古泡人工智能P5第5期2022年 百度网盘(177.56G)

古泡人工智能P5第5期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

10_直播7：gpt系列算法与实战

gpt系列算法与实战.mp4

11_额外补充：gpt建模与预测流程

1.生成模型可以完成的任务概述.mp4

2-数据样本生成方法.mp4

3-训练所需参数解读.mp4

4-模型训练过程.mp4

5-部署与网页预测展示.mp4

12_额外补充：文本摘要建模

1-中文商城评价数据处理方法.mp4

2-模型训练与测试结果.mp4

3-文本摘要数据标注方法.mp4

4-训练自己标注的数据并测试.mp4

13_直播8：知识抽取实战

知识抽取实战.mp4

14_直播9：openai clip模型

openai clip模型.mp4

15_直播10：deformabledetr算法解读

deformabledetr算法解读.mp4

16_直播11：ocr算法解读

ocr算法解读.mp4

17_直播12：kie关键信息抽取与视频超分辨率重构

kie关键信息抽取与视频超分辨率重构.mp4

18_直播13：对比学习

1对比学习.mp4

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

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

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

5_额外补充：时间序列预测

额外补充：时间序列预测.mp4

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

7_额外补充：huggingface与nlp（讲故事）

huggingface与nlp（讲故事）.mp4

8_直播5：huggingface核心模块解读

huggingface核心模块解读.mp4

9_直播6：bert系列模型与命名实体识别实例

bert系列模型与命名实体识别实例.mp4

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

2-图基本模块定义.mp4.mp4

3-邻接矩阵的定义.mp4.mp4

4-gnn中常见任务.mp4.mp4

5-消息传递计算方法.mp4.mp4

6-多层gcn的作用.mp4.mp4

2_图卷积gcn模型

1-gcn基本模型概述.mp4.mp4

2-图卷积的基本计算方法.mp4.mp4

3-邻接的矩阵的变换.mp4.mp4

4-gcn变换原理解读.mp4.mp4

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

2-数据集与邻接矩阵格式.mp4.mp4

3-模型定义与训练方法.mp4.mp4

4-文献引用数据集分类案例实战.mp4.mp4

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

2-数据集与任务背景概述.mp4.mp4

3-数据集基本预处理.mp4.mp4

4-用户行为图结构创建.mp4.mp4

5-数据集创建函数介绍.mp4.mp4

6-网络结构定义模块.mp4.mp4

7-topkpooling进行下采样任务.mp4.mp4

8-获取全局特征.mp4.mp4

9-模型训练与总结.mp4.mp4

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

2-邻接矩阵计算图attention.mp4(1).mp4

2-邻接矩阵计算图attention.mp4.mp4

3-序列图神经网络tgcn应用.mp4.mp4

4-序列图神经网络细节.mp4.mp4

6_图相似度论文解读

1-要完成的任务分析.mp4.mp4

2-基本方法概述解读.mp4.mp4

3-图模型提取全局与局部特征.mp4.mp4

4-ntn模块的作用与效果.mp4.mp4

5-点之间的对应关系计算.mp4.mp4

6-结果输出与总结.mp4.mp4

7_图相似度计算实战

1-数据集与任务概述3.mp4.mp4

2-图卷积特征提取模块3.mp4.mp4

3-分别计算不同batch点的分布3.mp4.mp4

4-获得直方图特征结果.mp4.mp4

5-图的全局特征构建.mp4.mp4

6-ntn图相似特征提取.mp4.mp4

7-预测得到相似度结果.mp4.mp4

8_基于图模型的轨迹估计

1-数据集与标注信息解读.mp4.mp4

2-整体三大模块分析.mp4.mp4

3-特征工程的作用与效果.mp4.mp4

4-传统方法与现在向量空间对比.mp4.mp4

5-输入细节分析.mp4.mp4

6-子图模块构建方法.mp4.mp4

7-特征融合模块分析.mp4.mp4

8-vectornet输出层分析.mp4.mp4

9_图模型轨迹估计实战

1-数据与环境配置4.mp4.mp4

2-训练数据准备4.mp4.mp4

3-agent特征提取方法4.mp4.mp4

4-dataloader构建图结构4.mp4.mp4

5-subgraph与attention模型流程4.mp4.mp4

11_3d点云实战

1_3d点云实战 3d点云应用领域分析

1-点云数据概述.mp4.mp4

2-点云应用领域与发展分析.mp4.mp4

3-点云分割任务.mp4.mp4

4-点云补全任务.mp4.mp4

5-点云检测与配准任务.mp4.mp4

6-点云数据特征提取概述与预告.mp4.mp4

2_3d点云pointnet算法

1-3d数据应用领域与点云介绍.mp4.mp4

2-点云数据可视化展示.mp4.mp4

3-点云数据特性和及要解决的问题.mp4.mp4

4-pointnet算法出发点解读.mp4.mp4

5-pointnet算法网络架构解读.mp4.mp4

3_pointnet++算法解读

10-分类与分割问题解决方案.mp4.mp4

11-遇到的问题及改进方法分析.mp4.mp4

6-pointnet升级版算法要解决的问题.mp4.mp4

7-最远点采样方法.mp4.mp4

8-分组group方法原理解读.mp4.mp4

9-整体流程概述分析.mp4.mp4

4_pointnet++项目实战

10-分类任务总结.mp4.mp4

11-分割任务数据与配置概述.mp4.mp4

12-分割需要解决的任务概述.mp4.mp4

13-上采样完成分割任务.mp4.mp4

1-项目文件概述.mp4.mp4

2-数据读取模块配置.mp4.mp4

3-debug解读网络模型架构.mp4.mp4

4-最远点采样介绍.mp4.mp4

5-采样得到中心点.mp4.mp4

6-组区域划分方法.mp4.mp4

7-实现group操作得到各中心簇.mp4.mp4

8-特征提取模块整体流程.mp4.mp4

9-预测结果输出模块.mp4.mp4

5_点云补全pf-net论文解读

1-点云补全要解决的问题.mp4.mp4

2-基本解决方案概述.mp4.mp4

3-整体网络概述.mp4.mp4

4-网络计算流程.mp4.mp4

5-输入与计算结果.mp4.mp4

6_点云补全实战解读

1-数据与项目配置解读.mp4.mp4

2-待补全数据准备方法.mp4.mp4

3-整体框架概述.mp4.mp4

4-mre特征提取模块.mp4.mp4

5-分层预测输出模块.mp4.mp4

6-补全点云数据.mp4.mp4

7-判别模块.mp4.mp4

7_点云配准及其案例实战

1-点云配准任务概述.mp4.mp4

2-配准要完成的目标解读.mp4.mp4

3-训练数据构建1.mp4.mp4

4-任务基本流程.mp4.mp4

5-数据源配置方法.mp4.mp4

6-参数计算模块解读.mp4.mp4

7-基于模型预测输出参数.mp4.mp4

8-特征构建方法分析.mp4.mp4

9-任务总结.mp4.mp4

8_基础补充-对抗生成网络架构原理与实战解析

1-对抗生成网络通俗解释.mp4.mp4

2-gan网络组成.mp4.mp4

3-损失函数解释说明.mp4.mp4

4-数据读取模块.mp4.mp4

5-生成与判别网络定义.mp4.mp4

12_目标追踪与姿态估计实战

1_课程介绍

课程介绍2.mp4.mp4

2_姿态估计openpose系列算法解读

10-匹配方法解读.mp4.mp4

11-cpm模型特点.mp4.mp4

12-算法流程与总结.mp4.mp4

1-姿态估计要解决的问题分析.mp4.mp4

2-姿态估计应用领域概述.mp4.mp4

3-传统topdown方法的问题.mp4.mp4

4-要解决的两个问题分析.mp4.mp4

5-基于高斯分布预测关键点位置.mp4.mp4

6-各模块输出特征图解读.mp4.mp4

7-paf向量登场.mp4.mp4

8-paf标签设计方法.mp4.mp4

9-预测时paf积分计算方法.mp4.mp4

3_openpose算法源码分析

10-多阶段输出与预测.mp4.mp4

1-数据集与路径配置解读.mp4.mp4

2-读取图像与标注信息.mp4.mp4

3-关键点与躯干特征图初始化.mp4.mp4

4-根据关键点位置设计关键点标签.mp4.mp4

5-准备构建paf躯干标签.mp4.mp4

6-各位置点归属判断.mp4.mp4

7-特征图各点累加向量计算.mp4.mp4

8-完成paf特征图制作.mp4.mp4

9-网络模型一阶段输出.mp4.mp4

4_deepsort算法知识点解读

10-sort与deepsort建模流程分析.mp4.mp4

11-预测与匹配流程解读.mp4.mp4

12-追踪任务流程拆解.mp4.mp4

1-卡尔曼滤波通俗解释.mp4.mp4

2-卡尔曼滤波要完成的任务.mp4.mp4

3-任务本质分析.mp4.mp4

4-基于观测值进行最优估计.mp4.mp4

5-预测与更新操作.mp4.mp4

6-追踪中的状态量.mp4.mp4

7-匈牙利匹配算法概述.mp4.mp4

8-匹配小例子分析.mp4.mp4

9-reid特征的作用.mp4.mp4

5_deepsort源码解读

10-匹配结果与总结.mp4.mp4

1-项目环境配置4.mp4.mp4

2-参数与demo演示.mp4.mp4

3-针对检测结果初始化track.mp4.mp4

4-对track执行预测操作.mp4.mp4

5-状态量预测结果.mp4.mp4

6-iou代价矩阵计算.mp4.mp4

7-参数更新操作.mp4.mp4

8-级联匹配模块.mp4.mp4

9-reid特征代价矩阵计算.mp4.mp4

6_yolo-v4版本算法解读

10-pan模块解读.mp4.mp4

11-激活函数与整体架构总结.mp4.mp4

1-v4版本整体概述.mp4.mp4

2-v4版本贡献解读.mp4.mp4

3-数据增强策略分析.mp4.mp4

4-dropblock与标签平滑方法.mp4.mp4

5-损失函数遇到的问题.mp4.mp4

6-ciou损失函数定义.mp4.mp4

7-nms细节改进.mp4.mp4

8-spp与csp网络结构.mp4.mp4

9-sam注意力机制模块.mp4.mp4

7_v5版本项目配置

1-整体项目概述.mp4.mp4

2-训练自己的数据集方法.mp4.mp4

3-训练数据参数配置.mp4.mp4

4-测试demo演示.mp4.mp4

8_v5项目工程源码解读

10-完成配置文件解析任务.mp4.mp4

11-前向传播计算.mp4.mp4

12-bottleneckcsp层计算方法.mp4.mp4

13-head层流程解读2.mp4.mp4

13-spp层计算细节分析.mp4.mp4

14-上采样与拼接操作.mp4.mp4

15-输出结果分析.mp4.mp4

16-超参数解读.mp4.mp4

17-命令行参数介绍.mp4.mp4

18-训练流程解读.mp4.mp4

19-各种训练策略概述.mp4.mp4

1-数据源debug流程解读.mp4.mp4

20-模型迭代过程.mp4.mp4

2-图像数据源配置.mp4.mp4

3-加载标签数据.mp4.mp4

4-mosaic数据增强方法.mp4.mp4

5-数据四合一方法与流程演示.mp4.mp4

6-getitem构建batch.mp4.mp4

7-网络架构图可视化工具安装.mp4.mp4

8-v5网络配置文件解读.mp4.mp4

9-focus模块流程分析.mp4.mp4

13_面向深度学习的无人驾驶实战

1_深度估计算法原理解读

10-损失计算.mp4.mp4

1-深度估计效果与应用.mp4.mp4

2-kitti数据集介绍.mp4.mp4

3-使用backbone获取层级特征.mp4.mp4

4-差异特征计算边界信息.mp4.mp4

5-spp层的作用.mp4.mp4

6-空洞卷积与aspp.mp4.mp4

7-特征拼接方法分析.mp4.mp4

8-网络coarse-to-fine过程.mp4.mp4

9-权重参数预处理.mp4.mp4

10_neuralrecon项目源码解读

1-backbone得到特征图.mp4.mp4

2-初始化体素位置.mp4.mp4

3-坐标映射方法实现.mp4.mp4

4-得到体素所对应特征图.mp4.mp4

5-插值得到对应特征向量.mp4.mp4

6-得到一阶段输出结果.mp4.mp4

7-完成三个阶段预测结果.mp4.mp4

8-项目总结2.mp4.mp4

11_tsdf算法与应用

1-tsdf整体概述分析.mp4.mp4

2-合成过程demo演示.mp4.mp4

3-布局初始化操作.mp4.mp4

4-tsdf计算基本流程解读.mp4.mp4

5-坐标转换流程分析.mp4.mp4

6-输出结果融合更新.mp4.mp4

12_tsdf实战案例

1-环境配置概述.mp4.mp4

2-初始化与数据读取.mp4.mp4

3-计算得到tsdf输出.mp4.mp4

13_轨迹估计算法与论文解读

1-数据集与标注信息解读.mp4.mp4

2-整体三大模块分析.mp4.mp4

3-特征工程的作用与效果.mp4.mp4

4-传统方法与现在向量空间对比.mp4.mp4

5-输入细节分析.mp4.mp4

6-子图模块构建方法.mp4.mp4

7-特征融合模块分析.mp4.mp4

8-vectornet输出层分析.mp4.mp4

14_轨迹估计预测实战

1-数据与环境配置..mp4.mp4

2-训练数据准备.mp4.mp4

3-agent特征提取方法.mp4.mp4

4-dataloader构建图结构.mp4.mp4

5-subgraph与attention模型流程.mp4.mp4

15_特斯拉无人驾驶解读

15-特斯拉无人驾驶解读.mp4.mp4

2_深度估计项目实战

10-模型demo输出结果.mp4.mp4

1-项目环境配置解读1.mp4.mp4

2-数据与标签定义方法.mp4.mp4

3-数据集dataloader制作.mp4.mp4

4-使用backbone进行特征提取.mp4.mp4

5-计算差异特征.mp4.mp4

6-权重参数标准化操作.mp4.mp4

7-网络结构aspp层.mp4.mp4

8-输出深度估计结果.mp4.mp4

8-特征拼接方法解读.mp4.mp4

9-损失函数通俗解读.mp4.mp4

3_车道线检测算法与论文解读

1-数据标签与任务分析.mp4.mp4

2-网络整体框架分析.mp4.mp4

3-输出结果分析.mp4.mp4

4-损失函数计算方法.mp4.mp4

5-论文概述分析.mp4.mp4

4_基于深度学习的车道线检测项目实战

10-车道线规则损失函数限制.mp4.mp4

11-demo制作与配置.mp4.mp4

1-车道数据与标签解读.mp4.mp4

2-项目环境配置演示.mp4.mp4

3-制作数据集dataloader.mp4.mp4

4-车道线标签数据处理.mp4.mp4

5-四条车道线标签位置矩阵.mp4.mp4

6-grid设置方法.mp4.mp4

7-完成数据与标签制作.mp4.mp4

8-算法网络结构解读.mp4.mp4

9-损失函数计算模块分析.mp4.mp4

5_商汤loftr算法解读

10-总结分析.mp4.mp4

1-特征匹配的应用场景.mp4.mp4

2-特征匹配的基本流程分析.mp4.mp4

3-整体流程梳理分析.mp4.mp4

4-crossattention的作用与效果.mp4.mp4

5-transformer构建匹配特征.mp4.mp4

6-粗粒度匹配过程与作用.mp4.mp4

7-特征图拆解操作.mp4.mp4

8-细粒度匹配的作用与方法.mp4.mp4

9-基于期望预测最终位置.mp4.mp4

6_局部特征关键点匹配实战

10-得到精细化输出结果.mp4.mp4

11-通过期望计算最终输出.mp4.mp4

1-项目与参数配置解读.mp4.mp4

2-demo效果演示.mp4.mp4

3-backbone特征提取模块.mp4.mp4

4-注意力机制的作用与效果分析.mp4.mp4

5-特征融合模块实现方法.mp4.mp4

6-cross关系计算方法实例.mp4.mp4

7-粗粒度匹配过程.mp4.mp4

8-完成基础匹配模块.mp4.mp4

9-精细化调整方法与实例.mp4.mp4

7_三维重建应用与坐标系基础

1-三维重建概述分析.mp4.mp4

2-三维重建应用领域概述.mp4.mp4

3-成像方法概述.mp4.mp4

4-相机坐标系.mp4.mp4

5-坐标系转换方法解读.mp4.mp4

6-相机内外参.mp4.mp4

7-通过内外参数进行坐标变换.mp4.mp4

8-相机标定简介.mp4.mp4

8_neuralrecon算法解读

1-任务流程分析.mp4.mp4

2-基本框架熟悉.mp4.mp4

3-特征映射方法解读.mp4.mp4

4-片段融合思想.mp4.mp4

5-整体架构重构方法.mp4.mp4

9_neuralrecon项目环境配置

1-数据集下载与配置方法.mp4.mp4

2-scannet数据集内容概述.mp4.mp4

3-tsdf标签生成方法.mp4.mp4

4-issue的作用.mp4.mp4

5-完成依赖环境配置.mp4.mp4

14_缺陷检测实战

1_课程介绍

课程介绍3.mp4.mp4

10_基于视频流水线的opencv缺陷检测项目

1-数据与任务概述.mp4.mp4

2-视频数据读取与轮廓检测.mp4.mp4

3-目标质心计算.mp4.mp4

4-视频数据遍历方法.mp4.mp4

5-缺陷区域提取.mp4.mp4

6-不同类型的缺陷检测方法.mp4.mp4

7-检测效果演示.mp4.mp4

11_图像分割deeplab系列算法

1-deeplab分割算法概述.mp4.mp4

2-空洞卷积的作用.mp4.mp4

3-感受野的意义.mp4.mp4

4-spp层的作用.mp4.mp4

5-aspp特征融合策略.mp4.mp4

6-deeplabv3plus版本网络架构.mp4.mp4

12_基于deeplabv3+版本进行voc分割实战

1-pascalvoc数据集介绍.mp4.mp4

2-项目参数与数据集读取.mp4.mp4

3-网络前向传播流程.mp4.mp4

4-aspp层特征融合.mp4.mp4

5-分割模型训练.mp4.mp4

13_deeplab铁质材料缺陷检测与开源项目应用流程

1-数据集与任务概述..mp4.mp4

2-开源项目应用方法.mp4.mp4

3-github与kaggle中需要注意的点.mp4.mp4

4-源码的利用方法.mp4.mp4

5-数据集制作方法.mp4.mp4

6-数据路径配置.mp4.mp4

7-训练模型.mp4.mp4

8-任务总结.mp4.mp4

2_物体检框架yolo-v4版本算法解读

10-pan模块解读.mp4.mp4

11-激活函数与整体架构总结.mp4.mp4

1-v4版本整体概述.mp4.mp4

2-v4版本贡献解读.mp4.mp4

3-数据增强策略分析.mp4.mp4

4-dropblock与标签平滑方法.mp4.mp4

5-损失函数遇到的问题.mp4.mp4

6-ciou损失函数定义.mp4.mp4

7-nms细节改进.mp4.mp4

8-spp与csp网络结构.mp4.mp4

9-sam注意力机制模块.mp4.mp4

3_物体检测框架yolov5版本项目配置

1-整体项目概述.mp4.mp4

2-训练自己的数据集方法.mp4.mp4

3-训练数据参数配置.mp4.mp4

4-测试demo演示.mp4.mp4

4_物体检测框架yolov5项目工程源码解读

10-完成配置文件解析任务.mp4.mp4

11-前向传播计算.mp4.mp4

12-bottleneckcsp层计算方法.mp4.mp4

13-1 spp层计算细节分析.mp4.mp4

13-2head层流程解读.mp4.mp4

14-上采样与拼接操作.mp4.mp4

15-输出结果分析.mp4.mp4

16-超参数解读.mp4.mp4

17-命令行参数介绍.mp4.mp4

18-训练流程解读.mp4.mp4

19-各种训练策略概述.mp4.mp4

1-数据源debug流程解读.mp4.mp4

20-模型迭代过程.mp4.mp4

2-图像数据源配置.mp4.mp4

3-加载标签数据.mp4.mp4

4-mosaic数据增强方法.mp4.mp4

5-数据四合一方法与流程演示.mp4.mp4

6-getitem构建batch.mp4.mp4

7-网络架构图可视化工具安装.mp4.mp4

8-v5网络配置文件解读.mp4.mp4

9-focus模块流程分析.mp4.mp4

5_基于yolov5的钢材缺陷检测实战

1-任务需求与项目概述.mp4.mp4

2-数据与标签配置方法.mp4.mp4

3-标签转换格式脚本制作.mp4.mp4

4-各版本模型介绍分析.mp4.mp4

5-项目参数配置.mp4.mp4

6-缺陷检测模型训练.mp4.mp4

7-输出结果与项目总结.mp4.mp4

6_semi-supervised布料缺陷检测实战

1-任务目标与流程概述.mp4.mp4

2-论文思想与模型分析.mp4.mp4

3-项目配置解读.mp4.mp4

4-网络流程分析.mp4.mp4

5-输出结果展示.mp4.mp4

7_opencv图像常用处理方法实例

1-腐蚀操作.mp4.mp4

1-计算机眼中的图像.mp4.mp4

1-图像阈值.mp4.mp4

2-膨胀操作.mp4.mp4

2-视频的读取与处理.mp4.mp4

2-图像平滑处理.mp4.mp4

3-roi区域.mp4.mp4

3-高斯与中值滤波.mp4.mp4

3-开运算与闭运算.mp4.mp4

4-边界填充.mp4.mp4

4-梯度计算.mp4.mp4

5-礼帽与黑帽.mp4.mp4

5-数值计算.mp4.mp4

8_opencv轮廓检测与直方图

1-图像金字塔定义.mp4.mp4

1-直方图定义.mp4.mp4

2-金字塔制作方法.mp4.mp4

2-均衡化原理.mp4.mp4

3-均衡化效果.mp4.mp4

3-轮廓检测方法.mp4.mp4

4-傅里叶概述.mp4.mp4

4-轮廓检测结果.mp4.mp4

5-轮廓特征与近似.mp4.mp4

5-频域变换结果.mp4.mp4

6-低通与高通滤波.mp4.mp4

6-模板匹配方法.mp4.mp4

7-匹配效果展示.mp4.mp4

8_opencv梯度计算与边缘检测实例

1-canny边缘检测流程.mp4.mp4

1-sobel算子.mp4.mp4

2-非极大值抑制.mp4.mp4

2-梯度计算方法.mp4.mp4

3-scharr与lapkacian算子.mp4.mp4

3-边缘检测效果.mp4.mp4

9_基于opencv缺陷检测项目实战

1-任务需求与环境配置.mp4.mp4

2-数据读取与基本处理.mp4.mp4

3-缺陷形态学操作.mp4.mp4

4-整体流程解读.mp4.mp4

5-缺陷检测效果演示.mp4.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.mp4

2-挑战与困难分析.mp4.mp4

3-评估标准rank1指标.mp4.mp4

4-map值计算方法.mp4.mp4

5-triplet损失计算实例.mp4.mp4

6-hard-negative方法应用.mp4.mp4

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.mp4

2-空间权重值计算流程分析.mp4.mp4

3-融合空间注意力所需特征.mp4.mp4

4-基于特征图的注意力计算.mp4.mp4

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.mp4

2-参数配置与整体架构分析.mp4.mp4

3-进入debug模式解读网络计算流程.mp4.mp4

4-获得空间位置点之间的关系.mp4.mp4

5-组合关系特征图.mp4.mp4

6-计算得到位置权重值.mp4.mp4

7-基于特征图的权重计算.mp4.mp4

8-损失函数计算实例解读.mp4.mp4

9-训练与测试模块演示.mp4.mp4

4_aaai2020顶会算法精讲

1-论文整体框架概述.mp4.mp4

2-局部特征与全局关系计算方法.mp4.mp4

3-特征分组方法.mp4.mp4

4-gcp模块特征融合方法.mp4.mp4

5-onevsreset方法实例.mp4.mp4

6-损失函数应用位置.mp4.mp4

5_项目实战-基于行人局部特征融合的再识别实战

10-得到所有分组特征结果.mp4.mp4

11-损失函数与训练过程演示.mp4.mp4

12-测试与验证模块.mp4.mp4

1-项目配置与数据集介绍.mp4.mp4

2-数据源构建方法分析.mp4.mp4

3-dataloader加载顺序解读.mp4.mp4

4-debug模式解读.mp4.mp4

5-网络计算整体流程演示.mp4.mp4

6-特征序列构建.mp4.mp4

7-gcp全局特征提取.mp4.mp4

8-局部特征提取实例.mp4.mp4

9-特征组合汇总.mp4.mp4

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.mp4

2-图卷积与匹配的作用.mp4.mp4

3-局部特征热度图计算.mp4.mp4

4-基于图卷积构建人体拓扑关系.mp4.mp4

5-图卷积模块实现方法.mp4.mp4

6-图匹配在行人重识别中的作用.mp4.mp4

7-整体算法框架分析.mp4.mp4

7_基于拓扑图的行人重识别项目实战

10-整体项目总结.mp4.mp4

1-数据集与环境配置概述.mp4.mp4

2-局部特征准备方法.mp4.mp4

3-得到一阶段热度图结果.mp4.mp4

4-阶段监督训练.mp4.mp4

5-初始化图卷积模型.mp4.mp4

6-mask矩阵的作用.mp4.mp4

7-邻接矩阵学习与更新.mp4.mp4

8-基于拓扑结构组合关键点特征.mp4.mp4

9-图匹配模块计算流程.mp4.mp4

16_对抗生成网络实战

1_课程介绍

课程介绍.mp4.mp4

2_对抗生成网络架构原理与实战解析

1-对抗生成网络通俗解释.mp4.mp4

2-gan网络组成.mp4.mp4

3-损失函数解释说明.mp4.mp4

4-数据读取模块.mp4.mp4

5-生成与判别网络定义.mp4.mp4

3_基于cyclegan开源项目实战图像合成

10-额外补充：visdom可视化配置.mp4.mp4

1-cyclegan网络所需数据.mp4.mp4

2-cyclegan整体网络架构.mp4.mp4

3-patchgan判别网络原理.mp4.mp4

4-cycle开源项目简介.mp4.mp4

5-数据读取与预处理操作.mp4.mp4

6-生成网络模块构造.mp4.mp4

7-判别网络模块构造.mp4.mp4

8-损失函数：identity loss计算方法.mp4.mp4

9-生成与判别损失函数指定.mp4.mp4

4_stargan论文架构解析

1-stargan效果演示分析.mp4.mp4

2-网络架构整体思路解读.mp4.mp4

3-建模流程分析.mp4.mp4

4-v1版本存在的问题及后续改进思路.mp4.mp4

5-v2版本在整体网络架构.mp4.mp4

6-编码器训练方法.mp4.mp4

7-损失函数公式解析.mp4.mp4

8-训练过程分析.mp4.mp4

5_stargan项目实战及其源码解读

10-测试模块效果与实验分析.mp4.mp4

1-项目配置与数据源下载.mp4.mp4

2-测试效果演示.mp4.mp4

3-项目参数解析.mp4.mp4

4-生成器模块源码解读.mp4.mp4

5-所有网络模块构建实例.mp4.mp4

6-数据读取模块分析.mp4.mp4

7-判别器损失计算.mp4.mp4

8-损失计算详细过程.mp4.mp4

9-生成模块损失计算.mp4.mp4

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.mp4

2-vcc2016输入数据.mp4.mp4

3-语音特征提取.mp4.mp4

4-生成器模型架构分析.mp4.mp4

5-instancenorm的作用解读.mp4.mp4

6-adain的目的与效果.mp4.mp4

7-判别器模块分析.mp4.mp4

7_starganvc2变声器项目实战及其源码解读

10-源码损失计算流程.mp4.mp4

11-测试模块-生成转换语音.mp4.mp4

1-数据与项目文件解读.mp4.mp4

2-环境配置与工具包安装.mp4.mp4

3-数据预处理与声音特征提取.mp4.mp4

4-生成器构造模块解读.mp4.mp4

5-下采样与上采样操作.mp4.mp4

6-starganvc2版本标签输入分析.mp4.mp4

7-生成器前向传播维度变化.mp4.mp4

8-判别器模块解读.mp4.mp4

9-论文损失函数.mp4.mp4

8_图像超分辨率重构实战

1-论文概述.mp4.mp4

2-网络架构.mp4.mp4

3-数据与环境配置.mp4.mp4

4-数据加载与配置.mp4.mp4

5-生成模块.mp4.mp4

6-判别模块.mp4.mp4

7-vgg特征提取网络.mp4.mp4

8-损失函数与训练.mp4.mp4

9-测试模块.mp4.mp4

9_基于gan的图像补全实战

1-.论文概述.mp4.mp4

2-网络架构11.mp4.mp4

3- 细节设计.mp4.mp4

4- 论文总结.mp4.mp4

5- 数据与项目概述.mp4.mp4

6- 参数基本设计.mp4.mp4

7- 网络结构配置.mp4.mp4

8- 网络迭代训练.mp4.mp4

9- 测试模块.mp4.mp4

17_强化学习实战系列

1_强化学习简介及其应用

1-一张图通俗解释强化学习.mp4.mp4

2-强化学习的指导依据.mp4.mp4

3-强化学习ai游戏demo.mp4.mp4

4-应用领域简介.mp4.mp4

5-强化学习工作流程.mp4.mp4

6-计算机眼中的状态与行为.mp4.mp4

2_ppo算法与公式推导

1-基本情况介绍.mp4.mp4

2-与环境交互得到所需数据.mp4.mp4

3-要完成的目标分析.mp4.mp4

4-策略梯度推导.mp4.mp4

5-baseline方法.mp4.mp4

6-onpolicy与offpolicy策略.mp4.mp4

7-importance sampling的作用.mp4.mp4

8-ppo算法整体思路解析.mp4.mp4

3_ppo实战-月球登陆器训练实例

1-critic的作用与效果.mp4.mp4

2-ppo2版本公式解读.mp4.mp4

3-参数与网络结构定义.mp4.mp4

4-得到动作结果.mp4.mp4

5-奖励获得与计算.mp4.mp4

6-参数迭代与更新.mp4.mp4

4_q-learning与dqn算法

1-算法原理通俗解读.mp4.mp4

2-目标函数与公式解析.mp4.mp4

3-qlearning算法实例解读.mp4.mp4

4-q值迭代求解.mp4.mp4

5-dqn简介.mp4.mp4

5_dqn算法实例演示

1-整体任务流程演示.mp4.mp4

2-探索与action获取.mp4.mp4

3-计算target值.mp4.mp4

4-训练与更新.mp4.mp4

6_dqn改进与应用技巧

1-doubledqn要解决的问题.mp4.mp4

2-duelingdqn改进方法.mp4.mp4

3-dueling整体网络架构分析.mp4.mp4

4-multisetp策略.mp4.mp4

5-连续动作处理方法.mp4.mp4

7_actor-critic算法分析（a3c）

1-ac算法回顾与知识点总结.mp4.mp4

2-优势函数解读与分析.mp4.mp4

3-计算流程实例.mp4.mp4

4-a3c整体架构分析.mp4.mp4

5-损失函数整理.mp4

8_用a3c玩转超级马里奥

1-整体流程与环境配置.mp4.mp4

2-启动游戏环境.mp4.mp4

3-要计算的指标回顾.mp4.mp4

4-初始化局部模型并加载参数.mp4.mp4

5-与环境交互得到训练数据.mp4.mp4

6-训练网络模型.mp4.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

10-1vgg网络架构.mp4.mp4

11-1残差网络resnet.mp4.mp4

1-1卷积神经网络应用领域.mp4.mp4

12-感受野的作用.mp4.mp4

2-1卷积的作用.mp4.mp4

3-1卷积特征值计算方法.mp4.mp4

4-1得到特征图表示.mp4.mp4

5-1步长与卷积核大小对结果的影响.mp4.mp4

6-1边缘填充方法.mp4.mp4

7-1特征图尺寸计算与参数共享.mp4.mp4

8-1池化层的作用.mp4.mp4

9-1整体网络架构.mp4.mp4

10_基于deeplab的心脏视频数据诊断分析

1-数据集与任务概述1.mp4.mp4

2-项目基本配置参数1.mp4.mp4

3-任务流程解读1.mp4.mp4

4-文献报告分析1.mp4.mp4

5-补充：视频数据源特征处理方法概述1.mp4.mp4

6-补充：r(2plus1)d处理方法分析1.mp4.mp4

11_yolo系列物体检测算法原理解读

10-pan模块解读.mp4.mp4

11-激活函数与整体架构总结.mp4.mp4

1-v2版本细节升级概述.mp4.mp4

1-v3版本改进概述.mp4.mp4

1-v4版本整体概述.mp4.mp4

1-yolo算法整体思路解读.mp4.mp4

1-检测任务中阶段的意义.mp4.mp4

2-v4版本贡献解读.mp4.mp4

2-不同阶段算法优缺点分析.mp4.mp4

2-多scale方法改进与特征融合.mp4.mp4

2-检测算法要得到的结果.mp4.mp4

2-网络结构特点.mp4.mp4

3-iou指标计算.mp4.mp4

3-架构细节解读.mp4.mp4

3-经典变换方法对比分析.mp4.mp4

3-数据增强策略分析.mp4.mp4

3-整体网络架构解读.mp4.mp4

4-dropblock与标签平滑方法.mp4.mp4

4-残差连接方法解读.mp4.mp4

4-基于聚类来选择先验框尺寸.mp4.mp4

4-评估所需参数计算.mp4.mp4

4-位置损失计算.mp4.mp4

5-map指标计算.mp4.mp4

5-偏移量计算方法.mp4.mp4

5-损失函数遇到的问题.mp4.mp4

5-整体网络模型架构分析.mp4.mp4

5-置信度误差与优缺点分析.mp4.mp4

6-ciou损失函数定义.mp4.mp4

6-先验框设计改进.mp4.mp4

6-坐标映射与还原.mp4.mp4

7-nms细节改进.mp4.mp4

7-sotfmax层改进.mp4.mp4

7-感受野的作用.mp4.mp4

8-spp与csp网络结构.mp4.mp4

8-特征融合改进.mp4.mp4

9-sam注意力机制模块.mp4.mp4

12_基于yolo5细胞检测实战

1-任务与细胞数据集介绍.mp4.mp4

2-模型与算法配置参数解读.mp4.mp4

3-网络训练流程演示.mp4.mp4

4-效果评估与展示.mp4.mp4

5-细胞检测效果演示.mp4.mp4

13_知识图谱原理解读

1-数据关系抽取分析.mp4.mp4

1-知识图谱通俗解读.mp4.mp4

2-常用nlp技术点分析.mp4.mp4

2-知识图谱在搜索引擎中的应用.mp4.mp4

3-graph-embedding的作用与效果.mp4.mp4

3-知识图谱在医疗领域应用实例.mp4.mp4

4-金融领域图编码实例.mp4.mp4

4-金融与推荐领域的应用.mp4.mp4

5-视觉领域图编码实例.mp4.mp4

5-数据获取分析.mp4.mp4

6-图谱知识融合与总结分析.mp4.mp4

14_neo4j数据库实战

1-neo4j图数据库介绍.mp4.mp4

2-neo4j数据库安装流程演示.mp4.mp4

3-可视化例子演示.mp4.mp4

4-创建与删除操作演示.mp4.mp4

5-数据库更改查询操作演示.mp4.mp4

15_基于知识图谱的医药问答系统实战

10-完成对话系统构建.mp4.mp4

1-项目概述与整体架构分析.mp4.mp4

2-医疗数据介绍及其各字段含义.mp4.mp4

3-任务流程概述.mp4.mp4

4-环境配置与所需工具包安装.mp4.mp4

5-数据获取分析.mp4.mp4

5-提取数据中的关键字段信息.mp4.mp4

6-创建关系边.mp4.mp4

7-打造医疗知识图谱模型.mp4.mp4

8-加载所有实体数据.mp4.mp4

9-实体关键词字典制作.mp4.mp4

16_词向量模型与rnn网络架构

2-1词向量模型通俗解释.mp4.mp4

3-1模型整体框架.mp4.mp4

4-1训练数据构建.mp4.mp4

5-1cbow与skip-gram模型.mp4.mp4

6-1负采样方案.mp4.mp4

额外补充-rnn网络模型解读.mp4.mp4

17_医学糖尿病数据命名实体识别

1-数据与任务介绍1.mp4.mp4

2-整体模型架构1.mp4.mp4

3-数据-标签-语料库处理1.mp4.mp4

4-输入样本填充补齐1.mp4.mp4

5-训练网络模型1.mp4.mp4

6-医疗数据集（糖尿病）实体识别1.mp4.mp4

2_pytorch框架基本处理操作

1-pytorch实战课程简介.mp4.mp4

2-pytorch框架发展趋势简介1.mp4.mp4

3-框架安装方法（cpu与gpu版本）1.mp4.mp4

4-pytorch基本操作简介1.mp4.mp4

5-自动求导机制.mp4.mp4

6线性回归demo-数据与参数配置1.mp4.mp4

7线性回归demo-训练回归模型1.mp4.mp4

8常见tensor格式1.mp4.mp4

9hub模块简介1.mp4.mp4

3_pytorch框架必备核心模块解读

10-加载训练好的网络模型1.mp4.mp4

11-优化器模块配置1.mp4.mp4

12-实现训练模块1.mp4.mp4

13-训练结果与模型保存1.mp4.mp4

14-加载模型对测试数据进行预测1.mp4.mp4

15-额外补充-resnet论文解读1.mp4.mp4

16-额外补充-resnet网络架构解读1.mp4.mp4

1-卷积网络参数定义1.mp4.mp4

2-网络流程解读1.mp4.mp4

3-vision模块功能解读1.mp4.mp4

4-分类任务数据集定义与配置1.mp4.mp4

5-图像增强的作用1.mp4.mp4

6-数据预处理与数据增强模块1.mp4.mp4

7-batch数据制作1.mp4.mp4

8-迁移学习的目标1.mp4.mp4

9-迁移学习策略1.mp4.mp4

4_基于resnet的医学数据集分类实战

1-医学疾病数据集介绍.mp4.mp4

2-resnet网络架构原理分析.mp4.mp4

3-dataloader加载数据集.mp4.mp4

4-resnet网络前向传播.mp4.mp4

5-残差网络的shortcut操作.mp4.mp4

6-特征图升维与降采样操作.mp4.mp4

7-网络整体流程与训练演示.mp4.mp4

5_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

2-分割任务中的目标函数定义.mp4.mp4

3-miou评估标准.mp4.mp4

6_unet系列算法讲解

1-unet网络编码与解码过程.mp4.mp4

2-网络计算流程1.mp4.mp4

3-unet升级版本改进1.mp4.mp4

4-后续升级版本介绍1.mp4.mp4

7_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

2-数据增强工具.mp4.mp4

3-debug模式演示网络计算流程.mp4.mp4

4-特征融合方法演示.mp4.mp4

5-迭代完成整个模型计算任务.mp4.mp4

6-模型效果验证.mp4.mp4

8_deeplab系列算法

1-deeplab分割算法概述.mp4.mp4

2-空洞卷积的作用.mp4.mp4

3-感受野的意义.mp4.mp4

4-spp层的作用.mp4.mp4

5-aspp特征融合策略.mp4.mp4

6-deeplabv3plus版本网络架构.mp4.mp4

9_基于deeplabv3+版本进行voc分割实战

1-pascalvoc数据集介绍.mp4.mp4

2-项目参数与数据集读取.mp4.mp4

3-网络前向传播流程.mp4.mp4

4-aspp层特征融合.mp4.mp4

5-分割模型训练.mp4.mp4

19_深度学习模型部署与剪枝优化实战

3_pytorch框架部署实践

0-课程简介12.mp4.mp4

1-所需基本环境配置.mp4.mp4

2-模型加载与数据预处理.mp4.mp4

3-接收与预测模块实现.mp4.mp4

4-效果实例演示.mp4.mp4

4_yolo-v3物体检测部署实例

1-项目所需配置文件介绍.mp4.mp4

2-加载参数与模型权重.mp4.mp4

3-数据预处理.mp4.mp4

4-返回线性预测结果.mp4.mp4

5_docker实例演示

1-docker简介.mp4.mp4

2-docker安装与配置.mp4.mp4

3-阿里云镜像配置.mp4.mp4

4-基于docker配置pytorch环境.mp4.mp4

5-安装演示环境所需依赖.mp4.mp4

6-复制所需配置到容器中.mp4.mp4

7-上传与下载配置好的项目.mp4.mp4

6_tensorflow-serving实战

1-tf-serving项目获取与配置.mp4.mp4

2-加载并启动模型服务.mp4.mp4

3-测试模型部署效果.mp4.mp4

4-fashion数据集获取.mp4.mp4

5-加载fashion模型启动服务.mp4.mp4

7_模型剪枝-network slimming算法分析

1-论文算法核心框架概述.mp4.mp4

2-batchnorm要解决的问题.mp4.mp4

3-bn的本质作用.mp4.mp4

4-额外的训练参数解读.mp4.mp4

5-稀疏化原理与效果.mp4.mp4

8_模型剪枝-network slimming实战解读

1-整体案例流程解读.mp4.mp4

2-加入l1正则化来进行更新.mp4.mp4

3-剪枝模块介绍.mp4.mp4

4-筛选需要的特征图.mp4.mp4

5-剪枝后模型参数赋值.mp4.mp4

6-微调完成剪枝模型.mp4.mp4

9_mobilenet三代网络模型架构

10-v2整体架构与效果分析.mp4.mp4

11-v3版本网络架构分析.mp4.mp4

12-se模块作用与效果解读.mp4.mp4

13-代码实现mobilenetv3网络架构.mp4.mp4

1-模型剪枝分析.mp4.mp4

2-常见剪枝方法介绍.mp4.mp4

3-mobilenet简介.mp4.mp4

4-经典卷积计算量与参数量分析.mp4.mp4

5-深度可分离卷积的作用与效果.mp4.mp4

6-参数与计算量的比较.mp4.mp4

7-v1版本效果分析.mp4.mp4

8-v2版本改进以及relu激活函数的问题.mp4.mp4

9-倒残差结构的作用.mp4.mp4

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

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

3-递归神经网络算法解读.mp4

20_自然语言处理经典案例实战

20_自然语言处理经典案例实战.zip

21_自然语言处理通用框架-bert实战

21_自然语言处理通用框架-bert实战.zip

22_知识图谱实战系列

22_知识图谱实战系列.zip

23_语音识别实战系列

23_语音识别实战系列.zip

24_推荐系统实战系列

24_推荐系统实战系列.zip

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

2-cpu与gpu版本安装方法解读1.mp4.mp4

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

2-基本模块应用测试2.mp4.mp4

3-网络结构定义方法2.mp4.mp4

4-数据源定义简介2.mp4.mp4

5-损失与训练模块分析2.mp4.mp4

6-训练一个基本的分类模型2.mp4.mp4

7-参数对结果的影响2.mp4.mp4

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

4_卷积网络参数解读分析

1-输入特征通道分析2.mp4.mp4

2-卷积网络参数解读2.mp4.mp4

3-卷积网络模型训练2.mp4.mp4

5_图像识别模型与训练策略（重点）

10-测试结果演示分析1.mp4.mp4

1-任务分析与图像数据基本处理2.mp4.mp4

2-数据增强模块2.mp4.mp4

3-数据集与模型选择1.mp4.mp4

4-迁移学习方法解读1.mp4.mp4

5-输出层与梯度设置1.mp4.mp4

6-输出类别个数修改1.mp4.mp4

7-优化器与学习率衰减1.mp4.mp4

8-模型训练方法1.mp4.mp4

9-重新训练全部模型1.mp4.mp4

6_dataloader自定义数据集制作

1-dataloader要完成的任务分析1.mp4.mp4

2-图像数据与标签路径处理1.mp4.mp4

3-dataloader中需要实现的方法分析1.mp4.mp4

4-实用dataloader加载数据并训练模型1.mp4.mp4

7_lstm文本分类实战

1-数据集与任务目标分析1.mp4.mp4

2-文本数据处理基本流程分析1.mp4.mp4

3-命令行参数与debug1.mp4.mp4

4-训练模型所需基本配置参数分析1.mp4.mp4

5-预料表与字符切分1.mp4.mp4

6-字符预处理转换id1.mp4.mp4

7-lstm网络结构基本定义1.mp4.mp4

8-网络模型预测结果输出1.mp4.mp4

9-模型训练任务与总结1.mp4.mp4

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

2-服务端处理与预测函数.mp4.mp4

3-基于flask测试模型预测结果.mp4.mp4

4_mmlab实战系列

1_mmcv安装方法

mmcv安装方法.mp4

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

2-配置文件参数设置.mp4.mp4

3-neck层特征组合.mp4.mp4

4-损失函数模块概述.mp4.mp4

5-损失计算方法.mp4.mp4

11_第四模块：aninet文字识别

1-数据集与环境概述.mp4.mp4

2-配置文件修改方法.mp4.mp4

3-bakbone模块得到特征.mp4.mp4

4-视觉transformer模块的作用.mp4.mp4

5-视觉模型中的编码与解码的效果.mp4.mp4

6-文本模型中的结构分析.mp4.mp4

7-迭代修正模块.mp4.mp4

8-输出层与损失计算.mp4.mp4

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

2-kie数据集格式调整方法.mp4.mp4

3-配置文件与标签要进行处理操作.mp4.mp4

4-边框要计算的特征分析.mp4.mp4

5-标签数据处理与关系特征提取.mp4.mp4

6-特征合并处理.mp4.mp4

7-准备拼接边与点特征.mp4.mp4

8-整合得到图模型输入特征.mp4.mp4

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

2-得到style特征编码.mp4.mp4

3-特征编码风格拼接.mp4.mp4

4-基础风格特征卷积模块.mp4.mp4

5-上采样得到输出结果.mp4.mp4

6-损失函数概述.mp4.mp4

13_第六模块：basicvsr++视频超分辨重构源码解读

10-传播流程整体完成一圈.mp4

11-完成输出结果.mp4.mp4

1-要完成的任务分析与配置文件.mp4.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1.mp4.mp4

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.mp4

14_第七模块：多模态3d目标检测算法源码解读

10-3d卷积特征融合.mp4

11-输出层预测结果.mp4

1-环境配置与数据集概述.mp4

2-数据与标注文件介绍.mp4

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-体素索引位置获取.mp4.mp4

6-体素特征提取方法解读.mp4

7-体素特征计算方法分析.mp4

8-全局体素特征提取.mp4

9-多模态特征融合.mp4

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

3-训练t与s得到蒸馏模型.mp4

4-开始模型训练过程与问题修正.mp4

5-日志输出与模型分离.mp4

6-分别得到teacher与student模型.mp4

7-实际测试效果演示.mp4

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

2-搜索匹配到符合计算量的模型并训练.mp4

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

18_额外补充

在源码中加入各种注意力机制方法.mp4

2_第一模块：分类任务基本操作

1-准备mmcls项目.mp4

2-基本参数配置解读.mp4

3-各模块配置文件组成.mp4

4-生成完整配置文件.mp4

5-根据文件夹定义数据集.mp4

6-构建自己的数据集.mp4

7-训练自己的任务.mp4

mmcls问题修正1.mp4

3_第一模块：训练结果测试与验证

1-测试demo效果.mp4

2-测试评估模型效果.mp4

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

4_第一模块：模型源码debug演示

1-vit任务概述.mp4

2-数据增强模块概述分析.mp4

3-patchembedding层.mp4

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-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

4-加载预训练模型开始训练.mp4

5-预测demo演示.mp4

6_第二模块：基于unet进行各种策略修改

1-配置文件解读.mp4

2-编码层模块.mp4

3-上采样与输出层.mp4

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

7_第二模块：分割任务cvpr最新backbone设计及其应用

10-汇总多层级特征进行输出.mp4.mp4

1-注册自己的backbone模块.mp4.mp4

2-配置文件指定.mp4.mp4

3-debug解读backbone设计.mp4.mp4

4-patchembedding的作用与实现.mp4.mp4

5-卷积位置编码计算方法.mp4.mp4

6-近似attention模块实现.mp4.mp4

7-完成特征提取与融合模块.mp4.mp4

8-分割任务输出模块.mp4.mp4

9-全局特征的作用与实现.mp4.mp4

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

2-coco数据标注格式.mp4.mp4

3-通过脚本生成coco数据格式.mp4.mp4

4-配置文件数据增强策略分析.mp4.mp4

5-训练所需配置说明.mp4.mp4

6-模型训练与demo演示.mp4.mp4

7-模型测试与可视化分析模块.mp4.mp4

8-补充：评估指标.mp4.mp4

9_第三模块：deformabledetr物体检测源码分析

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

1-特征提取与位置编码.mp4

2-序列特征展开并叠加.mp4

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

7-偏移量对齐操作.mp4

8-encoder层完成特征对齐.mp4

9-decoder要完成的操作.mp4

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

2-notebook与ide环境.mp4.mp4

2-python与opencv配置安装.mp4.mp4

10_项目实战-文档扫描ocr识别

1-整体流程演示.mp4.mp4

2-文档轮廓提取.mp4.mp4

3-原始与变换坐标计算.mp4.mp4

4-透视变换结果.mp4.mp4

5-tesseract-ocr安装配置.mp4.mp4

6-文档扫描识别效果.mp4.mp4

11_图像特征-harris

1-角点检测基本原理.mp4.mp4

2-基本数学原理.mp4.mp4

3-求解化简.mp4.mp4

4-特征归属划分.mp4.mp4

5-opencv角点检测效果.mp4.mp4

12_图像特征-sift

1-尺度空间定义.mp4.mp4

2-高斯差分金字塔.mp4.mp4

3-特征关键点定位.mp4.mp4

4-生成特征描述.mp4.mp4

5-特征向量生成.mp4.mp4

6-opencv中sift函数使用.mp4.mp4

13_案例实战-全景图像拼接

1-特征匹配方法.mp4.mp4

2-ransac算法.mp4.mp4

2-图像拼接方法.mp4.mp4

4-流程解读.mp4.mp4

14_项目实战-停车场车位识别

1-任务整体流程.mp4.mp4

2-所需数据介绍.mp4.mp4

3-图像数据预处理.mp4.mp4

4-车位直线检测.mp4.mp4

5-按列划分区域.mp4.mp4

6-车位区域划分.mp4.mp4

7-识别模型构建.mp4(1).mp4

7-识别模型构建.mp4.mp4

8-基于视频的车位检测.mp4.mp4

15_项目实战-答题卡识别判卷

1-整体流程与效果概述.mp4.mp4

2-预处理操作.mp4.mp4

3-填涂轮廓检测.mp4.mp4

4-选项判断识别.mp4.mp4

16_背景建模

1-背景消除-帧差法.mp4.mp4

2-混合高斯模型.mp4.mp4

3-学习步骤.mp4.mp4

4-背景建模实战.mp4.mp4

17_光流估计

1-基本概念.mp4.mp4

2-lucas-kanade算法.mp4.mp4

3-推导求解.mp4.mp4

4-光流估计实战.mp4.mp4

18_opencv的dnn模块

1-dnn模块.mp4.mp4

2-模型加载结果输出.mp4.mp4

19_项目实战-目标追踪

1-目标追踪概述.mp4.mp4

2-多目标追踪实战.mp4.mp4

3-深度学习检测框架加载.mp4.mp4

4-基于dlib与ssd的追踪.mp4.mp4

5-多进程目标追踪.mp4.mp4

6-多进程效率提升对比.mp4.mp4

2_图像基本操作

1-计算机眼中的图像.mp4.mp4

2-视频的读取与处理.mp4.mp4

3-roi区域.mp4.mp4

4-边界填充.mp4.mp4

5-数值计算.mp4.mp4

20_卷积原理与操作

1-卷积神经网络的应用.mp4.mp4

1-卷积效果演示.mp4.mp4

2-卷积操作流程.mp4.mp4

2-卷积层解释.mp4.mp4

3-卷积计算过程.mp4.mp4

4-pading与stride.mp4.mp4

5-卷积参数共享.mp4.mp4

6-池化层原理.mp4.mp4

21_项目实战-疲劳检测

1-关键点定位概述.mp4.mp4

2-获取人脸关键点.mp4.mp4

3-定位效果演示.mp4.mp4

4-闭眼检测.mp4.mp4

5-检测效果.mp4.mp4

3_阈值与平滑处理

1-图像平滑处理.mp4.mp4

2-高斯与中值滤波.mp4.mp4

图像阈值.mp4.mp4

4_图像形态学操作

1-腐蚀操作.mp4.mp4

2-膨胀操作.mp4.mp4

3-开运算与闭运算.mp4.mp4

4-梯度计算.mp4.mp4

5-礼帽与黑帽.mp4.mp4

5_图像梯度计算

1-sobel算子.mp4.mp4

2-梯度计算方法.mp4.mp4

3-scharr与lapkacian算子.mp4.mp4

6_边缘检测

1-canny边缘检测流程.mp4.mp4

2-非极大值抑制.mp4.mp4

3-边缘检测效果.mp4.mp4

666java下载必看

看看我【www.】.zip

课程总结.mp4

面试合集.txt

软件下载.txt

下载必看.txt

资料2.zip

7_图像金字塔与轮廓检测

1-轮廓检测方法.mp4.mp4

1-模板匹配方法.mp4.mp4

1-图像金字塔定义.mp4.mp4

2-金字塔制作方法.mp4.mp4

2-轮廓检测结果.mp4.mp4

2-匹配效果展示.mp4.mp4

3-轮廓特征与近似.mp4.mp4

8_直方图与傅里叶变换

1-傅里叶概述.mp4.mp4

1-直方图定义.mp4.mp4

2-均衡化原理.mp4.mp4

2-频域变换结果.mp4.mp4

3-低通与高通滤波.mp4.mp4

3-均衡化效果.mp4.mp4

9_项目实战-信用卡数字识别

2-环境配置与预处理.mp4.mp4

3-模板处理方法.mp4.mp4

4-输入数据处理方法.mp4.mp4

5-模板匹配得出识别结果.mp4.mp4

总体流程与方法讲解.mp4.mp4

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

2-不同阶段算法优缺点分析.mp4.mp4

3-iou指标计算.mp4.mp4

4-评估所需参数计算.mp4.mp4

5-map指标计算.mp4.mp4

10_efficientnet网络

第八课：efficientnet网络模型.mp4.mp4

11_efficientdet检测算法

第十一章：efficientdet检测算法.mp4.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.mp4

2-整体网络架构分析.mp4.mp4

3-位置信息初始化query向量.mp4.mp4

4-注意力机制的作用方法.mp4.mp4

5-训练过程的策略.mp4.mp4

13_detr目标检测源码解读

1-项目环境配置解读.mp4.mp4

2-数据处理与dataloader.mp4.mp4

3-位置编码作用分析.mp4.mp4

4-backbone特征提取模块.mp4.mp4

5-mask与编码模块.mp4.mp4

6-编码层作用方法.mp4.mp4

7-decoder层操作与计算.mp4.mp4

8-输出预测结果.mp4.mp4

9-损失函数与预测输出.mp4.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.mp4

3-整体网络架构解读.mp4.mp4

4-位置损失计算.mp4.mp4

5-置信度误差与优缺点分析.mp4.mp4

yolo算法整体思路解读.mp4.mp4

3_yolo-v2改进细节详解

2-网络结构特点.mp4.mp4

3-架构细节解读.mp4.mp4

4-基于聚类来选择先验框尺寸.mp4.mp4

5-偏移量计算方法.mp4.mp4

6-坐标映射与还原.mp4.mp4

7-感受野的作用.mp4.mp4

8-特征融合改进.mp4.mp4

v2版本细节升级概述.mp4.mp4

4_yolo-v3核心网络模型

1-v3版本改进概述.mp4.mp4

2-多scale方法改进与特征融合.mp4.mp4

3-经典变换方法对比分析.mp4.mp4

4-残差连接方法解读.mp4.mp4

5-整体网络模型架构分析.mp4.mp4

6-先验框设计改进.mp4.mp4

7-sotfmax层改进.mp4.mp4

5_项目实战-基于v3版本进行源码解读

10-网格偏移计算.mp4.mp4

11-模型要计算的损失概述.mp4.mp4

12-标签值格式修改.mp4.mp4

13-坐标相对位置计算.mp4.mp4

14-完成所有损失函数所需计算指标.mp4.mp4

15-模型训练与总结.mp4.mp4

16-预测效果展示.mp4.mp4

1-数据与环境配置.mp4.mp4

2-训练参数设置.mp4.mp4

3-数据与标签读取.mp4.mp4

4-标签文件读取与处理.mp4.mp4

5-debug模式介绍.mp4.mp4

6-基于配置文件构建网络模型.mp4.mp4

7-路由层与shortcut层的作用.mp4.mp4

8-yolo层定义解析.mp4.mp4

9-预测结果计算.mp4.mp4

6_基于yolo-v3训练自己的数据集与任务

1-labelme工具安装.mp4.mp4

2-数据信息标注.mp4.mp4

3-完成标签制作.mp4.mp4

4-生成模型所需配置文件.mp4.mp4

5-json格式转换成yolo-v3所需输入.mp4.mp4

6-完成输入数据准备工作.mp4.mp4

7-训练代码与参数配置更改.mp4.mp4

8-训练模型并测试效果.mp4.mp4

7_yolo-v4版本算法解读

10-pan模块解读.mp4.mp4

11-激活函数与整体架构总结.mp4.mp4

1-v4版本整体概述.mp4.mp4

2-v4版本贡献解读.mp4.mp4

3-数据增强策略分析.mp4.mp4

4-dropblock与标签平滑方法.mp4.mp4

5-损失函数遇到的问题.mp4.mp4

6-ciou损失函数定义.mp4.mp4

7-nms细节改进.mp4.mp4

8-spp与csp网络结构.mp4.mp4

9-sam注意力机制模块.mp4.mp4

8_v5版本项目配置

1-整体项目概述.mp4.mp4

2-训练自己的数据集方法.mp4.mp4

3-训练数据参数配置.mp4.mp4

4-测试demo演示.mp4.mp4

9_v5项目工程源码解读

10-完成配置文件解析任务.mp4.mp4

11-前向传播计算.mp4.mp4

12-bottleneckcsp层计算方法.mp4.mp4

13-1 spp层计算细节分析.mp4.mp4

13-head层流程解读.mp4.mp4

14-上采样与拼接操作.mp4.mp4

15-输出结果分析.mp4.mp4

16-超参数解读.mp4.mp4

17-命令行参数介绍.mp4.mp4

18-训练流程解读.mp4.mp4

19-各种训练策略概述.mp4.mp4

1-数据源debug流程解读.mp4.mp4

20-模型迭代过程.mp4.mp4

2-图像数据源配置.mp4.mp4

3-加载标签数据.mp4.mp4

4-mosaic数据增强方法.mp4.mp4

5-数据四合一方法与流程演示.mp4.mp4

6-getitem构建batch.mp4.mp4

7-网络架构图可视化工具安装.mp4.mp4

8-v5网络配置文件解读.mp4.mp4

9-focus模块流程分析.mp4.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.mp4

2-分割任务中的目标函数定义.mp4.mp4

3-miou评估标准.mp4.mp4

10_maskrcnn网络框架源码详解

10-roipooling层的作用与目的.mp4.mp4

11-roralign操作的效果.mp4.mp4

12-整体框架回顾.mp4.mp4

1-fpn层特征提取原理解读.mp4.mp4

2-fpn网络架构实现解读.mp4.mp4

3-生成框比例设置.mp4.mp4

4-基于不同尺度特征图生成所有框.mp4.mp4

5-rpn层的作用与实现解读.mp4.mp4

6-候选框过滤方法.mp4.mp4

7-proposal层实现方法.mp4.mp4

8-detectiontarget层的作用.mp4.mp4

9-正负样本选择与标签定义.mp4.mp4

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

2-使用labelme进行数据与标签标注.mp4.mp4

3-完成训练数据准备工作.mp4.mp4

4-maskrcnn源码修改方法.mp4.mp4

5-基于标注数据训练所需任务.mp4.mp4

6-测试与展示模块.mp4.mp4

2_卷积神经网络原理与参数解读

10-vgg网络架构.mp4.mp4

11-残差网络resnet.mp4.mp4

12-感受野的作用.mp4.mp4

1-卷积神经网络应用领域.mp4.mp4

2-卷积的作用.mp4.mp4

3-卷积特征值计算方法.mp4.mp4

4-得到特征图表示.mp4.mp4

5-步长与卷积核大小对结果的影响.mp4.mp4

6-边缘填充方法.mp4.mp4

7-特征图尺寸计算与参数共享.mp4.mp4

8-池化层的作用.mp4.mp4

9-1整体网络架构.mp4.mp4

3_unet系列算法讲解

1-unet网络编码与解码过程.mp4.mp4

2-网络计算流程.mp4.mp4

3-unet升级版本改进.mp4.mp4

4-后续升级版本介绍.mp4.mp4

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

2-数据增强工具.mp4.mp4

3-debug模式演示网络计算流程.mp4.mp4

4-特征融合方法演示.mp4.mp4

5-迭代完成整个模型计算任务.mp4.mp4

6-模型效果验证.mp4.mp4

5_u2net显著性检测实战

1-任务目标与网络整体介绍.mp4.mp4

2-显著性检测任务与目标概述.mp4.mp4

3-编码器模块解读.mp4.mp4

4-解码器输出结果.mp4.mp4

5-损失函数与应用效果.mp4.mp4

6_deeplab系列算法

1-deeplab分割算法概述.mp4.mp4

2-空洞卷积的作用.mp4.mp4

3-感受野的意义.mp4.mp4

4-spp层的作用.mp4.mp4

5-aspp特征融合策略.mp4.mp4

6-deeplabv3plus版本网络架构.mp4.mp4

7_基于deeplabv3+版本进行voc分割实战

1-pascalvoc数据集介绍.mp4.mp4

2-项目参数与数据集读取.mp4.mp4

3-网络前向传播流程.mp4.mp4

4-aspp层特征融合.mp4.mp4

5-分割模型训练.mp4.mp4

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

2-项目基本配置参数.mp4.mp4

3-任务流程解读.mp4.mp4

4-文献报告分析.mp4.mp4

5-补充：视频数据源特征处理方法概述.mp4.mp4

6-补充：r(2plus1)d处理方法分析.mp4.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.mp4

0-参数配置.mp4.mp4

0-开源项目数据集.mp4.mp4

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

2-核心网络结构模块分析.mp4.mp4

3-数据采样曾的作用.mp4.mp4

4-模型网络结构设计.mp4.mp4

5-特征融合模块与总结分析.mp4.mp4

2_slowfast项目环境配置与配置文件

1-环境基本配置解读.mp4.mp4

2-目录各文件分析.mp4.mp4

3-配置文件作用解读.mp4.mp4

4-测试demo演示1.mp4.mp4

5-训练所需标签文件说明.mp4.mp4

6-训练所需视频数据准备.mp4.mp4

7-视频数据集切分操作.mp4.mp4

8-完成视频分帧操作.mp4.mp4

3_slowfast源码详细解读

10-roialign与输出层1.mp4.mp4

1-模型所需配置文件参数读取1.mp4.mp4

2-数据处理概述1.mp4.mp4

3-dataloader数据遍历方法1.mp4.mp4

4-数据与标签读取实例1.mp4.mp4

5-图像数据所需预处理方法1.mp4.mp4

6-slow与fast分别执行采样操作1.mp4.mp4

7-分别计算特征图输出结果1.mp4.mp4

8-slow与fast特征图拼接操作1.mp4.mp4

9-resnetbolock操作1.mp4.mp4

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

2-ucf101动作识别数据集简介.mp4.mp4

3-测试效果与项目配置.mp4.mp4

4-视频数据预处理方法.mp4.mp4

5-数据batch制作方法.mp4.mp4

6-3d卷积网络所涉及模块.mp4.mp4

7-训练网络模型.mp4.mp4

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

2-基本思想与流程分析.mp4.mp4

3-预测与常见问题.mp4.mp4

4-meta-learn要解决的问题.mp4.mp4

5-学习能力与参数定义.mp4.mp4

6-如何找到合适的初始化参数.mp4.mp4

7-maml算法流程解读.mp4.mp4

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

2-数据集配置与读取.mp4.mp4

3-模型编码与解码结构.mp4.mp4

4-注意力机制模块打造.mp4.mp4

5-损失函数的目的.mp4.mp4

6-特征图生成.mp4.mp4

7-metalearn与输出.mp4.mp4

666java下载必看

看看我【www.】.zip

课程总结.mp4

面试合集.txt

软件下载.txt

下载必看.txt

资料2.zip

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

2-resnet网络架构原理分析.mp4.mp4

3-dataloader加载数据集.mp4.mp4

4-resnet网络前向传播.mp4.mp4

5-残差网络的shortcut操作.mp4.mp4

6-特征图升维与降采样操作.mp4.mp4

7-网络整体流程与训练演示.mp4.mp4

9_2022论文必备-transformer实战系列

1_课程介绍

课程介绍1.mp4.mp4

10_medicaltransformer源码解读

1-项目环境配置1.mp4.mp4

2-医学数据介绍与分析1.mp4.mp4

3-基本处理操作1.mp4.mp4

4-axialattention实现过程1.mp4.mp4

5-位置编码向量解读1.mp4.mp4

6-注意力计算过程与方法1.mp4.mp4

7-局部特征提取与计算1.mp4.mp4

11_商汤loftr算法解读

10-总结分析.mp4.mp4

1-特征匹配的应用场景.mp4.mp4

2-特征匹配的基本流程分析.mp4.mp4

3-整体流程梳理分析.mp4.mp4

4-crossattention的作用与效果.mp4.mp4

5-transformer构建匹配特征.mp4.mp4

6-粗粒度匹配过程与作用.mp4.mp4

7-特征图拆解操作.mp4.mp4

8-细粒度匹配的作用与方法.mp4.mp4

9-基于期望预测最终位置.mp4.mp4

12_局部特征关键点匹配实战

10-得到精细化输出结果1.mp4.mp4

11-通过期望计算最终输出1.mp4.mp4

1-项目与参数配置解读1.mp4.mp4

2-demo效果演示1.mp4.mp4

3-backbone特征提取模块1.mp4.mp4

4-注意力机制的作用与效果分析1.mp4.mp4

5-特征融合模块实现方法1.mp4.mp4

6-cross关系计算方法实例1.mp4.mp4

7-粗粒度匹配过程1.mp4.mp4

8-完成基础匹配模块1.mp4.mp4

9-精细化调整方法与实例1.mp4.mp4

13_项目补充-谷歌开源项目bert源码解读与应用实例

10-构建qkv矩阵1.mp4.mp4

11-完成transformer模块构建1.mp4.mp4

12-训练bert模型1.mp4.mp4

1-bert开源项目简介1.mp4.mp4

2-项目参数配置1.mp4.mp4

3-数据读取模块1.mp4.mp4

4-数据预处理模块1.mp4.mp4

6-embedding层的作用1.mp4.mp4

7-加入额外编码特征1.mp4.mp4

8-加入位置编码特征1.mp4.mp4

9-mask机制1.mp4.mp4

tfrecord制作1.mp4.mp4

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

2-读取处理自己的数据集1.mp4.mp4

3-训练bert中文分类模型1.mp4.mp4

2_自然语言处理通用框架bert原理解读

10-训练实例.mp4.mp4

1-bert任务目标概述.mp4.mp4

2-传统解决方案遇到的问题1.mp4.mp4

3-注意力机制的作用1.mp4.mp4

4-self-attention计算方法1.mp4.mp4

5-特征分配与softmax机制1.mp4.mp4

6-multi-head的作用1.mp4.mp4

7-位置编码与多层堆叠1.mp4.mp4

8-transformer整体架构梳理.mp4.mp4

9-bert模型训练方法.mp4.mp4

3_transformer在视觉中的应用vit算法

1-transformer发家史介绍1.mp4.mp4

2-对图像数据构建patch序列1.mp4.mp4

3-vit整体架构解读1.mp4.mp4

4-cnn遇到的问题与窘境1.mp4.mp4

5-计算公式解读1.mp4.mp4

6-位置编码与tnt模型1.mp4.mp4

7-tnt模型细节分析1.mp4.mp4

4_vit算法模型源码解读

1-项目配置说明1.mp4.mp4

2-输入序列构建方法解读1.mp4.mp4

3-注意力机制计算1.mp4.mp4

4-输出层计算结果1.mp4.mp4

5_swintransformer算法原理解析

10-分层计算方法1.mp4.mp4

1-swintransformer整体概述1.mp4.mp4

2-要解决的问题及其优势分析1.mp4.mp4

3-一个block要完成的任务1.mp4.mp4

4-获取各窗口输入特征1.mp4.mp4

5-基于窗口的注意力机制解读1.mp4.mp4

6-窗口偏移操作的实现1.mp4.mp4

7-偏移细节分析及其计算量概述1.mp4.mp4

8-整体网络架构整合1.mp4.mp4

9-下采样操作实现方法1.mp4.mp4

6_swintransformer源码解读

1-数据与环境配置解读1.mp4.mp4

2-图像数据patch编码1.mp4.mp4

3-数据按window进行划分计算1.mp4.mp4

4-基础attention计算模块1.mp4.mp4

5-窗口位移模块细节分析1.mp4.mp4

6-patchmerge下采样操作1.mp4.mp4

7-各block计算方法解读1.mp4.mp4

8-输出层概述1.mp4.mp4

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

2-整体网络架构分析1.mp4.mp4

3-位置信息初始化query向量1.mp4.mp4

4-注意力机制的作用方法1.mp4.mp4

5-训练过程的策略1.mp4.mp4

8_detr目标检测源码解读

1-项目环境配置解读2.mp4.mp4

2-数据处理与dataloader2.mp4.mp4

3-位置编码作用分析2.mp4.mp4

4-backbone特征提取模块1.mp4.mp4

5-mask与编码模块1.mp4.mp4

6-编码层作用方法1.mp4.mp4

7-decoder层操作与计算1.mp4.mp4

8-输出预测结果1.mp4.mp4

9-损失函数与预测输出1.mp4.mp4

9_medicaltrasnformer论文解读

1-论文整体分析.mp4.mp4

2-核心思想分析.mp4.mp4

3-网络结构计算流程概述.mp4.mp4

4-论文公式计算分析.mp4.mp4

5-位置编码的作用与效果.mp4.mp4

6-拓展应用分析.mp4.mp4

资料.zip