课程目录
【资源目录】:
├──1-直播回放
| ├──1-开班典礼
| | └──1-开班典礼.mp4 872.85M
| ├──10-直播9：自监督任务
| | └──1-自监督任务.mp4 1.24G
| ├──11-直播10：知识蒸馏
| | └──1-知识蒸馏.mp4 1.53G
| ├──12-直播11：分割Mask2former算法
| | └──1-分割Mask2former算法.mp4 452.34M
| ├──13-直播12：多模态与交叉注意力应用
| | └──1-多模态与交叉注意力应用.mp4 1.43G
| ├──14-直播13：时间序列timesnet与地理分类任务
| | └──1-时间序列timesnet与地理分类任务.mp4 1.27G
| ├──15-直播14：论文写作与就业简历
| | └──1-论文写作与就业简历.mp4 1.15G
| ├──16-直播15：知识图谱与LORA
| | └──1-知识图谱与LORA.mp4 1.49G
| ├──2-直播1：神经网络
| | └──1-神经网络.mp4 1.27G
| ├──3-直播2：卷积神经网络
| | └──1-卷积神经网络.mp4 1.46G
| ├──4-直播3：Transformer架构解读
| | └──1-Transformer架构解读.mp4 1.02G
| ├──5-直播4：视觉Transformer- VIT源码解读
| | └──1-视觉Transformer- VIT源码解读.mp4 1.43G
| ├──6-直播5：图神经网络
| | └──1-图神经网络.mp4 1.36G
| ├──7-直播6：Transformer Decoder在视觉任务的应用
| | └──1-Transformer Decoder在视觉任务的应用.mp4 1.40G
| ├──8-直播7：对比学习与多模态任务
| | └──1-对比学习与多模态任务.mp4 1.33G
| └──9-直播8：GPT与Hugging face
| | ├──1-GPT与Hugging face(1).mp4 1.57G
| | └──1-GPT与Hugging face.mp4 1.57G
├──10-2022论⽂必备-Transformer实战系列
| ├──1-Transformer算法解读
| | └──1-Transformer算法解读.mp4 557.22M
| ├──10-MedicalTrasnformer论文解读
| | ├──1-论文整体分析.mp4 23.72M
| | ├──2-核心思想分析.mp4 54.26M
| | ├──3-网络结构计算流程概述.mp4 44.46M
| | ├──4-论文公式计算分析.mp4 46.93M
| | ├──5-位置编码的作用与效果.mp4 46.55M
| | └──6-拓展应用分析.mp4 56.52M
| ├──11-MedicalTransformer源码解读
| | ├──1-项目环境配置.mp4 25.29M
| | ├──2-医学数据介绍与分析.mp4 56.68M
| | ├──3-基本处理操作.mp4 25.77M
| | ├──4-AxialAttention实现过程.mp4 36.87M
| | ├──5-位置编码向量解读.mp4 27.80M
| | ├──6-注意力计算过程与方法.mp4 52.13M
| | └──7-局部特征提取与计算.mp4 40.92M
| ├──12-商汤LoFTR算法解读
| | ├──1-特征匹配的应用场景.mp4 87.35M
| | ├──10-总结分析.mp4 39.42M
| | ├──2-特征匹配的基本流程分析.mp4 15.91M
| | ├──3-整体流程梳理分析.mp4 16.46M
| | ├──4-CrossAttention的作用与效果.mp4 15.69M
| | ├──5-transformer构建匹配特征.mp4 33.79M
| | ├──6-粗粒度匹配过程与作用.mp4 26.00M
| | ├──7-特征图拆解操作.mp4 14.34M
| | ├──8-细粒度匹配的作用与方法.mp4 19.87M
| | └──9-基于期望预测最终位置.mp4 23.08M
| ├──13-局部特征关键点匹配实战
| | ├──1-项目与参数配置解读.mp4 44.48M
| | ├──10-得到精细化输出结果.mp4 19.35M
| | ├──11-通过期望计算最终输出.mp4 40.24M
| | ├──2-DEMO效果演示.mp4 39.57M
| | ├──3-backbone特征提取模块.mp4 28.65M
| | ├──4-注意力机制的作用与效果分析.mp4 30.98M
| | ├──5-特征融合模块实现方法.mp4 29.29M
| | ├──6-cross关系计算方法实例.mp4 29.30M
| | ├──7-粗粒度匹配过程.mp4 49.80M
| | ├──8-完成基础匹配模块.mp4 63.33M
| | └──9-精细化调整方法与实例.mp4 42.73M
| ├──14-分割模型Maskformer系列
| | └──1-分割模型Maskformer系列.mp4 776.88M
| ├──15-Mask2former源码解读
| | ├──1-Backbone获取多层级特征.mp4 35.79M
| | ├──10-正样本筛选损失计算.mp4 41.78M
| | ├──11-标签分类匹配结果分析.mp4 62.04M
| | ├──12-最终损失计算流程.mp4 52.29M
| | ├──13-汇总所有损失完成迭代.mp4 35.76M
| | ├──2-多层级采样点初始化构建.mp4 41.46M
| | ├──3-多层级输入特征序列创建方法.mp4 43.83M
| | ├──4-偏移量与权重计算并转换.mp4 48.78M
| | ├──5-Encoder特征构建方法实例.mp4 49.77M
| | ├──6-query要预测的任务解读.mp4 45.61M
| | ├──7-Decoder中的AttentionMask方法.mp4 50.89M
| | ├──8-损失模块输入参数分析.mp4 40.84M
| | └──9-标签分配策略解读.mp4 42.53M
| ├──16-BEV特征空间
| | └──1-BEV特征空间.mp4 523.07M
| ├──17-BevFormer源码解读
| | ├──1-环境配置方法解读.mp4 42.79M
| | ├──10-获取当前BEV特征.mp4 35.90M
| | ├──11-Decoder级联校正模块.mp4 41.58M
| | ├──12-损失函数与预测可视化.mp4 49.48M
| | ├──2-数据集下载与配置方法.mp4 53.57M
| | ├──3-特征提取以及BEV空间初始化.mp4 43.81M
| | ├──4-特征对齐与位置编码初始化.mp4 43.63M
| | ├──5-Reference初始点构建.mp4 37.26M
| | ├──6-BEV空间与图像空间位置对应.mp4 37.67M
| | ├──7-注意力机制模块计算方法.mp4 38.61M
| | ├──8-BEV空间特征构建.mp4 34.01M
| | └──9-Decoder要完成的任务分析.mp4 33.95M
| ├──18-时间序列预测
| | └──1-时间序列预测.mp4 375.40M
| ├──19-Informer时间序列源码解读
| | └──1-Informer时间序列源码解读.mp4 829.10M
| ├──2-视觉Transformer及其源码分析
| | └──1-视觉Transformer及其源码分析.mp4 878.23M
| ├──20-Huggingface与NLP（讲故事）
| | └──1-Huggingface与NLP（讲故事）.mp4 163.59M
| ├──3-VIT算法模型源码解读
| | ├──1-项目配置说明.mp4 43.27M
| | ├──2-输入序列构建方法解读.mp4 29.80M
| | ├──3-注意力机制计算.mp4 28.04M
| | └──4-输出层计算结果.mp4 37.72M
| ├──4-swintransformer算法原理解析
| | ├──1-swintransformer整体概述.mp4 14.76M
| | ├──10-分层计算方法.mp4 21.71M
| | ├──2-要解决的问题及其优势分析.mp4 22.33M
| | ├──3-一个block要完成的任务.mp4 17.36M
| | ├──4-获取各窗口输入特征.mp4 18.99M
| | ├──5-基于窗口的注意力机制解读.mp4 29.53M
| | ├──6-窗口偏移操作的实现.mp4 24.27M
| | ├──7-偏移细节分析及其计算量概述.mp4 20.41M
| | ├──8-整体网络架构整合.mp4 20.88M
| | └──9-下采样操作实现方法.mp4 22.24M
| ├──5-swintransformer源码解读
| | ├──1-数据与环境配置解读.mp4 59.59M
| | ├──2-图像数据patch编码.mp4 37.62M
| | ├──3-数据按window进行划分计算.mp4 31.46M
| | ├──4-基础attention计算模块.mp4 27.58M
| | ├──5-窗口位移模块细节分析.mp4 36.81M
| | ├──6-patchmerge下采样操作.mp4 25.24M
| | ├──7-各block计算方法解读.mp4 27.91M
| | └──8-输出层概述.mp4 41.11M
| ├──6-基于Transformer的detr目标检测算法
| | ├──1-DETR目标检测基本思想解读.mp4 19.27M
| | ├──2-整体网络架构分析.mp4 31.54M
| | ├──3-位置信息初始化query向量.mp4 19.90M
| | ├──4-注意力机制的作用方法.mp4 20.79M
| | └──5-训练过程的策略.mp4 28.34M
| ├──7-detr目标检测源码解读
| | ├──1-项目环境配置解读.mp4 40.33M
| | ├──2-数据处理与dataloader.mp4 63.98M
| | ├──3-位置编码作用分析.mp4 47.86M
| | ├──4-backbone特征提取模块.mp4 35.54M
| | ├──5-mask与编码模块.mp4 34.68M
| | ├──6-编码层作用方法.mp4 42.78M
| | ├──7-Decoder层操作与计算.mp4 30.08M
| | ├──8-输出预测结果.mp4 41.20M
| | └──9-损失函数与预测输出.mp4 41.18M
| ├──8-DeformableDetr算法解读
| | └──1-DeformableDetr算法解读.mp4 730.35M
| └──9-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
├──11-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 26.40M
| | ├──2-图基本模块定义.mp4 10.51M
| | ├──3-邻接矩阵的定义.mp4 16.06M
| | ├──4-GNN中常见任务.mp4 19.17M
| | ├──5-消息传递计算方法.mp4 14.23M
| | └──6-多层GCN的作用.mp4 13.00M
| ├──10-基于图模型的时间序列预测
| | └──1-基于图模型的时间序列预测.mp4 1021.16M
| ├──11-异构图神经网络
| | └──1-异构图神经网络.mp4 754.04M
| ├──2-图卷积GCN模型
| | ├──1-GCN基本模型概述.mp4 13.24M
| | ├──2-图卷积的基本计算方法.mp4 12.56M
| | ├──3-邻接的矩阵的变换.mp4 18.38M
| | └──4-GCN变换原理解读.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 45.07M
| | ├──2-数据集与邻接矩阵格式.mp4 51.92M
| | ├──3-模型定义与训练方法.mp4 41.92M
| | └──4-文献引用数据集分类案例实战.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 13.47M
| | ├──2-数据集与任务背景概述.mp4 21.63M
| | ├──3-数据集基本预处理.mp4 31.50M
| | ├──4-用户行为图结构创建.mp4 36.67M
| | ├──5-数据集创建函数介绍.mp4 34.87M
| | ├──6-网络结构定义模块.mp4 36.87M
| | ├──7-TopkPooling进行下采样任务.mp4 31.30M
| | ├──8-获取全局特征.mp4 25.71M
| | └──9-模型训练与总结.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 16.53M
| | ├──2-邻接矩阵计算图Attention.mp4 21.40M
| | ├──3-序列图神经网络TGCN应用.mp4 12.59M
| | └──4-序列图神经网络细节.mp4 23.67M
| ├──6-图相似度论文解读
| | ├──1-要完成的任务分析.mp4 47.79M
| | ├──2-基本方法概述解读.mp4 52.67M
| | ├──3-图模型提取全局与局部特征.mp4 47.42M
| | ├──4-NTN模块的作用与效果.mp4 41.09M
| | ├──5-点之间的对应关系计算.mp4 51.22M
| | └──6-结果输出与总结.mp4 71.18M
| ├──7-图相似度计算实战
| | ├──1-数据集与任务概述.mp4 18.11M
| | ├──2-图卷积特征提取模块.mp4 55.92M
| | ├──3-分别计算不同Batch点的分布.mp4 31.70M
| | ├──4-获得直方图特征结果.mp4 21.11M
| | ├──5-图的全局特征构建.mp4 31.45M
| | ├──6-NTN图相似特征提取.mp4 39.25M
| | └──7-预测得到相似度结果.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 57.53M
| | ├──2-整体三大模块分析.mp4 71.83M
| | ├──3-特征工程的作用与效果.mp4 41.75M
| | ├──4-传统方法与现在向量空间对比.mp4 51.83M
| | ├──5-输入细节分析.mp4 49.96M
| | ├──6-子图模块构建方法.mp4 42.55M
| | ├──7-特征融合模块分析.mp4 47.67M
| | └──8-VectorNet输出层分析.mp4 85.45M
| └──9-图模型轨迹估计实战
| | ├──1-数据与环境配置.mp4 35.36M
| | ├──2-训练数据准备.mp4 27.69M
| | ├──3-Agent特征提取方法.mp4 37.87M
| | ├──4-DataLoader构建图结构.mp4 28.61M
| | └──5-SubGraph与Attention模型流程.mp4 34.55M
├──12-3D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 49.53M
| | ├──2-点云应用领域与发展分析.mp4 82.18M
| | ├──3-点云分割任务.mp4 52.03M
| | ├──4-点云补全任务.mp4 29.17M
| | ├──5-点云检测与配准任务.mp4 59.58M
| | └──6-点云数据特征提取概述与预告.mp4 22.69M
| ├──2-3D点云PointNet算法
| | ├──1-3D数据应用领域与点云介绍.mp4 40.05M
| | ├──2-点云数据可视化展示.mp4 40.07M
| | ├──3-点云数据特性和及要解决的问题.mp4 33.08M
| | ├──4-PointNet算法出发点解读.mp4 17.46M
| | └──5-PointNet算法网络架构解读.mp4 31.01M
| ├──3-PointNet算法解读
| | ├──1-PointNet升级版算法要解决的问题.mp4 22.08M
| | ├──2-最远点采样方法.mp4 21.00M
| | ├──3-分组Group方法原理解读.mp4 32.79M
| | ├──4-整体流程概述分析.mp4 16.37M
| | ├──5-分类与分割问题解决方案.mp4 21.74M
| | └──6-遇到的问题及改进方法分析.mp4 13.43M
| ├──4-Pointnet项目实战
| | ├──1-项目文件概述.mp4 29.02M
| | ├──11-分割任务数据与配置概述.mp4 51.28M
| | ├──12-分割需要解决的任务概述.mp4 33.94M
| | ├──13-上采样完成分割任务.mp4 44.75M
| | ├──2-数据读取模块配置.mp4 39.23M
| | ├──3-DEBUG解读网络模型架构.mp4 24.25M
| | ├──4-最远点采样介绍.mp4 19.48M
| | ├──5-采样得到中心点.mp4 31.77M
| | ├──6-组区域划分方法.mp4 24.88M
| | ├──7-实现group操作得到各中心簇.mp4 35.00M
| | ├──8-特征提取模块整体流程.mp4 40.04M
| | └──9-预测结果输出模块.mp4 38.74M
| ├──5-点云补全PF-Net论文解读
| | ├──1-点云补全要解决的问题.mp4 23.13M
| | ├──2-基本解决方案概述.mp4 17.42M
| | ├──3-整体网络概述.mp4 20.61M
| | ├──4-网络计算流程.mp4 25.52M
| | └──5-输入与计算结果.mp4 65.02M
| ├──6-点云补全实战解读
| | ├──1-数据与项目配置解读.mp4 41.86M
| | ├──2-待补全数据准备方法.mp4 29.26M
| | ├──3-整体框架概述.mp4 49.10M
| | ├──4-MRE特征提取模块.mp4 40.36M
| | ├──5-分层预测输出模块.mp4 31.04M
| | ├──6-补全点云数据.mp4 35.21M
| | └──7-判别模块.mp4 48.59M
| ├──7-点云配准及其案例实战
| | ├──1-点云配准任务概述.mp4 20.00M
| | ├──2-配准要完成的目标解读.mp4 17.64M
| | ├──3-训练数据构建.mp4 23.43M
| | ├──4-任务基本流程.mp4 15.56M
| | ├──5-数据源配置方法.mp4 45.42M
| | ├──6-参数计算模块解读.mp4 21.85M
| | ├──7-基于模型预测输出参数.mp4 24.88M
| | ├──8-特征构建方法分析.mp4 34.65M
| | └──9-任务总结.mp4 33.31M
| └──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 18.39M
| | ├──2-GAN网络组成.mp4 10.73M
| | ├──3-损失函数解释说明.mp4 39.88M
| | ├──4-数据读取模块.mp4 29.93M
| | └──5-生成与判别网络定义.mp4 44.24M
├──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
| | ├──1-深度估计效果与应用.mp4 98.47M
| | ├──10-损失计算.mp4 30.51M
| | ├──2-kitti数据集介绍.mp4 59.45M
| | ├──3-使用backbone获取层级特征.mp4 22.18M
| | ├──4-差异特征计算边界信息.mp4 26.49M
| | ├──5-SPP层的作用.mp4 15.27M
| | ├──6-空洞卷积与ASPP.mp4 18.94M
| | ├──7-特征拼接方法分析.mp4 21.24M
| | ├──8-网络coarse-to-fine过程.mp4 26.50M
| | └──9-权重参数预处理.mp4 27.50M
| ├──10-NeuralRecon项目源码解读
| | ├──1-Backbone得到特征图.mp4 36.02M
| | ├──2-初始化体素位置.mp4 41.51M
| | ├──3-坐标映射方法实现.mp4 26.66M
| | ├──4-得到体素所对应特征图.mp4 50.70M
| | ├──5-插值得到对应特征向量.mp4 32.36M
| | ├──6-得到一阶段输出结果.mp4 38.08M
| | ├──7-完成三个阶段预测结果.mp4 45.77M
| | └──8-项目总结.mp4 108.40M
| ├──11-TSDF算法与应用
| | ├──1-TSDF整体概述分析.mp4 23.16M
| | ├──2-合成过程DEMO演示.mp4 27.58M
| | ├──3-布局初始化操作.mp4 12.69M
| | ├──4-TSDF计算基本流程解读.mp4 23.93M
| | ├──5-坐标转换流程分析.mp4 31.10M
| | └──6-输出结果融合更新.mp4 34.23M
| ├──12-TSDF实战案例
| | ├──1-环境配置概述.mp4 32.66M
| | ├──2-初始化与数据读取.mp4 21.30M
| | └──3-计算得到TSDF输出.mp4 44.10M
| ├──13-轨迹估计算法与论文解读
| | ├──1-数据集与标注信息解读.mp4 57.53M
| | ├──2-整体三大模块分析.mp4 71.83M
| | ├──3-特征工程的作用与效果.mp4 41.75M
| | ├──4-传统方法与现在向量空间对比.mp4 51.83M
| | ├──5-输入细节分析.mp4 49.96M
| | ├──6-子图模块构建方法.mp4 42.55M
| | ├──7-特征融合模块分析.mp4 47.67M
| | └──8-VectorNet输出层分析.mp4 85.45M
| ├──14-轨迹估计预测实战
| | ├──1-数据与环境配置.mp4 35.43M
| | ├──2-训练数据准备.mp4 27.75M
| | ├──3-Agent特征提取方法.mp4 37.97M
| | ├──4-DataLoader构建图结构.mp4 28.68M
| | └──5-SubGraph与Attention模型流程.mp4 34.64M
| ├──15-特斯拉无人驾驶解读
| | └──1-特斯拉无人驾驶解读.mp4 644.17M
| ├──2-深度估计项目实战
| | ├──1-项目环境配置解读.mp4 52.89M
| | ├──10-损失函数通俗解读.mp4 65.84M
| | ├──11-模型DEMO输出结果.mp4 80.63M
| | ├──2-数据与标签定义方法.mp4 74.34M
| | ├──3-数据集dataloader制作.mp4 36.83M
| | ├──4-使用backbone进行特征提取.mp4 42.38M
| | ├──5-计算差异特征.mp4 30.69M
| | ├──6-权重参数标准化操作.mp4 42.56M
| | ├──7-网络结构ASPP层.mp4 47.25M
| | ├──8-特征拼接方法解读.mp4 47.64M
| | └──9-输出深度估计结果.mp4 25.45M
| ├──3-车道线检测算法与论文解读
| | ├──1-数据标签与任务分析.mp4 84.49M
| | ├──2-网络整体框架分析.mp4 28.89M
| | ├──3-输出结果分析.mp4 18.12M
| | ├──4-损失函数计算方法.mp4 27.30M
| | └──5-论文概述分析.mp4 62.39M
| ├──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 65.61M
| | ├──10-车道线规则损失函数限制.mp4 44.61M
| | ├──11-DEMO制作与配置.mp4 40.28M
| | ├──2-项目环境配置演示.mp4 29.98M
| | ├──3-制作数据集dataloader.mp4 54.62M
| | ├──4-车道线标签数据处理.mp4 34.18M
| | ├──5-四条车道线标签位置矩阵.mp4 22.28M
| | ├──6-grid设置方法.mp4 41.70M
| | ├──7-完成数据与标签制作.mp4 24.65M
| | ├──8-算法网络结构解读.mp4 59.95M
| | └──9-损失函数计算模块分析.mp4 45.66M
| ├──5-商汤LoFTR算法解读
| | ├──1-特征匹配的应用场景.mp4 87.35M
| | ├──10-总结分析.mp4 39.42M
| | ├──2-特征匹配的基本流程分析.mp4 15.91M
| | ├──3-整体流程梳理分析.mp4 16.46M
| | ├──4-CrossAttention的作用与效果.mp4 15.69M
| | ├──5-transformer构建匹配特征.mp4 33.79M
| | ├──6-粗粒度匹配过程与作用.mp4 26.00M
| | ├──7-特征图拆解操作.mp4 14.34M
| | ├──8-细粒度匹配的作用与方法.mp4 19.87M
| | └──9-基于期望预测最终位置.mp4 23.08M
| ├──6-局部特征关键点匹配实战
| | ├──1-项目与参数配置解读.mp4 44.48M
| | ├──10-得到精细化输出结果.mp4 19.39M
| | ├──11-通过期望计算最终输出.mp4 40.24M
| | ├──2-DEMO效果演示.mp4 39.56M
| | ├──3-backbone特征提取模块.mp4 28.70M
| | ├──4-注意力机制的作用与效果分析.mp4 31.04M
| | ├──5-特征融合模块实现方法.mp4 29.35M
| | ├──6-cross关系计算方法实例.mp4 29.36M
| | ├──7-粗粒度匹配过程.mp4 49.80M
| | ├──8-完成基础匹配模块.mp4 63.33M
| | └──9-精细化调整方法与实例.mp4 42.81M
| ├──7-三维重建应用与坐标系基础
| | ├──1-三维重建概述分析.mp4 66.80M
| | ├──2-三维重建应用领域概述.mp4 13.17M
| | ├──3-成像方法概述.mp4 16.33M
| | ├──4-相机坐标系.mp4 17.15M
| | ├──5-坐标系转换方法解读.mp4 20.91M
| | ├──6-相机内外参.mp4 17.01M
| | ├──7-通过内外参数进行坐标变换.mp4 16.47M
| | └──8-相机标定简介.mp4 5.50M
| ├──8-NeuralRecon算法解读
| | ├──1-任务流程分析.mp4 19.35M
| | ├──2-基本框架熟悉.mp4 27.45M
| | ├──3-特征映射方法解读.mp4 34.68M
| | ├──4-片段融合思想.mp4 16.72M
| | └──5-整体架构重构方法.mp4 23.00M
| └──9-NeuralRecon项目环境配置
| | ├──1-数据集下载与配置方法.mp4 52.41M
| | ├──2-Scannet数据集内容概述.mp4 37.26M
| | ├──3-TSDF标签生成方法.mp4 55.30M
| | ├──4-ISSUE的作用.mp4 49.23M
| | └──5-完成依赖环境配置.mp4 57.11M
├──14-对比学习与多模态任务实战
| ├──1-对比学习算法与实例
| | └──1-对比学习算法与实例.mp4 549.52M
| ├──2-CLIP系列
| | └──1-CLIP系列.mp4 621.00M
| ├──3-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 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
| ├──4-多模态文字识别
| | └──1-多模态文字识别.mp4 766.02M
| └──5-ANINET源码解读
| | ├──1-数据集与环境概述.mp4 55.58M
| | ├──2-配置文件修改方法.mp4 52.49M
| | ├──3-Bakbone模块得到特征.mp4 42.10M
| | ├──4-视觉Transformer模块的作用.mp4 45.97M
| | ├──5-视觉模型中的编码与解码的效果.mp4 54.49M
| | ├──6-文本模型中的结构分析.mp4 38.66M
| | ├──7-迭代修正模块.mp4 38.14M
| | └──8-输出层与损失计算.mp4 52.81M
├──15-缺陷检测实战
| ├──1-课程介绍
| | └──1-课程介绍.mp4 26.71M
| ├──10-基于Opencv缺陷检测项⽬实战
| | ├──1-任务需求与环境配置.mp4 15.40M
| | ├──2-数据读取与基本处理.mp4 26.63M
| | ├──3-缺陷形态学操作.mp4 26.46M
| | ├──4-整体流程解读.mp4 23.65M
| | └──5-缺陷检测效果演示.mp4 50.91M
| ├──11-基于视频流⽔线的Opencv缺陷检测项⽬
| | ├──1-数据与任务概述.mp4 16.48M
| | ├──2-视频数据读取与轮廓检测.mp4 20.83M
| | ├──3-目标质心计算.mp4 32.47M
| | ├──4-视频数据遍历方法.mp4 31.41M
| | ├──5-缺陷区域提取.mp4 36.00M
| | ├──6-不同类型的缺陷检测方法.mp4 36.77M
| | └──7-检测效果演示.mp4 25.73M
| ├──12-图像分割deeplab系列算法
| | ├──1-deeplab分割算法概述.mp4 13.81M
| | ├──2-空洞卷积的作用.mp4 16.74M
| | ├──3-感受野的意义.mp4 19.37M
| | ├──4-SPP层的作用.mp4 19.02M
| | ├──5-ASPP特征融合策略.mp4 13.45M
| | └──6-deeplabV3Plus版本网络架构.mp4 24.08M
| ├──13-基于deeplabV3+版本进⾏VOC分割实战
| | ├──1-PascalVoc数据集介绍.mp4 70.12M
| | ├──2-项目参数与数据集读取.mp4 60.32M
| | ├──3-网络前向传播流程.mp4 33.10M
| | ├──4-ASPP层特征融合.mp4 51.19M
| | └──5-分割模型训练.mp4 34.97M
| ├──14-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 31.09M
| | ├──2-开源项目应用方法.mp4 36.52M
| | ├──3-github与kaggle中需要注意的点.mp4 40.24M
| | ├──4-源码的利用方法.mp4 89.46M
| | ├──5-数据集制作方法.mp4 75.53M
| | ├──6-数据路径配置.mp4 54.55M
| | ├──7-训练模型.mp4 34.38M
| | └──8-任务总结.mp4 43.02M
| ├──2-物体检框架YOLO-V4版本算法解读
| | ├──1-V4版本整体概述.mp4 15.06M
| | ├──10-PAN模块解读.mp4 20.64M
| | ├──11-激活函数与整体架构总结.mp4 19.19M
| | ├──2-V4版本贡献解读.mp4 10.06M
| | ├──3-数据增强策略分析.mp4 24.70M
| | ├──4-DropBlock与标签平滑方法.mp4 19.36M
| | ├──5-损失函数遇到的问题.mp4 14.26M
| | ├──6-CIOU损失函数定义.mp4 10.82M
| | ├──7-NMS细节改进.mp4 16.66M
| | ├──8-SPP与CSP网络结构.mp4 14.81M
| | └──9-SAM注意力机制模块.mp4 22.48M
| ├──3-物体检测框架YOLOV5版本项目配置
| | ├──1-整体项目概述.mp4 35.77M
| | ├──2-训练自己的数据集方法.mp4 41.32M
| | ├──3-训练数据参数配置.mp4 51.48M
| | └──4-测试DEMO演示.mp4 50.47M
| ├──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 48.13M
| | ├──10-完成配置文件解析任务.mp4 58.80M
| | ├──11-前向传播计算.mp4 30.80M
| | ├──12-BottleneckCSP层计算方法.mp4 33.82M
| | ├──13-SPP层计算细节分析.mp4 29.17M
| | ├──14-Head层流程解读.mp4 29.19M
| | ├──15-上采样与拼接操作.mp4 21.48M
| | ├──16-输出结果分析.mp4 41.71M
| | ├──17-超参数解读.mp4 34.94M
| | ├──18-命令行参数介绍.mp4 44.26M
| | ├──19-训练流程解读.mp4 46.81M
| | ├──2-图像数据源配置.mp4 34.65M
| | ├──20-各种训练策略概述.mp4 38.43M
| | ├──21-模型迭代过程.mp4 38.42M
| | ├──3-加载标签数据.mp4 26.33M
| | ├──4-Mosaic数据增强方法.mp4 28.19M
| | ├──5-数据四合一方法与流程演示.mp4 41.69M
| | ├──6-getItem构建batch.mp4 33.03M
| | ├──7-网络架构图可视化工具安装.mp4 34.33M
| | ├──8-V5网络配置文件解读.mp4 35.74M
| | └──9-Focus模块流程分析.mp4 21.93M
| ├──5-基于YOLOV5的钢材缺陷检测实战
| | ├──1-任务需求与项目概述.mp4 14.14M
| | ├──2-数据与标签配置方法.mp4 38.42M
| | ├──3-标签转换格式脚本制作.mp4 30.57M
| | ├──4-各版本模型介绍分析.mp4 33.52M
| | ├──5-项目参数配置.mp4 27.21M
| | ├──6-缺陷检测模型训练.mp4 34.15M
| | └──7-输出结果与项目总结.mp4 45.20M
| ├──6-Semi-supervised布料缺陷检测实战
| | ├──1-任务目标与流程概述.mp4 53.72M
| | ├──2-论文思想与模型分析.mp4 129.03M
| | ├──3-项目配置解读.mp4 63.00M
| | ├──4-网络流程分析.mp4 37.48M
| | └──5-输出结果展示.mp4 39.29M
| ├──7-Opencv图像常⽤处理⽅法实例
| | ├──1-计算机眼中的图像.mp4 30.88M
| | ├──10-膨胀操作.mp4 12.25M
| | ├──11-开运算与闭运算.mp4 9.32M
| | ├──12-梯度计算.mp4 7.85M
| | ├──13-礼帽与黑帽.mp4 15.88M
| | ├──2-视频的读取与处理.mp4 46.97M
| | ├──3-ROI区域.mp4 15.37M
| | ├──4-边界填充.mp4 21.46M
| | ├──5-数值计算.mp4 40.04M
| | ├──6-图像阈值.mp4 30.85M
| | ├──7-图像平滑处理.mp4 24.77M
| | ├──8-高斯与中值滤波.mp4 20.61M
| | └──9-腐蚀操作.mp4 20.99M
| ├──8-Opencv梯度计算与边缘检测实例
| | ├──1-Canny边缘检测流程.mp4 18.97M
| | ├──2-非极大值抑制.mp4 18.32M
| | ├──3-边缘检测效果.mp4 36.63M
| | ├──4-Sobel算子.mp4 27.00M
| | ├──5-梯度计算方法.mp4 30.29M
| | └──6-scharr与lapkacian算子.mp4 27.39M
| └──9-Opencv轮廓检测与直⽅图
| | ├──1-图像金字塔定义.mp4 19.68M
| | ├──10-均衡化效果.mp4 27.21M
| | ├──11-傅里叶概述.mp4 38.86M
| | ├──12-频域变换结果.mp4 26.32M
| | ├──13-低通与高通滤波.mp4 27.40M
| | ├──2-金字塔制作方法.mp4 25.47M
| | ├──3-轮廓检测方法.mp4 19.37M
| | ├──4-轮廓检测结果.mp4 34.44M
| | ├──5-轮廓特征与近似.mp4 37.62M
| | ├──6-模板匹配方法.mp4 47.45M
| | ├──7-匹配效果展示.mp4 21.20M
| | ├──8-直方图定义.mp4 23.64M
| | └──9-均衡化原理.mp4 31.35M
├──16-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 17.26M
| | ├──2-挑战与困难分析.mp4 35.89M
| | ├──3-评估标准rank1指标.mp4 14.05M
| | ├──4-map值计算方法.mp4 15.70M
| | ├──5-triplet损失计算实例.mp4 25.16M
| | └──6-Hard-Negative方法应用.mp4 27.27M
| ├──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 50.47M
| | ├──2-空间权重值计算流程分析.mp4 32.88M
| | ├──3-融合空间注意力所需特征.mp4 27.38M
| | └──4-基于特征图的注意力计算.mp4 66.01M
| ├──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 49.78M
| | ├──2-参数配置与整体架构分析.mp4 65.40M
| | ├──3-进入debug模式解读网络计算流程.mp4 30.56M
| | ├──4-获得空间位置点之间的关系.mp4 43.11M
| | ├──5-组合关系特征图.mp4 39.65M
| | ├──6-计算得到位置权重值.mp4 38.01M
| | ├──7-基于特征图的权重计算.mp4 25.57M
| | ├──8-损失函数计算实例解读.mp4 60.36M
| | └──9-训练与测试模块演示.mp4 75.66M
| ├──4-AAAI2020顶会算法精讲
| | ├──1-论文整体框架概述.mp4 16.23M
| | ├──2-局部特征与全局关系计算方法.mp4 15.39M
| | ├──3-特征分组方法.mp4 15.12M
| | ├──4-GCP模块特征融合方法.mp4 28.45M
| | ├──5-oneVsReset方法实例.mp4 15.63M
| | └──6-损失函数应用位置.mp4 16.80M
| ├──5-项目实战-基于行人局部特征融合的再识别实战
| | ├──1-项目配置与数据集介绍.mp4 67.72M
| | ├──10-得到所有分组特征结果.mp4 51.20M
| | ├──11-损失函数与训练过程演示.mp4 42.52M
| | ├──12-测试与验证模块.mp4 47.02M
| | ├──2-数据源构建方法分析.mp4 41.23M
| | ├──3-dataloader加载顺序解读.mp4 27.96M
| | ├──4-debug模式解读.mp4 62.34M
| | ├──5-网络计算整体流程演示.mp4 30.51M
| | ├──6-特征序列构建.mp4 41.00M
| | ├──7-GCP全局特征提取.mp4 39.65M
| | ├──8-局部特征提取实例.mp4 52.39M
| | └──9-特征组合汇总.mp4 49.29M
| ├──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 22.40M
| | ├──2-图卷积与匹配的作用.mp4 24.41M
| | ├──3-局部特征热度图计算.mp4 24.78M
| | ├──4-基于图卷积构建人体拓扑关系.mp4 29.82M
| | ├──5-图卷积模块实现方法.mp4 27.54M
| | ├──6-图匹配在行人重识别中的作用.mp4 18.07M
| | └──7-整体算法框架分析.mp4 24.09M
| ├──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 48.08M
| | ├──10-整体项目总结.mp4 79.79M
| | ├──2-局部特征准备方法.mp4 47.66M
| | ├──3-得到一阶段热度图结果.mp4 42.07M
| | ├──4-阶段监督训练.mp4 78.61M
| | ├──5-初始化图卷积模型.mp4 34.82M
| | ├──6-mask矩阵的作用.mp4 40.13M
| | ├──7-邻接矩阵学习与更新.mp4 50.98M
| | ├──8-基于拓扑结构组合关键点特征.mp4 63.20M
| | └──9-图匹配模块计算流程.mp4 67.63M
| └──8-额外补充：行人搜索源码分析
| | ├──1-项目概述.mp4 26.15M
| | ├──2-项目概述.mp4 31.61M
| | ├──3-数据与标签读取模块.mp4 57.97M
| | ├──4-通过配置文件读取模型位置.mp4 37.97M
| | ├──5-BackBone位置与流程.mp4 52.30M
| | ├──6-Neck层操作方法.mp4 33.12M
| | ├──7-Head层预测模块.mp4 40.06M
| | ├──8-损失函数计算模块.mp4 54.31M
| | └──9-总结概述.mp4 34.10M
├──17-对抗生成网络实战
| ├──1-课程介绍
| | └──1-课程介绍.mp4 28.55M
| ├──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 18.39M
| | ├──2-GAN网络组成.mp4 10.73M
| | ├──3-损失函数解释说明.mp4 39.88M
| | ├──4-数据读取模块.mp4 29.93M
| | └──5-生成与判别网络定义.mp4 44.24M
| ├──3-基于CycleGan开源项目实战图像合成
| | ├──1-CycleGan网络所需数据.mp4 37.56M
| | ├──10-额外补充：VISDOM可视化配置.mp4 38.69M
| | ├──2-CycleGan整体网络架构.mp4 21.36M
| | ├──3-PatchGan判别网络原理.mp4 11.45M
| | ├──4-Cycle开源项目简介.mp4 46.41M
| | ├──5-数据读取与预处理操作.mp4 57.93M
| | ├──6-生成网络模块构造.mp4 48.52M
| | ├──7-判别网络模块构造.mp4 19.77M
| | ├──8-损失函数：identity loss计算方法.mp4 37.16M
| | └──9-生成与判别损失函数指定.mp4 54.69M
| ├──4-stargan论文架构解析
| | ├──1-stargan效果演示分析.mp4 27.95M
| | ├──2-网络架构整体思路解读.mp4 30.84M
| | ├──3-建模流程分析.mp4 42.55M
| | ├──4-V1版本存在的问题及后续改进思路.mp4 60.74M
| | ├──5-V2版本在整体网络架构.mp4 63.67M
| | ├──6-编码器训练方法.mp4 53.45M
| | ├──7-损失函数公式解析.mp4 49.43M
| | └──8-训练过程分析.mp4 34.17M
| ├──5-stargan项目实战及其源码解读
| | ├──1-测试模块效果与实验分析.mp4 29.95M
| | ├──10-生成模块损失计算.mp4 70.07M
| | ├──2-项目配置与数据源下载.mp4 21.51M
| | ├──3-测试效果演示.mp4 34.97M
| | ├──4-项目参数解析.mp4 27.62M
| | ├──5-生成器模块源码解读.mp4 53.18M
| | ├──6-所有网络模块构建实例.mp4 46.52M
| | ├──7-数据读取模块分析.mp4 56.60M
| | ├──8-判别器损失计算.mp4 32.90M
| | └──9-损失计算详细过程.mp4 45.76M
| ├──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 34.66M
| | ├──2-VCC2016输入数据.mp4 20.76M
| | ├──3-语音特征提取.mp4 30.57M
| | ├──4-生成器模型架构分析.mp4 15.81M
| | ├──5-InstanceNorm的作用解读.mp4 18.58M
| | ├──6-AdaIn的目的与效果.mp4 13.18M
| | └──7-判别器模块分析.mp4 114.03M
| ├──7-starganvc2变声器项目实战及其源码解读
| | ├──1-数据与项目文件解读.mp4 21.80M
| | ├──10-源码损失计算流程.mp4 34.82M
| | ├──11-测试模块-生成转换语音.mp4 47.17M
| | ├──2-环境配置与工具包安装.mp4 37.11M
| | ├──3-数据预处理与声音特征提取.mp4 88.49M
| | ├──4-生成器构造模块解读.mp4 41.33M
| | ├──5-下采样与上采样操作.mp4 35.48M
| | ├──6-starganvc2版本标签输入分析.mp4 49.96M
| | ├──7-生成器前向传播维度变化.mp4 26.49M
| | ├──8-判别器模块解读.mp4 35.22M
| | └──9-论文损失函数.mp4 100.48M
| ├──8-图像超分辨率重构实战
| | ├──1-论文概述.mp4 46.83M
| | ├──2-网络架构.mp4 106.93M
| | ├──3-数据与环境配置.mp4 26.90M
| | ├──4-数据加载与配置.mp4 39.14M
| | ├──5-生成模块.mp4 48.50M
| | ├──6-判别模块.mp4 44.60M
| | ├──7-VGG特征提取网络.mp4 35.88M
| | ├──8-损失函数与训练.mp4 89.00M
| | └──9-测试模块.mp4 90.79M
| └──9-基于GAN的图像补全实战
| | ├──1-论文概述.mp4 75.09M
| | ├──2-网络架构.mp4 30.75M
| | ├──3-细节设计.mp4 77.69M
| | ├──4-论文总结.mp4 67.30M
| | ├──5-数据与项目概述.mp4 45.92M
| | ├──6-参数基本设计.mp4 81.81M
| | ├──7-网络结构配置.mp4 71.57M
| | ├──8-网络迭代训练.mp4 92.87M
| | └──9-测试模块.mp4 48.39M
├──18-强化学习与AI黑科技实例
| ├──1-强化学习简介及其应用
| | ├──1-一张图通俗解释强化学习.mp4 17.69M
| | ├──2-强化学习的指导依据.mp4 20.19M
| | ├──3-强化学习AI游戏DEMO.mp4 20.36M
| | ├──4-应用领域简介.mp4 17.34M
| | ├──5-强化学习工作流程.mp4 14.78M
| | └──6-计算机眼中的状态与行为.mp4 20.09M
| ├──10-CLIP系列
| | └──1-CLIP系列.mp4 621.00M
| ├──11-Diffusion模型解读
| | └──1-Diffusion模型解读.mp4 737.53M
| ├──12-Dalle2及其源码解读
| | └──1-Dalle2源码解读.mp4 614.12M
| ├──13-ChatGPT
| | └──1-ChatGPT.mp4 382.23M
| ├──2-PPO算法与公式推导
| | ├──1-基本情况介绍.mp4 28.05M
| | ├──2-与环境交互得到所需数据.mp4 23.17M
| | ├──3-要完成的目标分析.mp4 24.51M
| | ├──4-策略梯度推导.mp4 21.76M
| | ├──5-baseline方法.mp4 18.36M
| | ├──6-OnPolicy与OffPolicy策略.mp4 20.77M
| | ├──7-importance sampling的作用.mp4 23.19M
| | └──8-PPO算法整体思路解析.mp4 26.57M
| ├──3-PPO实战-月球登陆器训练实例
| | ├──1-Critic的作用与效果.mp4 40.06M
| | ├──2-PPO2版本公式解读.mp4 31.64M
| | ├──3-参数与网络结构定义.mp4 33.70M
| | ├──4-得到动作结果.mp4 29.01M
| | ├──5-奖励获得与计算.mp4 36.29M
| | └──6-参数迭代与更新.mp4 49.26M
| ├──4-Q-learning与DQN算法
| | ├──1-整体任务流程演示.mp4 23.90M
| | ├──2-探索与action获取.mp4 28.41M
| | ├──3-计算target值.mp4 22.46M
| | ├──4-训练与更新.mp4 34.15M
| | ├──5-算法原理通俗解读.mp4 25.99M
| | ├──6-目标函数与公式解析.mp4 25.54M
| | ├──7-Qlearning算法实例解读.mp4 16.65M
| | ├──8-Q值迭代求解.mp4 22.46M
| | └──9-DQN简介.mp4 15.36M
| ├──5-DQN改进与应用技巧
| | ├──1-DoubleDqn要解决的问题.mp4 22.34M
| | ├──2-DuelingDqn改进方法.mp4 19.06M
| | ├──3-Dueling整体网络架构分析.mp4 21.73M
| | ├──4-MultiSetp策略.mp4 8.67M
| | └──5-连续动作处理方法.mp4 22.24M
| ├──6-Actor-Critic算法分析（A3C）
| | ├──1-AC算法回顾与知识点总结.mp4 17.31M
| | ├──2-优势函数解读与分析.mp4 19.87M
| | ├──3-计算流程实例.mp4 17.59M
| | ├──4-A3C整体架构分析.mp4 16.43M
| | └──5-损失函数整理.mp4 22.40M
| ├──7-用A3C玩转超级马里奥
| | ├──1-整体流程与环境配置.mp4 26.97M
| | ├──2-启动游戏环境.mp4 32.19M
| | ├──3-要计算的指标回顾.mp4 37.00M
| | ├──4-初始化局部模型并加载参数.mp4 32.22M
| | ├──5-与环境交互得到训练数据.mp4 39.26M
| | └──6-训练网络模型.mp4 44.24M
| ├──8-GPT系列生成模型
| | └──1-GPT系列.mp4 442.99M
| └──9-GPT建模与预测流程
| | ├──1-生成模型可以完成的任务概述.mp4 28.91M
| | ├──2-数据样本生成方法.mp4 72.04M
| | ├──3-训练所需参数解读.mp4 57.68M
| | ├──4-模型训练过程.mp4 51.48M
| | └──5-部署与网页预测展示.mp4 79.57M
├──2-深度学习必备核⼼算法
| ├──1-神经网络结构
| | └──1-神经网络结构.mp4 604.62M
| ├──2-卷积神经网络
| | └──1-卷积神经网络.mp4 676.23M
| ├──3-Transformer
| | └──1-Transformer.mp4 557.22M
| └──4-VIT源码解读
| | └──1-VIT源码解读.mp4 878.23M
├──20-CV与NLP经典大模型解读
| ├──1-课程简介
| | └──1-课程简介.mp4 10.19M
| ├──10-openai-dalle2论文解读
| | ├──1-论文基本思想与核心模块分析.mp4 42.10M
| | ├──2-不同模块对比分析.mp4 34.78M
| | ├──3-算法核心流程解读.mp4 62.78M
| | └──4-各模块实现细节讲解.mp4 78.77M
| ├──11-openai-dalle2源码解读
| | ├──1-项目整体流程分析.mp4 53.51M
| | ├──2-源码实现细节分析.mp4 41.14M
| | ├──3-源码公式对应论文分析.mp4 47.57M
| | ├──4-Decoder模块实现细节解读.mp4 44.83M
| | └──5-源码实现流程总结.mp4 56.49M
| ├──12-自监督任务-对比学习思想
| | ├──1-对比学习要解决的问题分析.mp4 47.41M
| | ├──2-正负样本构建方法.mp4 34.18M
| | ├──3-Simclr框架流程分析.mp4 40.15M
| | └──4-下游任务应用概述.mp4 45.04M
| ├──13-视觉自监督BEIT算法解读
| | ├──1-视觉自监督任务分析.mp4 56.86M
| | ├──2-任务训练目标分析.mp4 72.80M
| | ├──3-建模流程分析与效果展示.mp4 101.08M
| | ├──4-codebook模块的作用.mp4 81.31M
| | └──5-任务总结分析.mp4 114.38M
| ├──14-视觉自监督任务BEITV2论文解读
| | ├──1-BEITV2版本论文出发点解读.mp4 48.00M
| | ├──2-自监督任务中两大核心任务分析.mp4 56.24M
| | ├──3-整体网络架构图分析.mp4 43.98M
| | ├──4-框架实现细节流程分析.mp4 21.84M
| | └──5-论文细节模块实现解读.mp4 99.31M
| ├──15-视觉自监督任务BEITV2源码解读
| | ├──1-mmselfup源码实现解读.mp4 42.02M
| | ├──2-网络结构搭建细节解读.mp4 49.16M
| | └──3-源码实现流程总结.mp4 45.78M
| ├──16-BEV感知特征空间算法解读
| | ├──1-BEV要解决的问题通俗解读.mp4 57.89M
| | ├──10-整体架构总结.mp4 51.47M
| | ├──2-BEV中的3D与4D分析.mp4 23.58M
| | ├──3-特征融合过程中可能遇到的问题.mp4 22.25M
| | ├──4-BEV汇总特征方法实例解读.mp4 35.67M
| | ├──5-DeformableAttention回顾.mp4 40.86M
| | ├──6-空间注意力模块解读.mp4 33.92M
| | ├──7-时间模块与拓展补充.mp4 27.10M
| | ├──8-论文知识点分析.mp4 50.40M
| | └──9-核心模块论文分析.mp4 57.14M
| ├──17-BEVformer项目源码解读
| | ├──1-环境配置方法解读.mp4 42.79M
| | ├──10-获取当前BEV特征.mp4 35.90M
| | ├──11-Decoder级联校正模块.mp4 41.58M
| | ├──12-损失函数与预测可视化.mp4 49.48M
| | ├──2-数据集下载与配置方法.mp4 53.57M
| | ├──3-特征提取以及BEV空间初始化.mp4 43.81M
| | ├──4-特征对齐与位置编码初始化.mp4 43.63M
| | ├──5-Reference初始点构建.mp4 37.26M
| | ├──6-BEV空间与图像空间位置对应.mp4 37.67M
| | ├──7-注意力机制模块计算方法.mp4 38.61M
| | ├──8-BEV空间特征构建.mp4 34.01M
| | └──9-Decoder要完成的任务分析.mp4 33.95M
| ├──18-补充-视觉大模型基础-deformableAttention
| | ├──1-DeformableAttention概述分析.mp4 26.55M
| | ├──2-可变形偏移量分析.mp4 37.05M
| | ├──3-应用场景分析解读.mp4 48.64M
| | ├──4-论文计算公式解读.mp4 70.45M
| | ├──5-整体框架流程实例.mp4 52.61M
| | └──6-下游任务应用场景.mp4 29.34M
| ├──2-GPT系列算法解读
| | ├──1-GPT系列算法概述.mp4 26.53M
| | ├──2-GPT三代版本分析.mp4 29.33M
| | ├──3-GPT初代版本要解决的问题.mp4 30.99M
| | ├──4-GPT第二代版本训练策略.mp4 28.94M
| | ├──5-采样策略与多样性.mp4 28.20M
| | ├──6-GPT3的提示与生成方法.mp4 74.39M
| | ├──7-应用场景CODEX分析.mp4 36.50M
| | └──8-DEMO应用演示.mp4 98.82M
| ├──3-GPT2训练与预测部署流程
| | ├──1-生成模型可以完成的任务概述.mp4 28.91M
| | ├──2-数据样本生成方法.mp4 72.04M
| | ├──3-训练所需参数解读.mp4 57.68M
| | ├──4-模型训练过程.mp4 51.48M
| | └──5-部署与网页预测展示.mp4 79.57M
| ├──4-chatgpt算法解读分析
| | ├──1-chatgpt概述.mp4 21.49M
| | ├──2-挑战及其与有监督问题差异.mp4 22.41M
| | ├──3-强化学习登场.mp4 17.69M
| | ├──4-强化学习的作用效果.mp4 33.81M
| | ├──5-奖励模型设计方法.mp4 26.20M
| | ├──6-RLHF训练流程解读.mp4 38.53M
| | └──7-总结分析.mp4 69.21M
| ├──5-LLM与LORA微调策略解读
| | ├──1-大模型如何做下游任务.mp4 33.43M
| | ├──2-LLM落地微调分析.mp4 37.03M
| | ├──3-LLAMA与LORA介绍.mp4 30.10M
| | ├──4-LORA微调的核心思想.mp4 22.08M
| | └──5-LORA模型实现细节.mp4 40.79M
| ├──6-LLM下游任务训练自己模型实战
| | ├──1-提示工程的作用.mp4 44.01M
| | ├──2-基本API调用方法.mp4 59.69M
| | ├──3-数据文档切分操作.mp4 47.88M
| | ├──4-样本索引与向量构建.mp4 66.44M
| | └──5-数据切块方法.mp4 61.14M
| ├──7-视觉大模型SAM
| | ├──1-DEMO效果演示.mp4 57.83M
| | ├──2-论文解读分析.mp4 74.48M
| | ├──3-完成的任务分析.mp4 76.96M
| | ├──4-数据闭环方法.mp4 93.66M
| | ├──5-预训练模型的作用.mp4 144.99M
| | ├──6-Decoder的作用与项目源码.mp4 94.78M
| | ├──7-分割任务模块设计.mp4 62.84M
| | ├──8-实现细节分析.mp4 62.98M
| | └──9-总结分析.mp4 60.65M
| ├──8-视觉QA算法与论文解读
| | ├──1-视觉QA要解决的问题.mp4 51.72M
| | ├──2-论文概述分析.mp4 66.38M
| | ├──3-实现流程路线图.mp4 64.44M
| | ├──4-答案关注区域分析.mp4 54.45M
| | └──5-VQA任务总结.mp4 51.51M
| └──9-扩散模型diffusion架构算法解读
| | ├──1-扩散模型概述与GAN遇到的问题.mp4 43.24M
| | ├──10-基本建模训练效果.mp4 81.38M
| | ├──2-要完成的任务分析.mp4 62.27M
| | ├──3-公式原理推导解读.mp4 51.48M
| | ├──4-分布相关计算操作.mp4 45.08M
| | ├──5-算法实现细节推导.mp4 41.52M
| | ├──6-公式推导结果分析.mp4 49.07M
| | ├──7-细节实现总结.mp4 59.60M
| | ├──8-论文流程图解读.mp4 46.55M
| | └──9-案例流程分析.mp4 53.76M
├──20-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-卷积神经网络应用领域.mp4 21.20M
| | ├──10-VGG网络架构.mp4 19.34M
| | ├──11-残差网络Resnet.mp4 18.02M
| | ├──12-感受野的作用.mp4 16.86M
| | ├──2-卷积的作用.mp4 22.67M
| | ├──3-卷积特征值计算方法.mp4 21.23M
| | ├──4-得到特征图表示.mp4 18.23M
| | ├──5-步长与卷积核大小对结果的影响.mp4 19.86M
| | ├──6-边缘填充方法.mp4 17.28M
| | ├──7-特征图尺寸计算与参数共享.mp4 21.99M
| | ├──8-池化层的作用.mp4 11.31M
| | └──9-整体网络架构.mp4 16.98M
| ├──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 45.55M
| | ├──2-项目基本配置参数.mp4 33.31M
| | ├──3-任务流程解读.mp4 69.12M
| | ├──4-文献报告分析.mp4 122.67M
| | ├──5-补充：视频数据源特征处理方法概述.mp4 26.33M
| | └──6-补充：R(2plus1)D处理方法分析.mp4 18.88M
| ├──11-YOLO系列物体检测算法原理解读
| | ├──1-检测任务中阶段的意义.mp4 15.14M
| | ├──10-置信度误差与优缺点分析.mp4 26.86M
| | ├──11-V2版本细节升级概述.mp4 13.43M
| | ├──12-网络结构特点.mp4 15.69M
| | ├──13-架构细节解读.mp4 18.92M
| | ├──14-基于聚类来选择先验框尺寸.mp4 24.24M
| | ├──15-偏移量计算方法.mp4 27.55M
| | ├──16-坐标映射与还原.mp4 10.08M
| | ├──17-感受野的作用.mp4 28.11M
| | ├──18-特征融合改进.mp4 19.20M
| | ├──19-V3版本改进概述.mp4 18.27M
| | ├──2-不同阶段算法优缺点分析.mp4 10.68M
| | ├──20-多scale方法改进与特征融合.mp4 17.07M
| | ├──21-经典变换方法对比分析.mp4 10.83M
| | ├──22-残差连接方法解读.mp4 18.64M
| | ├──23-整体网络模型架构分析.mp4 12.93M
| | ├──24-先验框设计改进.mp4 13.04M
| | ├──25-sotfmax层改进.mp4 10.61M
| | ├──26-V4版本整体概述.mp4 15.06M
| | ├──27-V4版本贡献解读.mp4 10.06M
| | ├──28-数据增强策略分析.mp4 24.70M
| | ├──29-DropBlock与标签平滑方法.mp4 19.36M
| | ├──3-IOU指标计算.mp4 11.74M
| | ├──30-损失函数遇到的问题.mp4 14.26M
| | ├──31-CIOU损失函数定义.mp4 10.82M
| | ├──32-NMS细节改进.mp4 16.66M
| | ├──33-SPP与CSP网络结构.mp4 14.81M
| | ├──34-SAM注意力机制模块.mp4 22.48M
| | ├──35-PAN模块解读.mp4 20.64M
| | ├──36-激活函数与整体架构总结.mp4 19.19M
| | ├──4-评估所需参数计算.mp4 26.23M
| | ├──5-map指标计算.mp4 19.63M
| | ├──6-YOLO算法整体思路解读.mp4 14.75M
| | ├──7-检测算法要得到的结果.mp4 13.63M
| | ├──8-整体网络架构解读.mp4 30.67M
| | └──9-位置损失计算.mp4 18.97M
| ├──12-基于YOLO5细胞检测实战
| | ├──1-任务与细胞数据集介绍.mp4 49.79M
| | ├──2-模型与算法配置参数解读.mp4 42.47M
| | ├──3-网络训练流程演示.mp4 42.34M
| | ├──4-效果评估与展示.mp4 32.65M
| | └──5-细胞检测效果演示.mp4 43.21M
| ├──13-知识图谱原理解读
| | ├──1-知识图谱通俗解读.mp4 19.87M
| | ├──10-视觉领域图编码实例.mp4 20.97M
| | ├──11-图谱知识融合与总结分析.mp4 23.98M
| | ├──2-知识图谱在搜索引擎中的应用.mp4 26.60M
| | ├──3-知识图谱在医疗领域应用实例.mp4 102.89M
| | ├──4-金融与推荐领域的应用.mp4 20.39M
| | ├──5-数据获取分析.mp4 35.93M
| | ├──6-数据关系抽取分析.mp4 27.31M
| | ├──7-常用NLP技术点分析.mp4 22.09M
| | ├──8-graph-embedding的作用与效果.mp4 26.15M
| | └──9-金融领域图编码实例.mp4 12.77M
| ├──14-Neo4j数据库实战
| | ├──1-Neo4j图数据库介绍.mp4 63.50M
| | ├──2-Neo4j数据库安装流程演示.mp4 27.67M
| | ├──3-可视化例子演示.mp4 43.59M
| | ├──4-创建与删除操作演示.mp4 25.32M
| | └──5-数据库更改查询操作演示.mp4 27.14M
| ├──15-基于知识图谱的医药问答系统实战
| | ├──1-项目概述与整体架构分析.mp4 37.04M
| | ├──10-完成对话系统构建.mp4 39.47M
| | ├──2-医疗数据介绍及其各字段含义.mp4 62.65M
| | ├──3-任务流程概述.mp4 39.73M
| | ├──4-环境配置与所需工具包安装.mp4 36.37M
| | ├──5-提取数据中的关键字段信息.mp4 61.33M
| | ├──6-创建关系边.mp4 39.41M
| | ├──7-打造医疗知识图谱模型.mp4 59.14M
| | ├──8-加载所有实体数据.mp4 42.46M
| | └──9-实体关键词字典制作.mp4 31.84M
| ├──16-词向量模型与RNN网络架构
| | ├──1-词向量模型通俗解释.mp4 21.72M
| | ├──2-模型整体框架.mp4 28.24M
| | ├──3-训练数据构建.mp4 15.85M
| | ├──4-CBOW与Skip-gram模型.mp4 23.83M
| | ├──5-负采样方案.mp4 29.51M
| | └──6-额外补充-RNN网络模型解读.mp4 23.75M
| ├──17-医学糖尿病数据命名实体识别
| | ├──1-数据与任务介绍.mp4 22.73M
| | ├──2-整体模型架构.mp4 15.01M
| | ├──3-数据-标签-语料库处理.mp4 39.99M
| | ├──4-输入样本填充补齐.mp4 36.22M
| | ├──5-训练网络模型.mp4 40.37M
| | └──6-医疗数据集（糖尿病）实体识别.mp4 81.44M
| ├──2-PyTorch框架基本处理操作
| | ├──1-PyTorch实战课程简介.mp4 22.98M
| | ├──2-PyTorch框架发展趋势简介.mp4 25.22M
| | ├──3-框架安装方法（CPU与GPU版本）.mp4 18.60M
| | ├──4-PyTorch基本操作简介.mp4 28.68M
| | ├──5-自动求导机制.mp4 33.36M
| | ├──6-线性回归DEMO-数据与参数配置.mp4 22.62M
| | ├──7-线性回归DEMO-训练回归模型.mp4 39.40M
| | ├──8-补充：常见tensor格式.mp4 19.59M
| | └──9-补充：Hub模块简介.mp4 53.11M
| ├──3-PyTorch框架必备核心模块解读
| | ├──1-卷积网络参数定义.mp4 26.46M
| | ├──10-加载训练好的网络模型.mp4 50.00M
| | ├──11-优化器模块配置.mp4 24.63M
| | ├──12-实现训练模块.mp4 33.20M
| | ├──13-训练结果与模型保存.mp4 41.24M
| | ├──14-加载模型对测试数据进行预测.mp4 52.81M
| | ├──15-额外补充-Resnet论文解读.mp4 117.98M
| | ├──16-额外补充-Resnet网络架构解读.mp4 18.27M
| | ├──2-网络流程解读.mp4 37.49M
| | ├──3-Vision模块功能解读.mp4 23.53M
| | ├──4-分类任务数据集定义与配置.mp4 29.73M
| | ├──5-图像增强的作用.mp4 14.68M
| | ├──6-数据预处理与数据增强模块.mp4 37.24M
| | ├──7-Batch数据制作.mp4 43.65M
| | ├──8-迁移学习的目标.mp4 11.75M
| | └──9-迁移学习策略.mp4 15.47M
| ├──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 18.85M
| | ├──2-Resnet网络架构原理分析.mp4 24.81M
| | ├──3-dataloader加载数据集.mp4 64.78M
| | ├──4-Resnet网络前向传播.mp4 35.82M
| | ├──5-残差网络的shortcut操作.mp4 47.34M
| | ├──6-特征图升维与降采样操作.mp4 26.89M
| | └──7-网络整体流程与训练演示.mp4 67.45M
| ├──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 20.24M
| | ├──2-分割任务中的目标函数定义.mp4 20.00M
| | └──3-MIOU评估标准.mp4 9.03M
| ├──6-Unet系列算法讲解
| | ├──1-Unet网络编码与解码过程.mp4 18.29M
| | ├──2-网络计算流程.mp4 16.13M
| | ├──3-Unet升级版本改进.mp4 15.75M
| | └──4-后续升级版本介绍.mp4 18.37M
| ├──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 71.21M
| | ├──2-数据增强工具.mp4 61.47M
| | ├──3-Debug模式演示网络计算流程.mp4 41.37M
| | ├──4-特征融合方法演示.mp4 30.05M
| | ├──5-迭代完成整个模型计算任务.mp4 33.55M
| | └──6-模型效果验证.mp4 47.29M
| ├──8-deeplab系列算法
| | ├──1-deeplab分割算法概述.mp4 13.81M
| | ├──2-空洞卷积的作用.mp4 16.74M
| | ├──3-感受野的意义.mp4 19.37M
| | ├──4-SPP层的作用.mp4 19.02M
| | ├──5-ASPP特征融合策略.mp4 13.45M
| | └──6-deeplabV3Plus版本网络架构.mp4 24.08M
| └──9-基于deeplabV3+版本进行VOC分割实战
| | ├──1-PascalVoc数据集介绍.mp4 70.12M
| | ├──2-项目参数与数据集读取.mp4 60.32M
| | ├──3-网络前向传播流程.mp声明
1. 转载请附上原文链接，谢谢！！！
2. 本站所有资源文章出自互联网收集整理，本站不参与录制和制作。如果侵犯了您的合法权益，请联系本站我们会及时删除。
3. 本站所有资源均来源于网络，请勿相信连接中存在的引流、二维码等信息，请用户自行鉴别，否则后果由用户自行承担。
4. 本站资源仅供研究和学习，请勿用于商业用途及任何违规违法操作，支持正版，否则产生的一切后果将由下载用户自行承担。
5. 如有资源失效情况，评论尽量补链。
6. 联系方式：692086840#qq.com（#换成@）
评论(0)