人工智能P5第5期共77G 2022年

dfs896

注意：无源码资料
├─1_直播课回放
; f. ?- X; e6 v: [6 @│  ├─1_直播1：开班典礼
│  │      1人工智能CV NLP高薪实战班.mp4
│  │      
│  ├─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).mp4
│  │      
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
│  │      
│  ├─5_额外补充：时间序列预测
│  │      额外补充：时间序列预测.mp4
* ~( D& X1 i. J# s: Z" v│  │      
│  └─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
│  ├─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
│  │      2-卷积神经网络算法解读.mp4
│  │      
│  └─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│  │      
│  ├─2_使用神经网络进行分类任务
│  │      1-数据集与任务概述2.mp4
│  │      2-基本模块应用测试2.mp4
│  │      3-网络结构定义方法2.mp4
│  │      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
│  │      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│  │      
│  ├─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│  │      
│  ├─4_卷积网络参数解读分析
│  │      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.mp4
│  │      
/ 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
│  │      2-数据增强模块2.mp4
│  │      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
│  │      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
│  │      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│  │      
│  ├─6_DataLoader自定义数据集制作
│  │      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
│  │      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.mp4
│  │      
│  ├─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
│  │      3-命令行参数与DEBUG.mp4
│  │      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.mp4
│  │      7-LSTM网络结构基本定义.mp4
│  │      8-网络模型预测结果输出.mp4
│  │      9-模型训练任务与总结.mp4
3 `! Z* O+ g9 I9 \; u- s│  │      
│  └─8_PyTorch框架Flask部署例子
│          1-基本结构与训练好的模型加载.mp4
│          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
│         
/ ~4 ^# K9 t6 u% Q! r├─4_MMLAB实战系列
│  ├─1_MMCV安装方法
8 y0 `$ J) [  b( m  n│  │      MMCV安装方法.mp4
│  │      
│  ├─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
│  │      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
│  │      7-训练自己的任务.mp4
│  │      MMCLS问题修正.mp4
% l7 m, `( L. c  [6 [3 J5 e: a│  │      
│  ├─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.mp4
│  │      4-修改配置文件中的参数.mp4
│  │      5-数据增强流程可视化展示.mp4
│  │      6-Grad-Cam可视化方法.mp4
│  │      7-可视化细节与效果分析.mp4
│  │      8-MMCLS可视化模块应用.mp4
│  │      9-模型分析脚本使用.mp4
│  │      
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
│  │      2-数据增强模块概述分析.mp4
│  │      3-PatchEmbedding层.mp4
- G1 Z' c6 P2 Z│  │      4-前向传播基本模块.mp4
│  │      5-CLS与输出模块.mp4
│  │      
│  ├─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
│  │      2-数据集标注与制作方法.mp4
│  │      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│  │      
│  ├─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.mp4
│  │      3-上采样与输出层.mp4
8 g8 D! X/ S. ~4 O│  │      4-辅助层的作用.mp4
│  │      5-给Unet添加一个neck层.mp4
│  │      6-如何修改参数适配网络结构.mp4
│  │      7-将Unet特征提取模块替换成transformer.mp4
│  │      8-VIT模块源码分析.mp4
│  │      
& X* o6 P3 [5 ?│  ├─7_第二模块：分割任务CVPR最新Backbone设计及其应用
│  │      1-注册自己的Backbone模块.mp4
│  │      2-配置文件指定.mp4
│  │      3-DEBUG解读Backbone设计.mp4
│  │      4-PatchEmbedding的作用与实现.mp4
│  │      5-卷积位置编码计算方法.mp4
│  │      6-近似Attention模块实现.mp4
│  │      7-完成特征提取与融合模块.mp4
│  │      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
│  │      
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
│  │      2-COCO数据标注格式.mp4
│  │      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.mp4
│  │      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
│  │      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.mp4
│  │      4-准备Encoder编码层所需全部输入.mp4
│  │      5-编码层中的序列分析.mp4
│  │      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
│  │      9-Decoder要完成的操作.mp4
│  │      10-分类与回归输出模块.mp4
│  │      11-预测输出结果与标签匹配模块.mp4
│  │      
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.mp4
│  │      2-配置文件参数设置.mp4
│  │      3-Neck层特征组合.mp4
│  │      4-损失函数模块概述.mp4
│  │      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
│  │      1-数据集与环境概述.mp4
│  │      2-配置文件修改方法.mp4
│  │      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.mp4
│  │      6-文本模型中的结构分析.mp4
│  │      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.mp4
│  │      
/ 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
│  │      2-得到style特征编码.mp4
│  │      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
│  │      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│  │      
│  ├─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
│  │      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.mp4
│  │      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.mp4
│  │      
│  ├─13_第六模块：BasicVSR++视频超分辨重构源码解读
│  │      1-要完成的任务分析与配置文件.mp4
│  │      2-特征基础提取模块.mp4
│  │      3-光流估计网络模块.mp4
│  │      4-基于光流完成对齐操作.mp4
│  │      5-偏移量计算方法.mp4
5 \: _  [. i% ^3 D│  │      6-双向计算特征对齐.mp4
│  │      7-提特征传递流程分析.mp4
│  │      8-序列传播计算.mp4
│  │      9-准备变形卷积模块的输入.mp4
│  │      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-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.mp4
│  │      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
│  │      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.mp4
│  │      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
│  │      1-任务概述与工具使用.mp4
│  │      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.mp4
│  │      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
│  │      
, 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
│  │      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
│         在源码中加入各种注意力机制方法.mp4
/ B2 }! n7 Z/ |  Y4 w2 |( X8 a│         
├─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
│  │      2-文档轮廓提取.mp4
│  │      3-原始与变换坐标计算.mp4
│  │      4-透视变换结果.mp4
7 u0 X! q" T( r/ Y! e│  │      5-tesseract-ocr安装配置.mp4
│  │      6-文档扫描识别效果.mp4
│  │      
│  ├─11_图像特征-harris
│  │      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.mp4
│  │      4-特征归属划分.mp4
│  │      5-opencv角点检测效果.mp4
│  │      
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.mp4
│  │      3-特征关键点定位.mp4
│  │      4-生成特征描述.mp4
1 b7 T( n8 L. p( }% T  f│  │      5-特征向量生成.mp4
│  │      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
│  │      2-RANSAC算法.mp4
# e) y- i( ^- @) [│  │      2-图像拼接方法.mp4
│  │      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
│  │      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
│  │      
│  ├─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
│  │      4-选项判断识别.mp4
│  │      
│  ├─16_背景建模
│  │      1-背景消除-帧差法.mp4
│  │      2-混合高斯模型.mp4
│  │      3-学习步骤.mp4
" U7 W; F; y! z; [8 P. I│  │      4-背景建模实战.mp4
│  │      
│  ├─17_光流估计
│  │      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.mp4
│  │      4-光流估计实战.mp4
│  │      
+ @/ c4 G3 E2 n# ~; J: D, C5 j! d, l  {│  ├─18_Opencv的DNN模块
│  │      1-dnn模块.mp4
│  │      2-模型加载结果输出.mp4
" j( N% w( [8 |3 F5 ]9 x1 g# W  [│  │      
│  ├─19_项目实战-目标追踪
0 s: w; \/ x9 \│  │      1-目标追踪概述.mp4
│  │      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
│  │      5-多进程目标追踪.mp4
│  │      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
│  │      0-课程简介2.mp4
8 \# s# J! J! `│  │      2-Notebook与IDE环境.mp4
│  │      2-Python与Opencv配置安装.mp4
│  │      
│  ├─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
│  │      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
│  │      2-卷积操作流程.mp4
│  │      3-卷积计算过程.mp4
│  │      4-pading与stride.mp4
│  │      5-卷积参数共享.mp4
│  │      6-池化层原理.mp4
1 w& k; ?% x7 e6 F│  │      
│  ├─21_项目实战-疲劳检测
│  │      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
│  │      
│  ├─2_图像基本操作
2 O. A& N; ]% ?  z) Z2 k│  │      1-计算机眼中的图像.mp4
│  │      2-视频的读取与处理.mp4
│  │      3-ROI区域.mp4
│  │      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
│  │      1-图像平滑处理.mp4
│  │      2-高斯与中值滤波.mp4
│  │      图像阈值.mp4
│  │      
% 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
│  │      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
│  │      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.mp4
│  │      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
│  │      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
│  │      3-边缘检测效果.mp4
! l. R/ Q/ L) n1 A, i/ W│  │      
│  ├─7_图像金字塔与轮廓检测
│  │      1-图像金字塔定义.mp4
│  │      1-模板匹配方法.mp4
│  │      1-轮廓检测方法.mp4
│  │      2-匹配效果展示.mp4
│  │      2-轮廓检测结果.mp4
│  │      2-金字塔制作方法.mp4
│  │      3-轮廓特征与近似.mp4
* R/ S) ]6 u0 S# e) P4 o│  │      
│  ├─8_直方图与傅里叶变换
│  │      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
│  │      3-均衡化效果.mp4
│  │      
│  └─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.mp4
│          5-模板匹配得出识别结果.mp4
│          总体流程与方法讲解.mp4
/ @5 h. Z0 L' Q2 [  h' M│         
├─6_综合项目-物体检测经典算法实战
│  │      
│  ├─1_深度学习经典检测方法概述
│  │      1-检测任务中阶段的意义.mp4
│  │      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
│  │      4-评估所需参数计算.mp4
! k2 d5 N+ n5 `; \, n4 D1 Z│  │      5-map指标计算.mp4
│  │      
│  ├─2_YOLO-V1整体思想与网络架构
│  │      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
│  │      4-位置损失计算.mp4
│  │      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│  │      
│  ├─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
│  │      3-架构细节解读.mp4
│  │      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.mp4
│  │      8-特征融合改进.mp4
│  │      V2版本细节升级概述.mp4
9 T, p! K# R! e9 }3 {+ m5 p│  │      
│  ├─4_YOLO-V3核心网络模型
│  │      1-V3版本改进概述.mp4
│  │      2-多scale方法改进与特征融合.mp4
│  │      3-经典变换方法对比分析.mp4
│  │      4-残差连接方法解读.mp4
│  │      5-整体网络模型架构分析.mp4
│  │      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 [│  │      
│  ├─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.mp4
│  │      6-基于配置文件构建网络模型.mp4
│  │      7-路由层与shortcut层的作用.mp4
│  │      8-YOLO层定义解析.mp4
│  │      9-预测结果计算.mp4
│  │      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.mp4
│  │      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
│  │      4-生成模型所需配置文件.mp4
│  │      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
│  │      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* ~: _│  │      
│  ├─7_YOLO-V4版本算法解读
) V+ ~1 x& U, z7 O│  │      1-V4版本整体概述.mp4
│  │      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
│  │      7-NMS细节改进.mp4
8 {% }! }$ Z6 u│  │      8-SPP与CSP网络结构.mp4
│  │      9-SAM注意力机制模块.mp4
│  │      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
│  │      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
│  │      4-测试DEMO演示.mp4
│  │      
8 |4 h- r: V9 M│  ├─9_V5项目工程源码解读
│  │      1-数据源DEBUG流程解读.mp4
; V  Q" |( E# }5 Z7 |│  │      2-图像数据源配置.mp4
│  │      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.mp4
│  │      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
│  │      11-前向传播计算.mp4
│  │      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
│  │      14-上采样与拼接操作.mp4
│  │      15-输出结果分析.mp4
│  │      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.mp4
│  │      19-各种训练策略概述.mp4
( ~' r; [2 C7 M5 Q* q│  │      20-模型迭代过程.mp4
│  │      
│  ├─10_EfficientNet网络
│  │      第八课：EfficientNet网络模型.mp4
: u8 n, L- A+ t! J7 Y0 z│  │      
│  ├─11_EfficientDet检测算法
; V7 R* Y' G" r│  │      第十一章：EfficientDet检测算法.mp4
│  │      
│  ├─12_基于Transformer的detr目标检测算法
│  │      1-DETR目标检测基本思想解读.mp4
4 Z4 U1 t1 G# J6 J( [9 f2 P- I│  │      2-整体网络架构分析.mp4
│  │      3-位置信息初始化query向量.mp4
│  │      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
│  │      
) r4 n  q$ R6 y9 p+ N│  └─13_detr目标检测源码解读
│         1-项目环境配置解读.mp4
│         2-数据处理与dataloader.mp4
│         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.mp4
│         6-编码层作用方法.mp4
│         7-Decoder层操作与计算.mp4
│         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
│         
├─7_图像分割实战
│  ├─1_图像分割及其损失函数概述
│  │      1-语义分割与实例分割概述.mp4
) d* U& |9 n2 b+ a│  │      2-分割任务中的目标函数定义.mp4
│  │      3-MIOU评估标准.mp4
│  │      
8 D- {. t/ Q% C; D│  ├─2_卷积神经网络原理与参数解读
│  │      1-卷积神经网络应用领域.mp4
│  │      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
│  │      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
│  │      8-池化层的作用.mp4
6 t4 X% a1 [1 A2 ^4 @│  │      9-1整体网络架构.mp4
│  │      10-VGG网络架构.mp4
│  │      11-残差网络Resnet.mp4
- G' U( A3 l0 c6 a│  │      12-感受野的作用.mp4
│  │      
0 N. s) d5 P  W+ L4 f│  ├─3_Unet系列算法讲解
│  │      1-Unet网络编码与解码过程.mp4
│  │      2-网络计算流程.mp4
│  │      3-Unet升级版本改进.mp4
│  │      4-后续升级版本介绍.mp4
│  │      
) o: V$ S+ T* R" q" l2 l│  ├─4_unet医学细胞分割实战
│  │      1-医学细胞数据集介绍与参数配置.mp4
│  │      2-数据增强工具.mp4
│  │      3-Debug模式演示网络计算流程.mp4
│  │      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
│  │      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
│  │      2-空洞卷积的作用.mp4
│  │      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│  │      
│  ├─7_基于deeplabV3+版本进行VOC分割实战
│  │      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
│  │      3-网络前向传播流程.mp4
│  │      4-ASPP层特征融合.mp4
; Z. z, n- h8 a. z% n; P7 E- ^│  │      5-分割模型训练.mp4
│  │      
! 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
│  │      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
│  │      6-补充：R(2plus1)D处理方法分析.mp4
│  │      
│  ├─9_物体检测框架-MaskRcnn项目介绍与配置
│  │      0-Mask-Rcnn开源项目简介.mp4
│  │      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
│  │      7-Proposal层实现方法.mp4
│  │      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.mp4
│  │      12-整体框架回顾.mp4
│  │      
; 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
│         3-完成训练数据准备工作.mp4
│         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
│         6-测试与展示模块.mp4
│         
* Z# W' o2 P% b7 v│         
├─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.mp4
│  │      2-核心网络结构模块分析.mp4
│  │      3-数据采样曾的作用.mp4
│  │      4-模型网络结构设计.mp4
│  │      5-特征融合模块与总结分析.mp4
│  │      
│  ├─2_slowfast项目环境配置与配置文件
│  │      1-环境基本配置解读.mp4
│  │      2-目录各文件分析.mp4
│  │      3-配置文件作用解读.mp4
│  │      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
│  │      7-视频数据集切分操作.mp4
│  │      8-完成视频分帧操作.mp4
" u) l: S$ [8 k( ?( E│  │      
│  ├─3_slowfast源码详细解读
│  │      1-模型所需配置文件参数读取.mp4
│  │      2-数据处理概述.mp4
│  │      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
│  │      7-分别计算特征图输出结果.mp4
│  │      8-slow与fast特征图拼接操作.mp4
│  │      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
│  │      1-3D卷积原理解读.mp4
│  │      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.mp4
│  │      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.mp4
│  │      7-训练网络模型.mp4
3 e4 J( ^7 e! H0 s8 Z/ x1 m7 Q│  │      
│  ├─5_视频异常检测算法与元学习
│  │      1-异常检测要解决的问题与数据集介绍.mp4
) n! h9 I% x9 m! w│  │      2-基本思想与流程分析.mp4
│  │      3-预测与常见问题.mp4
│  │      4-Meta-Learn要解决的问题.mp4
│  │      5-学习能力与参数定义.mp4
│  │      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
│  │      
  F! n+ \& P) O3 s│  ├─6_视频异常检测CVPR2021论文及其源码解读
│  │      1-论文概述与环境配置.mp4
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.mp4
│  │      5-损失函数的目的.mp4
│  │      6-特征图生成.mp4
+ ~) h) X6 x: h' P( Y0 n, J1 \│  │      7-MetaLearn与输出.mp4
│  │      
│  └─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.mp4
│          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
│          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
│          7-网络整体流程与训练演示.mp4
│         
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
│   │      课程介绍.mp4
" Z9 f; }' _; z│   │      
│   ├─2_自然语言处理通用框架BERT原理解读
│   │      1-BERT任务目标概述.mp4
│   │      2-传统解决方案遇到的问题.mp4
│   │      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
│   │      6-Multi-head的作用.mp4
│   │      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.mp4
│   │      10-训练实例.mp4
│   │      
│   ├─3_Transformer在视觉中的应用VIT算法
│   │      1-transformer发家史介绍.mp4
│   │      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
│   │      5-计算公式解读.mp4
4 Q  x" J1 T3 G, B│   │      6-位置编码与TNT模型.mp4
│   │      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
│   │      2-输入序列构建方法解读.mp4
│   │      3-注意力机制计算.mp4
│   │      4-输出层计算结果.mp4
│   │      
* 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
│   │      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.mp4
│   │      4-获取各窗口输入特征.mp4
│   │      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
│   │      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
│   │      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.mp4
│   │      4-基础attention计算模块.mp4
│   │      5-窗口位移模块细节分析.mp4
│   │      6-patchmerge下采样操作.mp4
│   │      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│   │      
│   ├─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
│   │      
│   ├─8_detr目标检测源码解读
│   │      1-项目环境配置解读2.mp4
│   │      2-数据处理与dataloader2.mp4
│   │      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.mp4
│   │      7-Decoder层操作与计算.mp4
│   │      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│   │      
│   ├─9_MedicalTrasnformer论文解读
  Y- Q8 x3 O' i2 p4 Z: x4 d' w9 A│   │      1-论文整体分析.mp4
│   │      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
│   │      5-位置编码的作用与效果.mp4
│   │      6-拓展应用分析.mp4
│   │      
│   ├─10_MedicalTransformer源码解读
6 z) J4 N3 P/ a* f% b: X│   │      1-项目环境配置.mp4
│   │      2-医学数据介绍与分析.mp4
│   │      3-基本处理操作.mp4
3 L" v) g( X" i9 h: w( S│   │      4-AxialAttention实现过程.mp4
│   │      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
│   │      
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
│   │      2-特征匹配的基本流程分析.mp4
│   │      3-整体流程梳理分析.mp4
│   │      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
│   │      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
│   │      
: n0 Y7 w) t4 z  H2 e% `+ n│   ├─12_局部特征关键点匹配实战
│   │      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
│   │      6-cross关系计算方法实例.mp4
│   │      7-粗粒度匹配过程.mp4
│   │      8-完成基础匹配模块.mp4
│   │      9-精细化调整方法与实例.mp4
│   │      10-得到精细化输出结果.mp4
│   │      11-通过期望计算最终输出.mp4
│   │      
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.mp4
│   │      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
│   │      11-完成Transformer模块构建.mp4
│   │      12-训练BERT模型.mp4
│   │      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.mp4
│          2-读取处理自己的数据集.mp4
│          3-训练BERT中文分类模型.mp4
) @, U* o- V2 z$ y3 L7 k# _1 C9 j│         
├─10_图神经网络实战
│  ├─1_图神经网络基础
│  │      1-图神经网络应用领域分析.mp4
│  │      2-图基本模块定义.mp4
6 s8 {3 _* g# R8 S5 }│  │      3-邻接矩阵的定义.mp4
│  │      4-GNN中常见任务.mp4
│  │      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
│  │      1-GCN基本模型概述.mp4
│  │      2-图卷积的基本计算方法.mp4
│  │      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.mp4
│  │      2-数据集与邻接矩阵格式.mp4
│  │      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
│  │      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.mp4
│  │      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.mp4
│  │      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
│  │      8-获取全局特征.mp4
│  │      9-模型训练与总结.mp4
│  │      
│  ├─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
│  │      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
│  │      
│  ├─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
│  │      3-图模型提取全局与局部特征.mp4
│  │      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
│  │      1-数据集与任务概述3.mp4
│  │      2-图卷积特征提取模块3.mp4
│  │      3-分别计算不同Batch点的分布3.mp4
│  │      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.mp4
│  │      6-NTN图相似特征提取.mp4
│  │      7-预测得到相似度结果.mp4
│  │      
│  ├─8_基于图模型的轨迹估计
│  │      1-数据集与标注信息解读.mp4
│  │      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
│  │      4-传统方法与现在向量空间对比.mp4
│  │      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│  │      
│  └─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
│          3-Agent特征提取方法4.mp4
" k5 c0 e' j' y( \│          4-DataLoader构建图结构4.mp4
│          5-SubGraph与Attention模型流程4.mp4
│         
- 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
│  │      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.mp4
│  │      3-点云分割任务.mp4
│  │      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│  │      
│  ├─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
│  │      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
│  │      6-PointNet升级版算法要解决的问题.mp4
│  │      7-最远点采样方法.mp4
│  │      8-分组Group方法原理解读.mp4
│  │      9-整体流程概述分析.mp4
│  │      
" [2 e* J$ M* w│  ├─4_Pointnet++项目实战
│  │      1-项目文件概述.mp4
│  │      2-数据读取模块配置.mp4
│  │      3-DEBUG解读网络模型架构.mp4
│  │      4-最远点采样介绍.mp4
│  │      5-采样得到中心点.mp4
│  │      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.mp4
│  │      8-特征提取模块整体流程.mp4
│  │      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.mp4
│  │      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.mp4
│  │      13-上采样完成分割任务.mp4
│  │      
( d* ^7 }' u6 K  \+ o+ X- E│  ├─5_点云补全PF-Net论文解读
│  │      1-点云补全要解决的问题.mp4
│  │      2-基本解决方案概述.mp4
│  │      3-整体网络概述.mp4
7 m. n' t3 ^, Y$ l6 V2 A! n* {! }│  │      4-网络计算流程.mp4
│  │      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
│  │      2-待补全数据准备方法.mp4
│  │      3-整体框架概述.mp4
│  │      4-MRE特征提取模块.mp4
│  │      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
│  │      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
│  │      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" {│  │      
│  └─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
│          2-GAN网络组成.mp4
│          3-损失函数解释说明.mp4
│          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│         
├─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
│  │      
( y& i% z# F( R8 D. n% {) u: w│  ├─2_姿态估计OpenPose系列算法解读
│  │      1-姿态估计要解决的问题分析.mp4
% L1 q  G. q/ j! d: F: f5 E8 j8 s│  │      2-姿态估计应用领域概述.mp4
│  │      3-传统topdown方法的问题.mp4
│  │      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
│  │      6-各模块输出特征图解读.mp4
│  │      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
│  │      10-匹配方法解读.mp4
: O6 e, K6 k8 s1 o/ y% m│  │      11-CPM模型特点.mp4
│  │      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
│  │      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
│  │      7-特征图各点累加向量计算.mp4
│  │      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
│  │      
│  ├─4_deepsort算法知识点解读
│  │      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.mp4
│  │      3-任务本质分析.mp4
│  │      4-基于观测值进行最优估计.mp4
│  │      5-预测与更新操作.mp4
! q% @6 _7 Q! r" a│  │      6-追踪中的状态量.mp4
│  │      7-匈牙利匹配算法概述.mp4
│  │      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
│  │      11-预测与匹配流程解读.mp4
│  │      12-追踪任务流程拆解.mp4
/ D3 b  l" g4 p5 ]8 r, s│  │      
│  ├─5_deepsort源码解读
│  │      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
│  │      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
│  │      7-参数更新操作.mp4
2 }9 [3 y# K2 ], e" D0 h2 \│  │      8-级联匹配模块.mp4
│  │      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-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
│  │      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
│  │      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.mp4
│  │      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.mp4
│  │      
& L. Q8 E) s% f+ W2 o* P2 T│  ├─7_V5版本项目配置
│  │      1-整体项目概述.mp4
│  │      2-训练自己的数据集方法.mp4
│  │      3-训练数据参数配置.mp4
) Q3 _% Z0 s' y│  │      4-测试DEMO演示.mp4
│  │      
│  └─8_V5项目工程源码解读
│         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
│         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
│         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
│         11-前向传播计算.mp4
6 q6 F/ k' w0 |9 x│         12-BottleneckCSP层计算方法.mp4
│         13-Head层流程解读2.mp4
│         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
│         15-输出结果分析.mp4
$ \( W! {+ @6 ]! G7 C& C│         16-超参数解读.mp4
│         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
│         20-模型迭代过程.mp4
│         
& 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
│  │      2-kitti数据集介绍.mp4
│  │      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
│  │      5-SPP层的作用.mp4
│  │      6-空洞卷积与ASPP.mp4
│  │      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
│  │      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│  │      
│  ├─2_深度估计项目实战
│  │      1-项目环境配置解读.mp4
│  │      2-数据与标签定义方法.mp4
│  │      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
│  │      8-特征拼接方法解读.mp4
│  │      8-输出深度估计结果.mp4
│  │      9-损失函数通俗解读.mp4
│  │      10-模型DEMO输出结果.mp4
│  │      
7 _' j0 J4 Y' Q7 p" J9 \│  ├─3_车道线检测算法与论文解读
│  │      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
│  │      3-输出结果分析.mp4
│  │      4-损失函数计算方法.mp4
│  │      5-论文概述分析.mp4
3 N( z( l6 W& O8 M│  │      
│  ├─4_基于深度学习的车道线检测项目实战
│  │      1-车道数据与标签解读.mp4
* 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
│  │      6-grid设置方法.mp4
│  │      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
│  │      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
│  │      
( ^* q" d- `( a: Q│  ├─5_商汤LoFTR算法解读
│  │      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
│  │      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
│  │      7-特征图拆解操作.mp4
│  │      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
│  │      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
│  │      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
│  │      5-特征融合模块实现方法.mp4
│  │      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.mp4
│  │      10-得到精细化输出结果.mp4
│  │      11-通过期望计算最终输出.mp4
; }& W+ ]  m) C: F5 ]+ D│  │      
│  ├─7_三维重建应用与坐标系基础
│  │      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.mp4
│  │      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
│  │      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.mp4
│  │      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.mp4
│  │      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.mp4
│  │      4-片段融合思想.mp4
│  │      5-整体架构重构方法.mp4
│  │      
& e  w- s/ N$ R* j' z. y│  ├─9_NeuralRecon项目环境配置
│  │      1-数据集下载与配置方法.mp4
│  │      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
│  │      5-完成依赖环境配置.mp4
│  │      
/ ?2 u; H9 T) w4 Q│  ├─10_NeuralRecon项目源码解读
│  │      1-Backbone得到特征图.mp4
│  │      2-初始化体素位置.mp4
│  │      3-坐标映射方法实现.mp4
│  │      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
│  │      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
│  │      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
│  │      1-TSDF整体概述分析.mp4
1 {& A  a, N* L2 G│  │      2-合成过程DEMO演示.mp4
│  │      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
│  │      6-输出结果融合更新.mp4
│  │      
- 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
│  │      3-计算得到TSDF输出.mp4
% E+ L# V/ s! p- ^- B- H│  │      
│  ├─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
│  │      2-整体三大模块分析.mp4
│  │      3-特征工程的作用与效果.mp4
│  │      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
│  │      6-子图模块构建方法.mp4
│  │      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
│  │      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
│  │      3-Agent特征提取方法.mp4
+ r4 i- V6 @0 D. D│  │      4-DataLoader构建图结构.mp4
│  │      5-SubGraph与Attention模型流程.mp4
│  │      
│  └─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│        
├─14_缺陷检测实战
│  ├─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
│  │      1-V4版本整体概述.mp4
│  │      2-V4版本贡献解读.mp4
│  │      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
│  │      5-损失函数遇到的问题.mp4
+ q4 E$ ^0 @; b│  │      6-CIOU损失函数定义.mp4
│  │      7-NMS细节改进.mp4
│  │      8-SPP与CSP网络结构.mp4
│  │      9-SAM注意力机制模块.mp4
: f% x! R# e% h: o# D& z│  │      10-PAN模块解读.mp4
│  │      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
│  │      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.mp4
│  │      3-训练数据参数配置.mp4
│  │      4-测试DEMO演示.mp4
│  │      
│  ├─4_物体检测框架YOLOV5项目工程源码解读
│  │      1-数据源DEBUG流程解读.mp4
  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.mp4
│  │      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
│  │      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
│  │      10-完成配置文件解析任务.mp4
│  │      11-前向传播计算.mp4
│  │      12-BottleneckCSP层计算方法.mp4
│  │      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.mp4
│  │      17-命令行参数介绍.mp4
│  │      18-训练流程解读.mp4
│  │      19-各种训练策略概述.mp4
│  │      20-模型迭代过程.mp4
│  │      
# 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
│  │      5-项目参数配置.mp4
│  │      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
│  │      
│  ├─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
│  │      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
│  │      4-网络流程分析.mp4
│  │      5-输出结果展示.mp4
/ L- t: }& O9 r/ ^3 ~8 M9 j│  │      
│  ├─7_Opencv图像常用处理方法实例
│  │      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
│  │      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.mp4
│  │      4-梯度计算.mp4
1 c) D  [# H, \; P4 D* @│  │      4-边界填充.mp4
│  │      5-数值计算.mp4
│  │      5-礼帽与黑帽.mp4
│  │      
7 f& @1 G' F: ]. h│  ├─8_Opencv梯度计算与边缘检测实例
│  │      1-Canny边缘检测流程.mp4
│  │      1-Sobel算子.mp4
│  │      2-梯度计算方法.mp4
│  │      2-非极大值抑制.mp4
! d2 B2 f+ R; c1 F│  │      3-scharr与lapkacian算子.mp4
│  │      3-边缘检测效果.mp4
│  │      
) 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
│  │      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.mp4
│  │      4-轮廓检测结果.mp4
│  │      5-轮廓特征与近似.mp4
9 Y$ @$ S: ?" l- C4 f. w│  │      5-频域变换结果.mp4
│  │      6-低通与高通滤波.mp4
│  │      6-模板匹配方法.mp4
4 a$ j: S$ n& c. ~│  │      7-匹配效果展示.mp4
│  │      
│  ├─9_基于Opencv缺陷检测项目实战
│  │      1-任务需求与环境配置.mp4
│  │      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
│  │      5-缺陷检测效果演示.mp4
0 K+ I3 _. _8 X$ b$ h( w│  │      
│  ├─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
│  │      3-目标质心计算.mp4
, l1 \- |1 _, \# H& P; z: w│  │      4-视频数据遍历方法.mp4
│  │      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.mp4
│  │      
│  ├─11_图像分割deeplab系列算法
│  │      1-deeplab分割算法概述.mp4
│  │      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.mp4
│  │      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
│  │      
│  └─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
│         2-开源项目应用方法.mp4
│         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.mp4
│         5-数据集制作方法.mp4
│         6-数据路径配置.mp4
│         7-训练模型.mp4
│         8-任务总结.mp4
│      
├─15_行人重识别实战
│  ├─1_行人重识别原理及其应用
│  │      1-行人重识别要解决的问题.mp4
│  │      2-挑战与困难分析.mp4
│  │      3-评估标准rank1指标.mp4
. {, _8 S+ X: L) e  A) n│  │      4-map值计算方法.mp4
│  │      5-triplet损失计算实例.mp4
│  │      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
│  │      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.mp4
│  │      3-融合空间注意力所需特征.mp4
│  │      4-基于特征图的注意力计算.mp4
│  │      
: x0 z3 ^/ {  a# N2 N│  ├─3_基于Attention的行人重识别项目实战
│  │      1-项目环境与数据集配置.mp4
│  │      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
│  │      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.mp4
│  │      7-基于特征图的权重计算.mp4
│  │      8-损失函数计算实例解读.mp4
│  │      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
│  │      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.mp4
│  │      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
│  │      3-dataloader加载顺序解读.mp4
│  │      4-debug模式解读.mp4
│  │      5-网络计算整体流程演示.mp4
│  │      6-特征序列构建.mp4
│  │      7-GCP全局特征提取.mp4
│  │      8-局部特征提取实例.mp4
│  │      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
│  │      
. D& I$ t' I' t( k; R$ ^│  ├─6_旷视研究院最新算法解读（基于图模型）
│  │      1-关键点位置特征构建.mp4
- q5 C! l; q, U; P9 d0 `│  │      2-图卷积与匹配的作用.mp4
│  │      3-局部特征热度图计算.mp4
│  │      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
│  │      
+ Q' A  s& Z& j! A│  └─7_基于拓扑图的行人重识别项目实战
│          1-数据集与环境配置概述.mp4
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
│          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
│          5-初始化图卷积模型.mp4
│          6-mask矩阵的作用.mp4
( [! U# Z+ W' z# K  U│          7-邻接矩阵学习与更新.mp4
│          8-基于拓扑结构组合关键点特征.mp4
│          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
│  │      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
│  │      1-CycleGan网络所需数据.mp4
│  │      2-CycleGan整体网络架构.mp4
│  │      3-PatchGan判别网络原理.mp4
│  │      4-Cycle开源项目简介.mp4
│  │      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
│  │      8-损失函数：identity loss计算方法.mp4
│  │      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
│  │      4-V1版本存在的问题及后续改进思路.mp4
│  │      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
│  │      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.mp4
│  │      3-项目参数解析.mp4
* q$ [- m, H6 e! t│  │      4-生成器模块源码解读.mp4
│  │      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
│  │      8-损失计算详细过程.mp4
│  │      9-生成模块损失计算.mp4
│  │      10-测试模块效果与实验分析.mp4
$ K( U6 o& s5 b2 T│  │      
│  ├─6_基于starganvc2的变声器论文原理解读
│  │      1-论文整体思路与架构解读.mp4
│  │      2-VCC2016输入数据.mp4
│  │      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
│  │      5-InstanceNorm的作用解读.mp4
│  │      6-AdaIn的目的与效果.mp4
+ I. \$ n$ B7 R( S│  │      7-判别器模块分析.mp4
│  │      
│  ├─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
│  │      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
│  │      5-下采样与上采样操作.mp4
│  │      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
│  │      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
│  │      10-源码损失计算流程.mp4
│  │      11-测试模块-生成转换语音.mp4
9 X7 |  B3 P: g( l│  │      
│  ├─8_图像超分辨率重构实战
│  │      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
│  │      6-判别模块.mp4
│  │      7-VGG特征提取网络.mp4
│  │      8-损失函数与训练.mp4
│  │      9-测试模块.mp4
- |  U  \6 {3 @$ W& d│  │      
│  └─9_基于GAN的图像补全实战
│          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
│          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.mp4
│          7-网络结构配置.mp4
│          8-网络迭代训练.mp4
│          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
│  ├─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.mp4
│  │      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│  │      
│  ├─2_PPO算法与公式推导
│  │      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
│  │      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.mp4
│  │      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
│  │      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
│  │      4-得到动作结果.mp4
│  │      5-奖励获得与计算.mp4
│  │      6-参数迭代与更新.mp4
│  │      
" 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.mp4
│  │      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
│  │      3-计算target值.mp4
│  │      4-训练与更新.mp4
│  │      
│  ├─6_DQN改进与应用技巧
1 Z! b$ F4 ~( J0 U│  │      1-DoubleDqn要解决的问题.mp4
│  │      2-DuelingDqn改进方法.mp4
- v" v' e0 m2 U│  │      3-Dueling整体网络架构分析.mp4
│  │      4-MultiSetp策略.mp4
5 t/ Y3 J7 y3 n& ]7 n# s│  │      5-连续动作处理方法.mp4
│  │      
! 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
│  │      2-优势函数解读与分析.mp4
│  │      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.mp4
│  │      
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.mp4
│          2-启动游戏环境.mp4
│          3-要计算的指标回顾.mp4
│          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.mp4
│          6-训练网络模型.mp4
│         
├─18_面向医学领域的深度学习实战
│  ├─1_卷积神经网络原理与参数解读
│  │      1-1卷积神经网络应用领域.mp4
/ 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
│  │      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
│  │      9-1整体网络架构.mp4
│  │      10-1VGG网络架构.mp4
│  │      11-1残差网络Resnet.mp4
│  │      12-感受野的作用.mp4
" u( J4 D$ B2 s- _. ~8 F7 ?│  │      
│  ├─2_PyTorch框架基本处理操作
│  │      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
│  │      5-自动求导机制.mp4
│  │      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
│  │      8常见tensor格式.mp4
# r, _' m6 \! M; v│  │      9Hub模块简介.mp4
│  │      
  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
│  │      2-网络流程解读.mp4
│  │      3-Vision模块功能解读.mp4
│  │      4-分类任务数据集定义与配置.mp4
│  │      5-图像增强的作用.mp4
│  │      6-数据预处理与数据增强模块.mp4
│  │      7-Batch数据制作.mp4
│  │      8-迁移学习的目标.mp4
; p: g, Z( S& _% H$ }│  │      9-迁移学习策略.mp4
│  │      10-加载训练好的网络模型.mp4
│  │      11-优化器模块配置.mp4
, `% M0 L9 g. o│  │      12-实现训练模块.mp4
│  │      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
│  │      16-额外补充-Resnet网络架构解读.mp4
│  │      
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.mp4
│  │      2-Resnet网络架构原理分析.mp4
│  │      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.mp4
│  │      7-网络整体流程与训练演示.mp4
│  │      
│  ├─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
│  │      3-MIOU评估标准.mp4
│  │      
│  ├─6_Unet系列算法讲解
│  │      1-Unet网络编码与解码过程.mp4
│  │      2-网络计算流程.mp4
│  │      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│  │      
│  ├─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
│  │      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
│  │      
│  ├─9_基于deeplabV3+版本进行VOC分割实战
│  │      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.mp4
│  │      5-分割模型训练.mp4
* g. X0 w0 K3 r/ v4 S& R│  │      
│  ├─10_基于deeplab的心脏视频数据诊断分析
│  │      1-数据集与任务概述.mp4
│  │      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.mp4
│  │      
│  ├─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
│  │      1-V3版本改进概述.mp4
│  │      1-V4版本整体概述.mp4
% w7 R6 `) I, k7 d│  │      1-YOLO算法整体思路解读.mp4
│  │      1-检测任务中阶段的意义.mp4
│  │      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
│  │      2-检测算法要得到的结果.mp4
│  │      2-网络结构特点.mp4
│  │      3-IOU指标计算.mp4
│  │      3-数据增强策略分析.mp4
│  │      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
│  │      3-经典变换方法对比分析.mp4
│  │      4-DropBlock与标签平滑方法.mp4
│  │      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
│  │      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
│  │      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
│  │      6-CIOU损失函数定义.mp4
│  │      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.mp4
│  │      7-sotfmax层改进.mp4
│  │      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! \│  │      
│  ├─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│  │      
│  ├─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
│  │      1-知识图谱通俗解读.mp4
│  │      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
│  │      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.mp4
│  │      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
│  │      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.mp4
│  │      
│  ├─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
│  │      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.mp4
│  │      4-环境配置与所需工具包安装.mp4
│  │      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
│  │      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
│  │      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.mp4
│  │      
3 a. ?( {7 A- S$ N4 c5 u7 E! E│  ├─16_词向量模型与RNN网络架构
│  │      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
│  │      6-1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.mp4
│  │      
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
│         2-整体模型架构.mp4
│         3-数据-标签-语料库处理.mp4
│         4-输入样本填充补齐.mp4
│         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
│         
├─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
│  │      0-课程简介12.mp4
│  │      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.mp4
│  │      4-效果实例演示.mp4
" I& W/ i: m$ `! q4 X( u│  │      
│  ├─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.mp4
│  │      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.mp4
│  │      5-安装演示环境所需依赖.mp4
│  │      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.mp4
│  │      
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
│  │      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
│  │      
  ?& 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
│  │      3-BN的本质作用.mp4
│  │      4-额外的训练参数解读.mp4
│  │      5-稀疏化原理与效果.mp4
│  │      
│  ├─8_模型剪枝-Network Slimming实战解读
│  │      1-整体案例流程解读.mp4
│  │      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
│          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.mp4
│          3-mobilenet简介.mp4
2 `2 @' b8 t9 z│          4-经典卷积计算量与参数量分析.mp4
│          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
│          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
│          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.mp4
│          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  
│      ├─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.mp4
│      │      4-常用函数介绍.mp4
│      │      5-NLTK工具包简介.mp4
│      │      6-停用词过滤.mp4
2 {' A, C9 a2 J# S$ a│      │      7-词性标注.mp4
│      │      8-数据清洗实例.mp4
│      │      9-Spacy工具包.mp4
│      │      10-名字实体匹配.mp4
│      │      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
│      │      
; a$ H' y9 p% k- H8 Y│      ├─2_商品信息可视化与文本分析
│      │      1-任务概述.mp4
│      │      2-商品类别划分.mp4
│      │      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
│      │      6-tf-idf结果.mp4
│      │      7-降维可视化展示.mp4
│      │      8-聚类与主题模型.mp4
│      │      
: c) C$ Q/ L) w- b( w│      ├─3_贝叶斯算法
│      │      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
│      │      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
│      │      
│      ├─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
│      │      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.mp4
│      │      5-LDA建模.mp4
│      │      6-基于贝叶斯算法进行新闻分类.mp4
│      │      
│      ├─5_HMM隐马尔科夫模型
│      │      1-马尔科夫模型.mp4
│      │      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
│      │      6-前向算法.mp4
│      │      7-前向算法求解实例.mp4
│      │      8-Baum-Welch算法.mp4
0 t1 y1 O, ^3 J2 f5 a" h/ g- M│      │      9-参数求解.mp4
│      │      10-维特比算法.mp4
1 m  F' o/ V3 k, `9 n. l! a& ?. N│      │      
│      ├─6_HMM工具包实战
│      │      1-hmmlearn工具包.mp4
│      │      2-工具包使用方法.mp4
│      │      3-中文分词任务.mp4
! s5 e5 ?# f' i, K9 O│      │      4-实现中文分词.mp4
│      │      
# j2 J8 m3 Z; @; G1 w│      ├─7_语言模型
│      │      1-开篇.mp4
# j( m3 e4 N5 R4 ^- t" O! y│      │      2-语言模型.mp4
│      │      3-N-gram模型.mp4
│      │      4-词向量.mp4
/ w. @: `7 K  F│      │      5-神经网络模型.mp4
│      │      6-Hierarchical Softmax.mp4
│      │      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.mp4
│      │      10-负采样模型.mp4
) r% X" Y& ^6 j; b4 d. \. ~│      │      
│      ├─8_使用Gemsim构建词向量
│      │      1-使用Gensim库构造词向量.mp4
│      │      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│      │      
│      ├─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
│      │      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
│      │      
│      ├─10_NLP-文本特征方法对比
│      │      1.1-任务概述.mp4
│      │      2-词袋模型.mp4
│      │      3-词袋模型分析.mp4
: F& G6 I7 k/ w/ R$ n& M│      │      4-TFIDF模型.mp4
│      │      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.mp4
│      │      5-网络模型定义.mp4
│      │      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
│      │      2-LSTM网络架构.mp4
│      │      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.mp4
│      │      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
│      │      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
│      │      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.mp4
│      │      6-完成训练模块.mp4
│      │      7-训练唐诗生成模型.mp4
│      │      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.mp4
│             6-网络训练.mp4
│            
# 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
│      │      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
│      │      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.mp4
│      │      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.mp4
│      │      11-训练实例.mp4
│      │      
  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.mp4
│      │      5-tfrecord制作.mp4
│      │      6-Embedding层的作用.mp4
│      │      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
│      │      9-mask机制.mp4
│      │      10-构建QKV矩阵.mp4
│      │      11-完成Transformer模块构建.mp4
│      │      12-训练BERT模型.mp4
│      │      
+ 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
│      │      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
│      │      
│      ├─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.mp4
│      │      
│      ├─5_必备基础知识点-woed2vec模型通俗解读
│      │      1-词向量模型通俗解释.mp4
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
│      │      4-CBOW与Skip-gram模型.mp4
* Y& j* G+ [2 {# j1 H( q& j) x│      │      5-负采样方案.mp4
│      │      
' 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
│      │      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
│      │      5-可视化展示.mp4
/ X; ~4 M! ?1 z! i; U4 K7 w! C( q│      │      
│      ├─7_必备基础知识点-RNN网络架构与情感分析应用实例
│      │      1-RNN网络模型解读.mp4
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.mp4
│      │      6-构建LSTM网络模型.mp4
│      │      7-训练与测试效果.mp4
│      │      第十二课：LSTM情感分析.mp4
│      │      
│      └─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
│              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
│              4-输入样本填充补齐.mp4
│              5-训练网络模型.mp4
│              6-医疗数据集（糖尿病）实体识别.mp4
0 C6 V% S9 d" I. w/ |" D3 ~3 \│              
├─22_知识图谱实战系列
│      ├─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
│      │           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
│           │      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
│           │      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
│           │      
) 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
│           │      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  \│           │      
│           ├─4_使用python操作neo4j实例
│           │      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
│           │      
│           ├─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
│           │      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
│           │      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
│           │      9-实体关键词字典制作.mp4
│           │      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.mp4
│           │      2-LTP工具包概述介绍.mp4
│           │      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
│           │      5-依存句法概述.mp4
! l" m% s/ ]4 A! _' }% z│           │      6-句法分析结果整理.mp4
│           │      7-语义角色构建与分析.mp4
│           │      8-设计规则完成关系抽取.mp4
│           │      
0 U+ {* c  l* T; l│           ├─7_金融平台风控模型实践
│           │      1-竞赛任务目标.mp4
│           │      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
│           │      4-deepwalk构建图顶点特征.mp4
│           │      5-各项统计特征.mp4
│           │      6-app安装特征.mp4
, W' ?! S& T9 Z! U! `│           │      7-图中联系人特征.mp4
│           │      
, 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
│                  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
│                  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
│      ├─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
│      │      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
│      │      5-TeacherForcing的作用与训练策略.mp4
│      │      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
│      │      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
│      │      5-Pack与Pad操作解析.mp4
│      │      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
│      │      
│      ├─3_starganvc2变声器论文原理解读
│      │      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.mp4
│      │      4-生成器模型架构分析.mp4
│      │      5-InstanceNorm的作用解读.mp4
! _2 O! I, v0 w2 a+ _& \│      │      6-AdaIn的目的与效果.mp4
│      │      7-判别器模块分析.mp4
. U3 [, |# u4 B; @9 ]' C% u│      │      
│      ├─4_staeganvc2变声器源码实战
│      │      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
│      │      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.mp4
│      │      5-下采样与上采样操作.mp4
│      │      6-starganvc2版本标签输入分析.mp4
│      │      7-生成器前向传播维度变化.mp4
│      │      8-判别器模块解读.mp4
│      │      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.mp4
│      │      11-测试模块-生成转换语音.mp4
│      │      
│      ├─5_语音分离ConvTasnet模型
│      │      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.mp4
│      │      3-DeepClustering论文解读.mp4
│      │      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│      │      
│      ├─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
│      │      2-训练任务所需参数介绍.mp4
│      │      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
│              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
│              4-Dataloader构建数据与标签.mp4
│              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
│              8-解码器流程梳理.mp4
│              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
│              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│              
└─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.mp4
       │      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
       │      5-常用技术点分析.mp4
* m) q+ }* p' ^2 k       │      6-与深度学习的结合.mp4
       │      
) n. e/ }, R9 S: U8 W  u       ├─2_协同过滤与矩阵分解
       │      1-协同过滤与矩阵分解简介.mp4
       │      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.mp4
       │      4-矩阵分解的目的与效果.mp4
       │      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
       │      8-Embedding的作用.mp4
) |6 P: i8 b9 v$ ?/ i  y6 a       │      
       ├─3_音乐推荐系统实战
( D& ^* z+ M9 @# a       │      1-音乐推荐任务概述.mp4
       │      2-数据集整合.mp4
* b1 d8 }0 F6 U1 Z       │      3-基于物品的协同过滤.mp4
       │      4-物品相似度计算与推荐.mp4
       │      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
       │      
       ├─4_知识图谱与Neo4j数据库实例
       │      1-Neo4j图数据库介绍.mp4
       │      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
       │      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
       │      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.mp4
       │      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
       │      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
       │      6-图谱查询与匹配操作.mp4
       │      7-相似度计算与推荐引擎构建.mp4
1 t! t* J4 ?* s( e( R) ^       │      
       ├─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
       │      2-高维特征带来的问题.mp4
       │      3-二项式特征的作用与挑战.mp4
       │      4-二阶公式推导与化简.mp4
       │      5-FM算法解析.mp4
       │      6-DeepFm整体架构解读.mp4
       │      7-输入层所需数据样例.mp4
       │      8-Embedding层的作用与总结.mp4
       │      
       ├─7_DeepFM算法实战
       │      1-数据集介绍与环境配置.mp4
       │      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
       │      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
       │      9-DNN模块与训练过程.mp4
$ q2 c. `+ ?' K; x0 k# F       │      
       ├─8_推荐系统常用工具包演示
       │      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
       │      3-surprise工具包基本使用.mp4
. p3 ?2 v& @% Y' K       │      4-模型测试集结果.mp4
       │      5-评估指标概述.mp4
       │      
       ├─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
       │      6-LDA主题模型效果演示.mp4
       │      7-推荐结果分析.mp4
       │      
       ├─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.mp4
       │      2-数据与关键词信息展示.mp4
       │      3-关键词云与直方图展示.mp4
( \  L. F  k! b% j       │      4-特征可视化.mp4
       │      5-数据清洗概述.mp4
. b3 J* Q( L9 P0 G$ Y       │      6-缺失值填充方法.mp4
       │      7-推荐引擎构造.mp4
       │      8-数据特征构造.mp4
       │      9-得出推荐结果.mp4
       │      
       └─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
              2-文本词频统计.mp4
              3-ngram结果可视化展示.mp4
0 ]/ F, W( S/ r, B4 B7 j              4-文本清洗.mp4
              5-相似度计算.mp4
              6-得出推荐结果.mp4
6 W/ i) I" L2 u/ m# v8 j

0 w- A' k; s4 B  u; e0 X: x3 E

% W6 J5 M0 L/ C* ^& [下载地址:2018jc&（it

游客，如果您要查看本帖隐藏内容请回复

xiaofeidaoqq

古泡

zhuhaoyu

谢谢分享

vitamin503

22222222222222222222

magicylwnn

yz2yz

666

itxingqing

泡人工智能P5第5期共77G 2022年

LEEEE

学习学习

hzswh557

sssssssssss

prince2008

谢谢分享