在使用本系统时, 使用方必须在国家相关法律法规范围内并经过国家相关部门的授权许可, 禁止用于一切非法行为。使用用途仅限于测试、实验、研究为目的, 禁止用于一切商业运营, 本团队不承担使用者在使用过程中的任何违法行为负责
免责声明:本资源并未取得原始权利人的授权,不可商用,仅学习和研究软件内含的设计思想和分析底层代码以及原理等,禁止用于商业行为。如因擅自商用引起的相关纠纷及法律责任,由使用人全部承担。支持正版,人人有责,请于下载后24小时内删除,谢谢支持!
—/人工智能深度学习-第七期/
├──课件及代码
| ├──第10章 经典视觉项目实战-目标追踪与姿态估计
| | ├──第五六七章:YOLO目标检测
| | ├──基础补充-Resnet模型及其应用实例
| | ├──第二章:OpenPose算法源码分析.zip 243.86M
| | ├──第三章:Deepsort算法知识点解读.pdf 1.58M
| | ├──第四章:Deepsort源码解读.zip 107.90M
| | ├──第一章:姿态估计OpenPose系列算法解读.pdf 2.42M
| | ├──基础补充-PyTorch框架必备核心模块解读.zip 336.95M
| | └──基础补充-PyTorch框架基本处理操作.zip 98.58M
| ├──第11章 Transformer实战解读
| | └──transformer系列
| ├──第12章 图神经⽹络实战
| | ├──10-基于图模型的时间序列预测
| | ├──11-异构图神经网络
| | ├──3-图模型必备神器PyTorch Geometric安装与使用
| | ├──4-使用PyTorch Geometric构建自己的图数据集
| | ├──5-图注意力机制与序列图模型
| | ├──6-图相似度论文解读
| | ├──7-图相似度计算实战
| | ├──8-基于图模型的轨迹估计
| | ├──9-图模型轨迹估计实战
| | ├──第二章:图卷积GCN模型
| | └──第一章:图神经网络基础
| ├──第13章 ⾯向深度学习的⽆⼈驾驶实战
| | ├──1.深度估计算法解读
| | ├──10-NeuralRecon项目源码解读
| | ├──11-TSDF算法与应用
| | ├──12-TSDF实战案例
| | ├──13-轨迹估计算法与论文解读
| | ├──14-轨迹估计预测实战
| | ├──15-特斯拉无人驾驶解读
| | ├──2.深度估计项目实战
| | ├──3-车道线检测算法与论文解读
| | ├──4-基于深度学习的车道线检测项目实战
| | ├──5-商汤LoFTR算法解读
| | ├──6-局部特征关键点匹配实战
| | ├──7-三维重建应用与坐标系基础
| | ├──8-NeuralRecon算法解读
| | └──9-NeuralRecon项目环境配置
| ├──第14章 对比学习与多模态任务实战
| | ├──ANINET源码解读
| | ├──CLIP系列
| | ├──对比学习算法与实例
| | ├──多模态3D目标检测算法源码解读
| | └──多模态文字识别
| ├──第15章 ⾏⼈重识别实战
| | ├──第1节:行人重识别原理及其应用
| | ├──第2节:基于注意力机制的ReId模型论文解读
| | ├──第3节:基于Attention的行人重识别项目实战
| | ├──第4节:经典会议算法精讲(特征融合)
| | ├──第5节:项目实战-基于行人局部特征融合的再识别实战
| | ├──第6节:旷视研究院最新算法解读(基于图模型)
| | └──第7节:基于拓扑图的行人重识别项目实战
| ├──第16章 对抗⽣成⽹络实战
| | ├──第4节:stargan论文架构解析
| | ├──第6节:基于starganvc2的变声器论文原理解读
| | ├──第8节:图像超分辨率重构实战
| | ├──第9节:基于GAN的图像补全实战
| | ├──cyclegan.pdf 2.67M
| | ├──static.zip 1.26M
| | ├──第2节:对抗生成网络架构原理与实战解析.zip 35.28M
| | ├──第3节:基于CycleGan开源项目实战图像合成.zip 1.60G
| | ├──第5节:stargan项目实战及其源码解读.zip 869.44M
| | └──第7节:starganvc2变声器项目实战及其源码解读.zip 485.00M
| ├──第17章 强化学习实战系列
| | ├──第1节:强化学习简介及其应用.pdf 738.65kb
| | ├──第2节:PPO算法与公式推导.pdf 899.22kb
| | ├──第3节:策略梯度实战-月球登陆器训练实例.zip 4.34M
| | ├──第4节:DQN算法.pdf 1.43M
| | ├──第5节:DQN算法实例演示.zip 1.98kb
| | ├──第7节:Actor-Critic算法分析(A3C).pdf 560.29kb
| | └──第8节:A3C算法玩转超级马里奥.zip 97.62M
| ├──第18章 AI黑科技实例
| | ├──1 节GPT系列生成模型
| | ├──2 节GPT建模与预测流程
| | ├──3 节CLIP系列
| | ├──4 节Diffusion模型解读
| | ├──5 节Dalle2及其源码解读
| | └──6 节ChatGPT
| ├──第19章 深度学习模型部署与剪枝优化实战
| | ├──tensorRT
| | ├──嵌入式AI
| | ├──Docker使用命令.zip 7.83M
| | ├──Mobilenet.pdf 2.41M
| | ├──mobilenetv3.py 7.31kb
| | ├──pytorch-slimming.zip 356.43M
| | ├──PyTorch模型部署实例.zip 102.80kb
| | ├──TensorFlow-serving.zip 2.96M
| | ├──YOLO部署实例.zip 876.45M
| | └──剪枝算法.pdf 504.02kb
| ├──第1章 直播回放
| | └──1-1 节开班典礼等多个文件
| ├──第20章 面向医学领域的深度学习实战
| | ├──1-神经网络算法PPT
| | ├──10-基于deeplab的心脏视频数据诊断分析
| | ├──11-YOLO系列物体检测算法原理解读
| | ├──12-基于YOLO5细胞检测实战
| | ├──13-知识图谱原理解读
| | ├──14-Neo4j数据库实战
| | ├──15-基于知识图谱的医药问答系统实战
| | ├──17-医学糖尿病数据命名实体识别
| | ├──4-基于Resnet的医学数据集分类实战
| | ├──5-图像分割及其损失函数概述
| | ├──6-Unet系列算法讲解
| | ├──7-unet医学细胞分割实战
| | ├──8-deeplab系列算法
| | ├──9-基于deeplabV3+版本进行VOC分割实战
| | ├──16-词向量模型与RNN网络架构.zip 2.15M
| | ├──2-PyTorch框架基本处理操作.zip 98.58M
| | └──3-PyTorch框架必备核心模块解读.zip 336.95M
| ├──第21章 ⾃然语⾔处理经典案例实战
| | ├──NLP常用工具包
| | ├──课后作业
| | ├──课件
| | └──源码、数据集等
| ├──第22章 自然语言处理必备神器Huggingface系列实战
| | ├──第八章:GPT训练与预测部署流程
| | ├──第二章:Transformer工具包基本操作实例解读
| | ├──第九章:文本摘要建模
| | ├──第六章:文本预训练模型构建实例
| | ├──第七章:GPT系列算法
| | ├──第三章:Transformer核心架构
| | ├──第十一章:补充Huggingface数据集制作方法实例
| | ├──第十章:图谱知识抽取实战
| | ├──第四章:BERT系列算法解读
| | ├──第五章:文本标注工具与NER实例
| | └──第一章:Huggingface与NLP介绍解读
| ├──第23章 ⾃然语⾔处理通⽤框架-BERT实战
| | ├──课后作业
| | └──课件、源码
| ├──第24章 知识图谱实战系列
| | ├──第1.2节:知识图谱介绍及其应用领域分析
| | ├──第3节:Neo4j数据库实战
| | ├──第4节:使用python操作neo4j实例
| | ├──第5节:基于知识图谱的医药问答系统实战
| | ├──第6节:文本关系抽取实践
| | ├──第7节:金融平台风控模型实践
| | └──第8节:医学糖尿病数据命名实体识别
| ├──第25章 语⾳识别实战系列
| | ├──PPT
| | ├──论文
| | ├──变声器pytorch-StarGAN-VC2.zip 484.93M
| | ├──语音分离Conv-TasNet.zip 84.38M
| | ├──语音合成tacotron2实战.zip 302.43M
| | └──语音识别LAS模型.zip 420.12M
| ├──第26章 推荐系统实战系列
| | ├──第10节:基于统计分析的电影推荐
| | ├──第3节:音乐推荐系统实战
| | ├──第4节:Neo4j数据库实例
| | ├──第11节:补充-基于相似度的酒店推荐系统.zip 1.81M
| | ├──第1节:推荐系统介绍.pdf 1.50M
| | ├──第2节:协同过滤与矩阵分解.pdf 974.68kb
| | ├──第5节:基于知识图谱的电影推荐实战.zip 160.61M
| | ├──第6节:FM与DeepFM算法.pdf 759.61kb
| | ├──第7节:DeepFM算法实战.zip 1.16M
| | ├──第8节:推荐系统常用工具包演示.zip 129.35M
| | └──第9节:基于文本数据的推荐实例.zip 254.77M
| ├──第2章 AI课程所需安装软件教程
| | ├──Anaconda3-2020.07-Windows-x86_64.exe 467.49M
| | ├──cuda_11.3.0_465.89_win10.exe 2.68G
| | ├──mmcv_full-1.4.7-cp38-cp38-win_amd64.whl 12.75M
| | ├──notepadplusplus-8-4.exe 4.28M
| | ├──pycharm-community-2022.1.2.exe 378.78M
| | ├──torch-1.10.0+cu113-cp38-cp38-win_amd64.whl 2.27G
| | ├──torchvision-0.11.0+cu113-cp38-cp38-win_amd64.whl 3.04M
| | └──VisualStudioSetup.exe 1.60M
| ├──第3章 深度学习必备核⼼算法
| | └──课件
| ├──第4章 深度学习核⼼框架PyTorch
| | ├──flask预测.zip 712.05M
| | ├──第八章:对抗生成网络架构原理与实战解析.zip 35.28M
| | ├──第二,三章:神经网络实战分类与回归任务.zip 15.82M
| | ├──第六章:DataLoader自定义数据集制作.zip 594.02M
| | ├──第七章:LSTM文本分类实战.zip 31.53M
| | ├──第四章:卷积网络参数解读.zip 33.37M
| | └──第五章:图像识别模型与训练策略(重点).zip 449.77M
| ├──第5章 Opencv图像处理框架实战
| | ├──课件
| | └──源码资料
| ├──第6章 综合项⽬-物体检测经典算法实战
| | └──6.第六章 综合项⽬-物体检测经典算法实战
| ├──第7章 图像分割实战
| | └──7.第七章 图像分割实战
| ├──第8章 走向AI论文实验与项目实战的捷径-MMLAB实战系列
| | ├──DeformableDetr算法解读
| | ├──KIE关键信息抽取与视频超分辨率重构
| | ├──OCR算法解读
| | ├──mask2former(mmdetection).zip 192.38M
| | ├──ner.zip 121.60M
| | ├──第八模块:mmrazor-模型蒸馏.zip 1.00G
| | ├──第二模块:mmsegmentation-0.20.2.zip 2.80G
| | ├──第二模块:MPViT-main.zip 924.77M
| | ├──第九模块:mmaction2-master.zip 827.76M
| | ├──第六模块:mmediting-master.zip 107.78M
| | ├──第七模块:mmdetection3d-1.0.0rc0.zip 395.05M
| | ├──第三模块:mmdetection-master.zip 1.46G
| | ├──第四模块:mmocr-main.zip 381.72M
| | ├──第五模块:mmgeneration-master.zip 746.81M
| | └──第一模块:mmclassification-master.zip 912.00M
| └──第9章 经典视觉项目实战-行为识别
| | ├──slowfast-add
| | ├──基础补充-Resnet模型及其应用实例
| | ├──1-slowfast算法知识点通俗解读.pdf 572.31kb
| | ├──4-基于3D卷积的视频分析与动作识别.zip 845.84M
| | ├──5-视频异常检测算法与元学习.pdf 1.15M
| | ├──6-视频异常检测CVPR2021论文及其源码解读.zip 243.75M
| | ├──slowfast论文.pdf 1.45M
| | ├──基础补充-PyTorch框架必备核心模块解读.zip 336.95M
| | └──基础补充-PyTorch框架基本处理操作.zip 98.58M
└──视频
| ├──第10章 经典视觉项目实战-目标追踪与姿态估计
| | ├──10-1 节课程介绍
| | ├──10-2 节姿态估计OpenPose系列算法解读
| | ├──10-3 节OpenPose算法源码分析
| | ├──10-4 节deepsort算法知识点解读
| | ├──10-5 节deepsort源码解读
| | ├──10-6 节YOLO-V4版本算法解读
| | ├──10-7 节V5版本项目配置
| | └──10-8 节V5项目工程源码解读
| ├──第11章 Transformer实战解读
| | ├──11-1 节Transformer算法解读
| | ├──11-10 节MedicalTrasnformer论文解读
| | ├──11-11 节MedicalTransformer源码解读
| | ├──11-12 节商汤LoFTR算法解读
| | ├──11-13 节局部特征关键点匹配实战
| | ├──11-14 节分割模型Maskformer系列
| | ├──11-15 节Mask2former源码解读
| | ├──11-16 节BEV特征空间
| | ├──11-17 节BevFormer源码解读
| | ├──11-18 节时间序列预测
| | ├──11-19 节Informer时间序列源码解读
| | ├──11-2 节视觉Transformer及其源码分析
| | ├──11-20 节Huggingface与NLP(讲故事)
| | ├──11-3 节VIT算法模型源码解读
| | ├──11-4 节swintransformer算法原理解析
| | ├──11-5 节swintransformer源码解读
| | ├──11-6 节基于Transformer的detr⽬标检测算法
| | ├──11-7 节detr⽬标检测源码解读
| | ├──11-8 节DeformableDetr算法解读
| | └──11-9 节DeformableDetr物体检测源码分析
| ├──第12章 图神经网络实战
| | ├──12-1 节图神经网络基础
| | ├──12-10 节基于图模型的时间序列预测
| | ├──12-11 节异构图神经网络
| | ├──12-2 节图卷积GCN模型
| | ├──12-3 节图模型必备神器PyTorch Geometric安装与使用
| | ├──12-4 节使用PyTorch Geometric构建自己的图数据集
| | ├──12-5 节图注意力机制与序列图模型
| | ├──12-6 节图相似度论文解读
| | ├──12-7 节图相似度计算实战
| | ├──12-8 节基于图模型的轨迹估计
| | └──12-9 节图模型轨迹估计实战
| ├──第13章 面向深度学习的无人驾驶实战
| | ├──13-1 节深度估计算法原理解读
| | ├──13-10 节NeuralRecon项目源码解读
| | ├──13-11 节TSDF算法与应用
| | ├──13-12 节TSDF实战案例
| | ├──13-13 节轨迹估计算法与论文解读
| | ├──13-14 节轨迹估计预测实战
| | ├──13-15 节特斯拉无人驾驶解读
| | ├──13-2 节深度估计项目实战
| | ├──13-3 节车道线检测算法与论文解读
| | ├──13-4 节基于深度学习的车道线检测项目实战
| | ├──13-5 节商汤LoFTR算法解读
| | ├──13-6 节局部特征关键点匹配实战
| | ├──13-7 节三维重建应用与坐标系基础
| | ├──13-8 节NeuralRecon算法解读
| | └──13-9 节NeuralRecon项目环境配置
| ├──第14章 对比学习与多模态任务实战
| | ├──14-1 节对比学习算法与实例
| | ├──14-2 节CLIP系列
| | ├──14-3 节多模态3D目标检测算法源码解读
| | ├──14-4 节多模态文字识别
| | └──14-5 节ANINET源码解读
| ├──第15章 行人重识别实战
| | ├──15-1 节行人重识别原理及其应用
| | ├──15-2 节基于注意力机制的Reld模型论文解读
| | ├──15-3 节基于Attention的行人重识别项目实战
| | ├──15-4 节AAAI2020顶会算法精讲
| | ├──15-5 节项目实战-基于行人局部特征融合的再识别实战
| | ├──15-6 节旷视研究院最新算法解读(基于图模型)
| | └──15-7 节基于拓扑图的行人重识别项目实战
| ├──第16章 对抗生成网络实战
| | ├──16-1 节课程介绍
| | ├──16-2 节对抗生成网络架构原理与实战解析
| | ├──16-3 节基于CycleGan开源项目实战图像合成
| | ├──16-4 节stargan论文架构解析
| | ├──16-5 节stargan项目实战及其源码解读
| | ├──16-6 节基于starganvc2的变声器论文原理解读
| | ├──16-7 节starganvc2变声器项目实战及其源码解读
| | ├──16-8 节图像超分辨率重构实战
| | └──16-9 节基于GAN的图像补全实战
| ├──第17章 强化学习实战系列
| | ├──17-1 节强化学习简介及其应用
| | ├──17-2 节PPO算法与公式推导
| | ├──17-3 节PPO实战-月球登陆器训练实例
| | ├──17-4 节Q-learning与DQN算法
| | ├──17-5 节DQN算法实例演示
| | ├──17-6 节DQN改进与应用技巧
| | ├──17-7 节Actor-Critic算法分析(A3C)
| | └──17-8 节用A3C玩转超级马里奥
| ├──第18章 AI黑科技实例
| | ├──18-1 节GPT系列生成模型
| | ├──18-2 节GPT建模与预测流程
| | ├──18-3 节CLIP系列
| | ├──18-4 节Diffusion模型解读
| | ├──18-5 节Dalle2及其源码解读
| | └──18-6 节ChatGPT
| ├──第19章 深度学习模型部署与剪枝优化实战
| | ├──19-1 节AIoT人工智能物联网之认识 jetson nano
| | ├──19-10 节模型剪枝-Network Slimming实战解读
| | ├──19-11 节Mobilenet三代网络模型架构
| | ├──19-2 节AIoT人工智能物联网之AI 实战
| | ├──19-3 节AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
| | ├──19-4 节 AIoT人工智能物联网之deepstream
| | ├──19-5 节pyTorch框架部署实践
| | ├──19-6 节YOLO-V3物体检测部署实例
| | ├──19-7 节docker实例演示
| | ├──19-8 节tensorflow-serving实战
| | └──19-9 节模型剪枝-Network Slimming算法分析
| ├──第1章 直播回放
| | ├──1-1 节开班典礼
| | ├──1-10 节直播8:图神经网络
| | ├──1-11 节直播9:LangChain与VQA任务
| | ├──1-12 节直播10:EfficientVIT与DINOV2
| | ├──1-13 节直播11:对比学习与自监督任务
| | ├──1-14 节直播12:注意力机制串讲
| | ├──1-15 节直播13:BEITV2-3与Mmlab自监督源码解读
| | ├──1-16 节直播14:Bev特征空间与知识蒸馏
| | ├──1-17 节直播15:总结与论文和简历
| | ├──1-2 节Pycharm环境配置与Debug演示(没用过的同学必看)
| | ├──1-3 节直播1:神经网络结构
| | ├──1-4 节直播2:卷积神经网络
| | ├──1-5 节直播3:Transformer
| | ├──1-6 节直播4:VIT源码解读
| | ├──1-7 节直播5:Segment anything
| | ├──1-8 节直播6:时间序列timesnet
| | └──1-9 节直播7:文本大模型下游任务一条龙
| ├──第20章 面向医学领域的深度学习实战
| | ├──20-1 节卷积神经网络原理与参数解读
| | ├──20-10 节基于deeplab的心脏视频数据诊断分析
| | ├──20-11 节YOLO系列物体检测算法原理解读
| | ├──20-12 节基于YOLO5细胞检测实战
| | ├──20-13 节知识图谱原理解读
| | ├──20-14 节Neo4j数据库实战
| | ├──20-15 节基于知识图谱的医药问答系统实战
| | ├──20-16 节词向量模型与RNN网络架构
| | ├──20-17 节医学糖尿病数据命名实体识别
| | ├──20-2 节PyTorch框架基本处理操作
| | ├──20-3 节PyTorch框架必备核心模块解读
| | ├──20-4 节基于Resnet的医学数据集分类实战
| | ├──20-5 节图像分割及其损失函数概述
| | ├──20-6 节Unet系列算法讲解
| | ├──20-7 节unet医学细胞分割实战
| | ├──20-8 节deeplab系列算法
| | └──20-9 节基于deeplabV3+版本进行VOC分割实战
| ├──第21章 自然语言处理经典案例实战
| | ├──21-1 节NLP常用工具包实战
| | ├──21-10 节NLP-文本特征方法对比
| | ├──21-11 节NLP-相似度模型
| | ├──21-12 节LSTM情感分析
| | ├──21-13 节机器人写唐诗
| | ├──21-14 节对话机器人
| | ├──21-2 节商品信息可视化与文本分析
| | ├──21-3 节贝叶斯算法
| | ├──21-4 节新闻分类任务实战
| | ├──21-5 节HMM隐马尔科夫模型
| | ├──21-6 节HMM工具包实战
| | ├──21-7 节语言模型
| | ├──21-8 节使用Gemsim构建词向量
| | └──21-9 节基于word2vec的分类任务
| ├──第22章 自然语言处理必备神器Huggingface系列实战
| | ├──22-1 节Huggingface与NLP介绍解读
| | ├──22-10 节补充Huggingface数据集制作方法实例
| | ├──22-2 节Transformer工具包基本操作实例解读
| | ├──22-3 节BERT系列算法解读
| | ├──22-4 节文本标注工具与NER实例
| | ├──22-5 节文本预训练模型构建实例
| | ├──22-6 节GPT系列算法
| | ├──22-7 节GPT训练与预测部署流程
| | ├──22-8 节文本摘要建模
| | └──22-9 节图谱知识抽取实战
| ├──第23章 自然语言处理通用框架-BERT实战
| | ├──23-1 节自然语言处理通用框架BERT原理解读
| | ├──23-2 节谷歌开源项目BERT源码解读与应用实例
| | ├──23-3 节项目实战-基于BERT的中文情感分析实战
| | ├──23-4 节项目实战-基于BERT的中文命名实体识别识别实战
| | ├──23-5 节必备基础知识点-woed2vec模型通俗解读
| | ├──23-6 节必备基础-掌握Tensorflow如何实现word2vec模型
| | ├──23-7 节必备基础知识点-RNN网络架构与情感分析应用实例
| | └──23-8 节医学糖尿病数据命名实体识别
| ├──第24章 知识图谱实战系列
| | ├──24-1 节知识图谱介绍及其应用领域分析
| | ├──24-2 节知识图谱涉及技术点分析
| | ├──24-3 节Neo4j数据库实战
| | ├──24-4 节使用python操作neo4j实例
| | ├──24-5 节基于知识图谱的医药问答系统实战
| | ├──24-6 节文本关系抽取实践
| | ├──24-7 节金融平台风控模型实践
| | └──24-8 节医学糖尿病数据命名实体识别
| ├──第25章 语音识别实战系列
| | ├──25-1 节seq2seq序列网络模型
| | ├──25-2 节LAS模型语音识别实战
| | ├──25-3 节starganvc2变声器论文原理解读
| | ├──25-4 节staeganvc2变声器源码实战
| | ├──25-5 节语音分离ConvTasnet模型
| | ├──25-6 节ConvTasnet语音分离实战
| | └──25-7 节语音合成tacotron最新版实战
| ├──第26章 推荐系统实战系列
| | ├──26-1 节推荐系统介绍及其应用
| | ├──26-10 节基本统计分析的电影推荐
| | ├──26-11 节补充-基于相似度的酒店推荐系统
| | ├──26-2 节协同过滤与矩阵分解
| | ├──26-3 节音乐推荐系统实战
| | ├──26-4 节知识图谱与Neo4j数据库实例
| | ├──26-5 节基于知识图谱的电影推荐实战
| | ├──26-6 节点击率估计FM与DeepFM算法
| | ├──26-7 节DeepFM算法实战
| | ├──26-8 节推荐系统常用工具包演示
| | └──26-9 节基于文本数据的推荐实例
| ├──第2章 AI课程所需安装软件教程
| | └──2-1 节AI课程所需安装软件教程
| ├──第3章 深度学习必备核心算法
| | ├──3-1 节神经网络算法解读
| | ├──3-2 节卷积神经网络算法解读
| | ├──3-3 节递归神经网络算法解读
| | └──3-4 节额外补充
| ├──第4章 深度学习核心框架PyTorch
| | ├──4-1 节PyTorch框架介绍与配置安装
| | ├──4-2 节使用神经网络进行分类任务
| | ├──4-3 节神经网络回归任务-气温预测
| | ├──4-4 节卷积网络参数解读分析
| | ├──4-5 节图像识别模型与训练策略(重点)
| | ├──4-6 节DataLoader自定义数据集制作
| | ├──4-7 节LSTM文本分类实战
| | └──4-8 节PyTorch框架Flask部署例子
| ├──第5章 Opencv图像处理框架实战
| | ├──5-1 节课程简介与环境配置
| | ├──5-10 节⽂档扫描OCR识别
| | ├──5-11 节图像特征-harris
| | ├──5-12 节图像特征-sift
| | ├──5-13 节全景图像拼接
| | ├──5-14 节停⻋场⻋位识别
| | ├──5-15 节答题卡识别判卷
| | ├──5-16 节背景建模
| | ├──5-17 节光流估计
| | ├──5-18 节Opencv的DNN模块
| | ├──5-19 节⽬标追踪
| | ├──5-2 节图像基本操作
| | ├──5-20 节卷积原理与操作
| | ├──5-21 节疲劳检测
| | ├──5-3 节阈值与平滑处理
| | ├──5-4 节图像形态学操作
| | ├──5-5 节图像梯度计算
| | ├──5-6 节边缘检测
| | ├──5-7 节图像⾦字塔与轮廓检测
| | ├──5-8 节直⽅图与傅⾥叶变换
| | └──5-9 节信⽤卡数字识别
| ├──第6章 综合项目-物体检测经典算法实战
| | ├──6-1 节深度学习经典检测⽅法概述
| | ├──6-10 节YOLO系列(V7)算法解读
| | ├──6-11 节V7源码解读
| | ├──6-12 节基于Transformer的detr目标检测算法
| | ├──6-13 节detr目标检测源码解读
| | ├──6-14 节DeformableDetr算法解读
| | ├──6-15 节半监督物体检测
| | ├──6-16 节EfficientNet网络
| | ├──6-17 节EfficientDet检测算法
| | ├──6-2 节YOLO-V1整体思想与⽹络架构
| | ├──6-3 节YOLO-V2改进细节详解
| | ├──6-4 节YOLO-V3核⼼⽹络模型
| | ├──6-5 节基于V3版本进⾏源码解读
| | ├──6-6 节基于YOLO-V3训练⾃⼰的数据集与任务
| | ├──6-7 节YOLO-V4版本算法解读
| | ├──6-8 节V5版本项⽬配置
| | └──6-9 节V5项⽬⼯程源码解读
| ├──第7章 图像分割实战
| | ├──7-1 节图像分割及其损失函数概述
| | ├──7-10 节物体检测框架-MaskRcnn项目介绍与配置
| | ├──7-11 节MaskRcnn网络框架源码详解
| | ├──7-12 节基于MASK-RCNN框架训练自己的数据与任务
| | ├──7-2 节Unet系列算法讲解
| | ├──7-3 节unet医学细胞分割实战
| | ├──7-4 节U2NET显著性检测实战
| | ├──7-5 节deeplab系列算法
| | ├──7-6 节基于deeplabV3+版本进⾏VOC分割实战
| | ├──7-7 节医学⼼脏视频数据集分割建模实战
| | ├──7-8 节分割模型Maskformer系列
| | └──7-9 节补充:Mask2former源码解读
| ├──第8章 走向AI论文实验与项目实战的捷径-MMLAB实战系列
| | ├──8-1 节MMCV安装方法
| | ├──8-10 节补充:Mask2former源码解读
| | ├──8-11 节第三模块:DeformableDetr算法解读
| | ├──8-12 节KIE关键信息抽取与视频超分辨率重构
| | ├──8-13 节第四模块:DBNET文字检测
| | ├──8-14 节第四模块:ANINET文字识别
| | ├──8-15 节第四模块:KIE基于图模型的关键信息抽取
| | ├──8-16 节第五模块:stylegan2源码解读
| | ├──8-17 节第六模块:BasicVSR++视频超分辨重构源码解读
| | ├──8-18 节第七模块:多模态3D目标检测算法源码解读
| | ├──8-19 节第八模块:模型蒸馏应用实例
| | ├──8-2 节第一模块:分类任务基本操作
| | ├──8-20 节第八模块:模型剪枝方法概述分析
| | ├──8-21 节第九模块:mmaction行为识别
| | ├──8-22 节OCR算法解读
| | ├──8-23 节额外补充-在源码中加入各种注意力机制方法
| | ├──8-3 节第一模块:训练结果测试与验证
| | ├──8-4 节第一模块:模型源码DEBUG演示
| | ├──8-5 节第二模块:使用分割模块训练自己的数据集
| | ├──8-6 节第二模块:基于Unet进行各种策略修改
| | ├──8-7 节第二模块:分割任务CVPR最新Backbone设计及其应用
| | ├──8-8 节第三模块:mmdet训练自己的数据任务
| | └──8-9 节第三模块:DeformableDetr物体检测源码分析
| └──第9章 经典视觉项目实战-行为识别
| | ├──9-1 节slowfast算法知识点通俗解读
| | ├──9-2 节slowfast项目环境配置与配置文件
| | ├──9-3 节slowfast源码详细解读
| | ├──9-4 节基于3D卷积的视频分析与动作识别
| | ├──9-5 节视频异常检测算法与元学习
| | ├──9-6 节视频异常检测CVPR2021论文及其源码解读
| | └──9-7 节基础补充-Resnet模型及其应用实例
1.本资源并未取得原始权利人的授权,不可商用,仅学习和研究软件内含的设计思想和分析底层代码以及原理等,禁止用于商业行为。如因擅自商用引起的相关纠纷及法律责任,由使用人全部承担。支持正版,人人有责,请于下载后24小时内删除
2. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长(
[email protected]
)!3. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
4. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
5. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
6. 如有链接无法下载、失效或广告,请联系管理员处理!(部分资源失效后无法补链)
7. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!
8.在使用本系统时,使用方必须在国家相关法律法规范围内并经过国家相关部门的授权许可,禁止用于一切非法行为。使用用途仅限于测试、实验、研究为目的,禁止用于一切商业运营,本团队不承担使用者在使用过程中的任何违法行为负责。
9.根据2013年1月30日《计算机软件保护条例》2次修订第17条规定: 为了学习和研究软件内含的设计思想和原理,通过安装、显示、传输或者存 储软件等方式使用软件的,可以不经软件著作权人许可,不向其支付报酬! 鉴于此,也希望大家按此说明研究软件!