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
|
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" Z9 |2 T1 _+ ^) e# B+ P
├─1_直播课回放
; f. ?- X; e6 v: [6 @│ ├─1_直播1:开班典礼4 d0 y: H4 E+ e4 O) z" J
│ │ 1人工智能CV NLP高薪实战班.mp4! F: l+ {. R: A2 X- F w
│ │ 5 {2 X6 X7 h0 h" Q
│ ├─2_Pycharm环境配置与Debug演示(没用过的同学必看)
# S5 x, W1 Q. u│ │ Pycharm环境配置与Debug演示(没用过的同学必看).mp42 n. W2 ?. @9 ^$ ?* R: G8 Z
│ │
6 S* K/ m8 S1 e8 [: A5 \│ ├─3_直播2:深度学习必备基础-神经网络与卷积网络
' N" R) S4 i q8 q9 ?1 Z0 o3 y│ │ 1.深度学习必备基础-神经网络与卷积网络.mp4
, B" m, T1 M9 d- C2 z! K* j│ │
% @. _& G2 G; L) x│ ├─4_直播3:Transformer原理及其各领域应用分析
+ V+ R" p% [! P, ^│ │ Transformer原理及其各领域应用分析.mp4" R6 w1 q1 b: n9 |
│ │ ) X$ G- G* A( Q( Q* t5 h# p
│ ├─5_额外补充:时间序列预测4 n1 |4 D, u, ^* { X; `
│ │ 额外补充:时间序列预测.mp4
* ~( D& X1 i. J# s: Z" v│ │ ! K3 |. M1 Z J
│ └─6_直播4:Informer时间序列预测源码解读
. _6 R$ Y: [) w7 e# _2 u│ Informer时间序列预测源码解读.mp4
, E. v6 L" B! f3 H! G│
' T) ]0 \/ r2 }1 e) K├─2_深度学习必备核心算法7 g7 K I# A: p1 j
│ ├─1_神经网络算法解读
% _( q+ V: d& r7 J8 t│ │ 1-神经网络算法解读.mp4
$ i: l1 `1 M/ ~ q1 J5 X; Z3 r$ w│ │
& o: `0 s. y6 W/ p5 I# }7 a/ K' b9 T│ ├─2_卷积神经网络算法解读% G! e" Z1 Z2 @$ Q' t8 O8 Z
│ │ 2-卷积神经网络算法解读.mp4# [3 ~$ N: h7 q3 f8 s
│ │ - f: f8 b+ `. A
│ └─3_递归神经网络算法解读
. J X6 w5 P7 c1 ^3 E1 ~; ?│ 3-递归神经网络算法解读.mp4
1 F# F) R# Z4 Z6 a│
7 X% A1 ?/ R" F2 U/ j- g, b s├─3_深度学习核心框架PyTorch
% w! Z! k2 u, [! n6 c4 Y│ ├─1_PyTorch框架介绍与配置安装
$ G4 M _3 P; {1 `$ K# }│ │ 1-PyTorch框架与其他框架区别分析.mp4
2 B; v5 F+ w4 C│ │ 2-CPU与GPU版本安装方法解读.mp4
: z6 V- _2 w) n: l' E/ ^9 P│ │ * N4 Y* A8 j5 M2 D
│ ├─2_使用神经网络进行分类任务0 U! j. O& J$ G- b$ Q i6 ]
│ │ 1-数据集与任务概述2.mp4$ G9 x: ]5 t! {) _
│ │ 2-基本模块应用测试2.mp4' a' e. {8 y2 d" w g
│ │ 3-网络结构定义方法2.mp4' j3 @2 c' |7 m
│ │ 4-数据源定义简介2.mp4
0 J# M/ n: b1 a) C3 ~│ │ 5-损失与训练模块分析2.mp4: }) ?3 w8 g( j
│ │ 6-训练一个基本的分类模型2.mp4
3 f4 F) X. I. [│ │ 7-参数对结果的影响2.mp4
+ n6 R% n3 I3 o: U4 F9 S, M│ │ " U2 S9 b6 H$ ?
│ ├─3_神经网络回归任务-气温预测
& F0 j. u) A- T; z│ │ 神经网络回归任务-气温预测.mp4
" `1 X; v9 O' J1 H│ │ & K# G+ Y) O+ G
│ ├─4_卷积网络参数解读分析3 y' S% S I! f- K( u
│ │ 1-输入特征通道分析2.mp4
3 z. B& J& u: ]* y│ │ 2-卷积网络参数解读2.mp4
E* `* O: L/ S│ │ 3-卷积网络模型训练2.mp48 d- ~1 \2 P1 J
│ │
/ m) k1 I: M& G│ ├─5_图像识别模型与训练策略(重点)
- c1 \: {( F/ V│ │ 1-任务分析与图像数据基本处理2.mp4" G/ |; Y9 ?2 t3 f
│ │ 2-数据增强模块2.mp41 w2 p; d: l6 _- X. l" l7 x; S: Q
│ │ 3-数据集与模型选择.mp4
4 r1 J6 u4 k3 @* t, x; g9 r│ │ 4-迁移学习方法解读.mp4$ ]' X$ D4 `) G; i
│ │ 5-输出层与梯度设置.mp4
( E1 [6 f: h+ L6 @* k$ X' X& o│ │ 6-输出类别个数修改.mp4
. T& I& y* w1 e2 z5 x│ │ 7-优化器与学习率衰减.mp4
! e1 Y+ P0 m2 o" n│ │ 8-模型训练方法.mp4 R3 d9 m3 N+ v3 t8 {1 _ K
│ │ 9-重新训练全部模型.mp4
& |* X- S8 ^5 Q# }$ g3 V- U- x│ │ 10-测试结果演示分析.mp4
5 C% _% [/ i" p, v│ │ 7 S& K" d; I! D# H
│ ├─6_DataLoader自定义数据集制作& ] V# }- n& x9 s; Z
│ │ 1-Dataloader要完成的任务分析.mp4
! ?4 U8 e& T# W8 C4 m a│ │ 2-图像数据与标签路径处理.mp4/ Z* ?+ h- B- i4 L% \1 X
│ │ 3-Dataloader中需要实现的方法分析.mp4
# K8 m k; D) n│ │ 4-实用Dataloader加载数据并训练模型.mp46 w2 I8 p' q& H+ `
│ │ - ?' _. \, e. S0 V. [, }. ?
│ ├─7_LSTM文本分类实战
9 b C f' |& B│ │ 1-数据集与任务目标分析.mp4
4 \9 Z: P1 O# b- j│ │ 2-文本数据处理基本流程分析.mp4; R& Y3 {2 O( f( w' d
│ │ 3-命令行参数与DEBUG.mp44 ?" Z3 t* x5 M9 R, {0 U0 c9 y
│ │ 4-训练模型所需基本配置参数分析.mp4
5 r" P/ \$ u5 @' {+ g│ │ 5-预料表与字符切分.mp4
; B/ X6 w: v+ o4 ~│ │ 6-字符预处理转换ID.mp49 k" l- v8 A0 M: e& {- T, w
│ │ 7-LSTM网络结构基本定义.mp4: u# i# u: k4 @8 U3 R
│ │ 8-网络模型预测结果输出.mp4: E; t+ n& C7 D8 g; N
│ │ 9-模型训练任务与总结.mp4
3 `! Z* O+ g9 I9 \; u- s│ │ " f# p7 ~( G" F( _
│ └─8_PyTorch框架Flask部署例子& r% C1 ~/ s. O& i% c! E) X1 ~1 n
│ 1-基本结构与训练好的模型加载.mp43 M; R: y+ j+ p9 s3 C0 c+ T+ l- d
│ 2-服务端处理与预测函数.mp4
* }7 C4 X: M( A J" T│ 3-基于Flask测试模型预测结果.mp4% O7 {4 ^1 X) h0 q$ ~' p8 P! P
│
/ ~4 ^# K9 t6 u% Q! r├─4_MMLAB实战系列$ K: r4 @6 s v; ]# \
│ ├─1_MMCV安装方法
8 y0 `$ J) [ b( m n│ │ MMCV安装方法.mp4: n4 \1 m) ^$ i1 O6 q o) T$ v
│ │ : C5 O4 A4 H) X: t, d6 h
│ ├─2_第一模块:分类任务基本操作
8 k7 }- Q1 F; M8 C4 {│ │ 1-准备MMCLS项目.mp4% P* \& W2 `% h7 k
│ │ 2-基本参数配置解读.mp4
! O) r0 L# A9 ]% L9 J8 [- S│ │ 3-各模块配置文件组成.mp4
o. b# ~& h2 I- z e, z│ │ 4-生成完整配置文件.mp4
/ l' d$ M6 d7 W4 @& D8 M a│ │ 5-根据文件夹定义数据集.mp4
$ Z: E' @* h! N* ~│ │ 6-构建自己的数据集.mp4# Q& l3 U( P3 b' l
│ │ 7-训练自己的任务.mp48 @4 Q- Q6 e( c) A) K; s8 C
│ │ MMCLS问题修正.mp4
% l7 m, `( L. c [6 [3 J5 e: a│ │ + z3 B. _+ B. w) J; Q+ X Z$ ^1 l9 y
│ ├─3_第一模块:训练结果测试与验证
1 f4 F: R% ^, i$ V( L│ │ 1-测试DEMO效果.mp4
* ~) H/ J& E: T( u- x5 _, {│ │ 2-测试评估模型效果.mp4
- B+ c) \8 F! t) F5 V6 [│ │ 3-MMCLS中增加一个新的模块.mp47 C0 l3 Z2 g, W$ f7 z
│ │ 4-修改配置文件中的参数.mp4! L+ r7 @( F. M! g$ P. o$ _
│ │ 5-数据增强流程可视化展示.mp4; x- F7 ?* z8 s' f- A: C \, N g* \
│ │ 6-Grad-Cam可视化方法.mp4% h: M. k* Q: d0 R- w0 b" d# A
│ │ 7-可视化细节与效果分析.mp4/ a! j/ j( l% @7 z- E9 k+ E$ i
│ │ 8-MMCLS可视化模块应用.mp4! g3 C3 f2 O8 u
│ │ 9-模型分析脚本使用.mp47 }/ I7 s) w# X: Q+ f7 {
│ │
8 L$ i- Y! g2 N; S9 {! I. N│ ├─4_第一模块:模型源码DEBUG演示
1 N* g" `$ [0 u│ │ 1-VIT任务概述.mp4. E v" P+ _! Z) {- k, E
│ │ 2-数据增强模块概述分析.mp41 q# ^% }' I/ s- W( B
│ │ 3-PatchEmbedding层.mp4
- G1 Z' c6 P2 Z│ │ 4-前向传播基本模块.mp4( X' f k" D9 T3 t/ F, ~, w
│ │ 5-CLS与输出模块.mp4* ^% J' l: Q% d
│ │ * w6 O1 z* o) n% R5 ?2 j; Z
│ ├─5_第二模块:使用分割模块训练自己的数据集
1 S/ b) U. c' z0 A+ a/ ?& b5 B│ │ 1-项目配置基本介绍.mp4# J, R2 J2 I* b0 ^
│ │ 2-数据集标注与制作方法.mp46 k( H; }1 x7 H m+ e! S
│ │ 3-跟别预测类别数修改配置文件.mp4
5 J9 B' E) R+ R5 @* [│ │ 4-加载预训练模型开始训练.mp4
* P. x4 j9 i- t1 Q' M# d│ │ 5-预测DEMO演示.mp4
: n0 {9 I/ e9 W6 w8 C% b! f R│ │ * `4 K, i! j6 n5 K6 W
│ ├─6_第二模块:基于Unet进行各种策略修改
/ _5 K$ H+ g$ k/ U4 T. d│ │ 1-配置文件解读.mp4
0 |- I' r' E) ?" _│ │ 2-编码层模块.mp42 |% i: x; L' R1 K+ o: P0 Z
│ │ 3-上采样与输出层.mp4
8 g8 D! X/ S. ~4 O│ │ 4-辅助层的作用.mp4' T; ~) t% I& `
│ │ 5-给Unet添加一个neck层.mp4' y/ U* X1 ^5 {. G* u1 Z, i5 h
│ │ 6-如何修改参数适配网络结构.mp47 I+ m8 t/ Y$ l4 b3 j" A5 A8 V
│ │ 7-将Unet特征提取模块替换成transformer.mp4 b6 i2 N8 }, A4 H; G
│ │ 8-VIT模块源码分析.mp4; V/ v O; R3 }. [
│ │
& X* o6 P3 [5 ?│ ├─7_第二模块:分割任务CVPR最新Backbone设计及其应用 F2 a8 H1 k; v( Z6 b1 D
│ │ 1-注册自己的Backbone模块.mp4( |7 ^/ X$ }" G
│ │ 2-配置文件指定.mp4, x: z* d; P3 O4 l/ ~( ~
│ │ 3-DEBUG解读Backbone设计.mp4' b; ~0 S" i! I! M- F) O
│ │ 4-PatchEmbedding的作用与实现.mp4$ T# B! L' `4 H( E
│ │ 5-卷积位置编码计算方法.mp41 V% H) b: }3 r* |
│ │ 6-近似Attention模块实现.mp4+ C3 f$ P! p$ i
│ │ 7-完成特征提取与融合模块.mp4% m1 V8 t# `, b$ m
│ │ 8-分割任务输出模块.mp4
; ^; V4 `* v* s) @' P- l│ │ 9-全局特征的作用与实现.mp4
$ e0 Z8 Y" j: B( _- \* f│ │ 10-汇总多层级特征进行输出.mp4- ` M4 F0 _$ v b
│ │
2 Q- Y6 l1 K4 }+ q1 L│ ├─8_第三模块:mmdet训练自己的数据任务
( K; i% r: o7 I3 a│ │ 1-数据集标注与标签获取.mp4, v6 n6 i' Q3 d, q
│ │ 2-COCO数据标注格式.mp44 o3 M4 h+ I% {. |- u" M
│ │ 3-通过脚本生成COCO数据格式.mp4
* I0 z: @# ?$ O z│ │ 4-配置文件数据增强策略分析.mp45 z3 I7 v- }$ I& c) G& j5 {
│ │ 5-训练所需配置说明.mp4
7 y5 Y; G1 [' t2 w8 M( _& ^2 y│ │ 6-模型训练与DEMO演示.mp4
" S7 u7 Y9 T0 C│ │ 7-模型测试与可视化分析模块.mp4
l+ r# M3 s) x, Y' Z g7 V( q│ │ 8-补充:评估指标.mp4
) I# W) d; o$ V# @│ │
, ~+ t- e* {5 r& w8 y( m│ ├─9_第三模块:DeformableDetr物体检测源码分析0 K: ?' z# o' ^; X& j, m
│ │ 1-特征提取与位置编码.mp4
9 _, N' y3 d& H& ]" D- R│ │ 2-序列特征展开并叠加.mp4
8 a5 ^* B2 G3 ~! P4 u* y/ }│ │ 3-得到相对位置点编码.mp45 O7 d( F5 r& f; x2 d0 P1 d
│ │ 4-准备Encoder编码层所需全部输入.mp4( F8 P# I! I0 W& o
│ │ 5-编码层中的序列分析.mp40 v" o- }$ n% G, j' b5 K% G, @
│ │ 6-偏移量offset计算.mp4
& _; }% e& F" x+ ]4 J' R8 M$ M* U│ │ 7-偏移量对齐操作.mp4
+ D% E% _$ x5 D0 M' |│ │ 8-Encoder层完成特征对齐.mp4& g8 {, S# D) M% x ^
│ │ 9-Decoder要完成的操作.mp4) U* Y9 A. i W2 h. Z
│ │ 10-分类与回归输出模块.mp4& ?$ e' q5 y+ T( }& H
│ │ 11-预测输出结果与标签匹配模块.mp42 p, F, H+ s2 }+ {! y; A
│ │
5 |0 h/ O/ g5 F│ ├─10_第四模块:DBNET文字检测
9 d6 w r9 Q: m! q1 q1 t5 V( F│ │ 1-文字检测数据概述与配置文件.mp45 P3 o/ V; W" ?7 p
│ │ 2-配置文件参数设置.mp4/ e! g4 ~: W# s; ]
│ │ 3-Neck层特征组合.mp40 E) {7 u' O! o/ ~6 h
│ │ 4-损失函数模块概述.mp47 D Y4 {9 T+ i7 b; _3 `
│ │ 5-损失计算方法.mp4
1 ]' o6 S. E6 Y+ C/ w: M8 E ^│ │
& P' U2 Q- R8 n4 |/ R4 t- T: {) O│ ├─11_第四模块:ANINET文字识别: K# ?4 o6 W( g& q3 T
│ │ 1-数据集与环境概述.mp4. O5 L# l/ G, T2 j% N
│ │ 2-配置文件修改方法.mp4/ R, K4 E' |4 f
│ │ 3-Bakbone模块得到特征.mp4
4 F7 R2 d: E* d0 f│ │ 4-视觉Transformer模块的作用.mp4
( K- b+ y- H& d4 @) V1 F│ │ 5-视觉模型中的编码与解码的效果.mp40 I, Y! p8 C4 X3 O2 e
│ │ 6-文本模型中的结构分析.mp45 ?& h; p; W; _, h% X
│ │ 7-迭代修正模块.mp4
; u7 F8 D+ C) W( }8 h0 Z* R/ c: M│ │ 8-输出层与损失计算.mp47 d$ Z0 t! Z: Y/ r8 w) e
│ │
/ T# Z; n2 V8 v; g│ ├─12_第五模块:stylegan2源码解读
: p' d* S3 o y. |│ │ 1-要完成的任务与基本思想概述.mp4; l5 D1 f9 c3 v3 l4 X! x
│ │ 2-得到style特征编码.mp4; g% F+ ?8 }6 S9 X
│ │ 3-特征编码风格拼接.mp4
0 ?+ C T' G+ j z2 q, W│ │ 4-基础风格特征卷积模块.mp4. [0 P3 m& e) S
│ │ 5-上采样得到输出结果.mp4
5 M6 ~! ^% ^! z│ │ 6-损失函数概述.mp4
7 w$ a; k9 m9 u+ H: T! D│ │ ( y7 Z; P/ g' P6 T( V9 y( y
│ ├─12_第四模块:KIE基于图模型的关键信息抽取
; F/ R! J5 {' m) K3 b│ │ 1-配置文件以及要完成的任务解读.mp4 J/ n; K: @* g: ^" J1 c% z W* z- x1 W
│ │ 2-KIE数据集格式调整方法.mp4
3 h6 J/ x0 a; E' [( c4 z│ │ 3-配置文件与标签要进行处理操作.mp4
p* ?; {8 Y0 M" R8 j│ │ 4-边框要计算的特征分析.mp45 T: J9 r/ s* q* g6 a; h0 x
│ │ 5-标签数据处理与关系特征提取.mp4
% ~8 p2 Z) r! t│ │ 6-特征合并处理.mp4
. P; A) D7 K% H! b; E S+ e: Q│ │ 7-准备拼接边与点特征.mp4
8 b7 h$ Q2 K$ S3 p( G7 U! h: z│ │ 8-整合得到图模型输入特征.mp41 w: K' g& o/ g4 X. A
│ │ 4 p- l- z$ W% _' g$ K& [% ~" W
│ ├─13_第六模块:BasicVSR++视频超分辨重构源码解读" l# o9 U1 q5 Y7 Y
│ │ 1-要完成的任务分析与配置文件.mp4- R' x# i' t( L, n
│ │ 2-特征基础提取模块.mp44 p2 _; w- Y/ U. h" p0 d! O5 r8 k
│ │ 3-光流估计网络模块.mp42 A* z# ?6 E- f( k
│ │ 4-基于光流完成对齐操作.mp43 O/ N0 n- Q; a5 H$ R6 a9 u
│ │ 5-偏移量计算方法.mp4
5 \: _ [. i% ^3 D│ │ 6-双向计算特征对齐.mp4# d: |6 F, z- i2 t* L3 V
│ │ 7-提特征传递流程分析.mp4% t3 R, M6 k, Z% T2 W
│ │ 8-序列传播计算.mp4$ c4 ]: ~ e+ ~0 X' P2 l
│ │ 9-准备变形卷积模块的输入.mp41 W6 I& C# i/ H3 m7 e" L- `
│ │ 10-传播流程整体完成一圈.mp4
, p4 Z. R1 v2 ?5 q& {( y+ ~7 r│ │ 11-完成输出结果.mp4
1 C9 v" y. W) d9 a( F4 u│ │
! _1 e& c1 }' s, ^│ ├─14_第七模块:多模态3D目标检测算法源码解读1 L) _8 T" ~4 t; B0 h$ `
│ │ 1-环境配置与数据集概述.mp4
/ p2 |0 b* x: D6 i/ G4 ~6 e│ │ 2-数据与标注文件介绍.mp4
& e- {* A- L; c& |│ │ 3-基本流程梳理并进入debug模式.mp46 D* R, v" c% v1 `+ C
│ │ 4-数据与图像特征提取模块.mp4
5 ~& z. q2 X% n- n│ │ 5-体素索引位置获取.mp4: ?% I5 r0 T/ B9 O
│ │ 6-体素特征提取方法解读.mp4
& T8 }7 o# ]% R7 V1 ^8 \9 O3 j│ │ 7-体素特征计算方法分析.mp4
) i7 o- L5 W! O/ _& G│ │ 8-全局体素特征提取.mp4
# z% r, e; E& o& v( X1 W+ W( o│ │ 9-多模态特征融合.mp42 [0 C1 H0 x J$ ~ s" W/ F
│ │ 10-3D卷积特征融合.mp4
, R# }! G( S6 } j; F│ │ 11-输出层预测结果.mp4
5 f7 _5 u9 n8 ]│ │
' ^+ K7 ?! L7 D! m│ ├─15_第八模块:模型蒸馏应用实例0 `4 N1 S6 |- x) ?8 q
│ │ 1-任务概述与工具使用.mp43 M/ \9 ]- U0 M$ L( W9 t8 W4 {7 e) N
│ │ 2-Teacher与Student网络结构定义.mp4
/ z. O' I: h! m) ?│ │ 3-训练T与S得到蒸馏模型.mp4
& D3 _ G* Z+ E; I0 {2 G│ │ 4-开始模型训练过程与问题修正.mp4
9 ^& V0 D, u8 a% ~/ @│ │ 5-日志输出与模型分离.mp48 W; R6 @3 r; E" C2 A$ e+ l# \
│ │ 6-分别得到Teacher与Student模型.mp4
: b3 o- W( S: b# j1 m/ J│ │ 7-实际测试效果演示.mp4) X# R$ A" a0 A" d
│ │
, C/ K6 e9 Q& Q# C F% E│ ├─16_第八模块:模型剪枝方法概述分析
: ~3 w: d F6 q. Y│ │ 1-SuperNet网络结构分析与剪枝概述.mp4: {! P( |1 S7 y% g9 f; R/ G
│ │ 2-搜索匹配到符合计算量的模型并训练.mp4
! R( @+ r) A `* z5 n" Z│ │
( k6 ?2 H) _4 H6 r& K y( x│ ├─17_第九模块:mmaction行为识别
7 {. X, c1 F" M! R# B/ t. B& J( B# V│ │ 创建自己的行为识别标注数据集.mp4
; w; h1 f$ d G+ |, {│ │
% q( }, B m5 r/ o9 p' w│ └─18_额外补充2 ?0 D, h6 I2 B. Q: @
│ 在源码中加入各种注意力机制方法.mp4
/ B2 }! n7 Z/ | Y4 w2 |( X8 a│ , R( k- b. g" D) [0 v- z1 }( Y
├─5_Opencv图像处理框架实战
" w E: j$ O/ }7 I│ ├─10_项目实战-文档扫描OCR识别
4 m& R/ K$ e) C0 I- P│ │ 1-整体流程演示.mp4. [" G: ^2 p, r6 R1 p2 D
│ │ 2-文档轮廓提取.mp4" g' u8 a0 z6 E9 [9 N
│ │ 3-原始与变换坐标计算.mp45 \5 p1 L* N: y5 w
│ │ 4-透视变换结果.mp4
7 u0 X! q" T( r/ Y! e│ │ 5-tesseract-ocr安装配置.mp48 p# ^% u. b3 d; X
│ │ 6-文档扫描识别效果.mp4 c0 f, X. B/ z$ A6 b: K8 X: V
│ │ 6 q' k- j" F9 Z- f3 Y0 _( Q
│ ├─11_图像特征-harris, z8 G% b E9 v5 n1 V4 T
│ │ 1-角点检测基本原理.mp4
& X; N, U* t) O2 j# G+ y│ │ 2-基本数学原理.mp4
1 t& ]2 r; k3 E6 E, t7 ?: u│ │ 3-求解化简.mp47 `# E* V) }2 \7 N
│ │ 4-特征归属划分.mp49 @7 E$ F( q, ]1 R- I4 t4 C
│ │ 5-opencv角点检测效果.mp47 S% p& c+ F1 q4 U7 @) U( f7 y- M
│ │
2 j" z1 I* k: @3 A│ ├─12_图像特征-sift
% Z L: J% G2 S* U' V5 F) j│ │ 1-尺度空间定义.mp4
' P" j; [" F/ X│ │ 2-高斯差分金字塔.mp45 E+ S3 S& ^' g
│ │ 3-特征关键点定位.mp4, N& O3 M5 L7 R; ~; ~9 l/ e
│ │ 4-生成特征描述.mp4
1 b7 T( n8 L. p( }% T f│ │ 5-特征向量生成.mp4, L3 o. ?' B' E! e3 o
│ │ 6-opencv中sift函数使用.mp4
p$ }$ b" g8 P" R│ │
5 u% I: \ y& w4 U% _│ ├─13_案例实战-全景图像拼接
0 v* B- _5 y9 |- y- Q8 |│ │ 1-特征匹配方法.mp4$ S: C8 L" K) q" |5 C+ ]
│ │ 2-RANSAC算法.mp4
# e) y- i( ^- @) [│ │ 2-图像拼接方法.mp49 i. {* r( y. { \2 d+ y
│ │ 4-流程解读.mp4
/ O" k$ ]. x; z│ │
! v, X4 G2 c ^, N│ ├─14_项目实战-停车场车位识别
9 R4 g0 N% y$ j! v/ B7 r│ │ 1-任务整体流程.mp4
- U$ X# B. W/ S│ │ 2-所需数据介绍.mp4 s# L' S7 X- g3 n9 S6 M! s
│ │ 3-图像数据预处理.mp4
- n2 X' a5 j8 @5 Q│ │ 4-车位直线检测.mp4
# S) S4 l2 g; ^" \│ │ 5-按列划分区域.mp4
* Z6 s1 n5 ]. t. P│ │ 6-车位区域划分.mp4
1 z+ a3 G1 s0 I+ c: U4 P│ │ 7-识别模型构建.mp4
# V& U+ v" H$ j. L) k3 E│ │ 8-基于视频的车位检测.mp4* y ^* F: O; ?6 K0 Q
│ │ , [% ?+ i) z, W7 {7 D1 o/ ~; P
│ ├─15_项目实战-答题卡识别判卷
% b" L, G( ?5 @! e! e│ │ 1-整体流程与效果概述.mp4
# x, ?+ n8 _" F- X6 s│ │ 2-预处理操作.mp4
+ n6 d; v- f& ^" j│ │ 3-填涂轮廓检测.mp4& { S8 W1 R* R5 k( j' @( v1 _
│ │ 4-选项判断识别.mp4/ {# [% z) n) P! V
│ │ ! M7 _9 [4 i: }# {( M7 u
│ ├─16_背景建模+ u* H+ ]. \" j; ^( V" B8 T
│ │ 1-背景消除-帧差法.mp4: J6 i4 b: i6 ` V# |# g
│ │ 2-混合高斯模型.mp4) [* }9 Y' ?6 C
│ │ 3-学习步骤.mp4
" U7 W; F; y! z; [8 P. I│ │ 4-背景建模实战.mp4+ z$ q$ D# ]8 [
│ │ 2 K+ A2 F0 Z( ~
│ ├─17_光流估计$ ]7 k6 E$ i( j: X$ {9 Q( L8 j
│ │ 1-基本概念.mp4
7 r4 d+ N3 O( I! z3 |% W/ e│ │ 2-Lucas-Kanade算法.mp4
0 B* t& J6 S( x1 c# u│ │ 3-推导求解.mp47 n& [% o2 H( }
│ │ 4-光流估计实战.mp4- M) K; F' b5 N4 f) R3 m
│ │
+ @/ c4 G3 E2 n# ~; J: D, C5 j! d, l {│ ├─18_Opencv的DNN模块3 k$ G9 L( S2 d5 i5 U3 A
│ │ 1-dnn模块.mp4" A1 ~$ j) e( }: I x3 c/ U9 I
│ │ 2-模型加载结果输出.mp4
" j( N% w( [8 |3 F5 ]9 x1 g# W [│ │ ( ~1 \2 h: K ]* k8 i( z" I' ^
│ ├─19_项目实战-目标追踪
0 s: w; \/ x9 \│ │ 1-目标追踪概述.mp45 X" x* D' q7 [" e" h% Q+ I
│ │ 2-多目标追踪实战.mp4
: }' j" `6 W. L; `& T! d2 H│ │ 3-深度学习检测框架加载.mp4
2 P/ J6 z+ d! S7 H1 p& q│ │ 4-基于dlib与ssd的追踪.mp4! {' H( b* U2 }# t- G2 M& {
│ │ 5-多进程目标追踪.mp43 D% z' |* W' D' s1 | h) U
│ │ 6-多进程效率提升对比.mp4
5 E. f& @# o7 d$ c" r2 e│ │
$ B% J9 _/ ?1 b. L│ ├─1_课程简介与环境配置3 P( d6 V. q. H6 f5 V, i
│ │ 0-课程简介2.mp4
8 \# s# J! J! `│ │ 2-Notebook与IDE环境.mp46 S7 t3 J: R5 @
│ │ 2-Python与Opencv配置安装.mp48 v8 R% ?' i- J! j
│ │ 0 j& n6 r0 g$ b4 e7 ]7 W
│ ├─20_卷积原理与操作
7 G! k ?9 J4 r2 L9 A# M│ │ 1-卷积效果演示.mp4" {% F" ]7 O6 c5 i/ P f
│ │ 1-卷积神经网络的应用.mp4
' o$ q: Z! m5 x2 @! q$ _3 w4 Q4 R& o│ │ 2-卷积层解释.mp4# Y9 D; s: L+ h5 \ a
│ │ 2-卷积操作流程.mp4' o0 ^) z' ?. ~- a8 r7 S( P% u! u
│ │ 3-卷积计算过程.mp41 }) d0 A( G2 U. d3 W/ i) W Y4 f& x
│ │ 4-pading与stride.mp46 r8 B) X; @; X' }9 V
│ │ 5-卷积参数共享.mp44 c* o) N/ q. c F& T0 |
│ │ 6-池化层原理.mp4
1 w& k; ?% x7 e6 F│ │ " |; q1 e6 _! t- T- r' l) p
│ ├─21_项目实战-疲劳检测) g+ b4 T1 H8 @- R3 S
│ │ 1-关键点定位概述.mp4
+ r! ~5 N% v4 Z6 O4 G│ │ 2-获取人脸关键点.mp4
, |, s: |0 p D5 [. E│ │ 3-定位效果演示.mp4
1 I" [ _# o% U! N│ │ 4-闭眼检测.mp4
& q/ h, m- b9 ?2 E' T4 ]9 L│ │ 5-检测效果.mp4( H* j6 r! A0 ?, D
│ │ " s7 l+ d4 L0 c
│ ├─2_图像基本操作
2 O. A& N; ]% ? z) Z2 k│ │ 1-计算机眼中的图像.mp49 T' Q6 a0 W% ?/ v- m. R1 [
│ │ 2-视频的读取与处理.mp42 H+ v( y+ B- p9 {
│ │ 3-ROI区域.mp48 @1 J+ e& ?6 c! I) p: U
│ │ 4-边界填充.mp4
; l4 n1 u" T/ P+ }' f' ]│ │ 5-数值计算.mp4
3 w9 p( J K( ?5 l' i! d# n& E! ^│ │
% z; W1 k% V" K2 X, X1 e│ ├─3_阈值与平滑处理, u2 O1 x3 }& z. t. B* E
│ │ 1-图像平滑处理.mp4( a6 ~1 B4 t" \' @& [' x; V! F
│ │ 2-高斯与中值滤波.mp4( K" a& ] k8 I$ ^$ D
│ │ 图像阈值.mp4 Y* S: c: L" Z/ I* I0 U5 p' [
│ │
% q0 z6 q1 u0 Z+ `- g│ ├─4_图像形态学操作
! j7 R+ T3 j( z! O2 z│ │ 1-腐蚀操作.mp4; l* [0 c! g, r! a$ t/ n0 F
│ │ 2-膨胀操作.mp4
' k x* z0 M' O# V$ @' t* ~* ~│ │ 3-开运算与闭运算.mp4
( U1 ~4 `( y& }7 X* R+ T│ │ 4-梯度计算.mp4+ o, o3 v# x7 l
│ │ 5-礼帽与黑帽.mp4
# ]2 a( \; a. j" c; N! u0 M3 b4 T│ │
1 O4 e) t" d5 S/ c0 M│ ├─5_图像梯度计算
% ] g7 n. ]/ ]8 e│ │ 1-Sobel算子.mp42 f4 Q2 ?4 }. _: u8 E k* R
│ │ 2-梯度计算方法.mp4
5 Z- x- d% O) H0 }9 V│ │ 3-scharr与lapkacian算子.mp4
9 t& `1 `& _8 c& W│ │
7 t" r7 T* }2 q4 J9 M' b6 `7 ?8 M2 {│ ├─6_边缘检测. W4 N' x! f: D' H8 c, F3 D
│ │ 1-Canny边缘检测流程.mp4
' O+ V1 p0 s1 f5 [. q9 {7 o│ │ 2-非极大值抑制.mp4, P$ @. h# {+ ~, T9 u4 i
│ │ 3-边缘检测效果.mp4
! l. R/ Q/ L) n1 A, i/ W│ │ 8 y$ C: T7 k: M; J
│ ├─7_图像金字塔与轮廓检测4 s0 {$ U- T* N6 t7 ~& L
│ │ 1-图像金字塔定义.mp4" \$ F; c, }2 a. m! ^: D
│ │ 1-模板匹配方法.mp44 U8 |. v4 e7 y& Y4 c4 s5 f
│ │ 1-轮廓检测方法.mp40 u7 c- r5 Y7 S0 q3 s* g
│ │ 2-匹配效果展示.mp44 T& ?3 `9 f Q4 [/ r1 S5 G
│ │ 2-轮廓检测结果.mp4- j6 V/ p+ H; q4 K1 B
│ │ 2-金字塔制作方法.mp4/ x+ _# ^7 e& [; B, W0 Z- Y1 P
│ │ 3-轮廓特征与近似.mp4
* R/ S) ]6 u0 S# e) P4 o│ │ / T% J/ b5 v+ Y, @. \' c* ]
│ ├─8_直方图与傅里叶变换 g- u& K: [, L1 s) D* V* Y4 j
│ │ 1-傅里叶概述.mp4
0 O" a: ?8 j, Y1 I2 D: W5 V2 b│ │ 1-直方图定义.mp4
( U# k N1 ~$ j |0 N0 q│ │ 2-均衡化原理.mp4
* j% I) d; Z7 N- R( v│ │ 2-频域变换结果.mp4
7 S2 A7 ^9 \& X, c* q│ │ 3-低通与高通滤波.mp4. d! p! R4 I* ^! c" c9 z2 `2 K ~
│ │ 3-均衡化效果.mp4# C6 i: k, @8 ~$ e. {% J
│ │ % o/ h, d- L" }/ h! q3 w* v2 ?, a" L
│ └─9_项目实战-信用卡数字识别
# `1 J4 F# F! f3 {# Z. z1 W│ 2-环境配置与预处理.mp4
- `$ v$ l7 Z; P( v! h│ 3-模板处理方法.mp4
/ e, o# U* E9 c; f( d│ 4-输入数据处理方法.mp45 s9 A M% k* n3 _) E1 O6 ?2 J
│ 5-模板匹配得出识别结果.mp4" `. B( q; J1 J) G6 i) f
│ 总体流程与方法讲解.mp4
/ @5 h. Z0 L' Q2 [ h' M│ 9 x+ z2 ]6 i2 ^" d* j% f3 ]" R' l
├─6_综合项目-物体检测经典算法实战( D! L" p; C* t# q, ~
│ │ # A4 J* C3 {/ _9 a2 w3 e* g
│ ├─1_深度学习经典检测方法概述- m: ]# l; c$ P
│ │ 1-检测任务中阶段的意义.mp4+ s5 l# H7 ~0 g
│ │ 2-不同阶段算法优缺点分析.mp4
7 C+ y+ _( G m│ │ 3-IOU指标计算.mp4% A' C$ f( t1 S" f
│ │ 4-评估所需参数计算.mp4
! k2 d5 N+ n5 `; \, n4 D1 Z│ │ 5-map指标计算.mp4& I" {) N' x4 W, V. |
│ │ 0 S. D5 M5 J/ a* h
│ ├─2_YOLO-V1整体思想与网络架构9 B' ~2 Z3 X( @ t
│ │ 2-检测算法要得到的结果.mp4
2 ? ^, B$ B5 R; X3 l2 ]" S" a│ │ 3-整体网络架构解读.mp4' d+ J/ ^7 z7 F* o+ E$ U' ?
│ │ 4-位置损失计算.mp4. P& D" s) e0 _
│ │ 5-置信度误差与优缺点分析.mp4
V( w1 ?: ^, k5 e8 v│ │ YOLO算法整体思路解读.mp4
0 U1 a- T+ U9 k8 A" M│ │ 4 I/ [0 j: l* U* l
│ ├─3_YOLO-V2改进细节详解
* v+ m6 U; Q4 y3 V+ Y+ D4 H│ │ 2-网络结构特点.mp4+ e/ \3 O$ ?! v. _
│ │ 3-架构细节解读.mp40 G6 l; F" x& J# t5 W9 S! q
│ │ 4-基于聚类来选择先验框尺寸.mp4
7 I2 l- S2 ]7 K) Q│ │ 5-偏移量计算方法.mp4
% a* R/ v& U- p P, t0 k- l6 Q* d│ │ 6-坐标映射与还原.mp4
$ W8 r% t& B& b│ │ 7-感受野的作用.mp44 X O$ F" j6 W( B0 C* B% h
│ │ 8-特征融合改进.mp4# I( h' n: Z: {. @! I
│ │ V2版本细节升级概述.mp4
9 T, p! K# R! e9 }3 {+ m5 p│ │ " e! J8 g4 s; ]' a e
│ ├─4_YOLO-V3核心网络模型5 J( ~# @- }1 N! H( P ^
│ │ 1-V3版本改进概述.mp4$ M, \2 \/ _* R! s- _" S
│ │ 2-多scale方法改进与特征融合.mp4: t* i8 A: s0 p
│ │ 3-经典变换方法对比分析.mp49 T8 ^1 b$ w4 U/ w
│ │ 4-残差连接方法解读.mp4$ Q3 X. A M, h/ H0 L
│ │ 5-整体网络模型架构分析.mp4 R2 I6 [# c2 i
│ │ 6-先验框设计改进.mp4
& S6 |" V* c7 K- J│ │ 7-sotfmax层改进.mp4
0 k* ?9 X D5 `: x$ I3 [│ │ , A) k3 F! g" }1 h5 v
│ ├─5_项目实战-基于V3版本进行源码解读
: n# C3 b" W) ^- [! Y* c2 I│ │ 1-数据与环境配置.mp4
! j- Q2 b# U' |4 v│ │ 2-训练参数设置.mp4
% V4 H# i* ~2 J6 Z│ │ 3-数据与标签读取.mp4
4 Q7 j0 q, Y* \) @. d; I9 Z│ │ 4-标签文件读取与处理.mp4
8 [' |& I$ _! u. v% ?! p│ │ 5-debug模式介绍.mp41 O# J# @% U9 J* ^+ V/ W: b
│ │ 6-基于配置文件构建网络模型.mp4* x( }7 R# P: J7 h s: E8 x
│ │ 7-路由层与shortcut层的作用.mp48 S- w" X& ^7 B3 y
│ │ 8-YOLO层定义解析.mp46 T& x# |8 l% C( Z6 ~' N
│ │ 9-预测结果计算.mp4) Z7 R. n) d" h. {" x7 ^/ r
│ │ 10-网格偏移计算.mp4
$ T# A4 j! j. Z b! ]│ │ 11-模型要计算的损失概述.mp4
* e1 o! J$ `4 \, Y* \8 e│ │ 12-标签值格式修改.mp42 C. o% {) |+ m8 _( D
│ │ 13-坐标相对位置计算.mp4
' n6 E: b, z) |" ^+ v/ m│ │ 14-完成所有损失函数所需计算指标.mp4
I; i: K, A, d. [" p' l! y) ]│ │ 15-模型训练与总结.mp4
+ n# @ @5 b( Z: k; y7 H1 ^5 i│ │ 16-预测效果展示.mp4
! z' O$ q) I0 F│ │
3 S- ?6 E1 ^/ p- Y6 V' O" K│ ├─6_基于YOLO-V3训练自己的数据集与任务
& m: f4 D! F& R+ I│ │ 1-Labelme工具安装.mp4
, X7 o1 d) q+ g│ │ 2-数据信息标注.mp4
8 H) Y6 N) W) g6 L3 q/ |│ │ 3-完成标签制作.mp4- i' h$ v$ I3 m- g" T3 o$ n
│ │ 4-生成模型所需配置文件.mp4) J, S0 L# k+ w: k4 @
│ │ 5-json格式转换成yolo-v3所需输入.mp4
- p0 u0 K0 c9 Z& ^│ │ 6-完成输入数据准备工作.mp4: K& X2 d9 w( e
│ │ 7-训练代码与参数配置更改.mp4
$ N" `3 m. ^5 i: a│ │ 8-训练模型并测试效果.mp4
; t E& A* b1 k* ~: _│ │ - b* ?& V5 a. F t
│ ├─7_YOLO-V4版本算法解读
) V+ ~1 x& U, z7 O│ │ 1-V4版本整体概述.mp4( q! a# o: B: y+ k1 z, B# D
│ │ 2-V4版本贡献解读.mp4
$ {# l1 ^ s) S1 q/ p│ │ 3-数据增强策略分析.mp4
! z* J* \ f- S' y5 T; o( w│ │ 4-DropBlock与标签平滑方法.mp4
) Q" V! j9 I' z; ]0 M│ │ 5-损失函数遇到的问题.mp4
, o! {) j2 y0 W- `& ]3 ]: l5 v│ │ 6-CIOU损失函数定义.mp4$ q% ?8 k( H; W) u0 {
│ │ 7-NMS细节改进.mp4
8 {% }! }$ Z6 u│ │ 8-SPP与CSP网络结构.mp4) h- S$ E" ? h9 d$ n& b
│ │ 9-SAM注意力机制模块.mp4& l1 |# f/ q$ y) S3 {* w) g' |5 ~8 F5 q
│ │ 10-PAN模块解读.mp4
8 W& s0 H2 [- p6 C│ │ 11-激活函数与整体架构总结.mp4
9 T" V* n; Q* X+ b$ B; |) `3 N# b│ │
) ~5 b. m" L% C, ^# g│ ├─8_V5版本项目配置4 i/ M$ o' u9 [- I. y' G/ R
│ │ 1-整体项目概述.mp4
* w0 L( W# ~$ j G0 H9 [│ │ 2-训练自己的数据集方法.mp4
( }2 w4 }* L# u# {4 ?, G3 n' \│ │ 3-训练数据参数配置.mp4' a/ g4 `- h; T6 h; B0 U
│ │ 4-测试DEMO演示.mp44 T) m. L' P+ U. ?5 `3 G
│ │
8 |4 h- r: V9 M│ ├─9_V5项目工程源码解读- V4 h4 l* c# f6 x$ p p2 i
│ │ 1-数据源DEBUG流程解读.mp4
; V Q" |( E# }5 Z7 |│ │ 2-图像数据源配置.mp4; ?' |9 {7 ~6 |) A
│ │ 3-加载标签数据.mp4
; a' \( x+ q; ~( k; K│ │ 4-Mosaic数据增强方法.mp4
2 M: {2 Z1 {+ K6 v, f5 F& X│ │ 5-数据四合一方法与流程演示.mp4
! q2 J E/ d$ y# t% n F6 ^( Q│ │ 6-getItem构建batch.mp40 b: Z' P! h) Y
│ │ 7-网络架构图可视化工具安装.mp4
6 l4 z! E: k& J9 n│ │ 8-V5网络配置文件解读.mp4
/ e9 g6 k4 O Z$ N1 B│ │ 9-Focus模块流程分析.mp4
* O [7 P: c& F: J+ t1 ]$ f, B9 _│ │ 10-完成配置文件解析任务.mp4. C: f/ A& }2 ^1 m2 [& R
│ │ 11-前向传播计算.mp4+ z3 J! l; S; ~
│ │ 12-BottleneckCSP层计算方法.mp4
- ?2 C+ T* h* d' O│ │ 13-1 SPP层计算细节分析.mp4
: X/ ]' T) h% O z. v: t) s+ c│ │ 13-Head层流程解读.mp4* Y' S; t( v# V! _8 H v
│ │ 14-上采样与拼接操作.mp4$ t0 }6 Q6 K# p' l5 X+ d" x
│ │ 15-输出结果分析.mp47 v" ?0 v' r' r% ~" W# u
│ │ 16-超参数解读.mp4
7 m/ s* {0 X% p2 j" y│ │ 17-命令行参数介绍.mp4
6 Q$ g; L( ^1 d" i8 R│ │ 18-训练流程解读.mp43 B/ M: ]+ k @4 a' D
│ │ 19-各种训练策略概述.mp4
( ~' r; [2 C7 M5 Q* q│ │ 20-模型迭代过程.mp43 f! O3 g& d& S: u
│ │ / \* a# b8 f* G/ X
│ ├─10_EfficientNet网络8 f+ w$ F6 O' `- S. i2 A" w6 J. m
│ │ 第八课:EfficientNet网络模型.mp4
: u8 n, L- A+ t! J7 Y0 z│ │ 7 K4 J$ u( c5 ]3 m6 u9 i
│ ├─11_EfficientDet检测算法
; V7 R* Y' G" r│ │ 第十一章:EfficientDet检测算法.mp4$ ?8 g/ D0 R# [* }8 M/ \
│ │ / E; X( p. T' @2 s9 A
│ ├─12_基于Transformer的detr目标检测算法0 n7 U8 V( d v( M6 j$ [
│ │ 1-DETR目标检测基本思想解读.mp4
4 Z4 U1 t1 G# J6 J( [9 f2 P- I│ │ 2-整体网络架构分析.mp48 Y/ y' c% U% @7 U/ k
│ │ 3-位置信息初始化query向量.mp4' _' d( p8 i7 }1 a$ A' \$ V6 r' N
│ │ 4-注意力机制的作用方法.mp4
) {" N ?; |3 ^7 w) k9 H& r1 o) u7 G│ │ 5-训练过程的策略.mp4" j4 B/ [" Y1 x1 G
│ │
) r4 n q$ R6 y9 p+ N│ └─13_detr目标检测源码解读/ v- R7 S4 S/ S' _$ B. ~) v
│ 1-项目环境配置解读.mp4% v4 s) j2 z9 X0 _; J p
│ 2-数据处理与dataloader.mp4( a" c( {7 s `. _4 y1 B% k
│ 3-位置编码作用分析.mp4
0 R$ w2 U7 K3 f. ?$ w: G│ 4-backbone特征提取模块.mp4
6 r7 X2 J1 p- e3 }│ 5-mask与编码模块.mp41 Q1 d7 @. C; i- a
│ 6-编码层作用方法.mp42 K; N$ P B1 M: x8 n
│ 7-Decoder层操作与计算.mp4( G) e3 R0 r, j ?" c6 u/ A! P
│ 8-输出预测结果.mp4
1 t( _! l! H8 @9 j' Q1 G' J( S│ 9-损失函数与预测输出.mp4! ~( @( }# ^! l% b, T0 H4 j; l& a8 z
│ - v; [% q" Y" k
├─7_图像分割实战; q- D- |3 L& s9 ]" Z
│ ├─1_图像分割及其损失函数概述3 V; W+ h1 j1 E, q* L& ^
│ │ 1-语义分割与实例分割概述.mp4
) d* U& |9 n2 b+ a│ │ 2-分割任务中的目标函数定义.mp4: E. {% l, X& O3 g% _
│ │ 3-MIOU评估标准.mp4- b6 l# n. F' l- S
│ │
8 D- {. t/ Q% C; D│ ├─2_卷积神经网络原理与参数解读$ D5 `- m; d J
│ │ 1-卷积神经网络应用领域.mp4/ U2 R6 U+ D' @2 r, {2 B
│ │ 2-卷积的作用.mp4
. o: k. v- p- }3 q; v7 @0 s│ │ 3-卷积特征值计算方法.mp4
; Z9 N6 J/ q7 ~- L) i; j│ │ 4-得到特征图表示.mp4% e" o# q+ t, `2 m3 Y+ x" r" O/ A
│ │ 5-步长与卷积核大小对结果的影响.mp4
- K+ m! `; P3 b. C& k│ │ 6-边缘填充方法.mp4
, X+ J( y' x" e- ~9 |% e$ i6 F│ │ 7-特征图尺寸计算与参数共享.mp4$ ^7 ^9 p; d5 a6 s( `( L7 H
│ │ 8-池化层的作用.mp4
6 t4 X% a1 [1 A2 ^4 @│ │ 9-1整体网络架构.mp4- b2 ~ J9 m0 D7 N- \
│ │ 10-VGG网络架构.mp4- e0 d1 A9 b( \; l2 x0 Z
│ │ 11-残差网络Resnet.mp4
- G' U( A3 l0 c6 a│ │ 12-感受野的作用.mp4; l' J5 ]; F9 S: P, ]8 @" f" k# y
│ │
0 N. s) d5 P W+ L4 f│ ├─3_Unet系列算法讲解2 e( g5 p: N& w" o2 V- w: `
│ │ 1-Unet网络编码与解码过程.mp4% H$ [ w' h: T
│ │ 2-网络计算流程.mp48 f, z }( G0 \2 V) Y: T$ Y
│ │ 3-Unet升级版本改进.mp4, R! d; ]% i5 o8 C* M
│ │ 4-后续升级版本介绍.mp4- a6 v) g7 V. O: E
│ │
) o: V$ S+ T* R" q" l2 l│ ├─4_unet医学细胞分割实战8 b: n! m( p) {; m
│ │ 1-医学细胞数据集介绍与参数配置.mp4" P+ H) V: ]6 L" t8 H6 f
│ │ 2-数据增强工具.mp49 Z k0 B7 ~ ?4 f' \1 F! h: Z
│ │ 3-Debug模式演示网络计算流程.mp42 D( _% M, n4 ?0 V2 K2 ^
│ │ 4-特征融合方法演示.mp4
$ t& Z% K# S) k) U│ │ 5-迭代完成整个模型计算任务.mp4
5 t0 m0 ]4 T$ Q9 n/ I7 o: R│ │ 6-模型效果验证.mp4
( y& q7 I1 C$ M2 X! G5 d2 [│ │
, E9 g& Q7 J1 m6 ?) y* w& C+ u) r│ ├─5_U2NET显著性检测实战+ _. {# ]2 J& Z* i
│ │ 1-任务目标与网络整体介绍.mp4
2 |" C$ w& P- L P/ W│ │ 2-显著性检测任务与目标概述.mp4
! y! v9 E; ^7 n& y1 [) h8 A│ │ 3-编码器模块解读.mp4
) E; w s5 Q, o4 Z$ ^│ │ 4-解码器输出结果.mp4
' |$ c1 ]4 t7 g! v L' [, z│ │ 5-损失函数与应用效果.mp4
; f5 P, X6 ^" R0 n$ F) K: P+ Z( N4 \│ │
* y J; u1 x% s│ ├─6_deeplab系列算法
9 B, d; x6 u) t' T2 S│ │ 1-deeplab分割算法概述.mp4) R3 n- g/ T3 [
│ │ 2-空洞卷积的作用.mp4+ R* H! |* @# i; m: x+ J" x
│ │ 3-感受野的意义.mp4
) _% ?+ J+ c- P; E8 ?│ │ 4-SPP层的作用.mp4
4 I% U+ d# ?0 q8 J: J, ]│ │ 5-ASPP特征融合策略.mp4
6 s. x9 \2 x C. [" ?│ │ 6-deeplabV3Plus版本网络架构.mp4
+ u6 H6 c2 z M. M3 ]& T│ │ 3 g% S1 K0 l2 U
│ ├─7_基于deeplabV3+版本进行VOC分割实战1 F4 l1 `7 E4 g) A5 _/ J! ?& V
│ │ 1-PascalVoc数据集介绍.mp4
1 C0 f- Q/ J T! b" F│ │ 2-项目参数与数据集读取.mp4* z, F0 u u3 L; u6 G3 A5 w
│ │ 3-网络前向传播流程.mp4: A6 f4 R, h4 D0 s% E$ \* c& n
│ │ 4-ASPP层特征融合.mp4
; Z. z, n- h8 a. z% n; P7 E- ^│ │ 5-分割模型训练.mp44 W& l- V$ q& ^8 g" Y$ e
│ │
! V1 G3 L) a: _1 F {│ ├─8_医学心脏视频数据集分割建模实战
8 V f/ J' `& Q* Z1 J│ │ 1-数据集与任务概述.mp4
1 ]: E; T* M: a& v$ p# N. u│ │ 2-项目基本配置参数.mp4+ K1 [6 u0 w6 d" Y$ m) K
│ │ 3-任务流程解读.mp4
0 _$ h q) i2 Q- T7 Y; z6 ]% Y│ │ 4-文献报告分析.mp4
" v3 l3 Y9 i, ]% W5 b│ │ 5-补充:视频数据源特征处理方法概述.mp4" T1 w5 B' N/ }6 i/ b6 Z
│ │ 6-补充:R(2plus1)D处理方法分析.mp4& r# {- L% \0 E( O& v2 a2 o
│ │ ! p. Z. x! ^8 ~7 B$ F* D/ b& ]
│ ├─9_物体检测框架-MaskRcnn项目介绍与配置) u) y7 d$ Z0 X0 E5 I$ T; ^
│ │ 0-Mask-Rcnn开源项目简介.mp49 g4 l8 i1 }& W2 T" g
│ │ 0-参数配置.mp4
) [+ x- Y4 K i4 E: `; I- ]│ │ 0-开源项目数据集.mp4
2 \. U: d# P3 @3 b│ │
0 G! Z( }9 s/ n$ m$ {) B' u, V4 o& A│ ├─10_MaskRcnn网络框架源码详解
, y# A5 |* S% p│ │ 1-FPN层特征提取原理解读.mp4
) o0 G" g( F0 N/ c$ G; ~: H1 Y│ │ 2-FPN网络架构实现解读.mp4
9 }+ h( i6 _4 c5 w│ │ 3-生成框比例设置.mp4
2 c# p+ j1 z4 Q) X6 N/ C' `│ │ 4-基于不同尺度特征图生成所有框.mp4
- H( W( j6 p7 l9 Q$ Q% U│ │ 5-RPN层的作用与实现解读.mp4
1 Z! ]; h5 o- x8 ~9 J2 ?│ │ 6-候选框过滤方法.mp4# L* K8 u1 w: O1 t4 x
│ │ 7-Proposal层实现方法.mp46 i4 ~, j4 {6 J$ `7 @
│ │ 8-DetectionTarget层的作用.mp4
* B6 N& k- ~5 z/ e- h│ │ 9-正负样本选择与标签定义.mp4
* E% S2 O7 I$ |) J' p│ │ 10-RoiPooling层的作用与目的.mp4
& B/ U8 {8 }0 `% H3 O+ b3 ] S│ │ 11-RorAlign操作的效果.mp44 ?9 d! D, w- ~! o& {) q7 G2 V! B5 n
│ │ 12-整体框架回顾.mp4" c4 `! f0 m* Y/ P; @/ \$ o
│ │
; B% o- O4 e6 o) Z; l5 a$ _+ B( z1 S│ └─11_基于MASK-RCNN框架训练自己的数据与任务
% l; e) Y* j+ U" E. Z' F/ K8 J│ 1-Labelme工具安装.mp4
* A/ l; ]7 |2 @# Y6 V│ 2-使用labelme进行数据与标签标注.mp4! V- \! }1 I! M H3 C
│ 3-完成训练数据准备工作.mp4. {- G8 E2 g6 A* e. r
│ 4-maskrcnn源码修改方法.mp4
5 o m0 ^/ W3 o* v│ 5-基于标注数据训练所需任务.mp4, _; v9 A+ ^( H+ X0 \) h: Z+ D
│ 6-测试与展示模块.mp4- n4 v+ n. I- t. {
│
* Z# W' o2 P% b7 v│ ( V9 Q: w7 [4 m9 [ B. X1 _
├─8_行为识别实战
, K: F9 J Q- g* j# @! t! C, {│ ├─1_slowfast算法知识点通俗解读
8 p) I: z+ e6 _% e) U- `│ │ 1-slowfast核心思想解读.mp47 p5 K9 U9 G5 F7 s8 X8 P
│ │ 2-核心网络结构模块分析.mp4, p; u/ X& D! H' g
│ │ 3-数据采样曾的作用.mp4& `2 \2 b/ Y8 U, e4 {* l( a1 p) i( c
│ │ 4-模型网络结构设计.mp42 }8 `' t+ O; I8 q2 k4 p, H
│ │ 5-特征融合模块与总结分析.mp4( S' `' B! E/ M8 `) ^* a
│ │ 8 J3 Q& J" @- }' A3 I
│ ├─2_slowfast项目环境配置与配置文件. [$ e4 N# z4 {; C* y6 t; ^! s2 B
│ │ 1-环境基本配置解读.mp4+ u8 c3 w5 ~, W$ t' w1 ~) r8 T
│ │ 2-目录各文件分析.mp4" S( j* b/ ~. e& e q
│ │ 3-配置文件作用解读.mp4! V% y: Y0 r5 s/ K
│ │ 4-测试DEMO演示.mp4
& s0 B0 ?! O/ e+ V$ s! q│ │ 5-训练所需标签文件说明.mp4
* f; }. E5 I- d( N% U+ `7 Z│ │ 6-训练所需视频数据准备.mp4. L) I9 G7 k# B' I4 I
│ │ 7-视频数据集切分操作.mp4/ X0 E7 S* r2 B7 h2 u, L: p
│ │ 8-完成视频分帧操作.mp4
" u) l: S$ [8 k( ?( E│ │ ) s. }& i0 X& H6 o% x
│ ├─3_slowfast源码详细解读4 e7 @) G% {1 G9 W3 ?/ Q- M
│ │ 1-模型所需配置文件参数读取.mp4+ O4 A8 A+ J0 f/ W
│ │ 2-数据处理概述.mp4/ p5 N* H! A/ G* t( }/ Q1 ^9 ?7 h
│ │ 3-dataloader数据遍历方法.mp4
8 L8 x( V# U# ]& i7 N P& M) z0 u: x% J│ │ 4-数据与标签读取实例.mp4
/ x1 l2 ^/ y6 V│ │ 5-图像数据所需预处理方法.mp4
1 ` e+ i8 g) o4 u7 l; s│ │ 6-slow与fast分别执行采样操作.mp4# \2 J* _7 S1 X! h4 H
│ │ 7-分别计算特征图输出结果.mp4# r. q) v0 P0 Y+ V- [9 D
│ │ 8-slow与fast特征图拼接操作.mp4* s# ^6 |1 h0 c, ^
│ │ 9-resnetBolock操作.mp4
2 T8 W d; E9 C9 }│ │ 10-RoiAlign与输出层.mp4
4 n5 b: D' a8 w2 }│ │
. T* N5 f0 w+ j# X" }: O2 W7 ^9 X- Q0 i│ ├─4_基于3D卷积的视频分析与动作识别7 `' ~$ g/ u- h: Z: O
│ │ 1-3D卷积原理解读.mp4( [0 {4 K! H, U1 Z- v
│ │ 2-UCF101动作识别数据集简介.mp4
( [0 u4 h6 U9 p' Q* l! l ^│ │ 3-测试效果与项目配置.mp4
. o& r4 q! N9 t4 W│ │ 4-视频数据预处理方法.mp44 V+ G( E1 J6 o4 e' s% ~0 g
│ │ 5-数据Batch制作方法.mp4
+ U" y: ]7 g- Y│ │ 6-3D卷积网络所涉及模块.mp43 T; k8 @- Q3 _8 R1 W4 @4 y* P: l
│ │ 7-训练网络模型.mp4
3 e4 J( ^7 e! H0 s8 Z/ x1 m7 Q│ │ ! W9 N6 `3 M8 C
│ ├─5_视频异常检测算法与元学习% i. j) C C+ R: l
│ │ 1-异常检测要解决的问题与数据集介绍.mp4
) n! h9 I% x9 m! w│ │ 2-基本思想与流程分析.mp4* J% }5 U7 ~( D9 ^
│ │ 3-预测与常见问题.mp43 D: C+ l4 m! d' S0 Y
│ │ 4-Meta-Learn要解决的问题.mp45 v7 W. D) N1 P# ^1 |% M+ N
│ │ 5-学习能力与参数定义.mp4' `7 K: [- K* q B. r+ L- ?
│ │ 6-如何找到合适的初始化参数.mp4
7 T8 M# b7 Q4 M% T Z│ │ 7-MAML算法流程解读.mp4$ v1 g3 ~& E* v8 v
│ │
F! n+ \& P) O3 s│ ├─6_视频异常检测CVPR2021论文及其源码解读0 ?( ] p/ x- A }# v* w- h
│ │ 1-论文概述与环境配置.mp4
4 D7 q3 w E& ~│ │ 2-数据集配置与读取.mp4
5 H9 T' W+ o3 W+ e2 j* ~ k│ │ 3-模型编码与解码结构.mp4
" ~( a: a# d: }& F, _│ │ 4-注意力机制模块打造.mp45 E6 B# u# C, T! i$ t" B7 b
│ │ 5-损失函数的目的.mp4& K0 j P8 D* Z) Y2 d
│ │ 6-特征图生成.mp4
+ ~) h) X6 x: h' P( Y0 n, J1 \│ │ 7-MetaLearn与输出.mp4* Q+ c9 S8 \' o! l! y
│ │ & t' j& m1 b. ^7 J8 w8 w* d) o3 O
│ └─7_基础补充-Resnet模型及其应用实例
! l% X3 p5 Z8 h│ 1-医学疾病数据集介绍.mp41 N9 C2 X6 d: H. d% {
│ 2-Resnet网络架构原理分析.mp4
% b! E. w( e$ ^' T( \ g, e& [│ 3-dataloader加载数据集.mp4( A6 {7 t/ |" o* g* O
│ 4-Resnet网络前向传播.mp4
+ w& b7 E! E) I7 b6 K│ 5-残差网络的shortcut操作.mp4
9 z& Z: C3 J6 R% r+ a9 h8 m│ 6-特征图升维与降采样操作.mp4& ~1 Z9 M6 H- _2 f5 j
│ 7-网络整体流程与训练演示.mp4! w+ ]# Q: h* v! d) u0 f" k0 [
│
9 K7 ~! h) t/ {$ G8 J& z├─9_2022论文必备-Transformer实战系列
! V8 }* K6 `* j9 ^: Z7 E3 d│ ├─1_课程介绍- n; D, d& r0 l$ x* l, r
│ │ 课程介绍.mp4
" Z9 f; }' _; z│ │ / q" L- y: b% Y' G. J
│ ├─2_自然语言处理通用框架BERT原理解读! ?9 M; W4 z6 K; E ] b- v
│ │ 1-BERT任务目标概述.mp4 P: h, Y. {3 V$ _9 \
│ │ 2-传统解决方案遇到的问题.mp47 s2 I' n3 a) H8 d
│ │ 3-注意力机制的作用.mp4
( M7 T7 T( c8 d& K│ │ 4-self-attention计算方法.mp4
- \: [1 `! O$ N4 n│ │ 5-特征分配与softmax机制.mp4+ C9 b$ ~5 } u3 Q4 r& ^: p: r \: G
│ │ 6-Multi-head的作用.mp4) r0 k! R0 b" ~* Q# H, j
│ │ 7-位置编码与多层堆叠.mp4
3 C p+ a/ Z# s0 P5 l│ │ 8-transformer整体架构梳理.mp4
8 i4 |% b3 c. `: J│ │ 9-BERT模型训练方法.mp46 I3 F3 F, L3 s7 D& v
│ │ 10-训练实例.mp41 I6 D# G# f7 |
│ │ u8 `& b v; `+ e, N9 U# H
│ ├─3_Transformer在视觉中的应用VIT算法1 X5 d0 b/ k6 s, k/ ]. T" n$ H8 n
│ │ 1-transformer发家史介绍.mp41 e' d, d% `4 M [6 _/ Y
│ │ 2-对图像数据构建patch序列.mp4
' H2 V4 R/ l# o5 Q. W% U│ │ 3-VIT整体架构解读.mp4
' q* Q8 I& H8 R│ │ 4-CNN遇到的问题与窘境.mp4 [+ k" A+ n7 W, K/ S3 P
│ │ 5-计算公式解读.mp4
4 Q x" J1 T3 G, B│ │ 6-位置编码与TNT模型.mp41 m1 v* v- M5 q2 T8 c% u
│ │ 7-TNT模型细节分析.mp4
3 t, ]8 s. z0 C; c│ │
! m. Y- ?7 S1 z│ ├─4_VIT算法模型源码解读
) G) |* s0 n, Z" T│ │ 1-项目配置说明.mp4. H' E2 |. R# j7 h" S' s' ~
│ │ 2-输入序列构建方法解读.mp46 o8 u% s8 H( T
│ │ 3-注意力机制计算.mp4$ B( h& _$ ~9 v8 ?. u# g0 J3 k
│ │ 4-输出层计算结果.mp46 ^( U8 j& S* N% L [
│ │
* H* d( ~$ r/ z: W' X+ t│ ├─5_swintransformer算法原理解析
9 `+ S& @, N3 j) ?) ]- h6 k6 U│ │ 1-swintransformer整体概述.mp4. E' k7 I- O+ d3 f- r
│ │ 2-要解决的问题及其优势分析.mp4
3 I, c/ o' m# q6 o: B5 u. T│ │ 3-一个block要完成的任务.mp46 ]' D# U- m5 E9 E! o; d
│ │ 4-获取各窗口输入特征.mp4( o- l* n4 E% O) f$ d
│ │ 5-基于窗口的注意力机制解读.mp4
9 w+ @: @4 f: k$ j' \: |: m# A7 R; V│ │ 6-窗口偏移操作的实现.mp4
+ Z6 z) l3 @1 u: l' ~4 [5 J│ │ 7-偏移细节分析及其计算量概述.mp4
1 z2 l K4 a6 }! B5 |) C│ │ 8-整体网络架构整合.mp4 _0 U# h! k: n$ z+ f1 A
│ │ 9-下采样操作实现方法.mp4
$ `6 o% o, J7 h! \. X│ │ 10-分层计算方法.mp4
P8 {, G5 c+ F' h7 \8 |: Y9 m$ J│ │
* n: r9 s9 i! O" s+ A. ?1 I│ ├─6_swintransformer源码解读8 L1 r$ Y2 Y# f6 i: h
│ │ 1-数据与环境配置解读.mp4
* F9 h* s* S" w- A4 ^: g* Y│ │ 2-图像数据patch编码.mp4
. Q, c* ^' z! K6 g; w1 U B│ │ 3-数据按window进行划分计算.mp42 `& @ Z( u5 _7 S, g$ q" p4 w
│ │ 4-基础attention计算模块.mp4: ]' N/ k+ l# N# q% |
│ │ 5-窗口位移模块细节分析.mp4! D: y C6 X1 X Z, S
│ │ 6-patchmerge下采样操作.mp4" e) ^' U' m# n' p$ M: Y8 b
│ │ 7-各block计算方法解读.mp4
" D& C# t0 f- M [- N8 ]- S│ │ 8-输出层概述.mp4
% ?8 ^7 W$ z( t7 u4 j5 p" }' y│ │ 8 v7 y9 V: Q6 J
│ ├─7_基于Transformer的detr目标检测算法
% ]2 y8 p* W& k8 @: H* u│ │ 1-DETR目标检测基本思想解读.mp4
h( x7 z: T M: i" F9 C│ │ 2-整体网络架构分析.mp4
! o$ f2 c& _. w, _3 _│ │ 3-位置信息初始化query向量.mp4
R) d3 B. B& g│ │ 4-注意力机制的作用方法.mp4
$ C2 L" h# B" `" Q5 |/ D│ │ 5-训练过程的策略.mp4* ^6 S- z. _9 l6 V* n' Z [
│ │ $ L" g: Z# V& h3 L- |" _# }6 W3 |
│ ├─8_detr目标检测源码解读- o6 h. e% f7 @
│ │ 1-项目环境配置解读2.mp4" j4 [. x" w; A! Z1 u
│ │ 2-数据处理与dataloader2.mp40 W1 P! v# _ |0 l2 s* H) e& q- j
│ │ 3-位置编码作用分析2.mp4
9 {# m) s7 c! \" ?, i5 s5 @/ v- U│ │ 4-backbone特征提取模块.mp4
" C" q: a& C% G1 Y│ │ 5-mask与编码模块.mp4
1 y! f* e0 s6 |7 M│ │ 6-编码层作用方法.mp49 o6 M+ V7 |9 M( u9 ]" m
│ │ 7-Decoder层操作与计算.mp4! i b- i4 g* w/ ]6 C. \5 a2 F, [
│ │ 8-输出预测结果.mp4
8 d# L: n* N4 _% [& @1 ?│ │ 9-损失函数与预测输出.mp4
. P8 e3 f( Y5 _8 H│ │ & @! ?- P9 n3 q0 Q3 g ^
│ ├─9_MedicalTrasnformer论文解读
Y- Q8 x3 O' i2 p4 Z: x4 d' w9 A│ │ 1-论文整体分析.mp43 ?- h3 e; c* ^# Q, X
│ │ 2-核心思想分析.mp4
/ ?: z; S9 a! k4 Y" Q0 f2 o$ K4 {│ │ 3-网络结构计算流程概述.mp4
5 S4 N- N8 P8 \; @+ z- Y│ │ 4-论文公式计算分析.mp4" u4 l! P) w: w& i0 m8 ~0 E8 T$ N
│ │ 5-位置编码的作用与效果.mp4$ c, ~" ?6 J" ?$ n# g& A
│ │ 6-拓展应用分析.mp4' j' z$ J) u& ?0 G& H
│ │ ) H& {* Z5 V# W9 A! V( [
│ ├─10_MedicalTransformer源码解读
6 z) J4 N3 P/ a* f% b: X│ │ 1-项目环境配置.mp46 d8 D4 u3 p) B$ t% ?' q
│ │ 2-医学数据介绍与分析.mp49 P, @1 ~; \4 Y1 P6 L' B
│ │ 3-基本处理操作.mp4
3 L" v) g( X" i9 h: w( S│ │ 4-AxialAttention实现过程.mp42 p' C0 d) Q; u* {
│ │ 5-位置编码向量解读.mp4
4 o- |6 g; e+ V/ ~- z7 D# v│ │ 6-注意力计算过程与方法.mp4
$ o: p: P7 f" P# K( t3 z6 H' X1 a│ │ 7-局部特征提取与计算.mp4( _( b! x2 `$ a/ ?" X) {0 t4 o
│ │
7 e/ o. E8 q# G, l$ J" c9 ?$ U│ ├─11_商汤LoFTR算法解读
* ^1 {2 W; W8 `/ a k: a0 z│ │ 1-特征匹配的应用场景.mp4) y7 |2 h; N9 Q4 E( \4 L
│ │ 2-特征匹配的基本流程分析.mp4! c2 Z8 m, k L# ~
│ │ 3-整体流程梳理分析.mp47 e' F4 j1 |9 C
│ │ 4-CrossAttention的作用与效果.mp4
$ L$ p" V& N) B$ s" I│ │ 5-transformer构建匹配特征.mp4
# e+ n, ~, C/ \! @9 K5 r/ V│ │ 6-粗粒度匹配过程与作用.mp4
) o5 j# j; K) F: O' Q│ │ 7-特征图拆解操作.mp4, l/ }( _8 |0 q5 Z) Z( V
│ │ 8-细粒度匹配的作用与方法.mp4
8 \$ ~, ]0 \7 f! ?" ^5 w& i+ U│ │ 9-基于期望预测最终位置.mp4
) i, W( b+ K/ Z6 H8 Y% B│ │ 10-总结分析.mp4% Q* ~* T3 Y1 M/ f& {
│ │
: n0 Y7 w) t4 z H2 e% `+ n│ ├─12_局部特征关键点匹配实战8 B# \4 O, |( @% @
│ │ 1-项目与参数配置解读.mp4
) p& R4 _, g2 u/ y0 b/ t) P│ │ 2-DEMO效果演示.mp4
0 K) D0 V9 c, t; y* `! [% j a│ │ 3-backbone特征提取模块.mp4
; i$ H1 b$ s `* m8 u$ M7 q% j│ │ 4-注意力机制的作用与效果分析.mp4
3 d: Q1 f* S8 X- `+ Q `! _│ │ 5-特征融合模块实现方法.mp4/ _/ F! h& E$ K7 J
│ │ 6-cross关系计算方法实例.mp41 H5 z) M/ Y7 H* p
│ │ 7-粗粒度匹配过程.mp42 G" w0 Q: s" O+ @9 e- f& U1 a
│ │ 8-完成基础匹配模块.mp4+ |' ?6 I/ w1 I; o7 H1 X B- l5 o
│ │ 9-精细化调整方法与实例.mp4" `4 r! X/ P7 L. K; ~! |4 g# X- Y, r
│ │ 10-得到精细化输出结果.mp46 q/ k; w; N- p8 U6 I! ^, e
│ │ 11-通过期望计算最终输出.mp4* X* _) x3 ~( b( m; g2 Z+ k
│ │
7 \; I" s, N1 ]: o! S│ ├─13_项目补充-谷歌开源项目BERT源码解读与应用实例
% r- O% ?$ @7 `( [) w! j│ │ 1-BERT开源项目简介.mp4
( |, I0 H& a. k4 e* Q. Q│ │ 2-项目参数配置.mp46 c1 J( r7 o' H: h, d: z ]0 P6 R
│ │ 3-数据读取模块.mp4
5 y3 ?. P( K1 a+ L0 {) W! |* R│ │ 4-数据预处理模块.mp4
9 n6 S' d# J$ q, Q2 i7 t% z$ m( f│ │ 6-Embedding层的作用.mp4
& u; h7 M) k7 k4 P" @│ │ 7-加入额外编码特征.mp4
2 M0 } U3 O& y) o5 y2 ^8 Q7 Y+ Z│ │ 8-加入位置编码特征.mp4
8 ^2 b9 _0 a% M8 `/ z│ │ 9-mask机制.mp4
8 \) f c& l* n3 h5 A4 M. {( P/ b│ │ 10-构建QKV矩阵.mp4' I% ]. Y, @2 Y( D
│ │ 11-完成Transformer模块构建.mp4& C: Q7 K6 G0 G
│ │ 12-训练BERT模型.mp48 M) V6 t/ j! \
│ │ tfrecord制作.mp4
- q1 w: f6 D" N9 y' r; G: S│ │
( [ M( B( @/ Y# t: |│ └─14_项目补充-基于BERT的中文情感分析实战
/ E6 i w. Q# l│ 1-中文分类数据与任务概述.mp40 j7 _& x# q1 K" J/ Z& \% ?2 I' q9 b: d
│ 2-读取处理自己的数据集.mp4. Q8 g5 F. C% `0 f5 H
│ 3-训练BERT中文分类模型.mp4
) @, U* o- V2 z$ y3 L7 k# _1 C9 j│ . d2 t. h8 m( E
├─10_图神经网络实战/ R; K& G' `6 \, A g
│ ├─1_图神经网络基础# a; @! ^" e* _3 X
│ │ 1-图神经网络应用领域分析.mp48 u1 Z1 Q2 |7 V5 ?
│ │ 2-图基本模块定义.mp4
6 s8 {3 _* g# R8 S5 }│ │ 3-邻接矩阵的定义.mp4: a/ v a' Y, F; p N
│ │ 4-GNN中常见任务.mp4: c+ [8 h! |, `0 n
│ │ 5-消息传递计算方法.mp4
+ Z4 Z; i' K8 T& @ E│ │ 6-多层GCN的作用.mp4
8 \' s. B* s0 q4 `│ │
& I% W+ c' G+ v; [# S0 i( b( B% m│ ├─2_图卷积GCN模型" g5 _0 p" F/ G* H2 F* _" ~% t
│ │ 1-GCN基本模型概述.mp40 D( W( y& }5 p" M7 l
│ │ 2-图卷积的基本计算方法.mp4$ e. c# v+ f2 A* X) ?) M4 X
│ │ 3-邻接的矩阵的变换.mp4
6 A1 h1 m" e% A' X# a│ │ 4-GCN变换原理解读.mp4
- K2 Q7 Z- Z8 e; J Q2 I, ~│ │
8 }* A# b* w0 H│ ├─3_图模型必备神器PyTorch Geometric安装与使用
" _% i# ~( @& k0 I5 ?3 L│ │ 1-PyTorch Geometric工具包安装与配置方法.mp48 E0 Y% r9 V7 |& h: c/ j0 K
│ │ 2-数据集与邻接矩阵格式.mp49 t+ R, _3 o! J! q4 [, t; n
│ │ 3-模型定义与训练方法.mp4
1 Z! b/ \( z5 Y. x5 z5 ]$ V7 f│ │ 4-文献引用数据集分类案例实战.mp4
5 n* Z% J* Y9 u3 T4 K│ │
9 h3 b, I. P6 ~, M1 {7 s! q( v' ~+ |│ ├─4_使用PyTorch Geometric构建自己的图数据集: e, M( x# Z& \5 c# U! ]
│ │ 1-构建数据集基本方法.mp4
( e# ]; W# m/ Q& Q│ │ 2-数据集与任务背景概述.mp47 R( c. L3 f+ E
│ │ 3-数据集基本预处理.mp4
9 e5 L; Y& s1 O, o( g│ │ 4-用户行为图结构创建.mp4
" J# \# t' O; s5 O9 ?│ │ 5-数据集创建函数介绍.mp46 {5 D1 H8 L* ^! Y: s
│ │ 6-网络结构定义模块.mp4
, G9 g* T: M4 V1 g6 \' I0 i│ │ 7-TopkPooling进行下采样任务.mp4. |2 P% _9 I# `+ C) f
│ │ 8-获取全局特征.mp4" i4 ^* Q- r! P+ }/ Q
│ │ 9-模型训练与总结.mp4( I9 `9 ?& M3 c3 z" Z A/ F# j5 s
│ │ + ?+ p0 t( h! f
│ ├─5_图注意力机制与序列图模型
1 [( q9 x) E2 X2 a8 I. D/ x) g/ J5 S: Y│ │ 1-图注意力机制的作用与方法.mp4; E7 e; \' Q. t, I6 k" W$ H$ z7 S( i
│ │ 2-邻接矩阵计算图Attention.mp4
5 f* g8 v5 }( E; }3 |/ F7 h7 N/ ]│ │ 3-序列图神经网络TGCN应用.mp4
( P- `' D+ D# A│ │ 4-序列图神经网络细节.mp4! V! R( f6 h$ }& b! x+ M2 Y
│ │ 8 r& B7 I- {% J5 A! I1 t
│ ├─6_图相似度论文解读
7 u+ H+ P: Q; G+ P│ │ 1-要完成的任务分析.mp4
8 }% ?* F1 P* w9 O# H9 Y4 ^│ │ 2-基本方法概述解读.mp4) ], l/ R" L, ^$ u9 m7 q/ }' p3 D
│ │ 3-图模型提取全局与局部特征.mp48 W( p5 G- D" S. a7 c2 K
│ │ 4-NTN模块的作用与效果.mp4
* @$ }4 v9 M8 W( n0 s4 R│ │ 5-点之间的对应关系计算.mp4
& ?1 v( U1 ?# X* a. _+ O│ │ 6-结果输出与总结.mp4
. Y8 x2 f( |9 j$ W│ │
3 r. T3 W" C/ C│ ├─7_图相似度计算实战8 S; R7 q" f: |* u
│ │ 1-数据集与任务概述3.mp4) X3 n5 x6 k6 W$ Z7 d# Z2 U
│ │ 2-图卷积特征提取模块3.mp4$ r5 d( O3 m. N: T$ v4 u4 [
│ │ 3-分别计算不同Batch点的分布3.mp46 S) S8 F9 u5 A
│ │ 4-获得直方图特征结果.mp4
! D9 I6 ~+ \& g& u" P5 @6 M│ │ 5-图的全局特征构建.mp49 q3 a J' S, O0 r' m) U
│ │ 6-NTN图相似特征提取.mp4" B* W& E; h, M ?7 t
│ │ 7-预测得到相似度结果.mp4/ i! V% e" s6 r7 y* Z
│ │ 0 J/ H, k2 a- T. W% ]/ M1 D& u
│ ├─8_基于图模型的轨迹估计2 ?- B1 A- O3 r4 r& m# z
│ │ 1-数据集与标注信息解读.mp4& ~, O {6 U3 S5 l
│ │ 2-整体三大模块分析.mp4
& u; p) i4 J7 x6 F6 d4 k4 g│ │ 3-特征工程的作用与效果.mp4! x' Z& N. N# }
│ │ 4-传统方法与现在向量空间对比.mp41 p. G! [: ^# `0 X! Z4 I0 R1 |
│ │ 5-输入细节分析.mp4
! U% |, _8 u' |4 k6 w7 i" z│ │ 6-子图模块构建方法.mp4
$ F& T6 o7 ?4 E. P4 a$ v% O│ │ 7-特征融合模块分析.mp4
! r8 c: d2 V" o1 [$ `% g│ │ 8-VectorNet输出层分析.mp4
1 L- b2 l2 ?3 P7 H, I+ V│ │ 5 N6 n9 B3 U% k1 h
│ └─9_图模型轨迹估计实战
7 c3 J. s( g6 v( U4 d4 a Z% }0 G│ 1-数据与环境配置4.mp4
: _* g9 ~" d( C" [ k" `│ 2-训练数据准备4.mp4' s4 S7 H, a: @
│ 3-Agent特征提取方法4.mp4
" k5 c0 e' j' y( \│ 4-DataLoader构建图结构4.mp48 F1 m1 i; z9 G `
│ 5-SubGraph与Attention模型流程4.mp4) Q0 m7 P3 q( |/ `8 R* u: q1 G. G D
│
- T7 X0 C( l( o) ]- ]7 V7 v- i├─11_3D点云实战
1 l: K0 I# ]/ d5 T: t) z7 J; I! U7 [" R│ ├─1_3D点云实战 3D点云应用领域分析3 p/ [+ m5 x. N8 @$ e
│ │ 1-点云数据概述.mp4
$ x' ?- P' I/ `& x v- N( I- L- h0 M│ │ 2-点云应用领域与发展分析.mp43 O1 Z3 f' V$ q4 I, x4 H/ ?, K
│ │ 3-点云分割任务.mp4$ y- P! E+ X# J$ h; Q [7 C/ x. F
│ │ 4-点云补全任务.mp4
; c. G; X; o$ `- n' E" ?9 t8 d& t7 W│ │ 5-点云检测与配准任务.mp4
% U$ ~4 `5 J: u j. W6 U: e, h( }: t│ │ 6-点云数据特征提取概述与预告.mp4
7 K2 c7 E+ k# @" {' U% p% w│ │ + _" N. S' ]5 E. }& z2 p4 E/ m
│ ├─2_3D点云PointNet算法
1 v& G$ X( @/ y c│ │ 1-3D数据应用领域与点云介绍.mp4
# t7 Q% B9 ~! L│ │ 2-点云数据可视化展示.mp4! ~2 @/ n/ [- b/ _" `) \' g
│ │ 3-点云数据特性和及要解决的问题.mp4
5 Z0 q( _- q* x- X│ │ 4-PointNet算法出发点解读.mp4
, b2 m' J' Z$ x) W" w& X# }2 C│ │ 5-PointNet算法网络架构解读.mp4
/ J. X5 G: b, T" n* i# Y7 r; `9 V│ │
2 j% J2 |4 ]% b7 v2 T│ ├─3_PointNet++算法解读
* ?4 V( g# Z' ^9 h+ y│ │ 10-分类与分割问题解决方案.mp4
( u0 \ k3 Y0 z│ │ 11-遇到的问题及改进方法分析.mp4# \3 N- o7 l/ V P5 s4 A
│ │ 6-PointNet升级版算法要解决的问题.mp43 `* ~; u+ l1 j/ m9 @# |
│ │ 7-最远点采样方法.mp4$ _7 i. ~0 I1 R
│ │ 8-分组Group方法原理解读.mp4$ u/ D! `7 a5 M3 S
│ │ 9-整体流程概述分析.mp4, s4 c) t& L, q$ o# T1 A5 i7 ?
│ │
" [2 e* J$ M* w│ ├─4_Pointnet++项目实战1 R( R P7 |" Q2 z
│ │ 1-项目文件概述.mp43 o6 C# L0 s6 `& ~1 Z7 K
│ │ 2-数据读取模块配置.mp43 X% |' a6 e6 @7 r$ M
│ │ 3-DEBUG解读网络模型架构.mp4; E# ~+ c3 }$ \. L0 ^
│ │ 4-最远点采样介绍.mp45 }" W; `0 p* z& _' x
│ │ 5-采样得到中心点.mp4- M) m$ ], e" r( w6 L1 O- k% |7 f
│ │ 6-组区域划分方法.mp4
9 W) _, h8 C5 w/ V h% }│ │ 7-实现group操作得到各中心簇.mp42 @' X6 D5 l( J4 C( v
│ │ 8-特征提取模块整体流程.mp4: M ]4 b7 R" S0 i
│ │ 9-预测结果输出模块.mp4
- j9 z K5 k) h1 v, N T│ │ 10-分类任务总结.mp49 v( c% V% C" A( p+ }. b; k
│ │ 11-分割任务数据与配置概述.mp4
( F2 l* h1 M: K& i│ │ 12-分割需要解决的任务概述.mp46 s$ m w4 W) N0 I R( ?
│ │ 13-上采样完成分割任务.mp4/ P. g6 w7 N6 \+ t
│ │
( d* ^7 }' u6 K \+ o+ X- E│ ├─5_点云补全PF-Net论文解读) e' ?+ t6 u' Y) e/ P- F% k) u
│ │ 1-点云补全要解决的问题.mp42 O# i# Q" n# [
│ │ 2-基本解决方案概述.mp4. L3 W, K8 [) U8 J
│ │ 3-整体网络概述.mp4
7 m. n' t3 ^, Y$ l6 V2 A! n* {! }│ │ 4-网络计算流程.mp43 H: ^4 a* n- j3 ~, ]0 l8 S3 x4 E6 F- d
│ │ 5-输入与计算结果.mp4
. R/ Q/ i( C$ }│ │
" q! O! I' y" K5 s+ A│ ├─6_点云补全实战解读
, f S& b" U6 G% S$ j- O. N│ │ 1-数据与项目配置解读.mp4! t5 L/ f3 O( z& Y
│ │ 2-待补全数据准备方法.mp47 ^, ]/ {/ K2 W; I: J3 U+ M
│ │ 3-整体框架概述.mp40 r3 y* s8 M! I; t
│ │ 4-MRE特征提取模块.mp4, o! X- |6 G+ ]7 f
│ │ 5-分层预测输出模块.mp4
- z% q& q# g( r4 m( u$ b│ │ 6-补全点云数据.mp4
* N9 D% y, K! k' V" k5 _9 |( k│ │ 7-判别模块.mp4
9 a; \, ^ x9 u' S/ L│ │
* {& o% ^7 a2 {│ ├─7_点云配准及其案例实战
A6 H5 _' ^6 U+ c' N, H' B│ │ 1-点云配准任务概述.mp4* o$ c/ e- n; s- ^
│ │ 2-配准要完成的目标解读.mp4
" k6 p. E3 G6 O7 E1 ^│ │ 3-训练数据构建.mp4
2 p$ D# n. o- ]8 X% v A, w│ │ 4-任务基本流程.mp4
- |, C( f4 B! q" ~# O2 r" u3 a9 H2 O2 m│ │ 5-数据源配置方法.mp4
- J3 F# K) P& r0 c& y3 w, ^│ │ 6-参数计算模块解读.mp4( d' j" x- h- x, y: T: h' P
│ │ 7-基于模型预测输出参数.mp4
, a5 H) Z! o- A. }$ D│ │ 8-特征构建方法分析.mp4
' w5 n# g5 V& H6 \, O( _; Q" b; U8 r│ │ 9-任务总结.mp4
5 p7 T% x! H" {│ │ ! n% c: Z$ p- i
│ └─8_基础补充-对抗生成网络架构原理与实战解析
" _+ Q* g! \1 g+ w7 r1 c+ ^! j│ 1-对抗生成网络通俗解释.mp4( r/ y! s$ t) o3 Z9 q; S7 h
│ 2-GAN网络组成.mp4) C' j9 l7 Y, n/ s# N4 N
│ 3-损失函数解释说明.mp40 I/ ]% F% H+ N) K4 @8 `! [
│ 4-数据读取模块.mp4
4 D/ L) i& c& K7 ?, g0 u, v! ?( s# C│ 5-生成与判别网络定义.mp4
% a) E* v$ m; p4 L5 n* t, k│ ) [7 h! J: g! d }4 `/ S
├─12_目标追踪与姿态估计实战
. H p% \0 m; y/ h│ ├─1_课程介绍
+ Z c9 l3 a; U5 \. Q1 s+ f│ │ 课程介绍2.mp4& ^4 x' [1 e% m# a
│ │
( y& i% z# F( R8 D. n% {) u: w│ ├─2_姿态估计OpenPose系列算法解读/ W5 I; E" [( T0 F
│ │ 1-姿态估计要解决的问题分析.mp4
% L1 q G. q/ j! d: F: f5 E8 j8 s│ │ 2-姿态估计应用领域概述.mp4* c6 R" |1 P# }# ?( b- {
│ │ 3-传统topdown方法的问题.mp4& v) m$ i. ]* k! u: G5 |* _
│ │ 4-要解决的两个问题分析.mp4
. T. S2 P" f( n9 ?. t S8 h- f! F│ │ 5-基于高斯分布预测关键点位置.mp4& z# n) S, ^7 T$ h+ O8 K
│ │ 6-各模块输出特征图解读.mp49 j; c! O4 t) e4 i/ I
│ │ 7-PAF向量登场.mp4
( }- O; k6 n5 n& A/ }4 [│ │ 8-PAF标签设计方法.mp4
$ x: P2 [ q. @5 ^3 n2 m0 p│ │ 9-预测时PAF积分计算方法.mp4( W" w m! `9 o' j
│ │ 10-匹配方法解读.mp4
: O6 e, K6 k8 s1 o/ y% m│ │ 11-CPM模型特点.mp4) n- x C# M9 g/ A9 b
│ │ 12-算法流程与总结.mp4
. U- r# Y) j1 `1 t! U L│ │
+ z: Z! ]0 g( w; Y│ ├─3_OpenPose算法源码分析
: C8 `8 D0 p$ @3 P( ^/ D0 h/ @2 B6 F6 Y│ │ 1-数据集与路径配置解读.mp4
: M3 ~- J Y# _│ │ 2-读取图像与标注信息.mp4
! D, Q; D; Q6 n% I* v3 f4 |│ │ 3-关键点与躯干特征图初始化.mp4
; O* U& _8 Q/ x│ │ 4-根据关键点位置设计关键点标签.mp4. h$ D* I# ~7 F3 s
│ │ 5-准备构建PAF躯干标签.mp4
6 D) A. g& h/ C- j8 @│ │ 6-各位置点归属判断.mp4* f0 o9 a& [* D! B* l( r
│ │ 7-特征图各点累加向量计算.mp4$ M" Z8 {& k: _7 z4 c
│ │ 8-完成PAF特征图制作.mp4
. i; M. C* I5 O3 g. q$ h) T( M5 P│ │ 9-网络模型一阶段输出.mp4
, n2 S5 v: C, ^% e. e) m│ │ 10-多阶段输出与预测.mp4( q4 l7 V0 {8 P* n5 U+ }
│ │ 8 \) O9 o! S- h
│ ├─4_deepsort算法知识点解读4 W; }( }0 a! [! ~
│ │ 1-卡尔曼滤波通俗解释.mp4
$ X/ X# Z/ R' U│ │ 2-卡尔曼滤波要完成的任务.mp45 l) Y1 U, I) ~& V0 j( C
│ │ 3-任务本质分析.mp4% c1 t3 f5 D! Q# o6 Y6 q' J2 l, W" [& I
│ │ 4-基于观测值进行最优估计.mp4! M% {, [" Z* f: i$ ~
│ │ 5-预测与更新操作.mp4
! q% @6 _7 Q! r" a│ │ 6-追踪中的状态量.mp4+ w% E4 _8 \+ R1 o' K5 p2 T
│ │ 7-匈牙利匹配算法概述.mp48 U. L6 K9 k7 D9 _
│ │ 8-匹配小例子分析.mp4
& b2 N* o- h9 z( k│ │ 9-REID特征的作用.mp4
" [' t+ J/ t/ A6 ^1 \│ │ 10-sort与deepsort建模流程分析.mp4- j( C, x5 Z; v. J* x/ @- l! U
│ │ 11-预测与匹配流程解读.mp4 i" H6 I6 V! b1 L% I
│ │ 12-追踪任务流程拆解.mp4
/ D3 b l" g4 p5 ]8 r, s│ │ & @4 v& A, e F5 u+ g
│ ├─5_deepsort源码解读8 ^6 I d/ w7 t2 \
│ │ 1-项目环境配置4.mp4
1 d& }, [' z: p4 ~! W│ │ 2-参数与DEMO演示.mp4
4 \1 m/ r4 i0 J5 V7 f! l│ │ 3-针对检测结果初始化track.mp4. p1 w. K2 X$ n- C! v( U
│ │ 4-对track执行预测操作.mp4
7 ]1 I6 x) {) R│ │ 5-状态量预测结果.mp4
4 }8 p( b% [/ C3 d5 M" F$ x% D& r│ │ 6-IOU代价矩阵计算.mp4& Z5 M" ?7 [4 Q; [2 v
│ │ 7-参数更新操作.mp4
2 }9 [3 y# K2 ], e" D0 h2 \│ │ 8-级联匹配模块.mp47 e& Z1 Z* t- y" \7 k) s
│ │ 9-ReID特征代价矩阵计算.mp4
* Q. e- A! `7 R! F3 U│ │ 10-匹配结果与总结.mp4
# ]4 P' | A8 R│ │
% y& _6 U2 M. D4 T+ B/ r D/ H b0 I│ ├─6_YOLO-V4版本算法解读
; V; D8 t$ p6 R; y│ │ 1-V4版本整体概述.mp4- \2 }- r a' z0 r7 S/ y' A
│ │ 2-V4版本贡献解读.mp4
# |, y5 Z1 m. J│ │ 3-数据增强策略分析.mp4
v* v; V5 E& N7 p│ │ 4-DropBlock与标签平滑方法.mp4( B, }- C/ @. D% N6 `
│ │ 5-损失函数遇到的问题.mp4
) j* e, p$ D- F8 _/ R& l│ │ 6-CIOU损失函数定义.mp4: g+ ]. y. [% B4 n; e$ L$ }
│ │ 7-NMS细节改进.mp4
. M) Q' ?, C% j2 {$ e% H" Y" `│ │ 8-SPP与CSP网络结构.mp4
4 b r4 ?7 n: x2 Z; q│ │ 9-SAM注意力机制模块.mp43 g& _3 E* i( o/ o6 |2 C( I* ~
│ │ 10-PAN模块解读.mp4
: S" P6 B0 F1 X( I# Y5 X) T0 q7 X│ │ 11-激活函数与整体架构总结.mp40 l* } y! o0 x2 N
│ │
& L. Q8 E) s% f+ W2 o* P2 T│ ├─7_V5版本项目配置& A4 r' x$ a# d M
│ │ 1-整体项目概述.mp4. ^) U/ \( F. w3 `
│ │ 2-训练自己的数据集方法.mp47 o# `+ U3 a$ q4 u: R
│ │ 3-训练数据参数配置.mp4
) Q3 _% Z0 s' y│ │ 4-测试DEMO演示.mp4. A$ @/ P' |* D, \& G
│ │ ; |/ N5 t$ a9 b: S
│ └─8_V5项目工程源码解读- K" x m7 A* L+ I* ~
│ 1-数据源DEBUG流程解读.mp4
+ x6 ^8 V! q5 b- l3 }- ?│ 2-图像数据源配置.mp4
$ F& E( d9 I. m2 I6 L/ v│ 3-加载标签数据.mp4( i0 @ a! W- x5 Z- {
│ 4-Mosaic数据增强方法.mp4
5 ?( v/ ]7 l4 W% z. m) U+ q│ 5-数据四合一方法与流程演示.mp4$ m- r, ^$ ] I3 E) N) }) t ?0 Y' b
│ 6-getItem构建batch.mp4
$ v& Y I( Z1 t│ 7-网络架构图可视化工具安装.mp4
h) L# B/ k7 e1 o6 |/ |│ 8-V5网络配置文件解读.mp4
: v3 a/ B2 E# k│ 9-Focus模块流程分析.mp4
0 T7 R) f. t, g! H, ^│ 10-完成配置文件解析任务.mp4) t- \7 I# v$ C7 `
│ 11-前向传播计算.mp4
6 q6 F/ k' w0 |9 x│ 12-BottleneckCSP层计算方法.mp46 ]# g# x o$ B m8 ^, a) O2 w, M; g
│ 13-Head层流程解读2.mp4+ P0 e& _6 Z+ W( u( C/ N
│ 13-SPP层计算细节分析.mp4
* f( d1 ^ v$ ]" T0 a0 y) S/ ^│ 14-上采样与拼接操作.mp4* N, t; t; U# h# m1 f R0 n
│ 15-输出结果分析.mp4
$ \( W! {+ @6 ]! G7 C& C│ 16-超参数解读.mp44 B% d0 t2 h1 g* K; v2 }: L
│ 17-命令行参数介绍.mp4
1 i3 u- I8 A" R( m) U1 Q) L│ 18-训练流程解读.mp4
' @ E7 F: ^7 l P│ 19-各种训练策略概述.mp4, e0 {7 a6 [, C1 }: o/ o1 L, U
│ 20-模型迭代过程.mp40 x' r# C, A5 ]5 }/ r7 T
│
& o; ?& d! g' `- T# {' k9 {4 p├─13_面向深度学习的无人驾驶实战
( a, f, n5 L- B% P│ ├─1_深度估计算法原理解读
4 J% V8 U3 n p│ │ 1-深度估计效果与应用.mp4# g# Q6 T k$ G! e( n* H
│ │ 2-kitti数据集介绍.mp47 i) X: t1 F1 M7 l
│ │ 3-使用backbone获取层级特征.mp4
# d4 |5 \$ O: w) Z│ │ 4-差异特征计算边界信息.mp4 w% h: e2 r% S8 u3 A, ~9 q
│ │ 5-SPP层的作用.mp46 R; h; B. d. I, s& x S) m
│ │ 6-空洞卷积与ASPP.mp4) P! u. e5 U& _: l
│ │ 7-特征拼接方法分析.mp4
: o* J' |! M4 `5 B4 r* @* Y% p│ │ 8-网络coarse-to-fine过程.mp4( v% c5 }. ^# v2 j6 ~* @- g% `3 R
│ │ 9-权重参数预处理.mp4
+ m8 E$ ~! t; x; u, D( z│ │ 10-损失计算.mp4
- p0 \8 s" L" j' O: G! f│ │ ( E9 g) Q8 N7 t
│ ├─2_深度估计项目实战+ [, M7 C& \; U6 z5 @
│ │ 1-项目环境配置解读.mp4! y# `3 R+ g/ ~, f6 P( y. K1 ]* B
│ │ 2-数据与标签定义方法.mp4/ V8 s1 [7 V' l5 C( W
│ │ 3-数据集dataloader制作.mp4
! _# g2 `; F6 g. {0 D% l7 X3 V' w│ │ 4-使用backbone进行特征提取.mp4
+ c: a$ @& ?; h3 ]" W9 }8 b3 m) W│ │ 5-计算差异特征.mp4
/ K2 l* k4 J6 R6 e$ [│ │ 6-权重参数标准化操作.mp4
) O, T6 J) \" ~7 s, x│ │ 7-网络结构ASPP层.mp4: k; v3 d( o5 h% O! p- _; q8 s
│ │ 8-特征拼接方法解读.mp4" b# b8 c+ A1 L% f8 q1 ?# s; V5 F
│ │ 8-输出深度估计结果.mp49 o& N9 V0 m+ J R/ H" W
│ │ 9-损失函数通俗解读.mp4+ H' H# w9 i2 m# R8 f
│ │ 10-模型DEMO输出结果.mp48 L1 h$ Q! t0 ^: L
│ │
7 _' j0 J4 Y' Q7 p" J9 \│ ├─3_车道线检测算法与论文解读! e4 U! b7 W2 E7 p% ?. x
│ │ 1-数据标签与任务分析.mp4
; V1 v5 V4 o! J& x" [6 S5 a│ │ 2-网络整体框架分析.mp4- P7 W" `0 q6 ^/ b* z7 \
│ │ 3-输出结果分析.mp4; H5 s! n' S( U; a! {3 t' _5 X
│ │ 4-损失函数计算方法.mp48 ~3 n- t0 y4 M: w
│ │ 5-论文概述分析.mp4
3 N( z( l6 W& O8 M│ │ " }5 v7 D! H) L- I1 r, ~0 r
│ ├─4_基于深度学习的车道线检测项目实战9 [; j+ d( H# M+ ]. z
│ │ 1-车道数据与标签解读.mp4
* w6 l2 f, ?$ Q( R% T) m" w│ │ 2-项目环境配置演示.mp4
+ U' c, T/ h* I- D% Z" e│ │ 3-制作数据集dataloader.mp4
1 V: F0 G' Z9 q+ i7 B4 @│ │ 4-车道线标签数据处理.mp4
. t. S' A1 I( |) x* m8 V│ │ 5-四条车道线标签位置矩阵.mp4! B: z: N2 Y8 {8 a6 i' A
│ │ 6-grid设置方法.mp43 ?; j6 h G; W v
│ │ 7-完成数据与标签制作.mp4
- s- C5 I' H% Z1 I" k" X# D1 z│ │ 8-算法网络结构解读.mp4
* V$ ` q$ K9 k+ \- d, w: c* q│ │ 9-损失函数计算模块分析.mp4! S- z3 o% A9 O R/ c4 `& R7 u
│ │ 10-车道线规则损失函数限制.mp4
9 F5 w- e! s( X7 b/ p6 Z│ │ 11-DEMO制作与配置.mp4) e B/ ?* k: P4 K) M0 g- Y
│ │
( ^* q" d- `( a: Q│ ├─5_商汤LoFTR算法解读( x, q# y5 {1 L6 M; Y7 s
│ │ 1-特征匹配的应用场景.mp4
" }* {1 `+ a- l/ u* Q/ z│ │ 2-特征匹配的基本流程分析.mp4# P/ `+ G3 T$ W6 J( g1 A0 S
│ │ 3-整体流程梳理分析.mp4
; n- M' K; u! D1 p( y5 h│ │ 4-CrossAttention的作用与效果.mp4
! R: M3 |! `4 h: H│ │ 5-transformer构建匹配特征.mp4
/ l0 i, ^! [3 c9 N$ b│ │ 6-粗粒度匹配过程与作用.mp4% B/ p7 ]" x3 a# e! l' E; J
│ │ 7-特征图拆解操作.mp43 c3 P m7 t1 a/ ]; K* }% U
│ │ 8-细粒度匹配的作用与方法.mp4
2 S: Q; ~7 g# F/ N w4 \│ │ 9-基于期望预测最终位置.mp4( D4 f* Z7 n1 |- ]( R5 E) D
│ │ 10-总结分析.mp4
9 }$ j$ H! u+ p/ ?8 {4 M│ │
) S& ]$ W$ a! U% I% C" s│ ├─6_局部特征关键点匹配实战
4 N1 O+ G$ ]; z8 v$ k% R│ │ 1-项目与参数配置解读.mp4$ ^ J. c9 G& _, e4 o
│ │ 2-DEMO效果演示.mp4
+ s) H! l( K$ r! n0 ]│ │ 3-backbone特征提取模块.mp4
4 ^ ^0 Z# A% ]$ m, i1 O│ │ 4-注意力机制的作用与效果分析.mp4, g" p4 n' Y( i/ s/ \% a1 n& z# O N4 F
│ │ 5-特征融合模块实现方法.mp4; t7 Q- ~0 f! y: k( v* v2 \6 G
│ │ 6-cross关系计算方法实例.mp4
7 [* i, `/ s. l3 G) t# v& g3 F│ │ 7-粗粒度匹配过程.mp4
! A" {( m5 h% P3 ]' c0 w& L+ w7 f│ │ 8-完成基础匹配模块.mp4
' u6 o' \# [ a l1 \│ │ 9-精细化调整方法与实例.mp41 z' W- i# [& O3 M( |* j& G
│ │ 10-得到精细化输出结果.mp48 F$ _6 O |$ U* k' n
│ │ 11-通过期望计算最终输出.mp4
; }& W+ ] m) C: F5 ]+ D│ │ 1 }0 W; b% l' @- E6 p+ Y
│ ├─7_三维重建应用与坐标系基础4 ?1 J& g. x8 P$ O9 J' [" I2 |
│ │ 1-三维重建概述分析.mp4
+ U, N' q- W2 d2 ]1 h│ │ 2-三维重建应用领域概述.mp49 K0 l2 V ^- @- e5 J' |
│ │ 3-成像方法概述.mp4
- e5 f( i/ Y4 `+ M1 p│ │ 4-相机坐标系.mp4
5 a+ o1 e2 |/ o: y' `# d" p B) Q& z│ │ 5-坐标系转换方法解读.mp4! V: }. k! c/ k$ i- D. u2 V) D
│ │ 6-相机内外参.mp4
! e- P6 [/ U2 j$ q│ │ 7-通过内外参数进行坐标变换.mp49 I: C8 B: J! W8 ?& ~, U% @
│ │ 8-相机标定简介.mp4
# ~7 `* t3 W/ M1 u│ │
3 S8 v6 [: K. Y( s0 I│ ├─8_NeuralRecon算法解读
5 b0 J2 \3 I, U2 T1 j j A9 ~│ │ 1-任务流程分析.mp42 ?1 @2 W2 L; e( G4 o, V
│ │ 2-基本框架熟悉.mp4
7 m& m5 s9 A6 C$ X! a: `+ f│ │ 3-特征映射方法解读.mp49 h6 U! }' Z9 w+ d. `) ^" U. Y8 d
│ │ 4-片段融合思想.mp4 U; ~: o5 B8 \8 ]# M& j
│ │ 5-整体架构重构方法.mp49 S U7 I4 ]0 Z
│ │
& e w- s/ N$ R* j' z. y│ ├─9_NeuralRecon项目环境配置8 `% D: m( m0 k
│ │ 1-数据集下载与配置方法.mp4; K: I9 r0 W5 u( z
│ │ 2-Scannet数据集内容概述.mp4
/ I: q0 P1 U. q0 N│ │ 3-TSDF标签生成方法.mp4
' B, Q( T6 l1 l) s+ h* K│ │ 4-ISSUE的作用.mp4: }* z/ B6 o" A; A
│ │ 5-完成依赖环境配置.mp49 U2 u' a. Z7 {' Z# Z- \$ r$ z& }
│ │
/ ?2 u; H9 T) w4 Q│ ├─10_NeuralRecon项目源码解读5 ]4 A7 J# G+ n+ ~' ^( N
│ │ 1-Backbone得到特征图.mp49 f; F( {7 K4 x- }, `5 P9 K
│ │ 2-初始化体素位置.mp4+ M' C5 V t) _, }3 ?+ o3 l
│ │ 3-坐标映射方法实现.mp49 c1 v4 z7 }$ h/ l. |8 u+ B s& D
│ │ 4-得到体素所对应特征图.mp4
- |! Q. L8 b. f" |│ │ 5-插值得到对应特征向量.mp4" v* G- z- ^, c7 p8 ^; H
│ │ 6-得到一阶段输出结果.mp4
{; Z" A/ R6 I" I& H( _│ │ 7-完成三个阶段预测结果.mp4: J5 j9 J7 O/ X$ |0 n. ?
│ │ 8-项目总结2.mp4
) J' s. @" s( K1 Q" v4 s│ │
, c7 h# L2 ^7 H) t│ ├─11_TSDF算法与应用) A* ]8 r4 Y0 a, C# ~# m
│ │ 1-TSDF整体概述分析.mp4
1 {& A a, N* L2 G│ │ 2-合成过程DEMO演示.mp4$ r) c5 C! h z2 o
│ │ 3-布局初始化操作.mp4
+ n$ k8 A# Q( Y( i1 n│ │ 4-TSDF计算基本流程解读.mp4
: Y% Z# r( B9 S* j& B" N│ │ 5-坐标转换流程分析.mp4- M# Q' J4 ?1 H) O. _: [) l' K
│ │ 6-输出结果融合更新.mp4% S0 `# q1 Z; I; y+ ~: p+ g
│ │
- W. q+ r" \4 w5 W( J( A. F│ ├─12_TSDF实战案例
$ x& d+ ?- H& O6 k: V4 x│ │ 1-环境配置概述.mp4
) z3 _( }& I1 L4 g│ │ 2-初始化与数据读取.mp4; y c' j+ ~0 D1 l9 {
│ │ 3-计算得到TSDF输出.mp4
% E+ L# V/ s! p- ^- B- H│ │ 2 Y* F, I5 s! I2 L. |
│ ├─13_轨迹估计算法与论文解读
' N0 T. p& T7 w│ │ 1-数据集与标注信息解读.mp4+ ]; g2 \2 c+ {7 n4 A8 E
│ │ 2-整体三大模块分析.mp42 D3 i0 U3 v0 J- ?
│ │ 3-特征工程的作用与效果.mp4+ N1 [2 w' q- f# \; Y; l
│ │ 4-传统方法与现在向量空间对比.mp4
( ]9 l" w/ F! Q" c│ │ 5-输入细节分析.mp4/ y, H9 u& U/ _" S7 P. f0 x. b/ v
│ │ 6-子图模块构建方法.mp4, c ]- D! ?3 ~) |# d
│ │ 7-特征融合模块分析.mp4
' c6 i3 q3 g- r; N5 o! `( ?│ │ 8-VectorNet输出层分析.mp4
% u3 r( O7 o- H7 ~2 q* F│ │
( d& h5 T9 R3 v$ n" E9 N* E7 M" L# n│ ├─14_轨迹估计预测实战* L0 C$ d. `: S3 ~$ e
│ │ 1-数据与环境配置..mp4
- \; ]$ J8 V$ G9 t1 O- N4 y3 z+ a8 |│ │ 2-训练数据准备.mp4: m0 J! u( L# _( D7 V
│ │ 3-Agent特征提取方法.mp4
+ r4 i- V6 @0 D. D│ │ 4-DataLoader构建图结构.mp4! I9 x& U: M s3 J. T
│ │ 5-SubGraph与Attention模型流程.mp49 o( C$ {5 O0 n5 O6 {
│ │ 6 V. }) L2 d. ~, |
│ └─15_特斯拉无人驾驶解读
' h7 q1 j: W8 d# D9 Y! @; x9 F│ 15-特斯拉无人驾驶解读.mp4
9 C8 x0 e) k# _; b. q│ 9 c; b7 N O+ ]% ]+ ]
├─14_缺陷检测实战: `5 Z* F/ m% W; q+ B+ p
│ ├─1_课程介绍
& w" Z. X2 o- i/ F4 R1 f k│ │ 课程介绍3.mp4
. g h- h3 |& s' r$ y│ │
9 {( ^) Z. q- Z6 L. F│ ├─2_物体检框架YOLO-V4版本算法解读- U9 w( T% ^2 l7 a3 T4 L! r7 Y. L) l
│ │ 1-V4版本整体概述.mp43 b) w) h! L9 H; Y' Z2 T
│ │ 2-V4版本贡献解读.mp4' a, d1 n7 ]) P) F6 I3 E4 L/ S( W
│ │ 3-数据增强策略分析.mp4
: q- Z0 c# r1 z! P; m/ X│ │ 4-DropBlock与标签平滑方法.mp4, V @5 x( y9 |' c7 H) T
│ │ 5-损失函数遇到的问题.mp4
+ q4 E$ ^0 @; b│ │ 6-CIOU损失函数定义.mp48 b2 ?. e" i# j. g5 k" B& ]
│ │ 7-NMS细节改进.mp42 C- x4 E5 v# K+ B, F" `
│ │ 8-SPP与CSP网络结构.mp4- A: B/ a D6 J$ ?& {, `
│ │ 9-SAM注意力机制模块.mp4
: f% x! R# e% h: o# D& z│ │ 10-PAN模块解读.mp41 Z# o' F- ^/ _/ g! R) a
│ │ 11-激活函数与整体架构总结.mp4
5 {3 }! B0 g6 i# t│ │
9 x7 l# O+ w( g│ ├─3_物体检测框架YOLOV5版本项目配置3 g* H5 F8 Q4 H$ @) s
│ │ 1-整体项目概述.mp4
( m$ K; E8 w4 ?( h: a│ │ 2-训练自己的数据集方法.mp44 P* Y, G& }" C
│ │ 3-训练数据参数配置.mp4! Q2 }' x2 P/ @& b- u
│ │ 4-测试DEMO演示.mp42 R8 |9 B( o9 f
│ │ , G/ L; m8 E7 D. V1 Q8 I. @3 M
│ ├─4_物体检测框架YOLOV5项目工程源码解读5 _2 W$ b9 n$ I' i7 c4 d% o
│ │ 1-数据源DEBUG流程解读.mp4
t' E& X& M. P L( ~ c' A│ │ 2-图像数据源配置.mp4
6 t" S) A+ |3 @8 {8 [ B│ │ 3-加载标签数据.mp4
3 U. q* w6 n7 l│ │ 4-Mosaic数据增强方法.mp48 ~( g! n y" C g
│ │ 5-数据四合一方法与流程演示.mp4
, j3 H3 T$ d8 k3 h" V2 d9 [│ │ 6-getItem构建batch.mp4
% L- w# |! c7 ?% z│ │ 7-网络架构图可视化工具安装.mp4" e6 \7 H S% T0 k% R
│ │ 8-V5网络配置文件解读.mp4
" b; m. L; U9 J5 E' ~ ~7 F│ │ 9-Focus模块流程分析.mp4# G& k2 @7 F4 ^& h5 {5 T8 R
│ │ 10-完成配置文件解析任务.mp47 k- \4 y V+ {: t. H
│ │ 11-前向传播计算.mp4( `$ n; V6 r& P' M ~! ?/ s
│ │ 12-BottleneckCSP层计算方法.mp48 v, [: p# e m- t" J1 [) n! F+ u
│ │ 13-1 SPP层计算细节分析.mp4
" O) r; Q( q7 P3 Z5 {+ M│ │ 13-2Head层流程解读.mp4
8 q2 \ I& F4 T8 {- G│ │ 14-上采样与拼接操作.mp4
2 b% Y. Z' a7 V1 q│ │ 15-输出结果分析.mp4
' \0 ?# }, o. V6 M: h8 D2 {│ │ 16-超参数解读.mp43 W' O& s) a- h" K
│ │ 17-命令行参数介绍.mp4# u3 K. A% x( A P! N
│ │ 18-训练流程解读.mp4# |& w& ~" j3 X5 ]9 S3 G
│ │ 19-各种训练策略概述.mp47 ]+ R& W9 j3 Z) I
│ │ 20-模型迭代过程.mp42 }) G7 N7 W; b0 B' e) n
│ │
# T4 V; l! u7 N# I│ ├─5_基于YOLOV5的钢材缺陷检测实战
) _( \( s* Q4 L- b2 m│ │ 1-任务需求与项目概述.mp4
4 ]0 X- Q1 W( ^, J│ │ 2-数据与标签配置方法.mp4
0 h3 E8 C( ?$ s: q9 V. s0 K│ │ 3-标签转换格式脚本制作.mp4
4 W1 \8 N, l4 u' G6 O$ `# D│ │ 4-各版本模型介绍分析.mp4$ {0 B4 [9 F* [8 @- ~+ {6 ?! T. a0 M
│ │ 5-项目参数配置.mp4( B+ ?) c! z7 `" B: S. f1 X5 l
│ │ 6-缺陷检测模型训练.mp4
/ X0 l, K' o6 g. T│ │ 7-输出结果与项目总结.mp4/ d* u6 Y' k8 S
│ │ ; k* L5 D9 @4 H) J0 ]6 _/ @
│ ├─6_Semi-supervised布料缺陷检测实战
0 f# i* i5 C f% g! C. h2 I, ]( v│ │ 1-任务目标与流程概述.mp4* c" Y7 v0 l* P% {- y, x
│ │ 2-论文思想与模型分析.mp4
, P) W- j0 d' A/ a│ │ 3-项目配置解读.mp4# { N$ V. ?4 F
│ │ 4-网络流程分析.mp4/ @( K, @' W- Q( K" Q/ M# I
│ │ 5-输出结果展示.mp4
/ L- t: }& O9 r/ ^3 ~8 M9 j│ │ 1 P+ S( X* |2 X: C6 ~. F
│ ├─7_Opencv图像常用处理方法实例. u- u3 W$ N' ^
│ │ 1-图像阈值.mp4
8 o2 z3 p) b2 r7 K1 ?+ f│ │ 1-腐蚀操作.mp4
0 c' X6 `8 f0 L* e2 C8 u/ q+ e# F- w│ │ 1-计算机眼中的图像.mp4
V" B( z2 T/ U) ^+ Y2 _│ │ 2-图像平滑处理.mp4
' R( z( Q: k5 {; ^8 i' ^# V│ │ 2-膨胀操作.mp4
# i6 z4 ]8 h1 [0 ~/ n% }│ │ 2-视频的读取与处理.mp4$ k4 u2 X# K) f8 a0 b
│ │ 3-ROI区域.mp4
7 ~2 M- o: r, b" O h; w│ │ 3-开运算与闭运算.mp4
, g0 M* a( ?6 H% V! n│ │ 3-高斯与中值滤波.mp46 |) ]( D# G F: H( m# z% g/ {5 h) H1 d
│ │ 4-梯度计算.mp4
1 c) D [# H, \; P4 D* @│ │ 4-边界填充.mp4$ X* n) R# ^' A& V4 e' P
│ │ 5-数值计算.mp4, ~, p# c/ x- A9 c5 Q
│ │ 5-礼帽与黑帽.mp4* j! I. H- G& \ n+ i
│ │
7 f& @1 G' F: ]. h│ ├─8_Opencv梯度计算与边缘检测实例6 |. n4 k, U( v3 ^) q
│ │ 1-Canny边缘检测流程.mp4/ y/ R* C- ?0 @- ^ }
│ │ 1-Sobel算子.mp4* I. e% h) M, G5 q
│ │ 2-梯度计算方法.mp4 E- T9 b, @. `# X! I0 O* X
│ │ 2-非极大值抑制.mp4
! d2 B2 f+ R; c1 F│ │ 3-scharr与lapkacian算子.mp4; o7 G! m }" H6 E: n. q- q
│ │ 3-边缘检测效果.mp45 v' N' G* q. A- v* `1 J
│ │
) f8 z/ [. z; y3 h( b, u0 g2 u4 ?│ ├─8_Opencv轮廓检测与直方图
* G* v0 x0 V# c% m" R│ │ 1-图像金字塔定义.mp4
c' x- y/ L! E* j- i│ │ 1-直方图定义.mp4
8 V$ t+ `6 I& G4 D5 ?│ │ 2-均衡化原理.mp4" B1 u( e p6 }3 C a; t
│ │ 2-金字塔制作方法.mp4
' K$ q% O) ?4 g8 U, k│ │ 3-均衡化效果.mp4
8 q% y' Y4 L( R8 j- ]│ │ 3-轮廓检测方法.mp4
0 z3 V. K9 m' {1 O│ │ 4-傅里叶概述.mp41 `( c! {) ~( \# H# I
│ │ 4-轮廓检测结果.mp4! W$ {3 W# A% M6 F# A6 h
│ │ 5-轮廓特征与近似.mp4
9 Y$ @$ S: ?" l- C4 f. w│ │ 5-频域变换结果.mp47 a( r( W3 z# R! Q# Y( E
│ │ 6-低通与高通滤波.mp43 Y+ _5 o" }7 X" w3 b- p
│ │ 6-模板匹配方法.mp4
4 a$ j: S$ n& c. ~│ │ 7-匹配效果展示.mp4. `; ]! q1 N0 o) _
│ │ , ^2 @+ r) D. l+ {+ E
│ ├─9_基于Opencv缺陷检测项目实战/ E, |# e& a4 Y/ G! D4 U0 k& ?3 j
│ │ 1-任务需求与环境配置.mp4% p+ e% s' |# I, N3 g5 \
│ │ 2-数据读取与基本处理.mp4
3 L8 D& Z, r5 r9 m& ~; H3 o7 N7 i│ │ 3-缺陷形态学操作.mp4
3 k5 } j- ~( \6 ^) I│ │ 4-整体流程解读.mp4- t# C: S1 r G# b4 t1 h
│ │ 5-缺陷检测效果演示.mp4
0 K+ I3 _. _8 X$ b$ h( w│ │ : T) w. N+ `# c' P9 Y
│ ├─10_基于视频流水线的Opencv缺陷检测项目
3 y( @1 [2 S7 ?9 x- R, q/ ^│ │ 1-数据与任务概述.mp4
( O0 B2 |/ X; ^# R R+ D* k2 v' w│ │ 2-视频数据读取与轮廓检测.mp4, K- M. Z( q4 r0 {
│ │ 3-目标质心计算.mp4
, l1 \- |1 _, \# H& P; z: w│ │ 4-视频数据遍历方法.mp4+ w& e1 Z/ g/ m7 o" S* l9 v+ y9 U
│ │ 5-缺陷区域提取.mp4
/ C8 O) _7 Q7 ~0 @│ │ 6-不同类型的缺陷检测方法.mp4
/ A" W. I" o/ w1 c3 @│ │ 7-检测效果演示.mp45 K" Y0 R+ D$ y! `. J6 L
│ │ . z6 G2 K& C" ?" |, X4 i; o
│ ├─11_图像分割deeplab系列算法) H4 D9 \) i! V6 m3 k n$ ^( t# o
│ │ 1-deeplab分割算法概述.mp41 s9 b! V% Q: s$ Z9 p
│ │ 2-空洞卷积的作用.mp4
" v# ~+ ^" [4 p# i│ │ 3-感受野的意义.mp4
$ h ] |: p4 ^8 x: D* v' t│ │ 4-SPP层的作用.mp4
( h( t; e+ } P" @│ │ 5-ASPP特征融合策略.mp4
, E. `4 j) L# e. |│ │ 6-deeplabV3Plus版本网络架构.mp4
+ q6 ^$ V% b6 |0 Q3 t│ │
2 j: t& p" @. L8 }6 d: ]+ Z│ ├─12_基于deeplabV3+版本进行VOC分割实战
- F$ ?$ f$ p7 z( {( P│ │ 1-PascalVoc数据集介绍.mp4
( k& n$ S0 [3 q* x( n│ │ 2-项目参数与数据集读取.mp48 z. P1 \8 N" N( U1 H: [4 f
│ │ 3-网络前向传播流程.mp4
# ]0 |% B, c! z│ │ 4-ASPP层特征融合.mp4
+ D7 z @ ]7 m. J# D- \│ │ 5-分割模型训练.mp4 a, I" F, w/ O
│ │ $ l0 y+ f: }. K( L
│ └─13_Deeplab铁质材料缺陷检测与开源项目应用流程
# ~( M4 T- k$ A9 V$ e│ 1-数据集与任务概述..mp4! t. t2 G9 m9 J4 [
│ 2-开源项目应用方法.mp4" L' v# c2 j0 ^' z5 \% z8 a0 }7 L
│ 3-github与kaggle中需要注意的点.mp4
4 [/ B$ _+ D8 P! F! k│ 4-源码的利用方法.mp41 M$ d) {' j+ e% d
│ 5-数据集制作方法.mp4, H& q" I" V' }5 m; ^7 i
│ 6-数据路径配置.mp4- j! N& n H& g8 q3 r
│ 7-训练模型.mp41 }4 N* l# I8 ^: v8 J0 S9 E# ]
│ 8-任务总结.mp4) F$ }! u. A3 v. h" a9 L7 U( j
│ 5 l/ x2 P+ W% | w% [) \
├─15_行人重识别实战! |9 N3 x \4 p
│ ├─1_行人重识别原理及其应用 y. L: H' W; {" A8 y( n) i3 ^
│ │ 1-行人重识别要解决的问题.mp41 Y" B( B( C. `% U0 Z! x# F5 E. u) [
│ │ 2-挑战与困难分析.mp4 |" v1 g* R# |2 P! Q7 a
│ │ 3-评估标准rank1指标.mp4
. {, _8 S+ X: L) e A) n│ │ 4-map值计算方法.mp44 j0 r. ]/ D9 n3 m; A2 R. n: C
│ │ 5-triplet损失计算实例.mp4, l$ g4 l: [ s
│ │ 6-Hard-Negative方法应用.mp4
& F& d% T0 C, r! V- e│ │
# j" t9 A6 F I7 @2 e8 m) F│ ├─2_基于注意力机制的Reld模型论文解读( o; w' G y) f/ E, d+ \
│ │ 1-论文整体思想及注意力机制的作用解读.mp4
1 \3 K9 f! r+ }, v8 Y│ │ 2-空间权重值计算流程分析.mp49 G) y" m5 @& b ^- k: a2 a9 h
│ │ 3-融合空间注意力所需特征.mp4% u4 W( ?4 E6 q; u+ ^
│ │ 4-基于特征图的注意力计算.mp4' u# w; m o2 U9 k. u* ?+ k; g( A
│ │
: x0 z3 ^/ { a# N2 N│ ├─3_基于Attention的行人重识别项目实战8 c. t- e! }4 ~/ Q
│ │ 1-项目环境与数据集配置.mp4( v2 x$ o* \, w& _* ?
│ │ 2-参数配置与整体架构分析.mp4
6 x7 a+ f4 |/ }3 [$ {│ │ 3-进入debug模式解读网络计算流程.mp4
. S$ x( c, E9 L, z! ?( y│ │ 4-获得空间位置点之间的关系.mp4' f$ X8 m" D' f/ V$ r( p5 w
│ │ 5-组合关系特征图.mp4
2 [6 r) y: J) N5 S2 @ I: q│ │ 6-计算得到位置权重值.mp47 O% r3 p( f. B$ m
│ │ 7-基于特征图的权重计算.mp43 S! I" w' h, b7 ~. O
│ │ 8-损失函数计算实例解读.mp4! Q2 f+ n% h: l, N: h' S9 V6 {
│ │ 9-训练与测试模块演示.mp4
& L& _. X6 f5 s I5 R8 w: z: U│ │
9 |- A% p- ]( ^ k9 N' [│ ├─4_AAAI2020顶会算法精讲
& f1 \% z. C( Y% V│ │ 1-论文整体框架概述.mp4
9 }: g8 V7 s/ Y2 `( q- M9 P│ │ 2-局部特征与全局关系计算方法.mp4/ S' G& [9 [8 a% }, K& h# ~9 ^
│ │ 3-特征分组方法.mp4
; C3 @, g% x' B# s! M9 ~1 d; N│ │ 4-GCP模块特征融合方法.mp40 X) U2 w* N# P0 [8 @6 R' y0 _- L
│ │ 5-oneVsReset方法实例.mp4
$ V: w: _+ Y3 L% E& y" R1 p; @) U; t" \│ │ 6-损失函数应用位置.mp4
0 t0 b) w* w# o+ l2 \& Z│ │
6 ?( e# H1 J b7 E! [: O/ F1 \; b│ ├─5_项目实战-基于行人局部特征融合的再识别实战
9 ^; ~+ H8 t$ }7 `$ u5 Z│ │ 1-项目配置与数据集介绍.mp4
) D5 F) U) S+ ^2 v) j│ │ 2-数据源构建方法分析.mp4 } I% c2 e8 P3 w( k
│ │ 3-dataloader加载顺序解读.mp4* @5 V5 O! U( v8 J0 i) |
│ │ 4-debug模式解读.mp43 c( G R9 ?2 s6 c, X
│ │ 5-网络计算整体流程演示.mp4, b( M& @, D8 @8 e1 o% x2 ?$ w
│ │ 6-特征序列构建.mp40 z' U7 e3 Z: L
│ │ 7-GCP全局特征提取.mp44 N) }* d o. u: N: P- J2 S' j
│ │ 8-局部特征提取实例.mp4/ J9 r7 F+ Y. {9 n
│ │ 9-特征组合汇总.mp4
. S( Y9 h: s4 Q│ │ 10-得到所有分组特征结果.mp4
4 `; m; d9 H9 P9 y \# G│ │ 11-损失函数与训练过程演示.mp4
6 A7 i! [8 X/ P│ │ 12-测试与验证模块.mp4) w. |7 g& a* ^& u4 s+ K/ F1 h6 t8 W( x
│ │
. D& I$ t' I' t( k; R$ ^│ ├─6_旷视研究院最新算法解读(基于图模型)+ \" d7 ~! P8 p
│ │ 1-关键点位置特征构建.mp4
- q5 C! l; q, U; P9 d0 `│ │ 2-图卷积与匹配的作用.mp45 q9 u# x4 C- r8 s: I9 @" y
│ │ 3-局部特征热度图计算.mp43 J, _5 e- w$ f6 v. P& P* h' t% l* H
│ │ 4-基于图卷积构建人体拓扑关系.mp4
6 i; ?, A7 {4 X4 x+ H8 u│ │ 5-图卷积模块实现方法.mp4
( C4 ~ a* i# H; Y5 U0 {" f│ │ 6-图匹配在行人重识别中的作用.mp4
O, W6 S0 H, c5 a) y│ │ 7-整体算法框架分析.mp4: [7 g/ L) P+ j* T. l
│ │
+ Q' A s& Z& j! A│ └─7_基于拓扑图的行人重识别项目实战$ o- R) e# z# ?6 `% p8 L o* v
│ 1-数据集与环境配置概述.mp4
5 w- s6 \0 \( {5 m9 q│ 10-整体项目总结.mp4
4 [9 L. M! L6 {: r│ 2-局部特征准备方法.mp4" N' H q7 U8 m: G3 s8 x+ z
│ 3-得到一阶段热度图结果.mp4
; ^0 L( x0 k- O3 O│ 4-阶段监督训练.mp4" Y9 k: X3 a' y
│ 5-初始化图卷积模型.mp4: N- h; F* Z7 E5 f, j! S
│ 6-mask矩阵的作用.mp4
( [! U# Z+ W' z# K U│ 7-邻接矩阵学习与更新.mp46 U3 a4 Y+ t5 \4 t: f
│ 8-基于拓扑结构组合关键点特征.mp4. x/ c3 e+ D2 |! n( K
│ 9-图匹配模块计算流程.mp4
2 c' |/ Q" q8 Z- c5 o5 m│
/ N' J- \$ X6 X├─16_对抗生成网络实战
, P9 M' T6 u( v2 L( y& ]│ ├─1_课程介绍
: C. Q( G x" n2 w; a│ │ 课程介绍.mp4
. G. p% B j, g3 S$ I│ │
M. p) k$ h/ ?$ E" I6 [│ ├─2_对抗生成网络架构原理与实战解析
/ U8 _8 L" F0 M1 ~# a│ │ 1-对抗生成网络通俗解释.mp4
! l+ y0 Y& W' v+ k" M│ │ 2-GAN网络组成.mp4
. W8 q8 s4 B+ K│ │ 3-损失函数解释说明.mp4
& n' p/ @" D) x& ?! z- P% ?│ │ 4-数据读取模块.mp4' s8 g( j7 z1 @5 j3 r0 f
│ │ 5-生成与判别网络定义.mp4
0 Y; f1 s' o* z2 F' K Q% W│ │
4 w& c+ b, C' q" k1 E│ ├─3_基于CycleGan开源项目实战图像合成' Q: a1 l t. J+ ^0 p2 u" c4 ^
│ │ 1-CycleGan网络所需数据.mp4. N+ [/ S* G" r1 y0 m
│ │ 2-CycleGan整体网络架构.mp4" g; f& C3 A: s" F8 z% D1 U
│ │ 3-PatchGan判别网络原理.mp4- @) o0 H) @) r
│ │ 4-Cycle开源项目简介.mp4- _/ p# o4 v3 b8 {/ l& L2 r
│ │ 5-数据读取与预处理操作.mp4
% b& n; X9 J- `5 F! d│ │ 6-生成网络模块构造.mp4
{- r# @& ~, Q7 b│ │ 7-判别网络模块构造.mp4. ] {) P" A% G+ R$ Z
│ │ 8-损失函数:identity loss计算方法.mp47 j& G" P$ \+ R
│ │ 9-生成与判别损失函数指定.mp4
# C9 E- b/ u; Z5 a- T│ │ 10-额外补充:VISDOM可视化配置.mp4
; @$ p" S% Q! Z7 C- N│ │
5 K- j. o) a& [│ ├─4_stargan论文架构解析
! [* u5 d3 { N9 a5 ?- f│ │ 1-stargan效果演示分析.mp4
; X& x9 q6 F- l, ?) q1 N% v) }│ │ 2-网络架构整体思路解读.mp4
0 o4 Q! ], _ K9 ^: A│ │ 3-建模流程分析.mp4; x0 z) A( G6 D7 {3 D7 k* e
│ │ 4-V1版本存在的问题及后续改进思路.mp4$ V* o% F) M1 [: D6 j/ P
│ │ 5-V2版本在整体网络架构.mp4
. K+ @7 {/ Y) R$ X- ^│ │ 6-编码器训练方法.mp4
. J( X9 s. N# P2 ?3 ?# ]# U1 M# u% X│ │ 7-损失函数公式解析.mp4! X( A& d/ c" E
│ │ 8-训练过程分析.mp4
! Z. Y0 X# W o& |# a) c│ │
7 N; `- U) Y$ ]│ ├─5_stargan项目实战及其源码解读
7 }" N% T" k- m' ]. E( } A│ │ 1-项目配置与数据源下载.mp4
) ~9 l% g$ E& c- E) M│ │ 2-测试效果演示.mp48 K4 |, \& s d
│ │ 3-项目参数解析.mp4
* q$ [- m, H6 e! t│ │ 4-生成器模块源码解读.mp47 G( H3 u6 A- [, x% e) s j; Q9 ^
│ │ 5-所有网络模块构建实例.mp4
0 y; w* V: Y7 \. y│ │ 6-数据读取模块分析.mp4
% j) Q4 ~! V! t% D& ~( c1 w- _│ │ 7-判别器损失计算.mp4' n/ m# D3 n; y! o _0 m
│ │ 8-损失计算详细过程.mp49 I7 ~1 c2 e7 h/ B/ D
│ │ 9-生成模块损失计算.mp4' T9 L- O) A" A7 z
│ │ 10-测试模块效果与实验分析.mp4
$ K( U6 o& s5 b2 T│ │ 6 a0 C6 j, Z# W" ]
│ ├─6_基于starganvc2的变声器论文原理解读2 C. m8 y# l M: U
│ │ 1-论文整体思路与架构解读.mp4* v9 k8 W/ A N- r9 A1 E; J
│ │ 2-VCC2016输入数据.mp4 ^ S1 g5 H F! @: C
│ │ 3-语音特征提取.mp4
7 l! L. {& f0 f7 ^+ I% {│ │ 4-生成器模型架构分析.mp4* i2 t9 I: z0 F" \4 b! T
│ │ 5-InstanceNorm的作用解读.mp40 k5 |; ]* x' N4 \0 w
│ │ 6-AdaIn的目的与效果.mp4
+ I. \$ n$ B7 R( S│ │ 7-判别器模块分析.mp4; Q2 \4 \3 ]0 {" `9 m9 D
│ │ 8 t! q {! p6 a+ s6 z; k' r
│ ├─7_starganvc2变声器项目实战及其源码解读
" |* \5 ^; G, f2 _│ │ 1-数据与项目文件解读.mp4
. X9 P4 o1 ^4 s: C( j│ │ 2-环境配置与工具包安装.mp4( }0 y, S$ h% t1 P: Z \
│ │ 3-数据预处理与声音特征提取.mp4
8 n! I. i- o2 @2 o- I) g* l│ │ 4-生成器构造模块解读.mp4" V G2 i7 Q- Z) ~" l% ~9 c
│ │ 5-下采样与上采样操作.mp4% F9 ~+ j9 m. B5 W
│ │ 6-starganvc2版本标签输入分析.mp4
. H, M" E( ~2 y3 t: Q. c, U│ │ 7-生成器前向传播维度变化.mp4! F2 W, G- m9 G
│ │ 8-判别器模块解读.mp4
' p1 T: A( Y% {( P! R- Z& I4 i│ │ 9-论文损失函数.mp4. I7 E2 K+ g1 s' B+ ^) ]' ?2 p% h
│ │ 10-源码损失计算流程.mp47 F+ L7 N) g$ K6 j3 Q
│ │ 11-测试模块-生成转换语音.mp4
9 X7 | B3 P: g( l│ │ 9 R/ s3 V" n' T8 b7 V
│ ├─8_图像超分辨率重构实战" `. D0 z8 H, J* Z4 J
│ │ 1-论文概述.mp4
* k; y/ i; H- @; E" @% p$ B6 K$ T│ │ 2-网络架构.mp4
% _. z8 i; f- F1 b# V6 q│ │ 3-数据与环境配置.mp4
# J0 C- I# `1 p6 |│ │ 4-数据加载与配置.mp4
* A. j# l# q6 j& [" R7 {0 _& N│ │ 5-生成模块.mp4) B6 ] t5 `- L6 q' Z! \
│ │ 6-判别模块.mp49 k2 f, W, W) Y
│ │ 7-VGG特征提取网络.mp4* b$ n! d, `& `. {0 L! l0 ~
│ │ 8-损失函数与训练.mp4- c' o [4 o9 }2 U
│ │ 9-测试模块.mp4
- | U \6 {3 @$ W& d│ │ , R! W3 ~3 b9 O& n; o! m: z1 l0 Y
│ └─9_基于GAN的图像补全实战: F" U c5 P/ Y
│ 1-论文概述.mp4
) G* b J7 r8 K7 I' k5 [2 q. l│ 2-网络架构1.mp4
" V/ R; Y( L: t│ 3-细节设计.mp4
5 H, z% U8 F a" p│ 4-论文总结.mp4& F. u% i! W: D: d, i( w
│ 5-数据与项目概述.mp4
) u( M# W. j, Z3 U* H; W) n6 m! ]│ 6-参数基本设计.mp45 p9 W# p+ N. c, G' ]" t' Q, H' F
│ 7-网络结构配置.mp4) }+ f/ u' h" J
│ 8-网络迭代训练.mp4% V' N s% |" k- ^
│ 9-测试模块.mp4
( `* f; F9 w7 y+ w! \- _│
~+ `2 L9 c# E+ D5 _├─17_强化学习实战系列% W& A0 h$ q* q! p# ~
│ ├─1_强化学习简介及其应用
4 b: c2 y0 l/ [: `│ │ 1-一张图通俗解释强化学习.mp42 ~- b2 F0 g/ e- k( q5 o$ j! a
│ │ 2-强化学习的指导依据.mp4
+ D3 w$ S. Y# v# w6 N% G% t│ │ 3-强化学习AI游戏DEMO.mp4
' @7 ?7 [( P% E│ │ 4-应用领域简介.mp4
6 n% H h3 J7 r( y" q! m, y│ │ 5-强化学习工作流程.mp4
4 a6 x" g. i2 h0 z│ │ 6-计算机眼中的状态与行为.mp4
0 n4 z) f$ h6 E* \4 b& a4 E│ │ 1 A' ^# h) Y- y3 t6 u) U
│ ├─2_PPO算法与公式推导9 A: X0 D2 k+ N9 c X* h
│ │ 1-基本情况介绍.mp4
& N: v$ L" n5 x9 S│ │ 2-与环境交互得到所需数据.mp4
% w6 d1 E; k# f) o│ │ 3-要完成的目标分析.mp4: T- D& V+ `3 r. |6 N0 T
│ │ 4-策略梯度推导.mp4
, }* {; P4 ?' k/ _. O│ │ 5-baseline方法.mp4
7 g& I' R- H4 a0 h# n8 f* K│ │ 6-OnPolicy与OffPolicy策略.mp40 R" \2 ^4 H( m& \4 a
│ │ 7-importance sampling的作用.mp4
7 ~2 e6 ^) S" O│ │ 8-PPO算法整体思路解析.mp4
6 H/ U* t9 j* L! i, _3 m) H│ │
& ]: U2 i1 h8 A2 m X│ ├─3_PPO实战-月球登陆器训练实例
8 a+ o6 i8 j/ ?. I! e r5 t+ P1 ^│ │ 1-Critic的作用与效果.mp4' o. V* O* W& ]1 m% J& i
│ │ 2-PPO2版本公式解读.mp4
! a/ c8 t7 U6 ?# Z│ │ 3-参数与网络结构定义.mp4- u; t5 E6 p9 d+ M
│ │ 4-得到动作结果.mp4+ u4 w* N0 ~ l1 ]1 \
│ │ 5-奖励获得与计算.mp44 w% e( Z7 E" P4 w3 j0 V
│ │ 6-参数迭代与更新.mp48 l7 U3 R9 w s9 t/ N9 a7 K
│ │
" h0 C+ y, F, {$ U6 s- _$ @2 g' A- j│ ├─4_Q-learning与DQN算法
6 ]7 f8 H |1 ] ^9 ^ e│ │ 1-算法原理通俗解读.mp45 e- `2 ]; v8 O! i Z- r
│ │ 2-目标函数与公式解析.mp4
8 B9 |2 g: Y# k# J& _│ │ 3-Qlearning算法实例解读.mp4
0 d' l4 K, o: h( o│ │ 4-Q值迭代求解.mp4
- {& C- _ M8 o2 N│ │ 5-DQN简介.mp4
" v6 M; l7 [' |/ n, l5 n) i│ │
! F2 z, \8 t( _5 Y- M# Z│ ├─5_DQN算法实例演示
: ~3 A; D# U9 R/ {0 q7 e' ?│ │ 1-整体任务流程演示.mp4
; e$ M' J! W$ P3 I* w* N% n│ │ 2-探索与action获取.mp4( m4 ^5 \2 r5 c0 u
│ │ 3-计算target值.mp45 n( E; N# {* l9 a6 |. t
│ │ 4-训练与更新.mp48 Y/ P& T1 _ F& T, z6 _4 ]
│ │ 8 ^: E' B# ?- M3 C& x# y5 i, ?
│ ├─6_DQN改进与应用技巧
1 Z! b$ F4 ~( J0 U│ │ 1-DoubleDqn要解决的问题.mp4" c/ ?7 Z' A, _+ [9 ]
│ │ 2-DuelingDqn改进方法.mp4
- v" v' e0 m2 U│ │ 3-Dueling整体网络架构分析.mp48 }! [" k7 Q. i# j( e& U
│ │ 4-MultiSetp策略.mp4
5 t/ Y3 J7 y3 n& ]7 n# s│ │ 5-连续动作处理方法.mp44 z$ l. L% D$ F& Q& u
│ │
! K9 y! U: ^; }$ Z│ ├─7_Actor-Critic算法分析(A3C)
% f# O- o, [( s) F. o: b# {$ X│ │ 1-AC算法回顾与知识点总结.mp4* q; S$ A5 E, Z- M- \# o! j
│ │ 2-优势函数解读与分析.mp4& m5 t3 J9 p6 H/ @/ j+ M
│ │ 3-计算流程实例.mp4
, u5 U& r* U" N: q9 n3 Y, t│ │ 4-A3C整体架构分析.mp4
2 q- N9 i8 u7 {# e" u' \! p! g│ │ 5-损失函数整理.mp44 ~$ ]) e% }0 ^( B5 X
│ │
3 v, @5 x* _& ~6 \9 A# t│ └─8_用A3C玩转超级马里奥
7 w7 ^, u# I2 v8 X6 g# @- Y7 e2 e│ 1-整体流程与环境配置.mp43 }( S" @2 q: B$ E
│ 2-启动游戏环境.mp48 [- N4 N0 j; i) {" V' z4 p0 i
│ 3-要计算的指标回顾.mp4- k) n2 m' I# v; G
│ 4-初始化局部模型并加载参数.mp4
' Y6 o4 @% W, `- H# O! k7 n7 m) b│ 5-与环境交互得到训练数据.mp40 W1 s7 Q+ O$ l1 }* I c( w& g( E
│ 6-训练网络模型.mp43 u: F9 t. d F, A* V& q
│ 3 P+ p# q# E3 \+ R6 H
├─18_面向医学领域的深度学习实战1 h* y$ G$ `- C2 T9 O
│ ├─1_卷积神经网络原理与参数解读$ i: y, Y' r# O6 b. \! q
│ │ 1-1卷积神经网络应用领域.mp4
/ F5 Q0 [) c0 r│ │ 2-1卷积的作用.mp4
+ _1 X% H, Y0 e0 w9 Y4 P, K/ ^│ │ 3-1卷积特征值计算方法.mp4- W# P0 [- G) T8 }" Z
│ │ 4-1得到特征图表示.mp4
9 N. k2 ?/ t" D4 J2 Z8 |# ?9 ~│ │ 5-1步长与卷积核大小对结果的影响.mp4
4 c2 i% g5 A* Z1 ?( `4 }9 W│ │ 6-1边缘填充方法.mp4
; e7 A- k& h3 v! _│ │ 7-1特征图尺寸计算与参数共享.mp4
3 E2 A' q- y& p, \1 Y│ │ 8-1池化层的作用.mp4( H+ Y! K& v; P% Z( y5 P
│ │ 9-1整体网络架构.mp40 J* H( ]) g1 L, d( ?( L. Z! v
│ │ 10-1VGG网络架构.mp4! t0 W" S! {3 `% W+ b
│ │ 11-1残差网络Resnet.mp4: P* P# ^! N# ]
│ │ 12-感受野的作用.mp4
" u( J4 D$ B2 s- _. ~8 F7 ?│ │ " c- |( d+ T3 D; _
│ ├─2_PyTorch框架基本处理操作$ ^. {7 \2 o5 T2 e [
│ │ 1-PyTorch实战课程简介.mp4
6 }8 V( f" x6 A8 Z8 S│ │ 2-PyTorch框架发展趋势简介.mp4
6 T- {9 w. ^! ?' o│ │ 3-框架安装方法(CPU与GPU版本).mp4
# k! \; K2 e1 n( [+ C( D" f│ │ 4-PyTorch基本操作简介.mp4/ ~7 r* c9 O6 {& ~) L' j. i- ?' C
│ │ 5-自动求导机制.mp4) I3 Z- e6 ~7 M3 r
│ │ 6线性回归DEMO-数据与参数配置.mp4
9 J5 U+ }6 g$ Q1 N8 U( L0 V│ │ 7线性回归DEMO-训练回归模型.mp4 u. ]& Q0 `' k) S& N" l
│ │ 8常见tensor格式.mp4
# r, _' m6 \! M; v│ │ 9Hub模块简介.mp4 }2 C8 h$ s7 w. d! x
│ │
V5 U4 o1 [* S# M. E/ j& t9 s│ ├─3_PyTorch框架必备核心模块解读
) w& m% p7 r5 Y) H; V V│ │ 1-卷积网络参数定义.mp4" t2 G; S8 j5 y
│ │ 2-网络流程解读.mp4: P/ c. V7 z9 ~/ e$ x
│ │ 3-Vision模块功能解读.mp4$ H% R# T0 @. c& g/ h9 L
│ │ 4-分类任务数据集定义与配置.mp4$ I- T9 E# {0 [ W( o. Y6 [ N4 }
│ │ 5-图像增强的作用.mp44 r/ a9 _$ X+ w" \
│ │ 6-数据预处理与数据增强模块.mp4' G- W7 y' v/ h @' r+ k
│ │ 7-Batch数据制作.mp40 ^; H5 C! P& J
│ │ 8-迁移学习的目标.mp4
; p: g, Z( S& _% H$ }│ │ 9-迁移学习策略.mp40 j; \9 g5 o6 a, ~4 z: {; Z1 p. C
│ │ 10-加载训练好的网络模型.mp4, e% X _0 ~6 P% m
│ │ 11-优化器模块配置.mp4
, `% M0 L9 g. o│ │ 12-实现训练模块.mp4! Q" q5 C, v1 ~9 A1 l2 r' I: W; u
│ │ 13-训练结果与模型保存.mp4
# `) {# |6 ^3 p│ │ 14-加载模型对测试数据进行预测.mp4
' k L! `% P4 A5 B* n1 b1 k│ │ 15-额外补充-Resnet论文解读.mp4& K4 {, Y" S! o6 U$ y$ ?
│ │ 16-额外补充-Resnet网络架构解读.mp4( R/ \: h9 i# O5 M
│ │
3 H9 U' b, F# e! H( U3 u& i* v│ ├─4_基于Resnet的医学数据集分类实战
' P2 g; {/ W! n9 i( {& ]│ │ 1-医学疾病数据集介绍.mp43 Q6 t' {5 g. k7 f5 n
│ │ 2-Resnet网络架构原理分析.mp49 Y( c5 h# Y; `1 V; Z
│ │ 3-dataloader加载数据集.mp4
9 W0 F' T5 K& @# Z$ P' C& s│ │ 4-Resnet网络前向传播.mp4
$ q% Y; I& m6 t. t' R* U│ │ 5-残差网络的shortcut操作.mp4
7 D `7 e2 z1 a/ Q/ k. j│ │ 6-特征图升维与降采样操作.mp40 J, R3 [% x1 ~6 X. n% s i4 D
│ │ 7-网络整体流程与训练演示.mp48 _( B1 j- B0 b/ J$ v0 _! f; v# u
│ │ 3 \6 `7 w) i! T. O& U% k
│ ├─5_图像分割及其损失函数概述
( M) j$ f& h) j# Y8 D( l( P" ]│ │ 1-语义分割与实例分割概述.mp4
% L/ n' }; X" ]. c8 {# t) y! r│ │ 2-分割任务中的目标函数定义.mp4# r! d$ k% b1 e# [ T% J
│ │ 3-MIOU评估标准.mp42 B0 Q# c( f: j; V9 _3 V$ B' m& O
│ │ . {6 o \8 y: D7 ?6 F
│ ├─6_Unet系列算法讲解& N' U7 R1 g& K2 P! B6 Y" Q
│ │ 1-Unet网络编码与解码过程.mp4& `8 K) y C, c- a
│ │ 2-网络计算流程.mp4$ G: r' g! I7 A" H* K
│ │ 3-Unet升级版本改进.mp4
4 o9 u. `3 ]& p$ `2 e& h" `6 Z- ^│ │ 4-后续升级版本介绍.mp4
( u( N+ t+ ~, F) ^( J; `│ │
3 I& I5 l# w: _( h│ ├─7_unet医学细胞分割实战
5 _3 R8 d; h) ]/ t0 q$ f i1 a│ │ 1-医学细胞数据集介绍与参数配置.mp4
/ [" Y! n( X# A│ │ 2-数据增强工具.mp4
; O) t$ b8 O4 I│ │ 3-Debug模式演示网络计算流程.mp4
' R" w4 r# [8 v% f( R│ │ 4-特征融合方法演示.mp4
- V$ O/ s G( G│ │ 5-迭代完成整个模型计算任务.mp4
: [: E/ |5 j* D9 `. `% V" _# T _│ │ 6-模型效果验证.mp4
3 q& i% b' \; J: N│ │ $ m' L1 o4 |% b
│ ├─8_deeplab系列算法
* x" {8 A2 a" Y│ │ 1-deeplab分割算法概述.mp4
0 B+ @1 l& J1 d. C* X0 D' g h# I│ │ 2-空洞卷积的作用.mp4
N+ u D2 x; a% `' ^│ │ 3-感受野的意义.mp4* @9 o! ^7 x- n+ Q
│ │ 4-SPP层的作用.mp4
9 [) z& b/ s( q$ u8 ~. n$ ~│ │ 5-ASPP特征融合策略.mp4
$ P+ l! H) G+ q# |- o1 ^- o│ │ 6-deeplabV3Plus版本网络架构.mp4 o4 l. Q* @1 |/ k
│ │ 7 e' X9 E8 M: C$ f3 h' {3 U: L
│ ├─9_基于deeplabV3+版本进行VOC分割实战2 ]0 `- {. x2 M0 w) f( _6 m
│ │ 1-PascalVoc数据集介绍.mp4
4 B! o" r0 ^2 q│ │ 2-项目参数与数据集读取.mp4
, k' D6 u& C7 Q% W│ │ 3-网络前向传播流程.mp4
e* X7 @: _+ U9 C- ^ a& A3 ?+ }│ │ 4-ASPP层特征融合.mp43 ^" |# `7 k! `* i
│ │ 5-分割模型训练.mp4
* g. X0 w0 K3 r/ v4 S& R│ │ , Q% a9 d, {# B
│ ├─10_基于deeplab的心脏视频数据诊断分析' R" f* Q c/ e+ c
│ │ 1-数据集与任务概述.mp4. M \4 ^, K7 _ k9 |( K
│ │ 2-项目基本配置参数.mp4
5 r3 x+ T7 A4 I8 X" x X│ │ 3-任务流程解读.mp4
5 x" L( G; r# l3 ?' S│ │ 4-文献报告分析.mp4
. @% E9 y7 ~3 k4 T5 b( B│ │ 5-补充:视频数据源特征处理方法概述.mp4
3 W( c- S, L8 s8 E│ │ 6-补充:R(2plus1)D处理方法分析.mp47 e0 ?0 r8 M* o& e- b2 T
│ │ , o1 k, N5 C" t
│ ├─11_YOLO系列物体检测算法原理解读
& x. T3 R- p2 ]0 [7 s, v- q│ │ 1-V2版本细节升级概述.mp4% ~; j! q1 s( p* `$ N8 V$ f. p
│ │ 1-V3版本改进概述.mp4 ]3 I$ x; v" j7 b( |* w+ }
│ │ 1-V4版本整体概述.mp4
% w7 R6 `) I, k7 d│ │ 1-YOLO算法整体思路解读.mp47 Z- u6 b+ D; o
│ │ 1-检测任务中阶段的意义.mp4' E0 Z! C/ [2 D6 p# D/ `- D
│ │ 2-V4版本贡献解读.mp4
+ b! j6 t5 C% u" U│ │ 2-不同阶段算法优缺点分析.mp4
+ z v- v w- ~9 s/ O│ │ 2-多scale方法改进与特征融合.mp4' P0 C- h" U s1 f& G9 g: u
│ │ 2-检测算法要得到的结果.mp4) ]% E3 }& I8 b3 p" e# F9 V
│ │ 2-网络结构特点.mp4 L5 H4 D9 [) X, v! r$ i, g& ~
│ │ 3-IOU指标计算.mp4( P8 A# F8 k* L2 `6 d
│ │ 3-数据增强策略分析.mp43 M8 m, \) P+ ~" S7 Z
│ │ 3-整体网络架构解读.mp4
5 r2 [9 D0 a {7 Z│ │ 3-架构细节解读.mp4: L. J* ` k# {3 Z9 a
│ │ 3-经典变换方法对比分析.mp43 S# H- | Z9 k: A) N0 E# Z
│ │ 4-DropBlock与标签平滑方法.mp4. y9 F+ N: i$ r/ x% k
│ │ 4-位置损失计算.mp4
8 Q; ~9 H: T8 u: g2 w, P│ │ 4-基于聚类来选择先验框尺寸.mp4' ]: C2 N; I6 u; J7 S
│ │ 4-残差连接方法解读.mp4
q9 D( p& d5 u: a) j) m│ │ 4-评估所需参数计算.mp4! I( U$ k: m t" }
│ │ 5-map指标计算.mp4
& h, U- [% M# b( p* n2 ?* M3 L# H│ │ 5-偏移量计算方法.mp4
: E' l# L. C, Z/ C0 U7 I+ k" c│ │ 5-损失函数遇到的问题.mp4
! J* ?0 d. C2 D9 h, ? J& ^9 Q│ │ 5-整体网络模型架构分析.mp4
" p. T& G" p% a│ │ 5-置信度误差与优缺点分析.mp4- c- U- _. q) [1 R! r
│ │ 6-CIOU损失函数定义.mp4* c% } w# c1 Y9 q7 Q0 D' C, u
│ │ 6-先验框设计改进.mp4
% |) t& G# L; F' H0 G# j# s│ │ 6-坐标映射与还原.mp4
) ?9 A$ z! { T ~5 w$ z' n│ │ 7-NMS细节改进.mp43 z/ h& C" ]) R0 m o
│ │ 7-sotfmax层改进.mp4, F5 b9 \; y7 f2 y3 \7 H9 Z0 y
│ │ 7-感受野的作用.mp4
2 }% @" y& m" z│ │ 8-SPP与CSP网络结构.mp4
' g0 s& d% b) a, }6 {, }# C6 R: d- M│ │ 8-特征融合改进.mp4
3 B" S6 L V& i( i│ │ 9-SAM注意力机制模块.mp4
1 P3 t9 n+ G# t3 S( Q& c" l│ │ 10-PAN模块解读.mp4
5 F6 H: C E/ O" `│ │ 11-激活函数与整体架构总结.mp4
% _3 I7 P, V9 U. w' R! \│ │ 7 i7 k6 S1 A% m* W" u
│ ├─12_基于YOLO5细胞检测实战
; g/ X% H2 o7 u+ z3 L! Y9 k│ │ 1-任务与细胞数据集介绍.mp4
0 D1 `, @' K% X6 j) ?│ │ 2-模型与算法配置参数解读.mp4
/ p1 ^3 H. f' d8 M│ │ 3-网络训练流程演示.mp4
% W( h0 S5 y7 ]│ │ 4-效果评估与展示.mp4
) H! a& [( W" m& ?) W│ │ 5-细胞检测效果演示.mp4
. Z5 ^3 k. N3 Q3 k% N8 [7 y3 J│ │ 5 O# [- y; k+ N
│ ├─13_知识图谱原理解读
% c0 n) d7 H6 F/ c5 D& P# p% X│ │ 1-数据关系抽取分析.mp4. u; v x/ H* ?
│ │ 1-知识图谱通俗解读.mp4; K5 q* K5 I" c4 m$ v, R5 f6 L
│ │ 2-常用NLP技术点分析.mp4
- g4 |) V! u t; D3 u7 E6 N│ │ 2-知识图谱在搜索引擎中的应用.mp4
9 e( S) m- i% T0 v. S9 x5 X: `8 E│ │ 3-graph-embedding的作用与效果.mp4. W+ u8 @! @6 k( _# @" }* o
│ │ 3-知识图谱在医疗领域应用实例.mp4
! B7 l! |' R Z) F! L│ │ 4-金融与推荐领域的应用.mp4
p( g8 T7 F* Q6 h│ │ 4-金融领域图编码实例.mp4
! V* A% `% ?0 m│ │ 5-数据获取分析.mp4
2 z# T0 a; G, M6 _4 S3 k" A│ │ 5-视觉领域图编码实例.mp44 c( s: y3 ]$ z9 M( K. O
│ │ 6-图谱知识融合与总结分析.mp4
/ B- L# h6 N" H. k│ │
( G% p; d2 j& [7 G: v│ ├─14_Neo4j数据库实战: W+ g3 F2 k' `8 R }" H8 b( S
│ │ 1-Neo4j图数据库介绍.mp4
; N) A* B6 R7 m6 H( E│ │ 2-Neo4j数据库安装流程演示.mp4
1 v8 z3 d( j' k( m' }/ s5 K; ~│ │ 3-可视化例子演示.mp4
7 ]- \ U- Y3 t; p! M2 @1 [│ │ 4-创建与删除操作演示.mp4
% Q5 G2 H" e; s7 q( C( K: a6 O│ │ 5-数据库更改查询操作演示.mp47 [2 ?# Z" v* @! i6 {8 |' _
│ │ 2 {* R( E3 N) b; ~6 b2 |
│ ├─15_基于知识图谱的医药问答系统实战
x% L! F, ]7 [$ g8 ?: [. D( T' {: R│ │ 1-项目概述与整体架构分析.mp4: d+ _/ o& ~7 L( h$ L
│ │ 2-医疗数据介绍及其各字段含义.mp4
* |5 f' B2 a' W6 P│ │ 3-任务流程概述.mp43 i8 B" ^- {& W! k# e
│ │ 4-环境配置与所需工具包安装.mp47 D/ R6 ~' x: [; N
│ │ 5-提取数据中的关键字段信息.mp4
8 E0 c* j- C- i- e8 P% h│ │ 5-数据获取分析.mp4, P: ]. n7 L- v3 u6 ]
│ │ 6-创建关系边.mp4
$ M. ]0 Z2 m2 S- a+ `& B) a8 [│ │ 7-打造医疗知识图谱模型.mp4
/ U9 \' B0 m0 Y; C' K( [; ^│ │ 8-加载所有实体数据.mp4+ D& m1 l3 Z, V- A# V
│ │ 9-实体关键词字典制作.mp4
& b0 k. w: B! r/ Y4 t│ │ 10-完成对话系统构建.mp45 M6 J+ q: h+ c9 D. q
│ │
3 a. ?( {7 A- S$ N4 c5 u7 E! E│ ├─16_词向量模型与RNN网络架构% ~3 f1 D1 Z* x/ R3 F$ R
│ │ 2-1词向量模型通俗解释.mp4
& j1 x4 y" l" g│ │ 3-1模型整体框架.mp4
- t1 t4 I: z( ?# X# O│ │ 4-1训练数据构建.mp4
* v7 ^% ]/ b( ^│ │ 5-1CBOW与Skip-gram模型.mp4! [6 e% w+ q( @- D7 R* v
│ │ 6-1负采样方案.mp4
& O. y; J$ h* ]# d6 E }8 Y7 l2 f│ │ 额外补充-RNN网络模型解读.mp41 P, v" H. y9 G9 ^" W" B' ?
│ │
7 E& [. [9 ?) m# |│ └─17_医学糖尿病数据命名实体识别
6 e# h4 ]( p0 _# S) I6 t1 V% }% _│ 1-数据与任务介绍.mp4* Y) }/ }1 {+ R
│ 2-整体模型架构.mp4, f, }7 C- F% g: V/ }
│ 3-数据-标签-语料库处理.mp4) x- T/ g# S$ Z9 k
│ 4-输入样本填充补齐.mp40 x$ A/ o5 D4 N, _6 F2 a ?0 {* m
│ 5-训练网络模型.mp4
; `. J( C$ C8 Z1 ~, }- C" J8 H│ 6-医疗数据集(糖尿病)实体识别.mp4, O9 k+ r- G, b7 P# W O+ [, T
│ 1 W- V% _" |" ^
├─19_深度学习模型部署与剪枝优化实战
4 F$ X+ U" k: K# e8 X+ H│ ├─3_pyTorch框架部署实践9 z1 A4 v* u! b* f0 `; s
│ │ 0-课程简介12.mp4! {9 D x0 f9 J7 d! v. I: U
│ │ 1-所需基本环境配置.mp4
; o8 A7 ~- K6 d│ │ 2-模型加载与数据预处理.mp4
- \. ~) e* b. y│ │ 3-接收与预测模块实现.mp44 Y3 x. E' D& n: C3 \) t5 D
│ │ 4-效果实例演示.mp4
" I& W/ i: m$ `! q4 X( u│ │ ! s5 J( T' p6 a( C+ ?: T8 @1 G& B7 ]
│ ├─4_YOLO-V3物体检测部署实例
; P* H4 ?: b# A$ G│ │ 1-项目所需配置文件介绍.mp4
! W# @% k8 I- J6 I, Z, K│ │ 2-加载参数与模型权重.mp4
/ @3 H! ?! w$ z0 ^9 w, s│ │ 3-数据预处理.mp4
4 @* @5 j' i- K5 n/ _7 T│ │ 4-返回线性预测结果.mp4
# J; H e+ c5 `│ │
7 s5 {, k3 k) ]│ ├─5_docker实例演示
8 I( q5 @8 p+ d│ │ 1-docker简介.mp43 \4 ]0 {% g& Y; t
│ │ 2-docker安装与配置.mp4
, {* r; M3 @/ p# a! k4 Q/ c│ │ 3-阿里云镜像配置.mp4
! p2 `/ r7 ~# T' V9 {) a$ ?- F4 \/ ?│ │ 4-基于docker配置pytorch环境.mp46 Y4 j- L/ ^0 s
│ │ 5-安装演示环境所需依赖.mp4: P4 p2 l* W0 [1 y5 H) q; S% R
│ │ 6-复制所需配置到容器中.mp4
8 C, B0 ~' q! j* }│ │ 7-上传与下载配置好的项目.mp42 ]: i2 S2 g5 I9 h0 f" F
│ │
1 x4 }5 {4 Z1 U: |│ ├─6_tensorflow-serving实战
# R: `; m' {% z* P│ │ 1-tf-serving项目获取与配置.mp4
2 {8 @- e8 t3 y( x- s0 K4 S! H U│ │ 2-加载并启动模型服务.mp4
- {% w9 I& l* K│ │ 3-测试模型部署效果.mp4, F4 F! z9 @/ {: [4 w
│ │ 4-fashion数据集获取.mp4
6 C( `. B7 V7 Y5 U8 @: r│ │ 5-加载fashion模型启动服务.mp4$ N9 C9 l4 N% Y8 L4 E* h+ J
│ │
?& s8 J3 M$ T' _; }2 O7 O│ ├─7_模型剪枝-Network Slimming算法分析
! t. e6 @8 v4 W│ │ 1-论文算法核心框架概述.mp4
6 e1 _$ |1 u e│ │ 2-BatchNorm要解决的问题.mp4' X1 y1 Q5 [. M- n
│ │ 3-BN的本质作用.mp4 T4 Z' J& [0 w7 _- w
│ │ 4-额外的训练参数解读.mp4$ D$ y2 a* m% S: r# q/ M
│ │ 5-稀疏化原理与效果.mp49 }) D& R. S, L9 \
│ │ 3 o/ h, C9 E, w# m5 f+ m
│ ├─8_模型剪枝-Network Slimming实战解读+ p) a* ^9 x1 K) j4 r N: N7 T
│ │ 1-整体案例流程解读.mp42 d; X* U! m+ |+ D: R
│ │ 2-加入L1正则化来进行更新.mp4
+ D' J- C9 n1 z1 i: C│ │ 3-剪枝模块介绍.mp4
' u k6 ]3 i3 p! w│ │ 4-筛选需要的特征图.mp4
/ n" j* G' ^6 Y9 n9 A5 K( U│ │ 5-剪枝后模型参数赋值.mp4
. H; l/ ]" R- J, s4 K│ │ 6-微调完成剪枝模型.mp4
! r, a! a1 h% C& T/ q│ │
. f' x ^' c1 \/ Q. s/ }- P) U8 `│ └─9_Mobilenet三代网络模型架构$ n$ b* `, p0 f: P- D
│ 1-模型剪枝分析.mp4
+ u0 I" m' b. y7 S" o N│ 2-常见剪枝方法介绍.mp41 h2 Z7 ]& Q8 x+ N5 W
│ 3-mobilenet简介.mp4
2 `2 @' b8 t9 z│ 4-经典卷积计算量与参数量分析.mp47 @2 _, ?/ i- \2 o7 r2 B
│ 5-深度可分离卷积的作用与效果.mp4
2 U* i2 ?; B, r. e8 M: z│ 6-参数与计算量的比较.mp4( v, F0 F& |$ D
│ 7-V1版本效果分析.mp4
) u5 R: R7 a& [+ T/ ?! S│ 8-V2版本改进以及Relu激活函数的问题.mp4
3 w* Y% i$ v( H# Q2 K* L│ 9-倒残差结构的作用.mp4! u3 T, V3 d' B, N
│ 10-V2整体架构与效果分析.mp4
5 N3 H3 Z1 g. `│ 11-V3版本网络架构分析.mp4
- o& H+ q) |# `% K│ 12-SE模块作用与效果解读.mp46 I6 d+ F5 Q+ d) G3 s% x! N: J
│ 13-代码实现mobilenetV3网络架构.mp4
! x! ^: A z+ G- X& t/ D; D4 x1 W' D│
- Z- c# ]9 x' U2 f5 f' W; {4 x├─20_自然语言处理经典案例实战 7 M1 T4 \: }- [" F6 l: F
│ ├─1_NLP常用工具包实战
! M$ b3 J# Y f/ L│ │ 1-Python字符串处理.mp4
% Y' R# g2 `5 V* G│ │ 2-正则常用符号.mp4
+ H4 x# q2 b( \│ │ 2-正则表达式基本语法.mp41 s' c# l2 M0 {1 c4 f9 a7 m
│ │ 4-常用函数介绍.mp40 E- Y, e6 F! {6 e5 M% f
│ │ 5-NLTK工具包简介.mp4/ V9 q( r1 C; z% O' z1 O
│ │ 6-停用词过滤.mp4
2 {' A, C9 a2 J# S$ a│ │ 7-词性标注.mp40 y7 m) S7 Z9 }
│ │ 8-数据清洗实例.mp4# a* ]7 i$ e, x% o, G3 A. A7 T9 X
│ │ 9-Spacy工具包.mp40 X E( W; X" t, z8 `6 S: Y1 ?$ D
│ │ 10-名字实体匹配.mp4( |9 ]$ L6 e5 m/ {. C5 o# V9 J% D
│ │ 11-恐怖袭击分析.mp4
d5 W! p9 ~2 j$ S+ g$ g c│ │ 12-统计分析结果.mp4
6 l+ M& V* `2 L6 ^$ f( ^│ │ 13-结巴分词器.mp4
5 p8 x( X$ l: h$ j9 O0 ]│ │ 14-词云展示.mp4( ^( m3 H4 m2 P
│ │
; a$ H' y9 p% k- H8 Y│ ├─2_商品信息可视化与文本分析) s/ i% K& e# n3 ]' y9 |# d
│ │ 1-任务概述.mp41 V3 V0 D. m: U
│ │ 2-商品类别划分.mp41 `. q7 V8 ?* ~. _1 f4 W _/ E
│ │ 3-商品类别可视化展示.mp4
0 ^' J; F1 g, z# K, [│ │ 4-描述长度对价格的影响.mp4
$ u8 U* i% y2 F b! U( Z│ │ 5-词云展示.mp4( I: e' @# p6 q( g
│ │ 6-tf-idf结果.mp4# B, h8 F: x6 {/ H/ H1 P) {* W' s
│ │ 7-降维可视化展示.mp4# k7 i& A3 X. k z# t
│ │ 8-聚类与主题模型.mp41 e+ T( W- D; N' T* j
│ │
: c) C$ Q/ L) w- b( w│ ├─3_贝叶斯算法/ E! P2 ^, w7 x# m
│ │ 1-贝叶斯算法概述.mp4
; }7 i* g- \* t* y│ │ 2-贝叶斯推导实例.mp4
/ i$ ]" J: u+ j( B$ L+ [│ │ 3-贝叶斯拼写纠错实例.mp4" Z5 B' w; \ T% Q
│ │ 4-垃圾邮件过滤实例.mp4
7 j4 q" e, b3 B; o9 g1 y$ O│ │ 5-贝叶斯实现拼写检查器.mp4" }! G9 F6 |' x: F" j4 u
│ │ 5 q! @: n$ }" Z6 `- E1 n, y, L
│ ├─4_新闻分类任务实战
& y; P. u( N* g# K3 ]: ^│ │ 1-文本分析与关键词提取.mp4# a" u/ n" g/ n/ j2 Z
│ │ 2-相似度计算.mp4
( d+ E9 J2 t4 g( t+ ]5 C/ q│ │ 3-新闻数据与任务简介.mp4
, F( O( H/ k. i) B4 J9 i6 Q│ │ 4-TF-IDF关键词提取.mp41 T a1 S: B$ H2 |4 o7 n0 p
│ │ 5-LDA建模.mp4; f. F( e8 ?/ h( c: R
│ │ 6-基于贝叶斯算法进行新闻分类.mp4* R2 m/ Y7 X" x$ d1 y
│ │ 6 q- j _1 v* O; G2 L
│ ├─5_HMM隐马尔科夫模型2 W# M I# d' e8 q2 ~; {
│ │ 1-马尔科夫模型.mp4; t# ]1 K) |6 r* S/ Q6 }
│ │ 2-隐马尔科夫模型基本出发点.mp4
5 n# |+ U# k2 Z) q$ @. ^8 f5 A│ │ 3-组成与要解决的问题.mp4
/ s- T% i' }% x$ }5 m│ │ 4-暴力求解方法.mp4
0 ^0 \" [: b% E7 I+ E│ │ 5-复杂度计算.mp4& L3 C1 Q0 H7 {/ s1 w+ f- |
│ │ 6-前向算法.mp4( S6 g# y7 t* E1 I- t' c
│ │ 7-前向算法求解实例.mp4 ?& @) k* L9 f
│ │ 8-Baum-Welch算法.mp4
0 t1 y1 O, ^3 J2 f5 a" h/ g- M│ │ 9-参数求解.mp4, K% h& N" P. X& ~; c, V- |
│ │ 10-维特比算法.mp4
1 m F' o/ V3 k, `9 n. l! a& ?. N│ │ 2 j' H$ Q1 k, C+ V6 s; ]) c
│ ├─6_HMM工具包实战# r9 ^9 G. L5 |0 H. Y
│ │ 1-hmmlearn工具包.mp47 s* D/ X; ]# P
│ │ 2-工具包使用方法.mp41 b* W( N2 |6 K- w& U. h
│ │ 3-中文分词任务.mp4
! s5 e5 ?# f' i, K9 O│ │ 4-实现中文分词.mp4& J# ?7 Y9 q4 m+ M; u! \* R
│ │
# j2 J8 m3 Z; @; G1 w│ ├─7_语言模型1 H( ]9 u% E1 j
│ │ 1-开篇.mp4
# j( m3 e4 N5 R4 ^- t" O! y│ │ 2-语言模型.mp4( e0 M/ f. ~; s4 d7 Q9 T" `; `9 I' p J
│ │ 3-N-gram模型.mp47 M6 W% Y9 n1 }
│ │ 4-词向量.mp4
/ w. @: `7 K F│ │ 5-神经网络模型.mp4, E5 e/ Q" X/ S5 m- b
│ │ 6-Hierarchical Softmax.mp4* ^1 k/ w8 ?! z8 I# }' X. E# ?% ]6 x
│ │ 7-CBOW模型实例.mp4
4 I J! L! ?) l% [5 y' N│ │ 8-CBOW求解目标.mp4
' {, y2 h6 b- p' }/ m1 M- ^│ │ 9-锑度上升求解.mp42 ^/ J; P( I7 ~! p: b5 F( n
│ │ 10-负采样模型.mp4
) r% X" Y& ^6 j; b4 d. \. ~│ │ 6 z9 V9 f3 Q! i; n# F4 l" s
│ ├─8_使用Gemsim构建词向量3 t# O1 H4 j0 r: n* v1 r& W
│ │ 1-使用Gensim库构造词向量.mp4* G: Q! x* y- h; f8 e E" e0 D
│ │ 2-维基百科中文数据处理.mp4
; c. n( k( Q J5 S* H│ │ 3-Gensim构造word2vec模型.mp4
* h% }1 U0 H& o/ I│ │ 4-测试模型相似度结果.mp4
3 X. H G( | x8 a# c3 i│ │ 2 r; J$ w V6 i3 g
│ ├─9_基于word2vec的分类任务
! G8 K6 t" D! Y" W) ^│ │ 1-影评情感分类.mp4
& N1 W2 J; x1 w6 r: r│ │ 2-基于词袋模型训练分类器.mp4/ s) H/ k% a: B4 R) n
│ │ 3-准备word2vec输入数据.mp4
W9 e4 m' f7 ^2 n5 J│ │ 4-使用gensim构建word2vec词向量(新).mp4, E0 s* f3 m$ k4 j
│ │ * b3 \3 V7 y% V! s% G2 J
│ ├─10_NLP-文本特征方法对比* l) c( q4 R) T# J
│ │ 1.1-任务概述.mp4; j/ l" V* R/ w
│ │ 2-词袋模型.mp4, |9 L" x; R$ i4 O U
│ │ 3-词袋模型分析.mp4
: F& G6 I7 k/ w/ R$ n& M│ │ 4-TFIDF模型.mp4+ i" ?0 n+ t9 K$ t& m
│ │ 5-word2vec词向量模型.mp4
2 ~; C* `3 W4 e0 H% Y. M│ │ 6-深度学习模型.mp4
U3 p' p- j5 m1 Z1 p) I+ ^│ │
/ c# K( [ e# S3 ]4 J│ ├─11_NLP-相似度模型
8 O- `! Y" p0 d7 L8 j* R; j│ │ 1.任务概述.mp4
; _* g6 v6 e' u8 _0 v1 {│ │ 2-数据展示.mp4
. C" X4 C+ |8 A/ v# L│ │ 3-正负样本制作.mp4
4 i4 C* \& E' o6 g8 s: y/ B( M7 B│ │ 4-数据预处理.mp44 l% |/ J# J4 N
│ │ 5-网络模型定义.mp4* g* E. |' g0 I) y: F
│ │ 6-基于字符的训练.mp4
& ?: K3 G! K Y0 B│ │ 7-基于句子的相似度训练.mp4
+ {+ B3 p* Y3 D/ ?" p│ │
# D8 d& ?8 }7 s8 P│ ├─12_LSTM情感分析
% y) @+ S5 T3 Z6 S+ e│ │ 1-RNN网络架构.mp4, {: F: A- b! F, ^
│ │ 2-LSTM网络架构.mp40 e6 k: I) h2 d9 ^9 D* r
│ │ 3-案例:使用LSTM进行情感分类.mp4
3 `. l, j' |- q" E1 n* K) h; l8 \│ │ 4-情感数据集处理.mp42 k6 E; q" |' {" `2 Q- d4 p
│ │ 5-基于word2vec的LSTM模型.mp4
, _6 H$ M6 n1 ?; D1 O6 k! t│ │
) k! x, a/ v8 f# Y0 g# |1 u2 M3 Z│ ├─13_机器人写唐诗9 `8 M" o# J# o* v& N2 m
│ │ 1.1.1-任务概述与环境配置.mp4
6 k) ?! }0 J/ Z: V0 k│ │ 2-参数配置.mp4/ u0 L; N+ [: e X
│ │ 3-数据预处理模块.mp4
$ A( `, |1 v6 i│ │ 4-batch数据制作.mp4
Q4 }+ b* _; Y1 Z" t: x│ │ 5-RNN模型定义.mp44 I' a& k7 a; I% P7 B+ E! ~2 @
│ │ 6-完成训练模块.mp4: K9 u+ s: T. Y: N
│ │ 7-训练唐诗生成模型.mp48 L8 j% w: `/ M7 {
│ │ 8-测试唐诗生成效果.mp4
0 y8 i3 h. H- B* m a0 V│ │
6 y$ T% u1 c4 H2 V$ Z. } ~$ a7 ]│ └─14_对话机器人
# E1 L" A% q- p% ^4 m│ 1-效果演示.mp4
! H' R! J4 S3 Y% s; J│ 2-参数配置与数据加载.mp4
+ n. x2 u: K" Y6 a3 o6 F! m8 B" `│ 3-数据处理.mp4
/ Z. ~: u$ m4 q/ j' M) }│ 4-词向量与投影.mp4
8 y4 z. t; a# |& P& j g% E│ 5-seq网络.mp46 u9 a7 ~1 \8 M" {
│ 6-网络训练.mp44 L2 C6 Z. f, |3 g
│
# R1 I6 o1 G9 h, V* \├─21_自然语言处理通用框架-BERT实战
4 W$ `) W& d/ N' X5 a S2 c; m│ ├─1_自然语言处理通用框架BERT原理解读
' h2 e% w' s8 ~6 F│ │ 1-BERT课程简介.mp4+ |5 I+ g, i) f
│ │ 2-BERT任务目标概述.mp4
: O) j! }; O4 E% M* W% L0 m7 M│ │ 2-传统解决方案遇到的问题.mp4
. a$ S$ o" M! O* M│ │ 3-注意力机制的作用.mp4% n. a. ]/ W- G$ X
│ │ 4-self-attention计算方法.mp4
; Q5 _4 `6 H; b: ~# f6 a. W& L ~1 k│ │ 5-特征分配与softmax机制.mp4
( e1 F- L# z7 I( \, X% M/ G/ H│ │ 7-Multi-head的作用.mp44 ?8 _3 W h; e( P9 H
│ │ 8-位置编码与多层堆叠.mp4
/ F0 J9 R) P C2 v3 o1 t E5 D0 M│ │ 9-transformer整体架构梳理.mp4
4 V9 z0 g, O# [! U, M8 b│ │ 10-BERT模型训练方法.mp46 W' W. P2 T& B4 ?6 h: \5 l
│ │ 11-训练实例.mp4, k5 W' V. q+ P! U
│ │
t2 x0 N$ f. x│ ├─2_谷歌开源项目BERT源码解读与应用实例
- F2 p$ }' y* A5 G) d4 W$ N│ │ 1-BERT开源项目简介.mp4
& p8 M' h1 x/ g2 A│ │ 2-项目参数配置.mp4
9 B; {( @$ K9 w/ ~5 f" f' `│ │ 3-数据读取模块.mp4
! c" \3 F3 F; Q2 |$ I│ │ 4-数据预处理模块.mp47 P& ^* e2 g c( I- A; O( U0 F( ?: W
│ │ 5-tfrecord制作.mp4" N6 K1 }5 ~& b' q& d* c
│ │ 6-Embedding层的作用.mp41 W' Y) h9 H0 u
│ │ 7-加入额外编码特征.mp4
# B7 U j4 _3 ~3 m; a$ K│ │ 8-加入位置编码特征.mp4+ T2 I8 x1 ?) C* J% \
│ │ 9-mask机制.mp45 }8 e' X% z4 U) Z$ ?. r/ ~
│ │ 10-构建QKV矩阵.mp4% ~% J/ C+ s. {
│ │ 11-完成Transformer模块构建.mp4% T( `, v1 c |1 u+ L
│ │ 12-训练BERT模型.mp45 \! l1 }1 k! |; H* n0 w
│ │
+ m! P; h% s5 ?/ F' @* e. F4 a6 e│ ├─3_项目实战-基于BERT的中文情感分析实战3 w4 z+ I; `* N) n
│ │ 1-中文分类数据与任务概述.mp4
' v2 K T; B! F) `. x: R- Y0 E$ N│ │ 2-读取处理自己的数据集.mp4
8 f5 x) W, I( X: ~) e' k- L, \5 k│ │ 3-训练BERT中文分类模型.mp4* m4 v' t# M S, x8 q) v! w6 Y
│ │ : @5 E/ n; b0 g0 s, [7 C
│ ├─4_项目实战-基于BERT的中文命名实体识别识别实战
! c' ?! L+ h; ~+ }$ G& O/ X4 \' Q│ │ 1-命名实体识别数据分析与任务目标.mp4
3 t9 f% B* g ?/ `+ s8 K│ │ 2-NER标注数据处理与读取.mp4
6 L- `# g2 U# Z4 v7 ^+ g9 x5 `* i│ │ 3-构建BERT与CRF模型.mp46 u6 m, R' o' v" l4 ~8 B5 A
│ │ & I2 d/ S* n Q
│ ├─5_必备基础知识点-woed2vec模型通俗解读- m$ b# w$ t, _
│ │ 1-词向量模型通俗解释.mp4
7 {. R/ X/ O% g* F- s/ M│ │ 2-模型整体框架.mp4
! r* E# _% c' [0 k) d) J! M, {8 R│ │ 3-训练数据构建.mp4+ G) f' T' [; T3 ]9 J, d/ c: n
│ │ 4-CBOW与Skip-gram模型.mp4
* Y& j* G+ [2 {# j1 H( q& j) x│ │ 5-负采样方案.mp4! s/ C/ r. z* Q# H
│ │
' Y7 K, Z1 Y4 f+ j ^, b│ ├─6_必备基础-掌握Tensorflow如何实现word2vec模型
: h! A! l3 P5 X$ u- V5 r│ │ 1-数据与任务流程.mp4" u# c' E) T& Y/ W( }. K& u( m5 z
│ │ 2-数据清洗.mp4
& t5 l. [4 [4 G1 A( F│ │ 3-batch数据制作.mp4
8 H- u- V% l4 F, h1 q│ │ 4-网络训练.mp4, G" \1 p: K0 p, D4 j( z" E5 T! b+ X
│ │ 5-可视化展示.mp4
/ X; ~4 M! ?1 z! i; U4 K7 w! C( q│ │ 8 z8 L- V/ K8 q
│ ├─7_必备基础知识点-RNN网络架构与情感分析应用实例/ G: i7 U6 O3 U! E' p- J
│ │ 1-RNN网络模型解读.mp4
6 n( @& T$ {, N! }│ │ 2-NLP应用领域与任务简介.mp4
! H" M; H) h7 t│ │ 3-项目流程解读.mp4
- Z% a# w- J) Y( v│ │ 4-加载词向量特征.mp4
! ]7 k+ ?; q3 y: m* k2 \5 H│ │ 5-正负样本数据读取.mp42 X7 Z* J& c$ U4 {( P: h
│ │ 6-构建LSTM网络模型.mp41 I1 G3 Q0 a0 K R
│ │ 7-训练与测试效果.mp48 F7 U: ]8 v- ~5 a+ }% a
│ │ 第十二课:LSTM情感分析.mp4/ x' I% z# w* Z& M: C( I' S
│ │ 7 _4 b- s. y( _) l9 R1 u( |; r
│ └─8_医学糖尿病数据命名实体识别
; o8 G6 |) t Z7 ~. j! e) O│ 1-数据与任务介绍.mp4+ P( g& p7 P" M$ L B) K$ d
│ 2-整体模型架构.mp4
4 a3 h. w, J8 k. g3 l+ ?* t│ 3-数据-标签-语料库处理.mp4! w8 x: J q8 a5 d: n" a3 Z1 `
│ 4-输入样本填充补齐.mp4) S. l- L; J1 E% ^( o8 f9 B
│ 5-训练网络模型.mp4' `% K& t* n- O! Z$ N" L% }
│ 6-医疗数据集(糖尿病)实体识别.mp4
0 C6 V% S9 d" I. w/ |" D3 ~3 \│ & Y1 k1 C! z/ _% q8 p+ O
├─22_知识图谱实战系列: a |9 p7 N6 _0 c4 c
│ ├─1_知识图谱介绍及其应用领域分析
3 @5 k5 _) ~) L2 @6 C7 l│ │ 1-知识图谱通俗解读.mp4
1 M; O' L: T+ k6 N5 t% B│ │ 2-知识图谱在搜索引擎中的应用.mp4
& a6 k3 h. T+ S' Y- v│ │ 3-知识图谱在医疗领域应用实例.mp4/ Q% B' o" n9 i L" b0 k) Y
│ │ 4-金融与推荐领域的应用.mp4
, z. _3 f* _ o u9 O5 B' f│ │ 5-数据获取分析.mp4
8 C1 a; x) u: ` c/ D│ │
2 ?6 y5 y1 w) p: k│ ├─2_知识图谱涉及技术点分析
8 g! y' ~% q7 V' j5 L│ │ 1-数据关系抽取分析.mp4: s! q8 p6 G! G n
│ │ 2-常用NLP技术点分析.mp4
. G6 L; B. J: y5 {2 B│ │ 3-graph-embedding的作用与效果.mp4
* M- L# ]) [7 O% H% F. n( w│ │ 4-金融领域图编码实例.mp4 q" e$ G5 ]! ^2 Y
│ │ 5-视觉领域图编码实例.mp4
5 V4 W u S( O& T│ │ 6-图谱知识融合与总结分析.mp4& L" k' R7 B3 b5 K
│ │
) i: ?# q2 U% M' H│ ├─3_Neo4j数据库实战
e4 v$ }/ P& f) y│ │ 1-Neo4j图数据库介绍.mp4
7 B2 I4 |8 d5 w5 c: F│ │ 2-Neo4j数据库安装流程演示.mp4
0 s ^2 S' n9 A8 z$ a│ │ 3-可视化例子演示.mp4' l0 S% ]4 a1 Z6 l4 N. l! Q
│ │ 4-创建与删除操作演示.mp4
; @$ f' J% f" h# s& \│ │ 5-数据库更改查询操作演示.mp4
3 j8 q+ u7 B5 b* q \│ │ ) E. H3 o4 R( ?/ C, ]
│ ├─4_使用python操作neo4j实例8 L1 k4 s/ Z" m* v
│ │ 1-使用Py2neo建立连接.mp4
2 ]; a, k0 o6 j: y% u% m│ │ 2-提取所需的指标信息.mp4
d2 k6 j Q" W0 ?+ m7 t% ^0 d│ │ 3-在图中创建实体.mp4
8 L* E8 u) b$ l( |$ g│ │ 4-根据给定实体创建关系.mp4+ z8 L. A# k* I0 A( H
│ │ ! f$ M' u: G5 s- F
│ ├─5_基于知识图谱的医药问答系统实战
1 V0 d! Z1 ~7 r) z5 `- U$ s+ E│ │ 1-项目概述与整体架构分析.mp4. O$ i2 T1 \3 `- T4 y$ Y& w/ G
│ │ 2-医疗数据介绍及其各字段含义.mp4
: d* w9 I) v5 u; k. U* b│ │ 3-任务流程概述.mp4
# j1 f2 y9 B8 v│ │ 4-环境配置与所需工具包安装.mp4
" r( e7 i" m* r! \│ │ 5-提取数据中的关键字段信息.mp4
2 @3 T: g* C$ k+ d- S│ │ 6-创建关系边.mp4& Z7 \. D! m1 G8 Q" @- r' l
│ │ 7-打造医疗知识图谱模型.mp4
* v" _( b( ]) ~' u/ d* }│ │ 8-加载所有实体数据.mp4' q' X& v$ U% R; P" t5 t2 O( ?8 d; v
│ │ 9-实体关键词字典制作.mp47 f+ `9 \$ q7 f& G2 p) O( W
│ │ 10-完成对话系统构建.mp4
# M( F5 }* |5 ^6 q7 {5 T& b│ │
, o- h! O- I1 V" ]$ H' N B: I│ ├─6_文本关系抽取实践
2 c0 V P. c, W% Y! T│ │ 1-关系抽取要完成的任务演示与分析.mp47 V% ?( f% S7 Y; I2 k# v6 _
│ │ 2-LTP工具包概述介绍.mp46 I6 k( p) P r3 Y4 q* \* ^
│ │ 3-pyltp安装与流程演示.mp4
6 `3 R% ?2 j5 D2 c; K│ │ 4-得到分词与词性标注结果.mp4% K( v! N0 V, P, H L! S
│ │ 5-依存句法概述.mp4
! l" m% s/ ]4 A! _' }% z│ │ 6-句法分析结果整理.mp42 j- t; \9 M( [0 w! m
│ │ 7-语义角色构建与分析.mp4( \5 p+ |6 r6 H: W
│ │ 8-设计规则完成关系抽取.mp49 Q, P, f" x/ @; `/ Y" e" s
│ │
0 U+ {* c l* T; l│ ├─7_金融平台风控模型实践! x5 g, J3 T) W. U! ~
│ │ 1-竞赛任务目标.mp4* @! }4 Q$ ~. p# ?' V& w
│ │ 2-图模型信息提取.mp4
. s: Q; D. n1 P1 D% h│ │ 3-节点权重特征提取(PageRank).mp4: h1 ]* u/ K2 h: x# ~6 @: [
│ │ 4-deepwalk构建图顶点特征.mp49 ]! S3 C3 Y4 b k4 R
│ │ 5-各项统计特征.mp4) ~# l* c, @ w+ s$ T% q3 I
│ │ 6-app安装特征.mp4
, W' ?! S& T9 Z! U! `│ │ 7-图中联系人特征.mp4$ n" |& \) s% o$ e! l6 L. }! q4 w
│ │
, O, {) l+ r6 _│ └─8_医学糖尿病数据命名实体识别
Y9 H# A, M% R3 ~; N│ 1-数据与任务介绍1.mp4- c; X( t, @4 G8 O) H9 H% _
│ 2-整体模型架构1.mp4
7 V- v$ _& c+ x7 g│ 3-数据-标签-语料库处理1.mp4- A# i' d0 z2 C4 O
│ 4-输入样本填充补齐1.mp4
{; H; e5 {0 F! `4 z3 C# o( C( `│ 5-训练网络模型1.mp4
, ]" j7 G5 K6 q7 n/ [│ 6-医疗数据集(糖尿病)实体识别1.mp4
; G8 {* Z5 l" z$ `* s: C9 D( l│
2 _) x1 k" e" _│
2 H& a: F" o5 ]├─23_语音识别实战系列( f' n2 y# ]: C% N3 _6 A# L* I
│ ├─1_seq2seq序列网络模型
3 R) ]$ ~4 v6 `+ C│ │ 1-序列网络模型概述分析.mp4. Z: b, K& m; B. z4 A
│ │ 2-工作原理概述.mp4
- K6 a' A9 m2 o: p* m6 n9 S│ │ 3.注意力机制的作用.txt
: l' W: h2 P- Y8 \5 B9 a$ N│ │ 4-加入attention的序列模型整体架构.mp4" n k8 y# v9 q9 Q a; x$ O
│ │ 5-TeacherForcing的作用与训练策略.mp4" |" i% ~) S# }
│ │ 额外补充-RNN网络模型解读.mp4
K3 F( I1 N) ~3 |" G, g│ │
' X) E% ?! f# I9 m2 c│ ├─2_LAS模型语音识别实战
) h& P1 J9 c8 |" D( u│ │ 1-数据源与环境配置.mp4
9 U% d! d7 p, l9 K' ~' g7 |" R: s│ │ 2-语料表制作方法.mp4; Z2 C; G( |/ g. P, V
│ │ 3-制作json标注数据.mp4
6 E/ Z: Q3 w& @2 ?│ │ 4-声音数据处理模块解读.mp4, U& m( B6 r8 X) A. m9 D
│ │ 5-Pack与Pad操作解析.mp49 `2 `6 a4 K2 @1 d7 B
│ │ 6-编码器模块整体流程.mp4
4 r; o! k8 ]$ W; L4 v│ │ 7-加入注意力机制.mp4
; }1 u4 l# u$ |; V4 Y& L9 ]3 {) y│ │ 8-计算得到每个输出的attention得分.mp4
. S+ [/ l8 n& M( |- \1 M: }│ │ 9-解码器与训练过程演示.mp4- Q1 u2 @- [% ]4 P7 M9 E
│ │ 8 h/ B4 o6 |) d% R- Q* ]
│ ├─3_starganvc2变声器论文原理解读' w; v* M. v2 t$ t" b* b
│ │ 1-论文整体思路与架构解读.mp4
0 v4 H5 d0 d6 a: R5 {│ │ 2-VCC2016输入数据.mp4
: ~3 q3 } }+ d3 ~: y9 A" \& V│ │ 3-语音特征提取.mp47 T3 `8 T+ B+ v- p
│ │ 4-生成器模型架构分析.mp4* @3 E1 V- `: _. N( B
│ │ 5-InstanceNorm的作用解读.mp4
! _2 O! I, v0 w2 a+ _& \│ │ 6-AdaIn的目的与效果.mp4+ v! B, R8 x( r: ]
│ │ 7-判别器模块分析.mp4
. U3 [, |# u4 B; @9 ]' C% u│ │ . V, \) n3 G( y. T5 v
│ ├─4_staeganvc2变声器源码实战0 u6 Y: K `3 N8 i" _0 n3 `/ i
│ │ 1-数据与项目文件解读.mp4
% j1 R A% B1 U P; c7 _7 q+ H/ f│ │ 2-环境配置与工具包安装.mp4* S# j E F+ a* Y
│ │ 3-数据预处理与声音特征提取.mp4
7 s: k( I2 e7 w) f│ │ 4-生成器构造模块解读.mp49 V Z( v- u! ]% L; O- Y) w
│ │ 5-下采样与上采样操作.mp4% O$ M, p* H$ i% N, B7 d4 J
│ │ 6-starganvc2版本标签输入分析.mp44 z- R- w' p/ V; I0 \6 h
│ │ 7-生成器前向传播维度变化.mp48 _ J9 X2 [# N0 t/ t
│ │ 8-判别器模块解读.mp4% S& }+ u* B; A+ ]; S [
│ │ 9-论文损失函数.mp4
0 i6 F- p- u8 M" j5 ^6 A; T7 V% ?│ │ 10-源码损失计算流程.mp47 f- z8 }1 ^$ v' T
│ │ 11-测试模块-生成转换语音.mp42 i9 M m+ v; q- i- u
│ │ 8 M" f g5 M4 E+ e7 H' P* N
│ ├─5_语音分离ConvTasnet模型7 M9 V: _3 ^5 o& `
│ │ 1-语音分离任务分析.mp4
9 w& G- Z9 e$ R; P│ │ 2-经典语音分离模型概述.mp45 K/ z1 v( }) R6 P
│ │ 3-DeepClustering论文解读.mp4& b6 \$ k9 x, e/ e2 d
│ │ 4-TasNet编码器结构分析.mp4
R1 W5 E3 e9 }. ]│ │ 5-DW卷积的作用与效果.mp4
& R% {0 e7 j1 b) l2 D│ │ 6-基于Mask得到分离结果.mp4
+ o# O# m+ l" t/ D! t/ j│ │ 2 S/ u/ R/ m9 [. s
│ ├─6_ConvTasnet语音分离实战
& e% d7 y1 B" s' Q) d│ │ 1-数据准备与环境配置.mp4 A3 ]( |3 j) x, o
│ │ 2-训练任务所需参数介绍.mp43 \0 D+ \, V* t$ g! M, p
│ │ 3-DataLoader定义.mp4
$ A# _" l# t) W' H│ │ 4-采样数据特征编码.mp4
1 d+ Q* }9 M! t( k│ │ 5-编码器特征提取.mp4
4 d" Z9 V5 O' R# |│ │ 6-构建更大的感受区域.mp4
" C7 V7 O- F1 i/ M, U/ S│ │ 7-解码得到分离后的语音.mp4
& d4 D: Z" Z' l4 ?: ^! \│ │ 8-测试模块所需参数.mp4
; Y4 U& J3 U1 I% e% d│ │
: a* o1 X0 D# B2 J6 O│ └─7_语音合成tacotron最新版实战
5 J/ u) m) B$ K( c$ j* k! B" }# q& L│ 1-语音合成项目所需环境配置.mp4$ n& d9 ]& y$ Y' j+ j, x
│ 2-所需数据集介绍.mp4
0 l9 N$ B$ z9 r' z% b- A│ 3-路径配置与整体流程解读.mp4/ `6 c+ j; p& F$ S6 _
│ 4-Dataloader构建数据与标签.mp4# a* I9 C' h, S9 L! g
│ 5-编码层要完成的任务.mp4
3 d; y6 [, g+ W) q( [8 x+ p│ 6-得到编码特征向量.mp4
( S8 O6 d/ ~+ A2 l* @" z│ 7-解码器输入准备.mp4" _& l2 j( C/ T$ x) ~
│ 8-解码器流程梳理.mp40 q: P9 w, r* l) \: g1 g: c
│ 9-注意力机制应用方法.mp4
9 D8 z- g2 `. a1 c│ 10-得到加权的编码向量.mp4" r$ ~& ?* {1 x
│ 11-模型输出结果.mp4
. b- P, j n3 y6 b. s# l│ 12-损失函数与预测.mp4
' v% r9 n3 g7 I9 L% d/ a│ & e) y. x6 Q* X5 {2 x; b, }
└─24_推荐系统实战系列
3 ?! T/ F; q1 g( U ├─1_推荐系统介绍及其应用
4 Y2 D" d5 E" {3 s- } │ 1-推荐系统通俗解读.mp46 Y0 v$ {1 D& i0 c/ y
│ 2-推荐系统发展简介.mp4
1 N3 K5 H0 y+ X5 F │ 3-应用领域与多方位评估指标.mp4
) x- `4 o3 C1 F) B) P │ 4-任务流程与挑战概述.mp4! D" [8 F5 `) [7 \0 Z
│ 5-常用技术点分析.mp4
* m) q+ }* p' ^2 k │ 6-与深度学习的结合.mp4) o p; u/ }+ i- e+ h I2 ]
│
) n. e/ }, R9 S: U8 W u ├─2_协同过滤与矩阵分解2 Y ?. T, u( w
│ 1-协同过滤与矩阵分解简介.mp42 `2 K5 O0 k1 _5 b. G: f
│ 2-基于用户与商品的协同过滤.mp4
/ E; S9 p* T1 B& f5 m& [ │ 3-相似度计算与推荐实例.mp43 p# y- R" {$ r$ J
│ 4-矩阵分解的目的与效果.mp4# x; s' L1 h+ x* q$ \4 E! {
│ 5-矩阵分解中的隐向量.mp4
7 k X% ~6 L% r. h │ 6-目标函数简介.mp4
# V+ h. X: T: W+ r$ a; q │ 7-隐式情况分析.mp4; r1 @) `: K' J& i8 a* Y' |$ v
│ 8-Embedding的作用.mp4
) |6 P: i8 b9 v$ ?/ i y6 a │ ' R1 T8 B6 c' R( H) ^
├─3_音乐推荐系统实战
( D& ^* z+ M9 @# a │ 1-音乐推荐任务概述.mp4+ d* p$ h; K6 V8 x1 R5 `2 z
│ 2-数据集整合.mp4
* b1 d8 }0 F6 U1 Z │ 3-基于物品的协同过滤.mp4& k/ \; `# r0 |
│ 4-物品相似度计算与推荐.mp4& s; |/ M( X3 t; {2 f2 y8 }6 D2 _
│ 5-SVD矩阵分解.mp4
: t w1 r! h2 W! R$ O3 ^% A/ r z │ 6-基于矩阵分解的音乐推荐.mp4" d2 H& m1 P1 E. I& F6 Q. f
│ # N2 m( ?* }! k# L& Z' T
├─4_知识图谱与Neo4j数据库实例 @5 U; b% y. k- P& l$ c
│ 1-Neo4j图数据库介绍.mp4# {- v$ y! K4 M; R# T) E4 L& `
│ 1-知识图谱通俗解读.mp4
& \0 O0 v6 q, }1 R$ F- p* { j │ 2-Neo4j数据库安装流程演示.mp4# }5 y6 L0 H' i n8 `
│ 2-知识图谱在搜索引擎中的应用.mp4
4 x) s7 E2 H! k. H( x A0 U* C │ 3-可视化例子演示.mp4/ F2 a' ], t1 `" G& D9 {
│ 3-知识图谱在医疗领域应用实例.mp4
, s3 N4 b6 |! {" X1 G. U& |8 O │ 4-创建与删除操作演示.mp4
! d9 a% e4 J, C5 e$ G1 g) v4 d │ 4-金融与推荐领域的应用.mp4
8 i3 ]# V! g/ c1 l- U( ~& ? │ 5-数据库更改查询操作演示.mp47 G3 a9 s, H0 `. Q
│ 5-数据获取分析.mp4
# ^) P( h# V/ T9 c( z8 O │
$ Z+ L8 p/ ^/ U' v1 J5 ^! M/ T5 u ├─5_基于知识图谱的电影推荐实战
5 O8 R" E4 B! B- i" \! x1 e │ 1-知识图谱推荐系统效果演示.mp4
7 W, I/ [9 r: K) n; f │ 2-kaggle电影数据集下载与配置.mp4
4 Z! N0 N) Y) d8 s │ 3-图谱需求与任务流程解读.mp4- e2 v. u' s+ c* v" \* G
│ 4-项目所需环境配置安装.mp4
3 i" [, N7 ~9 B5 p3 E" ] │ 5-构建用户电影知识图谱.mp4, H7 I) Y! b4 K3 b, k6 w8 }
│ 6-图谱查询与匹配操作.mp4* a Q! W- K) O$ K. R
│ 7-相似度计算与推荐引擎构建.mp4
1 t! t* J4 ?* s( e( R) ^ │ + G/ p d- s" P9 P+ Q. P. j
├─6_点击率估计FM与DeepFM算法
. ^( @4 n0 E e% W% a. J A │ 1-CTR估计及其经典方法概述.mp4' E- a* {. n/ K8 E# N" s: M" Y3 Q
│ 2-高维特征带来的问题.mp4* A& j( o& F5 B& A+ }9 M+ \
│ 3-二项式特征的作用与挑战.mp4! w. B' z+ f& Y4 a" G
│ 4-二阶公式推导与化简.mp47 h* b5 G) F* W a/ A6 _
│ 5-FM算法解析.mp41 Y3 n+ a2 H, m* ~6 _, ]
│ 6-DeepFm整体架构解读.mp45 K' h8 c1 w- C/ U. K1 ?1 s
│ 7-输入层所需数据样例.mp4$ f4 t1 V% ~: p) u
│ 8-Embedding层的作用与总结.mp4" `* L9 j# N" x
│ 9 _. L) _, s( G U" E! p% T x; E
├─7_DeepFM算法实战' V) X" O* l: _% j1 K+ Y1 v5 C
│ 1-数据集介绍与环境配置.mp4. X5 K9 E" P: i+ ^$ s9 e1 y% B
│ 2-广告点击数据预处理实例.mp4
0 z. w9 p% y* y* h% [$ t* t │ 3-数据处理模块Embedding层.mp4
, z( Y) Q2 J6 A │ 4-Index与Value数据制作.mp4" w. k; g" I0 I( ?% d) ?
│ 5-一阶权重参数设计.mp4
" @* F# z8 k# p! @1 I │ 6-二阶特征构建方法.mp4
7 u: l5 x; ^- i3 u/ N9 l" ~9 { │ 7-特征组合方法实例分析.mp4
9 ^, z7 p, U7 [ │ 8-完成FM模块计算.mp4# X' ?, F0 t2 L* d
│ 9-DNN模块与训练过程.mp4
$ q2 c. `+ ?' K; x0 k# F │ ; ~/ t; X/ p! T+ w
├─8_推荐系统常用工具包演示; }9 v# G4 Z# q
│ 1-环境配置与数据集介绍.mp4
) e S0 x! @+ \3 K* y# Q L │ 2-电影数据集预处理分析.mp4+ w" H# x5 D" n3 h. H
│ 3-surprise工具包基本使用.mp4
. p3 ?2 v& @% Y' K │ 4-模型测试集结果.mp4# B' p4 c3 V$ _/ e
│ 5-评估指标概述.mp43 V0 U9 a: |9 D( |. ^5 U! U
│ * q, A$ i: y q; L9 s6 K
├─9_基于文本数据的推荐实例
; f3 q: [" ^# N1 |# X0 M& ?3 @ │ 1-数据与环境配置介绍.mp4
; L6 a% a# R& S3 O3 q5 p( Z │ 2-数据科学相关数据介绍.mp4
8 r3 c/ w, A8 Z! a& l4 C" T │ 3-文本数据预处理.mp4
, Z! u, S) m1 `% |$ w │ 4-TFIDF构建特征矩阵.mp4
$ j$ h0 p+ {9 @+ } f6 Y │ 5-矩阵分解演示.mp4( @& `' C; c" N; Z+ G3 Z1 }
│ 6-LDA主题模型效果演示.mp47 |: \3 @& N0 y% G) {6 O
│ 7-推荐结果分析.mp45 R( c4 t; q5 `" [" f' X
│ 6 m5 O+ [5 @# ]# h
├─10_基本统计分析的电影推荐
! o3 i4 c- m9 O: c/ d+ ?, u* l9 k │ 1-电影数据与环境配置.mp46 ]! v; l5 n# N0 q2 U; }
│ 2-数据与关键词信息展示.mp4- e* b) z5 b& ^ T, s6 {! i |9 y/ _$ B
│ 3-关键词云与直方图展示.mp4
( \ L. F k! b% j │ 4-特征可视化.mp48 Z" l, T! V2 A, p# x1 T9 n: v
│ 5-数据清洗概述.mp4
. b3 J* Q( L9 P0 G$ Y │ 6-缺失值填充方法.mp45 ~" ]/ o1 S/ J
│ 7-推荐引擎构造.mp48 s1 ~7 R& h" d6 p: N& {) E! j
│ 8-数据特征构造.mp43 B5 w: o; a$ C7 s+ u
│ 9-得出推荐结果.mp47 a; W# _6 ] c7 U
│ 0 J% V4 k g3 _1 o# r2 r% H
└─11_补充-基于相似度的酒店推荐系统
( g1 G% Z) x+ w6 i) Z- ` 1-酒店数据与任务介绍.mp4# h# | g8 y+ z
2-文本词频统计.mp4$ Z h: _; k. d+ K! B. Q
3-ngram结果可视化展示.mp4
0 ]/ F, W( S/ r, B4 B7 j 4-文本清洗.mp4" [( U4 X) J" h' m/ d: K8 X
5-相似度计算.mp40 G' y& t0 S/ h0 E* S: Z
6-得出推荐结果.mp4
6 W/ i) I" L2 u/ m# v8 j5 B' X4 c" d5 c% `% n+ n! E
0 w- A' k; s4 B u; e0 X: x3 E5 z6 V7 A) \; g8 V6 }# U7 @# A
% W6 J5 M0 L/ C* ^& [下载地址:2018jc&(it1 t" i: a: q" I7 P8 w5 V: @
|
|