深度之眼-CV项目班 第9期「高清完结」

1-1_深度之眼CV项目就业小班先修课/

1-1_12FPN与RetinaNet原理讲解

1-2_11SSD算法讲解

1-3_资料

1-4_02VGG-01-研究背景成果意义

1-5_02VGG-02-论文结构摘要精读

1-6_02VGG-03-结构及特点

1-7_02VGG-04-训练、测试技巧

1-8_02VGG-05-实验结果及分析

1-9_02VGG-06-论文总结

1-10_02VGG-07-代码结构

1-11_02VGG-08-代码数据集

1-12_02VGG-09-代码构建VGG模型

1-13_07-googlenet-v4-01-背景成果意义

1-14_07-googlenet-v4-02-论文泛读

1-15_07-googlenet-v4-03-inception-v4

1-16_07-googlenet-v4-04-inception-resnet

1-17_07-googlenet-v4-05-实验结果论文总结

1-18_07-googlenet-v4-06-inceptionv4代码（上）

1-19_07-googlenet-v4-07-inceptionv4代码（下）

1-20_07-googlenet-v4-08-inception-resnet代码

1-21_06-ResNet-01-背景成果意义

1-22_06-ResNet-02-论文泛读

1-23_06-ResNet-03-残差结构

1-24_06-ResNet-04-ResNet结构

1-25_06-ResNet-05-论文总结

1-26_06-ResNet-06-ResNet推理

1-27_06-ResNet-07-ResNet结构搭建详解

1-28_06-ResNet-08-ResNet20训练及实验分析

1-29_01mobileNet-01-背景介绍

1-30_01mobileNet-02-论文结构摘要精读

1-31_01mobileNet-03-主体架构深度可分离卷积

1-32_01MobileNet-04-超参数

1-33_01mobileNet-05-后续创新及改进

1-34_01MobileNets-06-代码结构

1-35_01MobileNets-07-模型设计

1-36_01MobileNets-08-模型评估

1-37_10-SENet-01-学习目标课程安排

1-38_10-SENet-02-研究背景

1-39_10-SENet-03-研究意义及成果

1-40_10-SENet-04-论文结构

1-41_10-SENet-05-论文图表

1-42_10-SENet-06-Squeeze-Excitation

1-43_10-SENet-07-SE-ResNet-50

1-44_10-SENet-08-实验结果及分析

1-45_10-SENet-09-Ablation-Study

1-46_10-SENet-10-论文总结

1-47_10-SENet-11-代码实现及Baseline结语

1-48_02unet-01-论文总览摘要精读

1-49_02unet-02-医学分割相关背景取得的成果及意义

1-50_02unet-03-两篇论文相互补充

1-51_02unet-04-回顾医学图像分析及CNN的发展历程

1-52_02unet-05-先验知识补充

1-53_02unet-06-算法架构实验结果及分析

1-54_01YOLOV3-10-代码讲解_Anchor_box生成与预测结果的解码

1-55_02unet-07-试验设置及结果分析

1-56_02unet-08-代码精读

1-57_04DeepLab-01论文背景、研究成果及意义

1-58_04DeepLab-02-摘要

1-59_04DeepLab-03-v1论文精读

1-60_04DeepLab-04-v1论文精读2

1-61_04DeepLab-05-v1-论文精读3总结

1-62_04DeepLab-06-v2论文精读1

1-63_04DeepLab-07-v2-论文精读2

1-64_04DeepLab-08-v2论文精读3总结

1-65_04DeepLab-09-v3论文精读1

1-66_04DeepLab-10-v3-算法及实验部分

1-67_04DeepLab-11-论文精讲v3+

1-68_04DeepLab-12-v3+深度可分离卷积

1-69_04DeepLab-13-v3+算法和实验、论文总结

1-70_04DeepLab-14-代码复现

1-71_04DeepLab-15-算法架构

1-72_01FCN-01-语意分割简介

1-73_01FCN-02常用数据集、指标、研究成果

1-74_01FCN-03-论文摘要精读

1-75_01FCN-04-论文引言、全局信息及部分信息

1-76_01FCN-05-感受域平移不变性

1-77_01FCN-06-经典算法本文算法、上采样

1-78_01FCN-07-算法架构

1-79_01FCN-08-训练技巧实验结果及分析

1-80_01FCN-09-讨论总结

1-81_01FCN-10-代码实现

1-82_01FCN-11-数据预处理

1-83_01FCN-12-模型搭建

1-84_01FCN-13-训练、验证预测函数搭建

1-85_01FCN-14-损失函数

1-86_01FCN-15-指标计算

1-87_01GAN-01-论文摘要

1-88_01YOLOV3-11-代码讲解_训练测试和Loss函数

1-89_03FasterR-CNN-01-论文泛读_RCNN演变

1-90_01GAN-02-论文背景

1-91_01GAN-03-论文泛读

1-92_01GAN-04-价值函数

1-93_01GAN-05-训练流程理论证明1

1-94_01GAN-06-理论证明2实验结果总结展望

1-95_01GAN-07-代码分析综述

1-96_01GAN-08-代码分析精讲

1-97_03DCGAN-01-论文摘要论文背景

1-98_03DCGAN-02-论文泛读

1-99_03DCGAN-03-模型结构图像生成

1-100_03DCGAN-04-无监督表征学习模型可视化隐空间分析1

2-1_03DCGAN-05-隐空间分析2总结展望论文总结

2-2_03DCGAN-06-代码讲解1

2-3_03DCGAN-07-代码讲解2

2-4_05pix2pix-01-论文摘要论文背景

2-5_05pix2pix-02-论文成果及意义论文泛读1

2-6_05pix2pix-03-论文泛读2

2-7_05pix2pix-04-目标函数模型结构及训练参数

2-8_05pix2pix-05-评价方式目标函数分析模型分析

2-9_05pix2pix-06-应用分析论文总结

2-10_05pix2pix-07-代码讲解1

2-11_05pix2pix-08-代码讲解2

2-12_03FasterR-CNN-15-代码讲解_Anchorbox的生成和正负样本的划分

2-13_YOLOV3-01-泛读

2-14_01YOLOV3-02-泛读_摘要与结论分析

2-15_01YOLOV3-03-论文精读_背景和结构

2-16_01YOLOV3-04-论文精读_实验和结论

2-17_01YOLOV3-05-论文精读_归纳总结

2-18_01YOLOV3-06-代码讲解_项目讲解与VOC数据制作

2-19_01YOLOV3-07-代码讲解_训练代码讲解

2-20_01YOLOV3-08-代码讲解_Dataset类编码训练数据

2-21_01YOLOV3-09-代码讲解_网络结构搭建mp4

2-22_03FasterR-CNN-02-论文泛读_摘要和网络结构

2-23_03FasterR-CNN-03-精读_结构总览mp4

2-24_03FasterR-CNN-04-精读Paper_背景介绍mp4

2-25_03FasterR-CNN-05-精读Paper_RPN与rpn_lossmp4

2-26_03FasterR-CNN-06-精读Paper_RPN训练mp4

2-27_03FasterR-CNN-07-精读Paper_实验和结论MP4

2-28_03FasterR-CNN-08-精读PPT_Anchor和RPNmp4

2-29_03FasterR-CNN-09-精读PPT_网络细节

2-30_03FasterR-CNN-10-代码讲解_训练VOC数据集

2-31_03FasterR-CNN-11-代码讲解_backbone网络讲解

2-32_03FasterR-CNN-12-代码讲解_RPN

2-33_03FasterR-CNN-13-代码讲解_数据和标签的同步处理(Dataset类)

2-34_03FasterR-CNN-14代码讲解_建议框的生成(Proposallayer)

1-1_课件资料@认准一手完整 www.ukoou.com

1-2_CV项目班9期-分类-看图识花软件/

1-1_CV项目班-分类-看图识花软件

1-3_图像分类-第9期/

1-1_图像分类专题-第9期

1-2_1花朵分类-代码框架

1-3_2花朵分类-功能函数

1-4_3花朵分类-常用CNN串讲

1-5_4花朵分类-涨点技巧

1-6_5长尾分布-不均衡数据集

1-7_6数据爬取与筛选

1-8_专题总结及答疑

1-4_图像分割-第9期/

1-1_1图像分割及模型

1-2_2SegNet及模型推理

1-3_重点知识讲解及答疑

1-4_3BiSeNet及人像分割

1-5_4图像分割损失函数

1-6_重点知识讲解及答疑

1-7_5数据增强

1-8_6封装-TTA-badcase分析

1-9_重点知识讲解及答疑

1-10_7基于Flask的web部署

1-11_模拟面试

1-12_图像分割-课件

1-13_图像分割第9期-模拟面试

1-5_目标检测-第9期/

1-1_1创建目标检测项目、YOLOX理论（1）

1-2_2YOLOX理论（2）

1-3_3代码讲解（1）：YOLOX中的数据增强

1-4_4代码讲解（2）：YOLOX的网络结构：Backbone、Neck、Head

1-5_5代码讲解（3）：YOLOX中的正负样本分配与损失函数

1-6_6代码讲解（4）：Log记录与训练加速、YOLOX的推理

1-7_7自定义数据集、性能评价指标

1-8_8目标检测器的优化

1-9_9目标检测算法轻量化的通用技巧

1-10_10NanoDetPlus实例讲解：Backbone、Neck和Head

1-11_11NanoDetPlus代码讲解、轻量化YOLOX

1-12_12使用OpenVINO部署YOLOX、面试

1-13_目标检测-课件

1-6_GAN-第9期/

@认准一手完整 www.ukoou.com

1-1_课件

1-2_8项目总结

1-3_7模型部署

1-4_6模型改进

1-5_5模型调参

1-6_4baseline搭建

1-7_3算法调研

1-8_2数据收集与处理

1-9_1超分辨率任务介绍

资料代码/