咕泡-P5人工智能深度学习高薪就业班5期【价值16800元】2022年

1_直播课回放

1_直播1：开班典礼

1人工智能CV NLP高薪实战班.mp4 1.88G

2_Pycharm环境配置与Debug演示(没用过的同学必看)

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

3_直播2：深度学习必备基础-神经网络与卷积网络

1.深度学习必备基础-神经网络与卷积网络.mp4 937.92M

4_直播3：Transformer原理及其各领域应用分析

Transformer原理及其各领域应用分析.mp4 517.75M

5_额外补充：时间序列预测

额外补充：时间序列预测.mp4 526.71M

6_直播4：Informer时间序列预测源码解读

Informer时间序列预测源码解读.mp4 2.04G

2_深度学习必备核心算法

1_神经网络算法解读

1-神经网络算法解读.mp4 860.36M

2_卷积神经网络算法解读

2-卷积神经网络算法解读.mp4 557.75M

3_递归神经网络算法解读

3-递归神经网络算法解读.mp4 457.14M

3_深度学习核心框架PyTorch

1_PyTorch框架介绍与配置安装

1-PyTorch框架与其他框架区别分析1.mp4.mp4 33.24M

2-CPU与GPU版本安装方法解读1.mp4.mp4 100.57M

2_使用神经网络进行分类任务

1-数据集与任务概述2.mp4.mp4 43.34M

2-基本模块应用测试2.mp4.mp4 47.62M

3-网络结构定义方法2.mp4.mp4 55.60M

4-数据源定义简介2.mp4.mp4 38.98M

5-损失与训练模块分析2.mp4.mp4 42.31M

6-训练一个基本的分类模型2.mp4.mp4 54.59M

7-参数对结果的影响2.mp4.mp4 51.65M

3_神经网络回归任务-气温预测

神经网络回归任务-气温预测1.mp4.mp4 254.16M

4_卷积网络参数解读分析

1-输入特征通道分析2.mp4.mp4 56.04M

2-卷积网络参数解读2.mp4.mp4 40.57M

3-卷积网络模型训练2.mp4.mp4 77.36M

5_图像识别模型与训练策略（重点）

1-任务分析与图像数据基本处理2.mp4.mp4 51.93M

10-测试结果演示分析1.mp4.mp4 151.00M

2-数据增强模块2.mp4.mp4 54.57M

3-数据集与模型选择1.mp4.mp4 51.64M

4-迁移学习方法解读1.mp4.mp4 67.94M

5-输出层与梯度设置1.mp4.mp4 79.57M

6-输出类别个数修改1.mp4.mp4 63.12M

7-优化器与学习率衰减1.mp4.mp4 66.20M

8-模型训练方法1.mp4.mp4 68.07M

9-重新训练全部模型1.mp4.mp4 59.86M

6_DataLoader自定义数据集制作

1-Dataloader要完成的任务分析1.mp4.mp4 43.26M

2-图像数据与标签路径处理1.mp4.mp4 58.72M

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

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

7_LSTM文本分类实战

1-数据集与任务目标分析1.mp4.mp4 52.81M

2-文本数据处理基本流程分析1.mp4.mp4 55.97M

3-命令行参数与DEBUG1.mp4.mp4 36.52M

4-训练模型所需基本配置参数分析1.mp4.mp4 40.92M

5-预料表与字符切分1.mp4.mp4 31.98M

6-字符预处理转换ID1.mp4.mp4 34.37M

7-LSTM网络结构基本定义1.mp4.mp4 34.73M

8-网络模型预测结果输出1.mp4.mp4 39.11M

9-模型训练任务与总结1.mp4.mp4 45.16M

8_PyTorch框架Flask部署例子

1-基本结构与训练好的模型加载.mp4.mp4 21.02M

2-服务端处理与预测函数.mp4.mp4 40.92M

3-基于Flask测试模型预测结果.mp4.mp4 46.26M

4_MMLAB实战系列

1_MMCV安装方法

MMCV安装方法.mp4 55.75M

2_第一模块：分类任务基本操作

1-准备MMCLS项目.mp4 32.26M

2-基本参数配置解读.mp4 34.52M

3-各模块配置文件组成.mp4 35.81M

4-生成完整配置文件.mp4 24.45M

5-根据文件夹定义数据集.mp4 40.27M

6-构建自己的数据集.mp4 36.33M

7-训练自己的任务.mp4 39.32M

MMCLS问题修正1.mp4 23.50M

3_第一模块：训练结果测试与验证

1-测试DEMO效果.mp4 25.49M

2-测试评估模型效果.mp4 27.58M

3-MMCLS中增加一个新的模块.mp4 62.61M

4-修改配置文件中的参数.mp4 67.72M

5-数据增强流程可视化展示.mp4 37.40M

6-Grad-Cam可视化方法.mp4 41.17M

7-可视化细节与效果分析.mp4 124.19M

8-MMCLS可视化模块应用.mp4 72.07M

9-模型分析脚本使用.mp4 36.37M

4_第一模块：模型源码DEBUG演示

1-VIT任务概述.mp4 29.96M

2-数据增强模块概述分析.mp4 49.58M

3-PatchEmbedding层.mp4 25.30M

4-前向传播基本模块.mp4 38.87M

5-CLS与输出模块.mp4 44.04M

5_第二模块：使用分割模块训练自己的数据集

1-项目配置基本介绍.mp4 74.23M

2-数据集标注与制作方法.mp4 56.84M

3-跟别预测类别数修改配置文件.mp4 39.48M

4-加载预训练模型开始训练.mp4 86.52M

5-预测DEMO演示.mp4 21.88M

6_第二模块：基于Unet进行各种策略修改

1-配置文件解读.mp4 32.12M

2-编码层模块.mp4 32.47M

3-上采样与输出层.mp4 28.25M

4-辅助层的作用.mp4 19.83M

5-给Unet添加一个neck层.mp4 30.37M

6-如何修改参数适配网络结构.mp4 21.73M

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

8-VIT模块源码分析.mp4 45.48M

7_第二模块：分割任务CVPR最新Backbone设计及其应用

1-注册自己的Backbone模块.mp4.mp4 34.30M

10-汇总多层级特征进行输出.mp4.mp4 43.35M

2-配置文件指定.mp4.mp4 35.84M

3-DEBUG解读Backbone设计.mp4.mp4 40.45M

4-PatchEmbedding的作用与实现.mp4.mp4 44.88M

5-卷积位置编码计算方法.mp4.mp4 53.89M

6-近似Attention模块实现.mp4.mp4 79.49M

7-完成特征提取与融合模块.mp4.mp4 55.69M

8-分割任务输出模块.mp4.mp4 57.72M

9-全局特征的作用与实现.mp4.mp4 56.34M

8_第三模块：mmdet训练自己的数据任务

1-数据集标注与标签获取.mp4.mp4 31.35M

2-COCO数据标注格式.mp4.mp4 28.16M

3-通过脚本生成COCO数据格式.mp4.mp4 38.55M

4-配置文件数据增强策略分析.mp4.mp4 45.59M

5-训练所需配置说明.mp4.mp4 56.00M

6-模型训练与DEMO演示.mp4.mp4 35.27M

7-模型测试与可视化分析模块.mp4.mp4 77.61M

8-补充：评估指标.mp4.mp4 14.06M

9_第三模块：DeformableDetr物体检测源码分析

1-特征提取与位置编码.mp4 38.16M

10-分类与回归输出模块.mp4 49.72M

11-预测输出结果与标签匹配模块.mp4 44.31M

2-序列特征展开并叠加.mp4 51.07M

3-得到相对位置点编码.mp4 28.80M

4-准备Encoder编码层所需全部输入.mp4 37.91M

5-编码层中的序列分析.mp4 39.73M

6-偏移量offset计算.mp4 46.09M

7-偏移量对齐操作.mp4 39.80M

8-Encoder层完成特征对齐.mp4 51.84M

9-Decoder要完成的操作.mp4 38.98M

10_第四模块：DBNET文字检测

1-文字检测数据概述与配置文件.mp4.mp4 56.60M

2-配置文件参数设置.mp4.mp4 38.74M

3-Neck层特征组合.mp4.mp4 32.04M

4-损失函数模块概述.mp4.mp4 43.11M

5-损失计算方法.mp4.mp4 59.35M

11_第四模块：ANINET文字识别

1-数据集与环境概述.mp4.mp4 55.58M

2-配置文件修改方法.mp4.mp4 52.49M

3-Bakbone模块得到特征.mp4.mp4 42.10M

4-视觉Transformer模块的作用.mp4.mp4 45.97M

5-视觉模型中的编码与解码的效果.mp4.mp4 54.49M

6-文本模型中的结构分析.mp4.mp4 38.66M

7-迭代修正模块.mp4.mp4 38.14M

8-输出层与损失计算.mp4.mp4 52.81M

12_第四模块：KIE基于图模型的关键信息抽取

1-配置文件以及要完成的任务解读.mp4.mp4 51.55M

2-KIE数据集格式调整方法.mp4.mp4 69.46M

3-配置文件与标签要进行处理操作.mp4.mp4 47.83M

4-边框要计算的特征分析.mp4.mp4 35.57M

5-标签数据处理与关系特征提取.mp4.mp4 56.48M

6-特征合并处理.mp4.mp4 43.74M

7-准备拼接边与点特征.mp4.mp4 41.38M

8-整合得到图模型输入特征.mp4.mp4 71.98M

12_第五模块：stylegan2源码解读

1-要完成的任务与基本思想概述.mp4.mp4 57.79M

2-得到style特征编码.mp4.mp4 69.51M

3-特征编码风格拼接.mp4.mp4 36.76M

4-基础风格特征卷积模块.mp4.mp4 54.69M

5-上采样得到输出结果.mp4.mp4 40.75M

6-损失函数概述.mp4.mp4 26.56M

13_第六模块：BasicVSR++视频超分辨重构源码解读

1-要完成的任务分析与配置文件.mp4.mp4 27.36M

10-传播流程整体完成一圈.mp4 61.55M

11-完成输出结果.mp4.mp4 51.56M

2-特征基础提取模块.mp4 44.58M

3-光流估计网络模块.mp4 25.67M

4-基于光流完成对齐操作.mp4 40.23M

5-偏移量计算方法1.mp4.mp4 32.48M

6-双向计算特征对齐.mp4 36.97M

7-提特征传递流程分析.mp4 37.23M

8-序列传播计算.mp4 39.88M

9-准备变形卷积模块的输入.mp4.mp4 44.71M

14_第七模块：多模态3D目标检测算法源码解读

1-环境配置与数据集概述.mp4 51.52M

10-3D卷积特征融合.mp4 56.76M

11-输出层预测结果.mp4 80.80M

2-数据与标注文件介绍.mp4 37.49M

3-基本流程梳理并进入debug模式.mp4 50.33M

4-数据与图像特征提取模块.mp4 58.02M

5-体素索引位置获取.mp4.mp4 64.72M

6-体素特征提取方法解读.mp4 37.57M

7-体素特征计算方法分析.mp4 70.71M

8-全局体素特征提取.mp4 95.96M

9-多模态特征融合.mp4 68.36M

15_第八模块：模型蒸馏应用实例

1-任务概述与工具使用.mp4 39.64M

2-Teacher与Student网络结构定义.mp4 46.25M

3-训练T与S得到蒸馏模型.mp4 70.63M

4-开始模型训练过程与问题修正.mp4 57.26M

5-日志输出与模型分离.mp4 70.25M

6-分别得到Teacher与Student模型.mp4 45.74M

7-实际测试效果演示.mp4 39.02M

16_第八模块：模型剪枝方法概述分析

1-SuperNet网络结构分析与剪枝概述.mp4 40.58M

2-搜索匹配到符合计算量的模型并训练.mp4 46.83M

17_第九模块：mmaction行为识别

创建自己的行为识别标注数据集.mp4 232.73M

18_额外补充

在源码中加入各种注意力机制方法.mp4 122.48M

5_Opencv图像处理框架实战

1_课程简介与环境配置

0-课程简介2.mp4.mp4 5.37M

2-Notebook与IDE环境.mp4.mp4 84.39M

2-Python与Opencv配置安装.mp4.mp4 33.28M

2_图像基本操作

1-计算机眼中的图像.mp4.mp4 30.88M

2-视频的读取与处理.mp4.mp4 46.97M

3-ROI区域.mp4.mp4 15.37M

4-边界填充.mp4.mp4 21.46M

5-数值计算.mp4.mp4 40.04M

3_阈值与平滑处理

1-图像平滑处理.mp4.mp4 24.69M

2-高斯与中值滤波.mp4.mp4 20.55M

图像阈值.mp4.mp4 30.78M

4_图像形态学操作

1-腐蚀操作.mp4.mp4 20.99M

2-膨胀操作.mp4.mp4 12.25M

3-开运算与闭运算.mp4.mp4 9.32M

4-梯度计算.mp4.mp4 7.85M

5-礼帽与黑帽.mp4.mp4 15.88M

5_图像梯度计算

1-Sobel算子.mp4.mp4 27.00M

2-梯度计算方法.mp4.mp4 30.29M

3-scharr与lapkacian算子.mp4.mp4 27.39M

6_边缘检测

1-Canny边缘检测流程.mp4.mp4 18.97M

2-非极大值抑制.mp4.mp4 18.32M

3-边缘检测效果.mp4.mp4 36.63M

7_图像金字塔与轮廓检测

1-轮廓检测方法.mp4.mp4 19.31M

1-模板匹配方法.mp4.mp4 47.35M

1-图像金字塔定义.mp4.mp4 19.68M

2-金字塔制作方法.mp4.mp4 25.47M

2-轮廓检测结果.mp4.mp4 34.37M

2-匹配效果展示.mp4.mp4 21.14M

3-轮廓特征与近似.mp4.mp4 37.51M

8_直方图与傅里叶变换

1-傅里叶概述.mp4.mp4 38.79M

1-直方图定义.mp4.mp4 23.64M

2-均衡化原理.mp4.mp4 31.35M

2-频域变换结果.mp4.mp4 26.26M

3-低通与高通滤波.mp4.mp4 27.34M

3-均衡化效果.mp4.mp4 27.21M

9_项目实战-信用卡数字识别

2-环境配置与预处理.mp4.mp4 34.85M

3-模板处理方法.mp4.mp4 23.69M

4-输入数据处理方法.mp4.mp4 28.88M

5-模板匹配得出识别结果.mp4.mp4 47.72M

总体流程与方法讲解.mp4.mp4 20.65M

10_项目实战-文档扫描OCR识别

1-整体流程演示.mp4.mp4 21.50M

2-文档轮廓提取.mp4.mp4 27.81M

3-原始与变换坐标计算.mp4.mp4 26.24M

4-透视变换结果.mp4.mp4 32.87M

5-tesseract-ocr安装配置.mp4.mp4 41.23M

6-文档扫描识别效果.mp4.mp4 28.86M

11_图像特征-harris

1-角点检测基本原理.mp4.mp4 15.53M

2-基本数学原理.mp4.mp4 30.58M

3-求解化简.mp4.mp4 31.79M

4-特征归属划分.mp4.mp4 43.23M

5-opencv角点检测效果.mp4.mp4 31.04M

12_图像特征-sift

1-尺度空间定义.mp4.mp4 20.04M

2-高斯差分金字塔.mp4.mp4 21.68M

3-特征关键点定位.mp4.mp4 48.15M

4-生成特征描述.mp4.mp4 24.66M

5-特征向量生成.mp4.mp4 43.73M

6-opencv中sift函数使用.mp4.mp4 28.80M

13_案例实战-全景图像拼接

1-特征匹配方法.mp4.mp4 28.56M

2-RANSAC算法.mp4.mp4 34.50M

2-图像拼接方法.mp4.mp4 44.96M

4-流程解读.mp4.mp4 21.65M

14_项目实战-停车场车位识别

1-任务整体流程.mp4.mp4 71.40M

2-所需数据介绍.mp4.mp4 34.31M

3-图像数据预处理.mp4.mp4 56.75M

4-车位直线检测.mp4.mp4 61.44M

5-按列划分区域.mp4.mp4 54.67M

6-车位区域划分.mp4.mp4 57.33M

7-识别模型构建.mp4.mp4 41.19M

8-基于视频的车位检测.mp4.mp4 135.61M

15_项目实战-答题卡识别判卷

1-整体流程与效果概述.mp4.mp4 29.49M

2-预处理操作.mp4.mp4 24.08M

3-填涂轮廓检测.mp4.mp4 25.66M

4-选项判断识别.mp4.mp4 57.12M

16_背景建模

1-背景消除-帧差法.mp4.mp4 20.79M

2-混合高斯模型.mp4.mp4 26.39M

3-学习步骤.mp4.mp4 31.75M

4-背景建模实战.mp4.mp4 51.17M

17_光流估计

1-基本概念.mp4.mp4 20.20M

2-Lucas-Kanade算法.mp4.mp4 19.67M

3-推导求解.mp4.mp4 25.94M

4-光流估计实战.mp4.mp4 64.22M

18_Opencv的DNN模块

1-dnn模块.mp4.mp4 28.59M

2-模型加载结果输出.mp4.mp4 40.50M

19_项目实战-目标追踪

1-目标追踪概述.mp4.mp4 49.75M

2-多目标追踪实战.mp4.mp4 34.62M

3-深度学习检测框架加载.mp4.mp4 43.62M

4-基于dlib与ssd的追踪.mp4.mp4 73.02M

5-多进程目标追踪.mp4.mp4 25.72M

6-多进程效率提升对比.mp4.mp4 78.13M

20_卷积原理与操作

1-卷积神经网络的应用.mp4.mp4 36.18M

1-卷积效果演示.mp4.mp4 24.58M

2-卷积操作流程.mp4.mp4 41.15M

2-卷积层解释.mp4.mp4 22.31M

3-卷积计算过程.mp4.mp4 27.61M

4-pading与stride.mp4.mp4 26.12M

5-卷积参数共享.mp4.mp4 17.69M

6-池化层原理.mp4.mp4 16.09M

21_项目实战-疲劳检测

1-关键点定位概述.mp4.mp4 28.45M

2-获取人脸关键点.mp4.mp4 36.07M

3-定位效果演示.mp4.mp4 45.43M

4-闭眼检测.mp4.mp4 71.07M

5-检测效果.mp4.mp4 40.60M

6_综合项目-物体检测经典算法实战

1_深度学习经典检测方法概述

1-检测任务中阶段的意义.mp4.mp4 15.14M

2-不同阶段算法优缺点分析.mp4.mp4 10.68M

3-IOU指标计算.mp4.mp4 11.74M

4-评估所需参数计算.mp4.mp4 26.23M

5-map指标计算.mp4.mp4 19.63M

2_YOLO-V1整体思想与网络架构

2-检测算法要得到的结果.mp4.mp4 13.63M

3-整体网络架构解读.mp4.mp4 30.67M

4-位置损失计算.mp4.mp4 18.97M

5-置信度误差与优缺点分析.mp4.mp4 26.86M

YOLO算法整体思路解读.mp4.mp4 14.68M

3_YOLO-V2改进细节详解

2-网络结构特点.mp4.mp4 15.69M

3-架构细节解读.mp4.mp4 18.92M

4-基于聚类来选择先验框尺寸.mp4.mp4 24.24M

5-偏移量计算方法.mp4.mp4 27.55M

6-坐标映射与还原.mp4.mp4 10.08M

7-感受野的作用.mp4.mp4 28.11M

8-特征融合改进.mp4.mp4 19.20M

V2版本细节升级概述.mp4.mp4 13.38M

4_YOLO-V3核心网络模型

1-V3版本改进概述.mp4.mp4 18.27M

2-多scale方法改进与特征融合.mp4.mp4 17.07M

3-经典变换方法对比分析.mp4.mp4 10.83M

4-残差连接方法解读.mp4.mp4 18.64M

5-整体网络模型架构分析.mp4.mp4 12.93M

6-先验框设计改进.mp4.mp4 13.04M

7-sotfmax层改进.mp4.mp4 10.61M

5_项目实战-基于V3版本进行源码解读

1-数据与环境配置.mp4.mp4 65.52M

10-网格偏移计算.mp4.mp4 33.92M

11-模型要计算的损失概述.mp4.mp4 23.14M

12-标签值格式修改.mp4.mp4 28.27M

13-坐标相对位置计算.mp4.mp4 32.80M

14-完成所有损失函数所需计算指标.mp4.mp4 35.32M

15-模型训练与总结.mp4.mp4 72.91M

16-预测效果展示.mp4.mp4 34.51M

2-训练参数设置.mp4.mp4 23.85M

3-数据与标签读取.mp4.mp4 42.51M

4-标签文件读取与处理.mp4.mp4 27.48M

5-debug模式介绍.mp4.mp4 27.25M

6-基于配置文件构建网络模型.mp4.mp4 42.04M

7-路由层与shortcut层的作用.mp4.mp4 33.72M

8-YOLO层定义解析.mp4.mp4 61.09M

9-预测结果计算.mp4.mp4 46.00M

6_基于YOLO-V3训练自己的数据集与任务

1-Labelme工具安装.mp4.mp4 14.29M

2-数据信息标注.mp4.mp4 32.09M

3-完成标签制作.mp4.mp4 31.74M

4-生成模型所需配置文件.mp4.mp4 36.71M

5-json格式转换成yolo-v3所需输入.mp4.mp4 20.95M

6-完成输入数据准备工作.mp4.mp4 40.10M

7-训练代码与参数配置更改.mp4.mp4 44.29M

8-训练模型并测试效果.mp4.mp4 38.49M

7_YOLO-V4版本算法解读

1-V4版本整体概述.mp4.mp4 15.06M

10-PAN模块解读.mp4.mp4 20.64M

11-激活函数与整体架构总结.mp4.mp4 19.19M

2-V4版本贡献解读.mp4.mp4 10.06M

3-数据增强策略分析.mp4.mp4 24.70M

4-DropBlock与标签平滑方法.mp4.mp4 19.36M

5-损失函数遇到的问题.mp4.mp4 14.26M

6-CIOU损失函数定义.mp4.mp4 10.82M

7-NMS细节改进.mp4.mp4 16.66M

8-SPP与CSP网络结构.mp4.mp4 14.81M

9-SAM注意力机制模块.mp4.mp4 22.48M

8_V5版本项目配置

1-整体项目概述.mp4.mp4 35.77M

2-训练自己的数据集方法.mp4.mp4 41.32M

3-训练数据参数配置.mp4.mp4 51.48M

4-测试DEMO演示.mp4.mp4 50.47M

9_V5项目工程源码解读

1-数据源DEBUG流程解读.mp4.mp4 48.13M

10-完成配置文件解析任务.mp4.mp4 58.80M

11-前向传播计算.mp4.mp4 30.80M

12-BottleneckCSP层计算方法.mp4.mp4 33.82M

13-1 SPP层计算细节分析.mp4.mp4 29.17M

13-Head层流程解读.mp4.mp4 29.12M

14-上采样与拼接操作.mp4.mp4 21.48M

15-输出结果分析.mp4.mp4 41.71M

16-超参数解读.mp4.mp4 34.94M

17-命令行参数介绍.mp4.mp4 44.26M

18-训练流程解读.mp4.mp4 46.81M

19-各种训练策略概述.mp4.mp4 38.43M

2-图像数据源配置.mp4.mp4 34.65M

20-模型迭代过程.mp4.mp4 38.42M

3-加载标签数据.mp4.mp4 26.33M

4-Mosaic数据增强方法.mp4.mp4 28.19M

5-数据四合一方法与流程演示.mp4.mp4 41.69M

6-getItem构建batch.mp4.mp4 33.03M

7-网络架构图可视化工具安装.mp4.mp4 34.33M

8-V5网络配置文件解读.mp4.mp4 35.74M

9-Focus模块流程分析.mp4.mp4 21.93M

10_EfficientNet网络

第八课：EfficientNet网络模型.mp4.mp4 538.47M

11_EfficientDet检测算法

第十一章：EfficientDet检测算法.mp4.mp4 448.01M

12_基于Transformer的detr目标检测算法

1-DETR目标检测基本思想解读.mp4.mp4 19.35M

2-整体网络架构分析.mp4.mp4 31.64M

3-位置信息初始化query向量.mp4.mp4 19.97M

4-注意力机制的作用方法.mp4.mp4 20.85M

5-训练过程的策略.mp4.mp4 28.41M

13_detr目标检测源码解读

1-项目环境配置解读.mp4.mp4 40.42M

2-数据处理与dataloader.mp4.mp4 64.11M

3-位置编码作用分析.mp4.mp4 47.95M

4-backbone特征提取模块.mp4.mp4 35.62M

5-mask与编码模块.mp4.mp4 34.75M

6-编码层作用方法.mp4.mp4 42.86M

7-Decoder层操作与计算.mp4.mp4 30.15M

8-输出预测结果.mp4.mp4 41.28M

9-损失函数与预测输出.mp4.mp4 41.18M

7_图像分割实战

1_图像分割及其损失函数概述

1-语义分割与实例分割概述.mp4.mp4 20.24M

2-分割任务中的目标函数定义.mp4.mp4 20.00M

3-MIOU评估标准.mp4.mp4 9.03M

2_卷积神经网络原理与参数解读

1-卷积神经网络应用领域.mp4.mp4 21.20M

10-VGG网络架构.mp4.mp4 19.34M

11-残差网络Resnet.mp4.mp4 18.02M

12-感受野的作用.mp4.mp4 16.86M

2-卷积的作用.mp4.mp4 22.67M

3-卷积特征值计算方法.mp4.mp4 21.23M

4-得到特征图表示.mp4.mp4 18.23M

5-步长与卷积核大小对结果的影响.mp4.mp4 19.86M

6-边缘填充方法.mp4.mp4 17.28M

7-特征图尺寸计算与参数共享.mp4.mp4 21.99M

8-池化层的作用.mp4.mp4 11.31M

9-1整体网络架构.mp4.mp4 16.98M

3_Unet系列算法讲解

1-Unet网络编码与解码过程.mp4.mp4 18.29M

2-网络计算流程.mp4.mp4 16.13M

3-Unet升级版本改进.mp4.mp4 15.75M

4-后续升级版本介绍.mp4.mp4 18.37M

4_unet医学细胞分割实战

1-医学细胞数据集介绍与参数配置.mp4.mp4 71.21M

2-数据增强工具.mp4.mp4 61.47M

3-Debug模式演示网络计算流程.mp4.mp4 41.37M

4-特征融合方法演示.mp4.mp4 30.05M

5-迭代完成整个模型计算任务.mp4.mp4 33.55M

6-模型效果验证.mp4.mp4 47.29M

5_U2NET显著性检测实战

1-任务目标与网络整体介绍.mp4.mp4 58.66M

2-显著性检测任务与目标概述.mp4.mp4 53.96M

3-编码器模块解读.mp4.mp4 43.66M

4-解码器输出结果.mp4.mp4 27.90M

5-损失函数与应用效果.mp4.mp4 34.34M

6_deeplab系列算法

1-deeplab分割算法概述.mp4.mp4 13.81M

2-空洞卷积的作用.mp4.mp4 16.74M

3-感受野的意义.mp4.mp4 19.37M

4-SPP层的作用.mp4.mp4 19.02M

5-ASPP特征融合策略.mp4.mp4 13.45M

6-deeplabV3Plus版本网络架构.mp4.mp4 24.08M

7_基于deeplabV3+版本进行VOC分割实战

1-PascalVoc数据集介绍.mp4.mp4 70.12M

2-项目参数与数据集读取.mp4.mp4 60.32M

3-网络前向传播流程.mp4.mp4 33.10M

4-ASPP层特征融合.mp4.mp4 51.19M

5-分割模型训练.mp4.mp4 34.97M

8_医学心脏视频数据集分割建模实战

1-数据集与任务概述.mp4.mp4 45.55M

2-项目基本配置参数.mp4.mp4 33.31M

3-任务流程解读.mp4.mp4 69.12M

4-文献报告分析.mp4.mp4 122.67M

5-补充：视频数据源特征处理方法概述.mp4.mp4 26.33M

6-补充：R(2plus1)D处理方法分析.mp4.mp4 18.88M

9_物体检测框架-MaskRcnn项目介绍与配置

0-Mask-Rcnn开源项目简介.mp4.mp4 88.18M

0-参数配置.mp4.mp4 97.85M

0-开源项目数据集.mp4.mp4 42.48M

10_MaskRcnn网络框架源码详解

1-FPN层特征提取原理解读.mp4.mp4 42.31M

10-RoiPooling层的作用与目的.mp4.mp4 33.45M

11-RorAlign操作的效果.mp4.mp4 25.70M

12-整体框架回顾.mp4.mp4 28.86M

2-FPN网络架构实现解读.mp4.mp4 55.77M

3-生成框比例设置.mp4.mp4 28.25M

4-基于不同尺度特征图生成所有框.mp4.mp4 32.93M

5-RPN层的作用与实现解读.mp4.mp4 30.90M

6-候选框过滤方法.mp4.mp4 15.59M

7-Proposal层实现方法.mp4.mp4 33.31M

8-DetectionTarget层的作用.mp4.mp4 25.70M

9-正负样本选择与标签定义.mp4.mp4 27.59M

11_基于MASK-RCNN框架训练自己的数据与任务

1-Labelme工具安装.mp4.mp4 14.29M

2-使用labelme进行数据与标签标注.mp4.mp4 26.29M

3-完成训练数据准备工作.mp4.mp4 26.61M

4-maskrcnn源码修改方法.mp4.mp4 63.56M

5-基于标注数据训练所需任务.mp4.mp4 39.72M

6-测试与展示模块.mp4.mp4 38.60M

8_行为识别实战

1_slowfast算法知识点通俗解读

1-slowfast核心思想解读.mp4.mp4 74.86M

2-核心网络结构模块分析.mp4.mp4 20.98M

3-数据采样曾的作用.mp4.mp4 18.26M

4-模型网络结构设计.mp4.mp4 19.30M

5-特征融合模块与总结分析.mp4.mp4 39.30M

2_slowfast项目环境配置与配置文件

1-环境基本配置解读.mp4.mp4 45.35M

2-目录各文件分析.mp4.mp4 36.84M

3-配置文件作用解读.mp4.mp4 50.90M

4-测试DEMO演示1.mp4.mp4 66.77M

5-训练所需标签文件说明.mp4.mp4 48.77M

6-训练所需视频数据准备.mp4.mp4 47.39M

7-视频数据集切分操作.mp4.mp4 39.66M

8-完成视频分帧操作.mp4.mp4 32.77M

3_slowfast源码详细解读

1-模型所需配置文件参数读取1.mp4.mp4 33.24M

10-RoiAlign与输出层1.mp4.mp4 78.92M

2-数据处理概述1.mp4.mp4 49.72M

3-dataloader数据遍历方法1.mp4.mp4 56.85M

4-数据与标签读取实例1.mp4.mp4 52.22M

5-图像数据所需预处理方法1.mp4.mp4 66.76M

6-slow与fast分别执行采样操作1.mp4.mp4 66.34M

7-分别计算特征图输出结果1.mp4.mp4 56.64M

8-slow与fast特征图拼接操作1.mp4.mp4 49.69M

9-resnetBolock操作1.mp4.mp4 53.62M

4_基于3D卷积的视频分析与动作识别

1-3D卷积原理解读.mp4.mp4 20.62M

2-UCF101动作识别数据集简介.mp4.mp4 51.69M

3-测试效果与项目配置.mp4.mp4 55.60M

4-视频数据预处理方法.mp4.mp4 32.25M

5-数据Batch制作方法.mp4.mp4 46.66M

6-3D卷积网络所涉及模块.mp4.mp4 37.76M

7-训练网络模型.mp4.mp4 38.81M

5_视频异常检测算法与元学习

1-异常检测要解决的问题与数据集介绍.mp4.mp4 21.49M

2-基本思想与流程分析.mp4.mp4 24.27M

3-预测与常见问题.mp4.mp4 26.58M

4-Meta-Learn要解决的问题.mp4.mp4 20.78M

5-学习能力与参数定义.mp4.mp4 14.17M

6-如何找到合适的初始化参数.mp4.mp4 23.36M

7-MAML算法流程解读.mp4.mp4 28.99M

6_视频异常检测CVPR2021论文及其源码解读

1-论文概述与环境配置.mp4.mp4 26.61M

2-数据集配置与读取.mp4.mp4 38.74M

3-模型编码与解码结构.mp4.mp4 33.37M

4-注意力机制模块打造.mp4.mp4 61.12M

5-损失函数的目的.mp4.mp4 57.97M

6-特征图生成.mp4.mp4 38.02M

7-MetaLearn与输出.mp4.mp4 29.79M

7_基础补充-Resnet模型及其应用实例

1-医学疾病数据集介绍.mp4.mp4 18.85M

2-Resnet网络架构原理分析.mp4.mp4 24.81M

3-dataloader加载数据集.mp4.mp4 64.78M

4-Resnet网络前向传播.mp4.mp4 35.82M

5-残差网络的shortcut操作.mp4.mp4 47.34M

6-特征图升维与降采样操作.mp4.mp4 26.89M

7-网络整体流程与训练演示.mp4.mp4 67.45M

——9_2022论文必备-Transformer实战系列

1_课程介绍

课程介绍1.mp4.mp4 14.82M

2_自然语言处理通用框架BERT原理解读

1-BERT任务目标概述.mp4.mp4 11.47M

10-训练实例.mp4.mp4 24.09M

2-传统解决方案遇到的问题1.mp4.mp4 22.59M

3-注意力机制的作用1.mp4.mp4 14.72M

4-self-attention计算方法1.mp4.mp4 23.69M

5-特征分配与softmax机制1.mp4.mp4 21.24M

6-Multi-head的作用1.mp4.mp4 19.29M

7-位置编码与多层堆叠1.mp4.mp4 16.77M

8-transformer整体架构梳理.mp4.mp4 22.24M

9-BERT模型训练方法.mp4.mp4 20.59M

3_Transformer在视觉中的应用VIT算法

1-transformer发家史介绍1.mp4.mp4 15.84M

2-对图像数据构建patch序列1.mp4.mp4 22.18M

3-VIT整体架构解读1.mp4.mp4 24.32M

4-CNN遇到的问题与窘境1.mp4.mp4 22.34M

5-计算公式解读1.mp4.mp4 24.11M

6-位置编码与TNT模型1.mp4.mp4 25.20M

7-TNT模型细节分析1.mp4.mp4 27.54M

4_VIT算法模型源码解读

1-项目配置说明1.mp4.mp4 43.27M

2-输入序列构建方法解读1.mp4.mp4 29.80M

3-注意力机制计算1.mp4.mp4 28.04M

4-输出层计算结果1.mp4.mp4 37.72M

5_swintransformer算法原理解析

1-swintransformer整体概述1.mp4.mp4 14.76M

10-分层计算方法1.mp4.mp4 21.71M

2-要解决的问题及其优势分析1.mp4.mp4 22.33M

3-一个block要完成的任务1.mp4.mp4 17.36M

4-获取各窗口输入特征1.mp4.mp4 18.99M

5-基于窗口的注意力机制解读1.mp4.mp4 29.53M

6-窗口偏移操作的实现1.mp4.mp4 24.27M

7-偏移细节分析及其计算量概述1.mp4.mp4 20.41M

8-整体网络架构整合1.mp4.mp4 20.88M

9-下采样操作实现方法1.mp4.mp4 22.24M

6_swintransformer源码解读

1-数据与环境配置解读1.mp4.mp4 59.59M

2-图像数据patch编码1.mp4.mp4 37.62M

3-数据按window进行划分计算1.mp4.mp4 31.46M

4-基础attention计算模块1.mp4.mp4 27.58M

5-窗口位移模块细节分析1.mp4.mp4 36.81M

6-patchmerge下采样操作1.mp4.mp4 25.24M

7-各block计算方法解读1.mp4.mp4 27.91M

8-输出层概述1.mp4.mp4 41.11M

7_基于Transformer的detr目标检测算法

1-DETR目标检测基本思想解读1.mp4.mp4 19.27M

2-整体网络架构分析1.mp4.mp4 31.54M

3-位置信息初始化query向量1.mp4.mp4 19.90M

4-注意力机制的作用方法1.mp4.mp4 20.79M

5-训练过程的策略1.mp4.mp4 28.34M

8_detr目标检测源码解读

1-项目环境配置解读2.mp4.mp4 40.33M

2-数据处理与dataloader2.mp4.mp4 63.98M

3-位置编码作用分析2.mp4.mp4 47.86M

4-backbone特征提取模块1.mp4.mp4 35.54M

5-mask与编码模块1.mp4.mp4 34.68M

6-编码层作用方法1.mp4.mp4 42.78M

7-Decoder层操作与计算1.mp4.mp4 30.08M

8-输出预测结果1.mp4.mp4 41.20M

9-损失函数与预测输出1.mp4.mp4 41.18M

9_MedicalTrasnformer论文解读

1-论文整体分析.mp4.mp4 23.72M

2-核心思想分析.mp4.mp4 54.26M

3-网络结构计算流程概述.mp4.mp4 44.46M

4-论文公式计算分析.mp4.mp4 46.93M

5-位置编码的作用与效果.mp4.mp4 46.55M

6-拓展应用分析.mp4.mp4 56.52M

10_MedicalTransformer源码解读

1-项目环境配置1.mp4.mp4 25.29M

2-医学数据介绍与分析1.mp4.mp4 56.68M

3-基本处理操作1.mp4.mp4 25.77M

4-AxialAttention实现过程1.mp4.mp4 36.87M

5-位置编码向量解读1.mp4.mp4 27.80M

6-注意力计算过程与方法1.mp4.mp4 52.13M

7-局部特征提取与计算1.mp4.mp4 40.92M

11_商汤LoFTR算法解读

1-特征匹配的应用场景.mp4.mp4 87.35M

10-总结分析.mp4.mp4 39.42M

2-特征匹配的基本流程分析.mp4.mp4 15.91M

3-整体流程梳理分析.mp4.mp4 16.46M

4-CrossAttention的作用与效果.mp4.mp4 15.69M

5-transformer构建匹配特征.mp4.mp4 33.79M

6-粗粒度匹配过程与作用.mp4.mp4 26.00M

7-特征图拆解操作.mp4.mp4 14.34M

8-细粒度匹配的作用与方法.mp4.mp4 19.87M

9-基于期望预测最终位置.mp4.mp4 23.08M

12_局部特征关键点匹配实战

1-项目与参数配置解读1.mp4.mp4 44.48M

10-得到精细化输出结果1.mp4.mp4 19.35M

11-通过期望计算最终输出1.mp4.mp4 40.24M

2-DEMO效果演示1.mp4.mp4 39.57M

3-backbone特征提取模块1.mp4.mp4 28.65M

4-注意力机制的作用与效果分析1.mp4.mp4 30.98M

5-特征融合模块实现方法1.mp4.mp4 29.29M

6-cross关系计算方法实例1.mp4.mp4 29.30M

7-粗粒度匹配过程1.mp4.mp4 49.80M

8-完成基础匹配模块1.mp4.mp4 63.33M

9-精细化调整方法与实例1.mp4.mp4 42.73M

13_项目补充-谷歌开源项目BERT源码解读与应用实例

1-BERT开源项目简介1.mp4.mp4 41.26M

10-构建QKV矩阵1.mp4.mp4 50.65M

11-完成Transformer模块构建1.mp4.mp4 40.72M

12-训练BERT模型1.mp4.mp4 54.58M

2-项目参数配置1.mp4.mp4 106.67M

3-数据读取模块1.mp4.mp4 54.19M

4-数据预处理模块1.mp4.mp4 40.01M

6-Embedding层的作用1.mp4.mp4 30.91M

7-加入额外编码特征1.mp4.mp4 42.36M

8-加入位置编码特征1.mp4.mp4 23.57M

9-mask机制1.mp4.mp4 36.69M

tfrecord制作1.mp4.mp4 51.39M

14_项目补充-基于BERT的中文情感分析实战

1-中文分类数据与任务概述1.mp4.mp4 83.47M

2-读取处理自己的数据集1.mp4.mp4 53.00M

3-训练BERT中文分类模型1.mp4.mp4 72.20M

10_图神经网络实战

1_图神经网络基础

1-图神经网络应用领域分析.mp4.mp4 26.40M

2-图基本模块定义.mp4.mp4 10.51M

3-邻接矩阵的定义.mp4.mp4 16.06M

4-GNN中常见任务.mp4.mp4 19.17M

5-消息传递计算方法.mp4.mp4 14.23M

6-多层GCN的作用.mp4.mp4 13.00M

2_图卷积GCN模型

1-GCN基本模型概述.mp4.mp4 13.24M

2-图卷积的基本计算方法.mp4.mp4 12.56M

3-邻接的矩阵的变换.mp4.mp4 18.38M

4-GCN变换原理解读.mp4.mp4 21.12M

3_图模型必备神器PyTorch Geometric安装与使用

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

2-数据集与邻接矩阵格式.mp4.mp4 51.92M

3-模型定义与训练方法.mp4.mp4 41.92M

4-文献引用数据集分类案例实战.mp4.mp4 47.75M

4_使用PyTorch Geometric构建自己的图数据集

1-构建数据集基本方法.mp4.mp4 13.47M

2-数据集与任务背景概述.mp4.mp4 21.63M

3-数据集基本预处理.mp4.mp4 31.50M

4-用户行为图结构创建.mp4.mp4 36.67M

5-数据集创建函数介绍.mp4.mp4 34.87M

6-网络结构定义模块.mp4.mp4 36.87M

7-TopkPooling进行下采样任务.mp4.mp4 31.30M

8-获取全局特征.mp4.mp4 25.70M

9-模型训练与总结.mp4.mp4 35.84M

5_图注意力机制与序列图模型

1-图注意力机制的作用与方法.mp4.mp4 16.53M

2-邻接矩阵计算图Attention.mp4.mp4 21.40M

3-序列图神经网络TGCN应用.mp4.mp4 12.59M

4-序列图神经网络细节.mp4.mp4 23.67M

6_图相似度论文解读

1-要完成的任务分析.mp4.mp4 47.79M

2-基本方法概述解读.mp4.mp4 52.67M

3-图模型提取全局与局部特征.mp4.mp4 47.42M

4-NTN模块的作用与效果.mp4.mp4 41.09M

5-点之间的对应关系计算.mp4.mp4 51.22M

6-结果输出与总结.mp4.mp4 71.18M

7_图相似度计算实战

1-数据集与任务概述3.mp4.mp4 18.11M

2-图卷积特征提取模块3.mp4.mp4 55.92M

3-分别计算不同Batch点的分布3.mp4.mp4 31.70M

4-获得直方图特征结果.mp4.mp4 21.11M

5-图的全局特征构建.mp4.mp4 31.45M

6-NTN图相似特征提取.mp4.mp4 39.25M

7-预测得到相似度结果.mp4.mp4 18.64M

8_基于图模型的轨迹估计

1-数据集与标注信息解读.mp4.mp4 57.53M

2-整体三大模块分析.mp4.mp4 71.83M

3-特征工程的作用与效果.mp4.mp4 41.75M

4-传统方法与现在向量空间对比.mp4.mp4 51.83M

5-输入细节分析.mp4.mp4 49.96M

6-子图模块构建方法.mp4.mp4 42.55M

7-特征融合模块分析.mp4.mp4 47.67M

8-VectorNet输出层分析.mp4.mp4 85.45M

9_图模型轨迹估计实战

1-数据与环境配置4.mp4.mp4 35.36M

2-训练数据准备4.mp4.mp4 27.69M

3-Agent特征提取方法4.mp4.mp4 37.87M

4-DataLoader构建图结构4.mp4.mp4 28.61M

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