9 M5 t
    │  │      1-一张图通俗解释强化学习.mp4# q9 ]/ F' @+ {0 q7 N8 o
    │  │      2-强化学习的指导依据.mp4
    8 a( A+ `# b1 x) f- Q│  │      3-强化学习AI游戏DEMO.mp46 Q' O: T/ D' z8 v
    │  │      4-应用领域简介.mp4
    $ g( b5 Z: _# v8 e│  │      5-强化学习工作流程.mp41 \4 y4 l1 o" I4 {+ X3 S. L  \, r
    │  │      6-计算机眼中的状态与行为.mp43 r& M; y7 v# D1 E8 K
    │  │      
    " K# x6 ]# L5 a7 ~, W- M2 G& a│  ├─2_PPO算法与公式推导6 U1 ]9 z" L- }& l8 [6 w5 d6 j! _
    │  │      1-基本情况介绍.mp4. }; o7 T' f2 J1 C+ {
    │  │      2-与环境交互得到所需数据.mp4; n9 U1 d+ H" A* I# m
    │  │      3-要完成的目标分析.mp4
    3 h. j* m, l  O1 d2 j6 d# @6 s│  │      4-策略梯度推导.mp4) a$ `- q7 Q" T! X' V$ J; Z  \
    │  │      5-baseline方法.mp4
    4 {$ F. x4 F& S- d' D& z│  │      6-OnPolicy与OffPolicy策略.mp4
    ' B1 l+ f( C9 z* p8 t  S6 l│  │      7-importance sampling的作用.mp40 V% @) F! H2 v) [
    │  │      8-PPO算法整体思路解析.mp4
    4 r. H' V+ b+ {4 {- C│  │      , Q' p9 U* B0 U9 x
    │  ├─3_PPO实战-月球登陆器训练实例0 D1 X& S- W! e3 r- V2 d+ H
    │  │      1-Critic的作用与效果.mp4
    * @. _6 p: W' s! D% E. K│  │      2-PPO2版本公式解读.mp42 q7 |1 \" C+ k
    │  │      3-参数与网络结构定义.mp45 M  U# l2 K: ?- |4 g8 |
    │  │      4-得到动作结果.mp4
    , g8 N* ^6 A8 y2 v# r7 }# U│  │      5-奖励获得与计算.mp4+ ?$ j4 f) }, K; R1 z* Q4 L
    │  │      6-参数迭代与更新.mp4
    # I4 M4 u- h% r% s% e; r│  │      ; Z5 _; f9 K& ]% [) f! h/ D
    │  ├─4_Q-learning与DQN算法
    : S& U9 u. v. ], G4 Y1 ^' h│  │      1-算法原理通俗解读.mp47 i8 D% j( p' |
    │  │      2-目标函数与公式解析.mp4; `, Y- j$ g/ A5 W  ^  y
    │  │      3-Qlearning算法实例解读.mp47 w' B- l3 Z% C0 C3 [  W) l
    │  │      4-Q值迭代求解.mp4/ _2 j9 w7 S/ i+ s# @7 t* Z
    │  │      5-DQN简介.mp4
    4 ^, m7 g2 h6 e2 V, L& \4 ~│  │      
    9 b  {4 R0 C% `8 l1 A│  ├─5_DQN算法实例演示
    ! R6 z% N1 c# [; g│  │      1-整体任务流程演示.mp4: \$ b* {7 ^# L9 C* F, n1 |! x0 \
    │  │      2-探索与action获取.mp4$ N* P) ^3 a$ c& l
    │  │      3-计算target值.mp4
    ' e/ m; b9 {0 S) T+ g( f' y# E│  │      4-训练与更新.mp41 o8 c( N9 c- X8 f
    │  │      ' q7 X  P: T! ?9 v( O
    │  ├─6_DQN改进与应用技巧- [3 L7 o, N0 q6 m1 k: I
    │  │      1-DoubleDqn要解决的问题.mp46 c, \" T" U0 \3 d7 ^; j
    │  │      2-DuelingDqn改进方法.mp40 P$ ?  m+ z# E7 B# g
    │  │      3-Dueling整体网络架构分析.mp4& U7 n) u! L; j4 n
    │  │      4-MultiSetp策略.mp4
    ' k& o0 w9 Y, Z' U! E: ~│  │      5-连续动作处理方法.mp4
    . A! U" A; T! V$ K+ h- m9 {│  │      
    ' t  R( f$ `/ i+ x│  ├─7_Actor-Critic算法分析(A3C)
    5 H% ]% `% c9 a- l│  │      1-AC算法回顾与知识点总结.mp4
    * Q! ]5 i! Y8 z. Z4 X* v│  │      2-优势函数解读与分析.mp42 s, C1 a0 _6 t4 |( v
    │  │      3-计算流程实例.mp4
    + O  Z# g+ E6 W" n) E│  │      4-A3C整体架构分析.mp4
    , [0 X6 J7 X2 r' q. v3 D$ o8 o( [0 L│  │      5-损失函数整理.mp4
    . [0 L& s$ b2 [+ l1 c0 x3 q+ }7 E│  │      ; F/ _' |8 U7 V) v
    │  └─8_用A3C玩转超级马里奥+ B+ y6 }6 `& r/ o' R
    │          1-整体流程与环境配置.mp4
    " T5 T9 e% v7 E3 \│          2-启动游戏环境.mp4
    8 U1 B2 n- U4 c│          3-要计算的指标回顾.mp4; `# U# K8 ?$ ]$ ^/ ]0 ~, ]: J! ^
    │          4-初始化局部模型并加载参数.mp42 U2 l, e" |9 E7 g* F4 r! i/ R
    │          5-与环境交互得到训练数据.mp4$ y5 V9 {0 V- x) ~" u
    │          6-训练网络模型.mp4
    5 I* p- ~8 O& c9 E5 @- u7 X│          6 F3 T" [% U% s# h2 }( ]' F; U
    ├─18_面向医学领域的深度学习实战- n+ A2 H, e1 n
    │  ├─1_卷积神经网络原理与参数解读
    2 E+ S/ i' D+ V+ l# v# I│  │      1-1卷积神经网络应用领域.mp4
    9 P3 a* v0 F$ L' l- |│  │      2-1卷积的作用.mp4, r: D/ v& t2 e
    │  │      3-1卷积特征值计算方法.mp4
    - b/ W& @! I7 @# u│  │      4-1得到特征图表示.mp4
    ' E+ J$ y9 N  W' L( h1 V% Z& |  }! \* q│  │      5-1步长与卷积核大小对结果的影响.mp4
    ; A! {% c' n1 T) B# J5 J+ A7 H0 ?│  │      6-1边缘填充方法.mp48 P" V% J- K8 l7 r- N3 x
    │  │      7-1特征图尺寸计算与参数共享.mp4. O2 c# j( p+ J; d' {1 v5 w9 K$ l  m
    │  │      8-1池化层的作用.mp48 Q) D8 k, r7 J1 c9 V
    │  │      9-1整体网络架构.mp4
    9 H8 w  h+ D/ x, y1 F- q! T, M│  │      10-1VGG网络架构.mp4. g* c4 Y$ ?9 M: H8 l1 ]2 R
    │  │      11-1残差网络Resnet.mp4
    ! s. S( k+ u; z; y; |% b# g: y│  │      12-感受野的作用.mp4
    . f0 t! ^8 A$ G2 b+ U: x│  │      
    ; W- c6 k* A! w: u9 r3 D. g2 _: M│  ├─2_PyTorch框架基本处理操作
    % r7 L1 A# I0 J" K7 H: |( K" ^/ t7 B│  │      1-PyTorch实战课程简介.mp4
    3 t/ W% U/ K3 |! l│  │      2-PyTorch框架发展趋势简介.mp4) H0 S0 K( D% b/ V: ^% \
    │  │      3-框架安装方法(CPU与GPU版本).mp4
    7 L9 l# X0 q0 u  x8 }" ?4 B│  │      4-PyTorch基本操作简介.mp4
    4 h& m+ \8 b' @' x9 a+ a│  │      5-自动求导机制.mp4
    1 M$ K- w( p- n2 p│  │      6线性回归DEMO-数据与参数配置.mp4$ |# w, G) M& h4 `$ p! t8 N
    │  │      7线性回归DEMO-训练回归模型.mp4! i! G. |. G  i: d% N& _
    │  │      8常见tensor格式.mp4* s0 v! [) D. X- N3 q3 f
    │  │      9Hub模块简介.mp4) K$ E5 @( q, o0 @" H
    │  │      
    7 \/ X  P/ e! {  w1 L3 [1 c% }7 V2 q│  ├─3_PyTorch框架必备核心模块解读
    2 d/ Z1 J0 a: E2 d3 e" |. t│  │      1-卷积网络参数定义.mp4, U4 J/ B- l8 `' Y. U4 n
    │  │      2-网络流程解读.mp4
    % |2 F% l8 T9 ^│  │      3-Vision模块功能解读.mp4
    0 j7 s, L( G1 N* o│  │      4-分类任务数据集定义与配置.mp4
    0 x4 H" j: s7 s) M│  │      5-图像增强的作用.mp4
    " y- B9 K: a( B: m0 l: y6 @│  │      6-数据预处理与数据增强模块.mp4
    - m/ T, b' i$ _+ W" _" _│  │      7-Batch数据制作.mp43 {8 N8 p) ^2 n* `( V3 R" t: A
    │  │      8-迁移学习的目标.mp4
    3 a) N) T. ~+ T8 b# X│  │      9-迁移学习策略.mp4
    $ t/ c) H( N0 n: g7 ~5 W$ A, [│  │      10-加载训练好的网络模型.mp4+ l! a# @0 _& L; U, n# `& ^, O
    │  │      11-优化器模块配置.mp4
    8 ^7 k% u; M. g0 {/ D│  │      12-实现训练模块.mp4
    & R* ~' U1 ^- _: t: l$ j│  │      13-训练结果与模型保存.mp4
    1 ?: p% P4 E% j│  │      14-加载模型对测试数据进行预测.mp46 @4 A8 g; Y( F! I: B# R0 Q; Y
    │  │      15-额外补充-Resnet论文解读.mp4% H, u0 S, B: D- i9 E, n. z
    │  │      16-额外补充-Resnet网络架构解读.mp4: i7 u- s$ h: z4 v
    │  │      
    9 i" U  k2 X+ v) C& c+ W. w│  ├─4_基于Resnet的医学数据集分类实战( J! y% R. W0 I$ {3 X
    │  │      1-医学疾病数据集介绍.mp47 R- V% x8 J6 o" A5 Y) E
    │  │      2-Resnet网络架构原理分析.mp4
    & o+ r5 Y& o& G- y( E; j│  │      3-dataloader加载数据集.mp48 O# @+ j* n2 }% V
    │  │      4-Resnet网络前向传播.mp4- n$ p& b' Y9 A2 x& G; {
    │  │      5-残差网络的shortcut操作.mp4
    - {3 ^1 L$ ]2 T5 e7 n1 `│  │      6-特征图升维与降采样操作.mp4$ M2 K" H. L% h3 ]" b
    │  │      7-网络整体流程与训练演示.mp4
    7 i' s% Z: u! w; G│  │      # N8 G2 E3 b" {9 g$ Y- R4 C% p% }
    │  ├─5_图像分割及其损失函数概述
    8 e  Q' k6 Y6 S) K0 l5 l2 Q+ T│  │      1-语义分割与实例分割概述.mp4! e6 [9 W1 H+ \  @. `3 J; t
    │  │      2-分割任务中的目标函数定义.mp4
    4 T% k4 [9 X& s1 k8 Z, q) G│  │      3-MIOU评估标准.mp4' n: l( q5 _! e$ j3 \' L1 j$ `) j
    │  │      
    2 v& K6 u9 s5 Q/ T+ J# e1 D│  ├─6_Unet系列算法讲解
    ) k) f, r  v2 s* d& `- ~2 v0 U8 L│  │      1-Unet网络编码与解码过程.mp4% f# Q, J* h1 F! [
    │  │      2-网络计算流程.mp42 y& ^* G/ J# M7 Z
    │  │      3-Unet升级版本改进.mp4/ c5 K% {/ w4 @* `0 P
    │  │      4-后续升级版本介绍.mp41 F( H% U4 Y  P2 i' \# u/ `
    │  │      # U; f* f* B" J
    │  ├─7_unet医学细胞分割实战- P/ |5 P. e) U+ u  X
    │  │      1-医学细胞数据集介绍与参数配置.mp4, j9 J4 N% N! u
    │  │      2-数据增强工具.mp4
    3 |( w3 d. p; Y& H  I* ]* W│  │      3-Debug模式演示网络计算流程.mp4
      T! v$ }) Y; @* @( R: l│  │      4-特征融合方法演示.mp4
    - |( {' w, f" N│  │      5-迭代完成整个模型计算任务.mp4- `; r. A5 u( n1 p4 G+ |
    │  │      6-模型效果验证.mp4
    5 d: l% x8 f) i& M4 P; X/ b│  │      + X, b+ }0 S% m1 O+ k7 `
    │  ├─8_deeplab系列算法
    1 ]" V2 D0 [) ]! T│  │      1-deeplab分割算法概述.mp4$ |7 C" P( C  `3 j) l/ y
    │  │      2-空洞卷积的作用.mp41 X7 N/ Z5 K+ C$ u
    │  │      3-感受野的意义.mp4  R' N1 L& G; B: k8 a
    │  │      4-SPP层的作用.mp4
    : R3 e: D7 }4 R1 U│  │      5-ASPP特征融合策略.mp4
    ; @) z0 ~, O0 x/ E0 p. ?│  │      6-deeplabV3Plus版本网络架构.mp4- W% g" C* l- ?8 K5 U9 X
    │  │      % t% J2 k0 L) K
    │  ├─9_基于deeplabV3+版本进行VOC分割实战5 k7 ?  L7 B$ Q- k: Z2 r7 @2 O
    │  │      1-PascalVoc数据集介绍.mp4# L* q5 d, \. x8 k
    │  │      2-项目参数与数据集读取.mp49 K+ p+ F4 h( A5 y5 r2 Y
    │  │      3-网络前向传播流程.mp4
    - C8 A3 U# K, ]# `. x7 ^│  │      4-ASPP层特征融合.mp4: E+ |+ G0 x- o4 ^/ c
    │  │      5-分割模型训练.mp4
    $ H9 m' t+ Q# ^0 E' d4 j7 o* b│  │      
    & u  s/ C4 T$ K4 V4 i│  ├─10_基于deeplab的心脏视频数据诊断分析
    + q. `" E8 [# U8 I/ I: R* \│  │      1-数据集与任务概述.mp4
    ! Z5 s0 \9 j5 \% y% A- ]2 e│  │      2-项目基本配置参数.mp4
    / h1 [* ~& i" I4 M│  │      3-任务流程解读.mp4
      i7 Y( i/ w( e) b" d3 V│  │      4-文献报告分析.mp4
    5 R& |; \) U1 f: m+ m& }│  │      5-补充:视频数据源特征处理方法概述.mp4
    : b4 v  W3 ^' }' V( I) |, V- v│  │      6-补充:R(2plus1)D处理方法分析.mp4
    $ y  |) R+ O3 J│  │      9 D1 T' c$ J1 w/ k' y
    │  ├─11_YOLO系列物体检测算法原理解读
    % K2 Y2 |* u9 e" h; s# Q; f│  │      1-V2版本细节升级概述.mp4
    + a( r: B* z  H* F* j│  │      1-V3版本改进概述.mp4" O5 Z! \9 r) A+ e# \9 |
    │  │      1-V4版本整体概述.mp4! f2 U* m- Q& c
    │  │      1-YOLO算法整体思路解读.mp41 b" P) m6 b" d* O; ]
    │  │      1-检测任务中阶段的意义.mp4
    ) [4 m6 v: ?8 @│  │      2-V4版本贡献解读.mp4
    4 u1 f) ?" s( V; ^│  │      2-不同阶段算法优缺点分析.mp4
    6 F! g) I6 @; v8 B6 j6 g1 M│  │      2-多scale方法改进与特征融合.mp4* O9 Y8 `% E4 B0 Q: m0 M  y& p- r
    │  │      2-检测算法要得到的结果.mp4: u. G" U) s- ~+ |6 t6 Y
    │  │      2-网络结构特点.mp4
    ! n4 r9 j- Z3 Q1 J9 b│  │      3-IOU指标计算.mp49 G* W8 U: [9 r0 N; Z9 s2 |8 c
    │  │      3-数据增强策略分析.mp4
    / j+ O1 ?1 f; B: v, q* |  e' k( O7 m│  │      3-整体网络架构解读.mp4
    ) O, h- i$ c  v' e2 P* z│  │      3-架构细节解读.mp4' {1 ]/ V+ r% R. b2 [4 O
    │  │      3-经典变换方法对比分析.mp4; I7 f% l3 Y( y9 z1 t4 i" ?# ^/ n: B
    │  │      4-DropBlock与标签平滑方法.mp4
    + K. u6 S) P1 _; q4 c5 F│  │      4-位置损失计算.mp4" h( }& q" E. c& `: r$ x9 I/ A, Y2 Q
    │  │      4-基于聚类来选择先验框尺寸.mp4
    % c0 ^$ K/ S' P( q7 m% q& w" z│  │      4-残差连接方法解读.mp44 W0 r# B' x+ [  t& f
    │  │      4-评估所需参数计算.mp4
    9 H2 \6 w' r! g: g│  │      5-map指标计算.mp4
    5 ?. G9 X7 w& A5 b' r│  │      5-偏移量计算方法.mp4) b* ?) \- B" p/ i& i$ H2 B
    │  │      5-损失函数遇到的问题.mp4
    6 `4 h. t7 ^" f0 h* |2 `│  │      5-整体网络模型架构分析.mp4
    & C* g& H8 Y1 P6 L; U│  │      5-置信度误差与优缺点分析.mp4
    0 j- }# W9 i6 X6 i7 L│  │      6-CIOU损失函数定义.mp4" V5 u' u( b# P; z
    │  │      6-先验框设计改进.mp4
    : y" D5 x5 ]6 R' V- y│  │      6-坐标映射与还原.mp4+ f- h7 n& Y: }% F7 W; R2 Y# P
    │  │      7-NMS细节改进.mp44 c5 G( B9 {6 n4 v% Q0 n  |
    │  │      7-sotfmax层改进.mp4
    9 L0 e) f* P: `  ]' S: I1 F│  │      7-感受野的作用.mp4
      k. h& F: Z9 T! _- {4 y* o│  │      8-SPP与CSP网络结构.mp4/ J6 H5 j$ t; X6 T( b; d7 _
    │  │      8-特征融合改进.mp4
    8 N# n' k6 \, V% e│  │      9-SAM注意力机制模块.mp45 A8 N" \! P- f( g
    │  │      10-PAN模块解读.mp44 Q: q' J& f, Y" S8 q0 i
    │  │      11-激活函数与整体架构总结.mp4
    7 O8 A  x* L' K│  │      
    ; o* {+ Z% K) a% i5 |4 C│  ├─12_基于YOLO5细胞检测实战( I7 _3 y9 f" P: h# P+ g
    │  │      1-任务与细胞数据集介绍.mp4
    & ^! P' _# G7 r$ N1 G' r8 k( O) o│  │      2-模型与算法配置参数解读.mp40 d4 u/ N# U6 z/ x! o
    │  │      3-网络训练流程演示.mp4. P2 a7 S6 o* i6 [- n1 F0 y/ _
    │  │      4-效果评估与展示.mp4
    / X7 D; I: R1 N9 f# d, {+ F│  │      5-细胞检测效果演示.mp48 X+ h" T% S1 Z3 m6 m; c6 c' J9 a* S
    │  │      . m$ S, h& Z+ C7 \
    │  ├─13_知识图谱原理解读
    0 V. r$ z! s$ B+ V/ Z; c/ N7 O│  │      1-数据关系抽取分析.mp43 m! o* J- F; I  V0 u7 ^8 ~
    │  │      1-知识图谱通俗解读.mp4
    # R6 T5 H" B+ L; H* k' A; y1 C│  │      2-常用NLP技术点分析.mp4, m& v) o( O/ M) v7 S- A
    │  │      2-知识图谱在搜索引擎中的应用.mp42 X! c9 T3 w1 v7 X! L' P
    │  │      3-graph-embedding的作用与效果.mp4, p0 v) i) S% v% ^2 ?  J, \/ {
    │  │      3-知识图谱在医疗领域应用实例.mp4
    ' g2 e1 @0 m3 X│  │      4-金融与推荐领域的应用.mp49 Q7 }* }; [0 M) [, e& X
    │  │      4-金融领域图编码实例.mp4
    $ z# j: G2 I1 c  b1 ^# l/ M, }│  │      5-数据获取分析.mp4
    7 t: L7 H/ V( U$ y! J$ {0 i│  │      5-视觉领域图编码实例.mp4
    7 Y$ j0 V- d8 l, Y│  │      6-图谱知识融合与总结分析.mp4
    % M5 s' i6 w8 R8 K; d! m) g│  │      / O1 p$ O* \2 t# K1 s, g1 c
    │  ├─14_Neo4j数据库实战
    : `7 g( {/ |) P8 r! ]! I6 M│  │      1-Neo4j图数据库介绍.mp4
    ' q) Q# s* w2 w0 a) s, z) F% S│  │      2-Neo4j数据库安装流程演示.mp4. }0 T8 o2 Z" S; `6 t  a3 V
    │  │      3-可视化例子演示.mp4
    3 Y$ B% N. l/ K8 `2 L+ a$ ]│  │      4-创建与删除操作演示.mp4# L% x" J* l! s9 E; i  G3 ~# t1 F
    │  │      5-数据库更改查询操作演示.mp4
    ( u% ^/ v1 O# \8 _1 V" d│  │      
    - S( W4 O+ C1 f# Q5 C│  ├─15_基于知识图谱的医药问答系统实战+ a& F" h3 u# j
    │  │      1-项目概述与整体架构分析.mp4
    0 g) c1 h$ m  T5 Z│  │      2-医疗数据介绍及其各字段含义.mp4# e- ^/ b1 K4 z& E
    │  │      3-任务流程概述.mp4
    , ^8 s9 Z6 T- X$ u" G% T& D│  │      4-环境配置与所需工具包安装.mp4
    4 e2 I; r, h5 I7 P│  │      5-提取数据中的关键字段信息.mp4
    0 Q* F5 a0 f4 G│  │      5-数据获取分析.mp4; ~5 R6 Q' j; A, M5 d
    │  │      6-创建关系边.mp4
    * w( p/ t$ Z/ J' `3 i  S5 k│  │      7-打造医疗知识图谱模型.mp4
    $ J: q2 R3 f- v- j+ N# k& G│  │      8-加载所有实体数据.mp42 a. g2 G2 O+ F9 F8 R
    │  │      9-实体关键词字典制作.mp45 N5 F# a& n& V) g- c
    │  │      10-完成对话系统构建.mp4& u- h$ C7 B4 I
    │  │      
    8 Q, f9 M, u: q5 z- _% U! O5 y│  ├─16_词向量模型与RNN网络架构" h# a8 b: r8 N8 H+ q( B3 `
    │  │      2-1词向量模型通俗解释.mp4
      M7 K( A) A# \% F1 F0 W│  │      3-1模型整体框架.mp4; W3 ?+ b$ @3 z7 U
    │  │      4-1训练数据构建.mp4. U, t% |7 w, j
    │  │      5-1CBOW与Skip-gram模型.mp4
    * R3 T* t9 _2 [" Y1 `; m' u│  │      6-1负采样方案.mp4
    0 Y8 `4 N2 {( e1 G% s) \│  │      额外补充-RNN网络模型解读.mp4( A; v3 c( \. Q2 e# h; h
    │  │      - f) N) Y# P+ B" D
    │  └─17_医学糖尿病数据命名实体识别& W, y! r% Y$ `9 G! K9 F4 k+ n: o
    │         1-数据与任务介绍.mp49 K) J* F$ N% [* ^1 K
    │         2-整体模型架构.mp49 a) f3 v( [: `
    │         3-数据-标签-语料库处理.mp45 c! Y) D1 ]/ }7 S7 \
    │         4-输入样本填充补齐.mp47 p4 H% ^/ n: _6 b
    │         5-训练网络模型.mp4
    8 |, M4 ~$ ~! e1 G' t1 s│         6-医疗数据集(糖尿病)实体识别.mp4- |, d- x7 }7 W, Q9 ]2 H
    │         4 j9 |1 C2 o0 D, q
    ├─19_深度学习模型部署与剪枝优化实战! g0 {- m& a; y% d
    │  ├─3_pyTorch框架部署实践
    ! n! V; X+ Y- f3 I$ x0 i3 C7 f│  │      0-课程简介12.mp42 E( ^5 |7 ]/ R4 L! }
    │  │      1-所需基本环境配置.mp4
    * P% i4 e# }; A2 F/ n│  │      2-模型加载与数据预处理.mp4
    6 q# s' Z3 S8 u" S$ [& S7 Q│  │      3-接收与预测模块实现.mp4
    - B0 x3 B7 z3 g2 ]0 R; i8 e; X, l│  │      4-效果实例演示.mp4' X/ I; r8 ]$ d6 S+ U3 t
    │  │      
    " R2 ~, m; I$ F. C│  ├─4_YOLO-V3物体检测部署实例, [' k' H$ o! X" N9 V
    │  │      1-项目所需配置文件介绍.mp4- Y" z) p. W' U( v1 u5 U
    │  │      2-加载参数与模型权重.mp4
    , s/ v& h6 g! ~" A- U8 o│  │      3-数据预处理.mp4
    8 V+ L" ^, d! ]. x│  │      4-返回线性预测结果.mp4
    9 f; ^+ U$ u0 L( i│  │      
    2 c6 Y7 U6 ^' Q5 }│  ├─5_docker实例演示
    7 Y1 e" }9 l- {# M│  │      1-docker简介.mp4
    ; D" M- q3 Q- H) d1 ^. G+ M│  │      2-docker安装与配置.mp4
    ) u* F3 ]" R  t- l7 M/ m1 ~9 k│  │      3-阿里云镜像配置.mp4
    # Z& V. {( F4 N: R/ E. ?5 T' b* w│  │      4-基于docker配置pytorch环境.mp4" Q! R, E: x6 I
    │  │      5-安装演示环境所需依赖.mp4
    % D5 B( i  _& J  h- p* _! l2 n) K( o│  │      6-复制所需配置到容器中.mp4
    8 X5 C% R: _: Y$ m│  │      7-上传与下载配置好的项目.mp4
    ' W$ X9 S4 C# f# Z) O/ t│  │      2 t* W5 c- w! ]! }# A, _/ t$ B- K. H
    │  ├─6_tensorflow-serving实战) r9 j, c# T7 R* |# Y9 N
    │  │      1-tf-serving项目获取与配置.mp4" V5 i  ?  j! H
    │  │      2-加载并启动模型服务.mp4
    : F' V7 J1 A3 ^: Y  _" d1 }│  │      3-测试模型部署效果.mp48 {9 j: @0 l6 {
    │  │      4-fashion数据集获取.mp4
    3 n" B% z9 W; m7 Y│  │      5-加载fashion模型启动服务.mp4; M; x( W8 B- C6 f4 }7 A" U
    │  │      
    ! V' Q+ p: N7 M/ m; w│  ├─7_模型剪枝-Network Slimming算法分析
    $ _+ E0 A: p4 u1 G5 K) r: \│  │      1-论文算法核心框架概述.mp4( T( U3 t+ k4 @7 [
    │  │      2-BatchNorm要解决的问题.mp4
    + b9 ^& j0 a8 k. V+ P│  │      3-BN的本质作用.mp4: W* d$ `8 i; C: q
    │  │      4-额外的训练参数解读.mp4% }; Z! A/ Y) P
    │  │      5-稀疏化原理与效果.mp4
      F- b/ @& J$ d2 Z! N% @( B1 k* Y- j│  │      
    0 J0 q7 q$ U( ]│  ├─8_模型剪枝-Network Slimming实战解读
    + k$ s5 O0 V& l( A6 ~. e2 b/ Y│  │      1-整体案例流程解读.mp4
    1 r" p4 ~( Y. W! p* a" W# i│  │      2-加入L1正则化来进行更新.mp4+ O+ p5 r. {/ e- E9 U7 ^
    │  │      3-剪枝模块介绍.mp4" q: G2 a- l2 h8 a) H( w$ m
    │  │      4-筛选需要的特征图.mp4
    $ J% P9 H4 K; s# i│  │      5-剪枝后模型参数赋值.mp4
    , F5 ?' \/ k" ?" g2 p% ~9 w│  │      6-微调完成剪枝模型.mp4; w: ?& G; q% j8 F! l5 k5 l' I
    │  │      
    6 b2 U( G6 t2 j: _. |+ @; H8 w* r│  └─9_Mobilenet三代网络模型架构: T" q. I  Q" v9 l
    │          1-模型剪枝分析.mp4! b$ D" u- E* S4 N; Q7 [/ ]
    │          2-常见剪枝方法介绍.mp4) ?7 U1 [' S( @' C; n
    │          3-mobilenet简介.mp4  z2 v- t% H' Q5 ^
    │          4-经典卷积计算量与参数量分析.mp47 @0 U4 B+ u+ o6 @
    │          5-深度可分离卷积的作用与效果.mp4* q5 k3 `$ E9 X& K9 I
    │          6-参数与计算量的比较.mp41 y- G* Q  i$ `9 S6 f( K' n' T5 Q
    │          7-V1版本效果分析.mp4
    & K9 N  A8 e4 e7 a* O# L6 p' U│          8-V2版本改进以及Relu激活函数的问题.mp4+ T' Z4 L0 y8 {% L+ R: s# `- b3 i# q2 W
    │          9-倒残差结构的作用.mp4
    9 t* n/ G8 C/ z. @5 f- g│          10-V2整体架构与效果分析.mp4
    ( |1 N/ d* @# h│          11-V3版本网络架构分析.mp4
    . A  S' l1 T/ V+ `" Y; G4 D│          12-SE模块作用与效果解读.mp47 c1 I9 y% r0 U* z" n- i
    │          13-代码实现mobilenetV3网络架构.mp4
    8 F1 F+ I& w6 B; N/ ?; \; a) B1 t) Y1 `# o4 Y8 X
    ├─20_自然语言处理经典案例实战  
    ) U6 c: o: o# a│      ├─1_NLP常用工具包实战
    ( {# V+ ?' p$ |. r* m% \│      │      1-Python字符串处理.mp4
    : o5 U& E* k% t│      │      2-正则常用符号.mp4" y% y! c0 j2 _+ n: L
    │      │      2-正则表达式基本语法.mp42 L  m" W4 e0 n! k) ?
    │      │      4-常用函数介绍.mp4
    ( K2 |7 T( v+ r, Z) {5 q. T│      │      5-NLTK工具包简介.mp4$ D' s  q, Y/ P* O/ K7 H0 z
    │      │      6-停用词过滤.mp4* `5 W" h* l0 c3 C. a$ O1 }# }3 Z
    │      │      7-词性标注.mp4) L! B$ s/ l  E( ]9 l
    │      │      8-数据清洗实例.mp4
    9 [3 @" J, y6 R│      │      9-Spacy工具包.mp4
    9 z/ k9 ?  m( y! P' N│      │      10-名字实体匹配.mp4/ T3 l# x5 u2 c& H- M) k7 r
    │      │      11-恐怖袭击分析.mp4
    2 A  h: P- O$ c│      │      12-统计分析结果.mp4% k3 j9 ]. ^% |( g& w
    │      │      13-结巴分词器.mp4
    8 n. O4 j  G7 h2 x" D8 p│      │      14-词云展示.mp4
    6 j/ H) j. Z$ ?2 ~& G! Y) D│      │      
    ' Y. [" |) J$ u3 `│      ├─2_商品信息可视化与文本分析
    ' U/ @8 J8 o3 F$ q7 y0 W; c3 o│      │      1-任务概述.mp4
    - S; L8 n8 i5 n│      │      2-商品类别划分.mp43 d# v9 w! ^# E
    │      │      3-商品类别可视化展示.mp4( G2 @, T7 h: d( ^; Q/ v3 l- ?
    │      │      4-描述长度对价格的影响.mp4* U' j, ?0 j- |7 U6 F+ [# P
    │      │      5-词云展示.mp40 }" ?$ x- t5 Y+ Y% `
    │      │      6-tf-idf结果.mp4) }0 I* M* {' o
    │      │      7-降维可视化展示.mp44 n! s4 r7 {4 u9 `. ?2 ~5 Q) f& [
    │      │      8-聚类与主题模型.mp4+ V; \. Q! Y/ Q* X" k8 w
    │      │      
    % z( X$ W9 u0 E" O4 ]) Y/ }3 a/ e│      ├─3_贝叶斯算法
    9 l* [; [0 ?5 x3 E; e; r# N! H+ y│      │      1-贝叶斯算法概述.mp4
    ; ]2 F- M; T9 m( E1 }6 ]- B│      │      2-贝叶斯推导实例.mp46 T2 i! k# X! {
    │      │      3-贝叶斯拼写纠错实例.mp4
      O8 z  R: m3 N/ g$ V$ a' i( `1 }│      │      4-垃圾邮件过滤实例.mp4
    9 v: ?9 M5 T: O, ]) j│      │      5-贝叶斯实现拼写检查器.mp4
      G( c  a* ~& A" |% _│      │      & k+ p" p" C6 S
    │      ├─4_新闻分类任务实战
    / L  f5 Z  ^. q% P0 |- ^2 ~│      │      1-文本分析与关键词提取.mp48 A: o2 }7 Q8 a4 S- K7 V
    │      │      2-相似度计算.mp4
    ; J* s' \& f4 ~2 p6 E2 f; C│      │      3-新闻数据与任务简介.mp4
    7 [" k  m4 L; s& K* T# Y│      │      4-TF-IDF关键词提取.mp4
    " g) Y: U, E* e& m│      │      5-LDA建模.mp4) Z4 d' {7 A: Y! b' l# g  H
    │      │      6-基于贝叶斯算法进行新闻分类.mp4( o* ]. V- ~& e% ]; E! H
    │      │      - |  L: p3 |0 d) W" U4 N/ l
    │      ├─5_HMM隐马尔科夫模型
    ( S  L) s3 Y! w& r7 h. x* E' W7 P│      │      1-马尔科夫模型.mp4
    / `" q/ b$ {1 Y# `5 Z│      │      2-隐马尔科夫模型基本出发点.mp4
    2 [1 ^6 c" k9 c6 d% j* x) T│      │      3-组成与要解决的问题.mp4
    2 v4 o1 W8 t# W" M  u│      │      4-暴力求解方法.mp4: r1 V$ x, P+ E0 D
    │      │      5-复杂度计算.mp4; n7 w- Y2 [% Z1 [
    │      │      6-前向算法.mp4: {' z, C9 u4 t  g0 z* @
    │      │      7-前向算法求解实例.mp4; h! y- g2 j6 b0 o/ u" R: X
    │      │      8-Baum-Welch算法.mp4
    & W+ \: f; N; k│      │      9-参数求解.mp4
    6 o5 X6 s$ s( c$ f2 z6 ]8 `│      │      10-维特比算法.mp4
      c, z, Q. m# D7 j! ^4 n4 E│      │      
    / q8 G, v" z8 ]│      ├─6_HMM工具包实战
    8 S9 z7 n# F5 s7 u9 B2 |│      │      1-hmmlearn工具包.mp4; H- _& W6 o5 o$ A. w
    │      │      2-工具包使用方法.mp4
    2 H- x" z3 O$ `  v' e! {0 o0 @│      │      3-中文分词任务.mp4& z  {5 z9 ^% e$ X, m
    │      │      4-实现中文分词.mp4" G0 `& D% u9 h, W" P/ U" ?
    │      │      ! F! N$ M! `$ y" c2 L" `6 e' p6 v8 o
    │      ├─7_语言模型
      N/ w2 Y' A7 k- a3 j5 A│      │      1-开篇.mp4$ {1 k. J. O. v  q  j
    │      │      2-语言模型.mp4
    9 r# X3 t1 ~, [; [│      │      3-N-gram模型.mp4
      _, V& c3 o2 {8 R7 U8 S; E( E│      │      4-词向量.mp4! z+ D7 }- d( D8 H8 Q0 I$ B. d
    │      │      5-神经网络模型.mp4
    9 v1 p1 c# A# S: a0 m$ D$ {1 n7 E│      │      6-Hierarchical Softmax.mp4
    5 w( W& I$ |6 J! h│      │      7-CBOW模型实例.mp40 Z$ F& @$ N) k: w% E/ O
    │      │      8-CBOW求解目标.mp4
    ; n" ^3 }. a! N, e  c- T) {│      │      9-锑度上升求解.mp46 q, `, w5 T) Q# m9 Q, a
    │      │      10-负采样模型.mp4
    ; `" j  L3 [; Z4 [* N│      │      
    & b6 D# l- h/ v9 @8 Y' Y│      ├─8_使用Gemsim构建词向量3 _( {5 I9 p5 X$ @" u/ q
    │      │      1-使用Gensim库构造词向量.mp4$ k  [% m0 F9 P. i" t
    │      │      2-维基百科中文数据处理.mp4
    / G" e# M9 f$ b6 F! L; S│      │      3-Gensim构造word2vec模型.mp4
    / X, f- g8 o/ W# w│      │      4-测试模型相似度结果.mp4) V" a- R% w4 [' E  Y
    │      │      ! H4 e& x7 O1 `+ u( p; F5 e
    │      ├─9_基于word2vec的分类任务6 r# X5 b# Q& [/ {4 e/ _" D5 H
    │      │      1-影评情感分类.mp4
    : B; x& ~) u0 X( ^" i1 _│      │      2-基于词袋模型训练分类器.mp4! T: z2 k. A. s% P
    │      │      3-准备word2vec输入数据.mp4* G7 a% D; N# L8 P! h# J. a  B! \
    │      │      4-使用gensim构建word2vec词向量(新).mp4
    2 n3 u6 Z; @+ }" }│      │      9 c1 W7 ^9 Z% v% {$ Y1 x
    │      ├─10_NLP-文本特征方法对比
    ( q2 o" H/ ^$ ^/ h│      │      1.1-任务概述.mp4
    - p, ~; U" u8 J: J│      │      2-词袋模型.mp46 _0 i, f2 L# Z, f
    │      │      3-词袋模型分析.mp4$ V9 Z( R; Q# t  O
    │      │      4-TFIDF模型.mp4" w# A$ h; p6 [( L6 C8 c
    │      │      5-word2vec词向量模型.mp4
    ( V! H7 Y, ]4 S+ G; }, E* K│      │      6-深度学习模型.mp4
    $ D: }% T9 g, W, E' N: `│      │      * z1 w) N& x# j% y) [( o: v* n
    │      ├─11_NLP-相似度模型
    ) \! Y# ^8 R: o# H0 a; |│      │      1.任务概述.mp41 j' C0 N& v0 ]
    │      │      2-数据展示.mp4! s7 A! g- n6 H
    │      │      3-正负样本制作.mp4
    ( T2 g2 _4 e$ t0 Y│      │      4-数据预处理.mp4) A* ?, R- U+ s
    │      │      5-网络模型定义.mp4
    7 w: d; L& f5 D& A8 e+ @│      │      6-基于字符的训练.mp4, N/ k  o! z/ ~3 I5 T
    │      │      7-基于句子的相似度训练.mp4% H$ N0 [( o- T4 V$ [: G* W
    │      │      
    # D1 @1 w7 F* k3 S" K$ m, z- [│      ├─12_LSTM情感分析
    4 F, J" `8 h1 ^! }* D; V9 W│      │      1-RNN网络架构.mp4
    + k  g4 K% i& j: d( q$ z( `│      │      2-LSTM网络架构.mp47 \: d; Y' K4 i: U! T& ~" g
    │      │      3-案例:使用LSTM进行情感分类.mp4
    0 D2 x3 q' [% {: Y- c; a0 X│      │      4-情感数据集处理.mp44 F3 S/ A8 n/ y" F3 o- k9 ?7 x
    │      │      5-基于word2vec的LSTM模型.mp4* D+ g' n5 o7 {4 P
    │      │      
    " F" ]" E( o! _! {7 t│      ├─13_机器人写唐诗
    % w2 ?) i5 m5 o1 E; R│      │      1.1.1-任务概述与环境配置.mp4
    1 z) P3 E0 P6 l  {+ D2 w: Z2 F* a│      │      2-参数配置.mp4; V# _, f  h0 u2 o, P
    │      │      3-数据预处理模块.mp4
    % x$ G9 i5 X( z$ U1 [# k+ }4 ~│      │      4-batch数据制作.mp4
    1 y" |, W" w' r- n: e( {! U│      │      5-RNN模型定义.mp4
    . I( }4 U% ]) y1 R5 e│      │      6-完成训练模块.mp4' m. T% b1 N4 p2 ^+ s
    │      │      7-训练唐诗生成模型.mp4/ p8 Y- ^- q+ a* a; N
    │      │      8-测试唐诗生成效果.mp4
    ) ~) M3 Z+ w3 T) \) E# v4 f6 o│      │      
    3 G; V) _& e: A1 Q2 q9 i- b/ q│      └─14_对话机器人
    : }' u' Z/ D0 e0 j+ Z( ?; S│             1-效果演示.mp4
    9 f( A; d( V" _* B: d│             2-参数配置与数据加载.mp40 t" T: y: V" n: ^
    │             3-数据处理.mp41 e4 W% B. w! Q& \
    │             4-词向量与投影.mp4
    " k8 g$ m; V" Q8 r) S* O5 Y9 V│             5-seq网络.mp4
    ! x' i- G' ?) R4 {# N: c' f│             6-网络训练.mp4
    / e1 {- |* |3 Z9 |, u4 v  K│             7 E/ H' [0 b  @+ z. m& r
    ├─21_自然语言处理通用框架-BERT实战- D# }6 ]6 N1 o  w  S
    │      ├─1_自然语言处理通用框架BERT原理解读
    & S6 r, W  n+ V7 D% h$ y% j│      │      1-BERT课程简介.mp4" P$ ]. w, @2 ^% |4 P* X
    │      │      2-BERT任务目标概述.mp4& C: k; Y' `2 x7 e4 o9 p. e
    │      │      2-传统解决方案遇到的问题.mp4( Y( x5 Q" j( K' e9 ?. n, S
    │      │      3-注意力机制的作用.mp4
    6 I- L. N7 f3 P0 o, c│      │      4-self-attention计算方法.mp48 y+ M( h& A9 R
    │      │      5-特征分配与softmax机制.mp4
      a8 ?8 j/ `* v- B│      │      7-Multi-head的作用.mp4
    8 r, a. W1 ?* @0 }, f1 Z2 S│      │      8-位置编码与多层堆叠.mp46 G; ~' U% D4 V$ r1 _3 @
    │      │      9-transformer整体架构梳理.mp4
      t( |3 U/ z5 v6 c4 H( b│      │      10-BERT模型训练方法.mp4
    / P. e1 `% K1 ~, _' m│      │      11-训练实例.mp4
    * I' E. n+ S  y4 T) S│      │      1 M( S7 T$ c' H  N
    │      ├─2_谷歌开源项目BERT源码解读与应用实例. e+ w. k3 Z5 H( b
    │      │      1-BERT开源项目简介.mp4
    ! J% o. C) `9 z# p6 x│      │      2-项目参数配置.mp4
    ! N4 w- ?# K7 E│      │      3-数据读取模块.mp4& i' n5 d0 E; H. _% h( W: Q
    │      │      4-数据预处理模块.mp4' `5 A# Q$ w% M
    │      │      5-tfrecord制作.mp4
    & p3 j) o$ y$ h4 P; d; t) C5 ]│      │      6-Embedding层的作用.mp4
    - U( v! C# v. d$ m. A│      │      7-加入额外编码特征.mp4
    * m+ q: N+ d' J2 k* q# H" B│      │      8-加入位置编码特征.mp4
    8 s+ Q: u- U& w, X9 e│      │      9-mask机制.mp4* U/ g/ n4 s# T
    │      │      10-构建QKV矩阵.mp4
    7 F  N- Z/ r1 s. F/ u( e( @│      │      11-完成Transformer模块构建.mp4
    " h6 S, l: p4 K4 D+ L' ^│      │      12-训练BERT模型.mp4* ^* `8 O9 @3 T( b% y" X
    │      │      
    ' Q* f# p/ |- y( y) ^' o6 r3 [│      ├─3_项目实战-基于BERT的中文情感分析实战$ A5 I! |( c  \- S  j1 R0 J
    │      │      1-中文分类数据与任务概述.mp41 ~/ o) V% s$ y  N4 X3 s
    │      │      2-读取处理自己的数据集.mp46 v" Q' u* q4 h. n
    │      │      3-训练BERT中文分类模型.mp4
    , m/ J. w. t. m: [( I7 c7 `9 F│      │      # b5 I& y' }6 j2 M( J+ R
    │      ├─4_项目实战-基于BERT的中文命名实体识别识别实战2 K. O$ l: m5 ^$ E
    │      │      1-命名实体识别数据分析与任务目标.mp4$ o  q# G8 G. s. p# f2 G. T, d% ]! o
    │      │      2-NER标注数据处理与读取.mp4, d& }+ W/ b6 k8 F1 `' k1 X
    │      │      3-构建BERT与CRF模型.mp4
    # \* p2 e. h' r( S│      │      
    / A4 L; w% a* H) ]" M│      ├─5_必备基础知识点-woed2vec模型通俗解读
    ' S4 ]- L$ o5 }│      │      1-词向量模型通俗解释.mp4& y! `3 |9 N+ I
    │      │      2-模型整体框架.mp4
    ( Z: m  }% d; b4 l│      │      3-训练数据构建.mp4- {* K+ P8 c8 S
    │      │      4-CBOW与Skip-gram模型.mp4! g4 o5 Y# z9 w
    │      │      5-负采样方案.mp4
    + H6 O* h" w6 l; b; X│      │      * J4 R8 T! a6 }8 Z
    │      ├─6_必备基础-掌握Tensorflow如何实现word2vec模型
    & E3 S" A0 C3 C/ r( s6 V! ]│      │      1-数据与任务流程.mp40 f/ {. o/ _0 {: j0 Y4 P. c
    │      │      2-数据清洗.mp4
    5 R- s2 H6 g. s9 H' _/ @) \7 i│      │      3-batch数据制作.mp43 \+ x6 C# P4 ]* R" U9 j
    │      │      4-网络训练.mp4
    2 L) D8 D1 C6 [' Y- s$ f│      │      5-可视化展示.mp48 r: O/ ?3 k$ J! }2 P- q
    │      │      
    / F/ X+ m3 R. N) G4 t6 F% D│      ├─7_必备基础知识点-RNN网络架构与情感分析应用实例$ {  U  I3 b( ~6 D3 E8 q
    │      │      1-RNN网络模型解读.mp4
      |7 Q- d6 y, K3 q3 t* N  z4 z│      │      2-NLP应用领域与任务简介.mp4+ ]9 _2 D( W, Y  R0 l
    │      │      3-项目流程解读.mp4
    6 d& I" N3 N' }4 W' b$ L" k│      │      4-加载词向量特征.mp4
    5 E" |1 y% Y, u, Y- T1 Z# }1 @│      │      5-正负样本数据读取.mp40 |0 Y; Z/ F/ Q, q5 w5 B
    │      │      6-构建LSTM网络模型.mp4
    : P3 @- ?" Q  }3 w) o- T│      │      7-训练与测试效果.mp4. E# {, d. Z; B* N+ d, X
    │      │      第十二课:LSTM情感分析.mp4
    0 ^3 x7 d& g. v  S& a│      │      
    $ ]* Q2 |3 t8 ]; ]$ T│      └─8_医学糖尿病数据命名实体识别  I. R- s# \# K
    │              1-数据与任务介绍.mp4
    : e2 M  e- B) a1 \+ H/ V, U│              2-整体模型架构.mp4
    + z& C$ a$ q& s4 ^( A3 l│              3-数据-标签-语料库处理.mp4& {* P# d# r$ ^4 W; v! q
    │              4-输入样本填充补齐.mp4
    / S- }+ v4 K8 l2 Y# g% c$ s# u│              5-训练网络模型.mp4& s8 r1 p9 m: n; r' b; S
    │              6-医疗数据集(糖尿病)实体识别.mp4+ c# Y/ e% v6 c( ?# d, E
    │              
    9 X( o, R; Y" v) `6 H- |├─22_知识图谱实战系列
    8 B4 A- n+ N& r) p, C│      ├─1_知识图谱介绍及其应用领域分析
    + V7 _% S# }% z8 e( i& ~│      │           1-知识图谱通俗解读.mp4
    5 h4 K4 D4 R" ]9 K4 ^│      │           2-知识图谱在搜索引擎中的应用.mp4/ V) G- n4 \( U; A3 Y2 [. a
    │      │           3-知识图谱在医疗领域应用实例.mp4
    1 e# U* k! R3 I3 z│      │           4-金融与推荐领域的应用.mp4
    # X5 ?6 ^/ v( p8 a3 ~8 O' @│      │           5-数据获取分析.mp43 e5 K- {: o# S3 |  `* X8 P8 W5 I! `
    │           │      # n5 B# X3 l" g. g) m
    │           ├─2_知识图谱涉及技术点分析# w( `9 u8 s6 B' P; |1 Q
    │           │      1-数据关系抽取分析.mp4! j$ w7 d: j, b4 c9 ]  R
    │           │      2-常用NLP技术点分析.mp4- T1 i1 r7 q# E7 u+ H0 p
    │           │      3-graph-embedding的作用与效果.mp4
    ) z( ?* d$ e. j$ O# q│           │      4-金融领域图编码实例.mp4
    7 H5 I: v8 s/ ?6 [│           │      5-视觉领域图编码实例.mp4
    1 g& C$ ?; W3 u! |│           │      6-图谱知识融合与总结分析.mp4" o, J  S( n- F1 p# o
    │           │      ' S0 w, {4 F; V) q; f, [9 ]. U  k
    │           ├─3_Neo4j数据库实战$ m: `8 h; S: D: a, J. |8 ^
    │           │      1-Neo4j图数据库介绍.mp4
    4 \$ z9 q! x! c1 {: p- O! ]! B+ `│           │      2-Neo4j数据库安装流程演示.mp4) d4 Z  N7 S) e7 v& I0 w
    │           │      3-可视化例子演示.mp4) w! k1 `9 _5 g2 x
    │           │      4-创建与删除操作演示.mp4
    ! G( ]) g& A7 E: g  _/ ^$ M6 b2 @│           │      5-数据库更改查询操作演示.mp4
    " r) b  t- [2 r1 A/ m/ O9 X$ m│           │      % u5 {6 d$ w' h  D
    │           ├─4_使用python操作neo4j实例! ]$ B7 J. F5 B! a* `
    │           │      1-使用Py2neo建立连接.mp4
    ; m% A- w5 X7 a. z: `│           │      2-提取所需的指标信息.mp4+ I" N0 J1 [! S, D- h. n9 @. A
    │           │      3-在图中创建实体.mp4
    " L7 c; F" r$ Q' D$ K5 @3 z│           │      4-根据给定实体创建关系.mp4! v$ k$ `3 m" W! `: Q( o6 }
    │           │      3 P: j5 n& E3 A/ J& S  e$ Y: w0 @
    │           ├─5_基于知识图谱的医药问答系统实战* y) K) H! U. w" n$ c0 S  P. |
    │           │      1-项目概述与整体架构分析.mp4% l3 {7 v4 E, B8 L+ k$ i5 Y/ [
    │           │      2-医疗数据介绍及其各字段含义.mp4
    * R4 R5 H! N; V( r) `/ M2 ]) z0 P/ y│           │      3-任务流程概述.mp4
    ! D/ b2 D" p7 C/ \│           │      4-环境配置与所需工具包安装.mp43 [3 \- A3 H+ T+ B& V$ M
    │           │      5-提取数据中的关键字段信息.mp4% {8 u7 y, E: H- n. p3 {5 m9 o# r
    │           │      6-创建关系边.mp4( ]6 w/ c/ T; j4 S; l7 C& V- H
    │           │      7-打造医疗知识图谱模型.mp41 y: i( i8 Z3 V$ e1 V1 {: w
    │           │      8-加载所有实体数据.mp4
    , v. e8 x! \& U1 {│           │      9-实体关键词字典制作.mp4. F6 s" Z8 O5 w$ e% \0 n# h
    │           │      10-完成对话系统构建.mp4
    2 v3 C9 ^; Y% P$ N│           │      # Z+ d. Q4 @7 k( |; ^  g8 `; P! U
    │           ├─6_文本关系抽取实践
    $ ^2 O) @$ W; C0 m0 [│           │      1-关系抽取要完成的任务演示与分析.mp4
      ^$ k- v3 f) e, Z  w% E3 [│           │      2-LTP工具包概述介绍.mp47 O% y/ |1 T2 W- K4 a# D/ B* k( Y
    │           │      3-pyltp安装与流程演示.mp4
    ! w. N& L$ b% G% t. f│           │      4-得到分词与词性标注结果.mp47 k* k7 g8 q$ a" s  }
    │           │      5-依存句法概述.mp4
    $ [2 K( r) C: k$ ]│           │      6-句法分析结果整理.mp4
    6 S/ A1 ]* ~: a8 E6 ^, F│           │      7-语义角色构建与分析.mp4
    7 y) L4 I: R, o- r( I4 b│           │      8-设计规则完成关系抽取.mp4
    / T2 C  i6 p9 p, ~4 r│           │      
    6 d4 J9 h: v& {* @│           ├─7_金融平台风控模型实践1 R6 q' ~0 H6 N5 g" u
    │           │      1-竞赛任务目标.mp4
    4 b" h; n$ h% F# c, ?│           │      2-图模型信息提取.mp4% e' N9 z$ B1 {* ]
    │           │      3-节点权重特征提取(PageRank).mp4
    4 g# {6 L/ E9 v) Q4 t8 }& s│           │      4-deepwalk构建图顶点特征.mp40 m8 Z+ y4 i" I% G9 Y& _' P
    │           │      5-各项统计特征.mp4
    ' P$ C2 ]  M" z, [% ]# N│           │      6-app安装特征.mp4* _# g( o" S3 M" p, F
    │           │      7-图中联系人特征.mp4
      ?! V9 p9 J. ?2 Y7 T│           │      
      N* U1 W; c" [/ h│           └─8_医学糖尿病数据命名实体识别3 M+ @/ p3 _6 Y7 K
    │                  1-数据与任务介绍1.mp4& ~% a! _: x7 Q) M0 m3 U* H  n
    │                  2-整体模型架构1.mp4
    4 p6 L  i. a* L│                  3-数据-标签-语料库处理1.mp4+ }; ^6 }6 n* b* n
    │                  4-输入样本填充补齐1.mp4
    ( c& ]: L( Z! J) s. i2 ^│                  5-训练网络模型1.mp4
    6 c0 \2 t3 x2 W. g0 U│                  6-医疗数据集(糖尿病)实体识别1.mp4: m. R6 ]! @; `6 F( B4 J& f
    │           4 O" i6 G' M. [/ t( p# I
    │    / U" D9 B( v4 T  p7 @* j
    ├─23_语音识别实战系列& M0 F  K# \- ]) @2 T
    │      ├─1_seq2seq序列网络模型
    3 Z5 e" H: B4 @# a/ k; I│      │      1-序列网络模型概述分析.mp4
    & O1 h* Z0 J& |  u* d- O│      │      2-工作原理概述.mp4! A  O% L% w) ~9 w
    │      │      3.注意力机制的作用.txt
    2 O* P' |/ [1 g$ z│      │      4-加入attention的序列模型整体架构.mp48 i) z5 ?6 b/ k; V
    │      │      5-TeacherForcing的作用与训练策略.mp4
    6 f$ l* |5 _: F" @: H│      │      额外补充-RNN网络模型解读.mp4
    6 q% X% I; q, p% ^│      │      : g/ x' t1 s. X0 r6 d
    │      ├─2_LAS模型语音识别实战
    % I- r3 u: r: P# ?) k│      │      1-数据源与环境配置.mp4& h4 ?) C6 _% K( z( u6 n
    │      │      2-语料表制作方法.mp46 h$ G8 J* N, a7 S9 l: k8 f5 ]: n4 b# f
    │      │      3-制作json标注数据.mp4
    ' a6 ~( i6 R; }% N0 W  E: w  @/ ^# k│      │      4-声音数据处理模块解读.mp4
    ) g, Q. v8 f0 K│      │      5-Pack与Pad操作解析.mp4' v) H4 d% v" A$ L7 f
    │      │      6-编码器模块整体流程.mp4
    $ z7 }  k  d) _# C│      │      7-加入注意力机制.mp4
    4 T' b: b9 A! _/ ~) h7 i│      │      8-计算得到每个输出的attention得分.mp4( Q4 e! C$ _8 j* D/ R) p/ X
    │      │      9-解码器与训练过程演示.mp41 m4 l( S" o! z9 W6 E- e
    │      │      
    & I* q1 O' q* ]0 d' y5 P4 o: L) G│      ├─3_starganvc2变声器论文原理解读
    9 v( ^/ D5 v; u2 K/ n( U. g, |│      │      1-论文整体思路与架构解读.mp4
    * w4 L( L- ]1 z" s. R# ^/ D' w│      │      2-VCC2016输入数据.mp48 d& h0 z; s. x+ Q( l8 H+ M
    │      │      3-语音特征提取.mp4. |2 s$ D+ ?) v
    │      │      4-生成器模型架构分析.mp41 c& ]& r/ |; j6 S; Q8 I+ l, B
    │      │      5-InstanceNorm的作用解读.mp43 O8 r, j5 {7 x, @9 K7 W6 S
    │      │      6-AdaIn的目的与效果.mp4! }- f+ g* O* M- h
    │      │      7-判别器模块分析.mp43 S6 k2 ~" y4 `7 {7 _+ h
    │      │      
    2 o; O0 v& }# g! ?8 b/ L" `│      ├─4_staeganvc2变声器源码实战4 N5 i% r( U+ a6 [* Q1 G4 |# c
    │      │      1-数据与项目文件解读.mp4
    # I( T8 s! i- u1 q│      │      2-环境配置与工具包安装.mp46 U7 \0 q8 v7 L9 x* w# [
    │      │      3-数据预处理与声音特征提取.mp4
    ! [5 E) i& d, w- n" y0 O│      │      4-生成器构造模块解读.mp4+ @* g5 T) B6 L# @
    │      │      5-下采样与上采样操作.mp4# ^$ ?6 H- y4 A: o: V
    │      │      6-starganvc2版本标签输入分析.mp4
    % r7 v3 l9 ]6 r1 r│      │      7-生成器前向传播维度变化.mp4
    ! O' f4 ^! G) s│      │      8-判别器模块解读.mp4/ t  h* S! U& h8 V7 Z" z+ F
    │      │      9-论文损失函数.mp41 k7 w4 U) o0 a5 Z+ c! A
    │      │      10-源码损失计算流程.mp4
    * S; B$ f* L5 E) {, [$ ]│      │      11-测试模块-生成转换语音.mp41 v" P, _* O* S  I- K
    │      │        _, t9 ^0 `$ e
    │      ├─5_语音分离ConvTasnet模型
    1 e$ @- X0 x! G, K! A3 p( ]│      │      1-语音分离任务分析.mp4
    & l8 Y( C$ O0 H* a6 s6 Z│      │      2-经典语音分离模型概述.mp4
    - X+ q* U) |8 D% O* n2 z# C│      │      3-DeepClustering论文解读.mp4& ]! M& C/ @2 |+ t" U& l  j! q& E
    │      │      4-TasNet编码器结构分析.mp48 \6 e  m4 x! U
    │      │      5-DW卷积的作用与效果.mp4  L) g" ~# u# ?& Y9 \" @, O8 ^9 b0 h
    │      │      6-基于Mask得到分离结果.mp4/ _8 C8 k/ j* o/ i( ?5 ?
    │      │      + D, m$ k9 n9 u
    │      ├─6_ConvTasnet语音分离实战( l% k. q, U% I4 ~! H& E) [
    │      │      1-数据准备与环境配置.mp4: d, n7 r3 Q  B1 w7 t4 S
    │      │      2-训练任务所需参数介绍.mp4
    8 ]" i; Z! H9 |5 @7 U+ ]. o+ B│      │      3-DataLoader定义.mp4( O: [4 w1 |* X5 R# V1 f6 x3 e% V
    │      │      4-采样数据特征编码.mp4$ p; L0 t* @  N
    │      │      5-编码器特征提取.mp4( M! y& j8 u! e5 X& a1 x
    │      │      6-构建更大的感受区域.mp4
    4 n: I. Q# R8 I, R5 v│      │      7-解码得到分离后的语音.mp48 r2 {+ m) y/ ]0 b4 ~9 n# Y" D
    │      │      8-测试模块所需参数.mp4
    8 |; h4 l- v1 b: K: W- g│      │      
    7 G# o; C/ A4 @" ?9 j9 D! o│      └─7_语音合成tacotron最新版实战4 t& M1 y) T* e0 V* {& j
    │              1-语音合成项目所需环境配置.mp44 t2 ]* N9 s: e2 K# l
    │              2-所需数据集介绍.mp4
    5 i) s. L8 o  Z  |│              3-路径配置与整体流程解读.mp4
    8 l0 c4 }5 _; q9 |- G7 G│              4-Dataloader构建数据与标签.mp4
    ( `; ~9 R& s0 r; j9 U8 O│              5-编码层要完成的任务.mp4
    6 \  Z+ E' H  M& g; @│              6-得到编码特征向量.mp4
    ' u4 q( f% p1 v! n6 @0 ~4 s) F, M8 S│              7-解码器输入准备.mp4
    6 n! |3 z$ [5 s% W  G' x│              8-解码器流程梳理.mp44 `  A, y* K1 t$ o# a. q4 S. W
    │              9-注意力机制应用方法.mp4* n+ V$ {' _8 X! a3 f
    │              10-得到加权的编码向量.mp49 E5 O$ E) K* \$ C/ R, q
    │              11-模型输出结果.mp49 F" ], l, T% O* e
    │              12-损失函数与预测.mp4
    / B5 G; K! ~/ u5 f│              $ |) E5 N: \, r% x
    └─24_推荐系统实战系列4 ^" d3 b7 Q6 i" F# h% h4 C
           ├─1_推荐系统介绍及其应用" I. l# Y$ t) v2 W& O3 k
           │      1-推荐系统通俗解读.mp4
    & _: ^. C3 m; y& u       │      2-推荐系统发展简介.mp4& n: f" }: X% V6 ^# q: e
           │      3-应用领域与多方位评估指标.mp4# K* s# y+ W$ d! q) j; x2 F8 p( ]
           │      4-任务流程与挑战概述.mp46 R2 T; t# f) Y3 C1 O' m
           │      5-常用技术点分析.mp4" C% i; ?1 |4 _* ~
           │      6-与深度学习的结合.mp4: R& m  j% q+ p! a/ E6 L, q8 c. |' D
           │      
    5 K8 u% L$ v2 v& r& I$ X1 a       ├─2_协同过滤与矩阵分解; j0 M& U! V( r' }* Q
           │      1-协同过滤与矩阵分解简介.mp4/ `5 w! S' ?5 q# n( i1 F
           │      2-基于用户与商品的协同过滤.mp4
    / d( H& x- O: Z0 J5 ^# `       │      3-相似度计算与推荐实例.mp4
    & ?0 s3 z: M& n8 u. u       │      4-矩阵分解的目的与效果.mp41 I6 }( I2 O3 s8 f( i  y
           │      5-矩阵分解中的隐向量.mp44 @  C* h! }  p/ X+ q3 \
           │      6-目标函数简介.mp42 T4 b7 ?/ L5 j+ j( q
           │      7-隐式情况分析.mp4) v% t% h7 E  m+ T: J+ d9 P' V
           │      8-Embedding的作用.mp4
      s1 q" ]& r& o& Q       │      
    ) v' V- u& A+ u, k0 [1 e& I" q       ├─3_音乐推荐系统实战
    7 A% `# g3 W4 f  ?9 J       │      1-音乐推荐任务概述.mp4
    # j+ e; e4 G8 M9 k3 E0 ~       │      2-数据集整合.mp4" G/ G, i+ w  g8 B
           │      3-基于物品的协同过滤.mp4
    2 B9 Z1 J3 V, n6 g9 Z- n       │      4-物品相似度计算与推荐.mp4
    " l) L3 a/ B* U' W) F7 N       │      5-SVD矩阵分解.mp4% ?) J2 G; d4 ^/ [; F
           │      6-基于矩阵分解的音乐推荐.mp4
    " _, T; F* x* B9 g8 ^1 y       │      
    / a5 Q- T' _1 y! N! V  A# r       ├─4_知识图谱与Neo4j数据库实例5 t: O* r3 q. ^+ n( `1 D
           │      1-Neo4j图数据库介绍.mp4# p4 e" e1 h+ ^0 V5 x  Q
           │      1-知识图谱通俗解读.mp4" M, ~. j; T& k, N) M& W3 n/ C
           │      2-Neo4j数据库安装流程演示.mp4
      e2 i& T( Y7 e6 o       │      2-知识图谱在搜索引擎中的应用.mp4
    , y9 X4 S2 E* ^7 T# x- T. {7 }       │      3-可视化例子演示.mp4  P5 e2 [# V$ j5 T% [
           │      3-知识图谱在医疗领域应用实例.mp4, ^8 Y6 V, b" u- g! S( a
           │      4-创建与删除操作演示.mp4! K# g& s+ S! A* u7 Y! f
           │      4-金融与推荐领域的应用.mp4
    " o. S9 R2 D1 s1 t       │      5-数据库更改查询操作演示.mp43 \3 ^/ }$ ~2 u+ C! Y" p5 ?, \% R
           │      5-数据获取分析.mp4# d) u1 D9 F5 h. T
           │      
    9 M/ K0 k7 e; o( |4 N3 x, ^& T2 b       ├─5_基于知识图谱的电影推荐实战: m) u, m" ~* E8 ?0 v
           │      1-知识图谱推荐系统效果演示.mp40 g9 P4 D4 Z7 x
           │      2-kaggle电影数据集下载与配置.mp4
    8 W0 g/ k2 b% Z- [3 d2 F: E       │      3-图谱需求与任务流程解读.mp4% f2 J) J: f  c+ S2 g' O
           │      4-项目所需环境配置安装.mp4) p. S& W; k3 v8 p2 o& O2 @' w
           │      5-构建用户电影知识图谱.mp4; i& F9 n' ]) v" z: ^9 Z. V3 g
           │      6-图谱查询与匹配操作.mp4) ^3 w/ B, |, v3 T4 [
           │      7-相似度计算与推荐引擎构建.mp4
    + B! Y& s& n2 K+ \6 n. U7 q7 E' a       │      
    ' J& _0 y( b6 \2 ^       ├─6_点击率估计FM与DeepFM算法
    * ~0 ~" p. B, L4 P9 d4 b       │      1-CTR估计及其经典方法概述.mp4/ {" l8 @' Z- ^0 O) f
           │      2-高维特征带来的问题.mp4
      o' R% O& S6 S0 ^; O& ]       │      3-二项式特征的作用与挑战.mp4
    # Q4 m! J# A- e' T" e% L       │      4-二阶公式推导与化简.mp4: ~& \# t1 a$ M+ f9 |
           │      5-FM算法解析.mp4
    $ i( j/ h$ \5 f) b/ P       │      6-DeepFm整体架构解读.mp4
    1 i$ j4 b6 F. T1 i) J( j       │      7-输入层所需数据样例.mp4) n7 W; O3 W( e' E! o
           │      8-Embedding层的作用与总结.mp4, R, R/ A( Q( s1 N
           │      
    ) c5 ]% j8 R( N& e" h3 n       ├─7_DeepFM算法实战
    & W/ S2 h# c9 m  P+ i- y+ K- [0 K& T       │      1-数据集介绍与环境配置.mp4
    % y0 [0 ^6 H: k- D9 w; }       │      2-广告点击数据预处理实例.mp4
    8 S" D( o# k  O! h' \       │      3-数据处理模块Embedding层.mp4( C/ O# C7 P/ V5 Z5 [# o3 d, c5 E
           │      4-Index与Value数据制作.mp4
    4 c! H. a* M6 g, i) h/ w7 @1 k       │      5-一阶权重参数设计.mp4
    6 k' ?% {: L4 l       │      6-二阶特征构建方法.mp4
    ' y  J1 _" v; B3 V+ m5 I       │      7-特征组合方法实例分析.mp4
    1 p6 i7 \8 H1 n3 H0 A0 J1 \       │      8-完成FM模块计算.mp4
    : q' O0 \4 F2 N! s. v       │      9-DNN模块与训练过程.mp4
    6 M" i$ h0 k% {. u8 x       │      1 b' M1 b) U* z) z. ?6 I
           ├─8_推荐系统常用工具包演示
    + K& H& g4 r) |! r! W, ^/ x       │      1-环境配置与数据集介绍.mp4
    , P. S' g* U- A       │      2-电影数据集预处理分析.mp4: a7 X  S: Z+ K2 D7 p. `
           │      3-surprise工具包基本使用.mp4
    * A" j; F- n8 {  ?6 f       │      4-模型测试集结果.mp43 P2 d& s" ]) d7 @4 [5 u+ Y3 |, o
           │      5-评估指标概述.mp4
      O- M' J! o7 ^! f& u5 Z  H       │      
    ! P$ l/ v, z& f       ├─9_基于文本数据的推荐实例3 c. T3 r+ G' @  z
           │      1-数据与环境配置介绍.mp44 v2 I7 d0 Z6 g7 U. b
           │      2-数据科学相关数据介绍.mp43 Z  P  b6 P0 h; }
           │      3-文本数据预处理.mp4
    ! ~/ A& b- W7 D. i) m4 R% g       │      4-TFIDF构建特征矩阵.mp4
    2 i* ^# n, f7 s, h6 b4 n4 H  J       │      5-矩阵分解演示.mp4
    + d4 N2 N2 u' O       │      6-LDA主题模型效果演示.mp4
    & ?: ?* X; w$ L3 T6 L4 W       │      7-推荐结果分析.mp4  }+ X( H' u' n
           │      8 Y9 u8 l$ |1 K, T( ~$ @
           ├─10_基本统计分析的电影推荐
    6 Y1 \. x) f( W- W       │      1-电影数据与环境配置.mp49 F2 z8 V  l  F" C, [, |
           │      2-数据与关键词信息展示.mp4
    * K, U$ g# {% g' Y6 N$ d- R( j/ X8 e       │      3-关键词云与直方图展示.mp48 o8 f) }) l1 D
           │      4-特征可视化.mp4
    / w! G* L0 U. h, B, r  Y, N- E       │      5-数据清洗概述.mp4
    ' [6 M+ p) M: W3 Y! @       │      6-缺失值填充方法.mp41 _4 L3 f+ p! J4 r" M# v
           │      7-推荐引擎构造.mp4; Z* X+ D6 Y1 ]  R
           │      8-数据特征构造.mp42 t+ x2 b2 F( g1 a$ B: f
           │      9-得出推荐结果.mp4
    $ q* c) U2 v# W! I       │      
    : ]! ]0 V5 g- c' ?5 [       └─11_补充-基于相似度的酒店推荐系统2 p' j1 j# ]' U5 @# M7 ?" n6 l
                  1-酒店数据与任务介绍.mp4( \& W' u6 o/ w" Y) {; z$ X
                  2-文本词频统计.mp4
    & B! Q: P0 Z8 V+ t. s              3-ngram结果可视化展示.mp4
    . R/ ?" V/ h' i, u+ ?+ d7 h, P              4-文本清洗.mp4
    : z! n; n/ |+ s" q, {! f' Q              5-相似度计算.mp4
    ' q9 d& Q  y$ P' _* C; O3 e              6-得出推荐结果.mp4
    ( g; W4 b7 h% H
    $ w1 w; H- O3 G3 H; t9 c1 H4 Z( s6 n! ]3 g
    ( M, Q' Q. S/ V; ^6 o( X2 t$ i! ]
    9 k1 Z, K3 C" n4 G" E( X
    下载地址:2018jc&(it3 a# _, P) y/ [( ?
    游客,如果您要查看本帖隐藏内容请回复
  • TA的每日心情
    开心
    4 天前
  • 签到天数: 361 天

    [LV.8]狂热吧粉

    发表于 2022-8-28 20:23:55 | 显示全部楼层
    古泡
    回复

    使用道具 举报

  • TA的每日心情
    奋斗
    昨天 17:45
  • 签到天数: 81 天

    [LV.6]普通吧粉

    发表于 2022-8-28 20:29:53 | 显示全部楼层
    谢谢分享
    回复

    使用道具 举报

  • TA的每日心情
    奋斗
    5 天前
  • 签到天数: 261 天

    [LV.8]狂热吧粉

    发表于 2022-8-28 20:31:07 | 显示全部楼层
    22222222222222222222
    回复

    使用道具 举报

  • TA的每日心情
    开心
    2022-9-12 08:00
  • 签到天数: 562 天

    [LV.9]铁杆吧粉

    发表于 2022-8-28 20:53:08 | 显示全部楼层
    回复

    使用道具 举报

  • TA的每日心情
    奋斗
    1 小时前
  • 签到天数: 1162 天

    [LV.10]以吧为家

    发表于 2022-8-28 21:11:38 | 显示全部楼层
    666
    回复

    使用道具 举报

  • TA的每日心情
    奋斗
    2022-9-18 20:25
  • 签到天数: 471 天

    [LV.9]铁杆吧粉

    发表于 2022-8-28 21:14:38 | 显示全部楼层
    11_补充-基于相似度的酒店推荐系统
    回复

    使用道具 举报

  • TA的每日心情
    开心
    5 小时前
  • 签到天数: 175 天

    [LV.7]超级吧粉

    发表于 2022-8-28 22:48:26 | 显示全部楼层
    java核心技术进阶
    回复

    使用道具 举报

  • TA的每日心情

    3 天前
  • 签到天数: 389 天

    [LV.9]铁杆吧粉

    发表于 2022-8-28 23:26:09 | 显示全部楼层
    古泡人工智能P5第5期共77G 2022年
    回复

    使用道具 举报

  • TA的每日心情
    开心
    2022-9-25 00:35
  • 签到天数: 216 天

    [LV.7]超级吧粉

    发表于 2022-8-29 09:16:15 | 显示全部楼层
    dfsgsdfg
    回复

    使用道具 举报

    您需要登录后才可以回帖 登录 | 立即注册

    本版积分规则