【资源目录】:
├──00 资料
| ├──1.第一章 直播回放
| | ├──1-1 节开班典礼
| | ├──1-10 节直播7：半监督物体检测
| | ├──1-11 节直播8：基于图模型的时间序列预测
| | ├──1-12 节直播9：图像定位与检索
| | ├──1-13 节直播10：近期内容补充
| | ├──1-14 节直播11文本生成GPT系列
| | ├──1-15 节直播12：异构图神经网络
| | ├──1-16 节直播13：BEV特征空间
| | ├──1-17 节补充：BevFormer源码解读
| | ├──1-18 节直播14：知识蒸馏
| | ├──1-3 节直播1：深度学习核心算法-神经网络与卷积网络
| | ├──1-4 节卷积神经网络
| | ├──1-5 节直播3：Transformer架构
| | ├──1-6 节直播4：Transfomer在视觉任务中的应用实例
| | ├──1-7 节直播5：YOLO系列（V7）算法解读
| | ├──1-8 节直播6：分割模型Maskformer系列
| | └──1-9 节补充：Mask2former源码解读
| ├──10.第一十章 图神经⽹络实战
| | ├──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
| ├──11.第一十一章 3D点云实战
| | ├──第1节：3D点云应用领域分析
| | ├──第2节：3D点云PointNet算法
| | ├──第3节：PointNet算法解读
| | ├──第4节：Pointnet项目实战
| | ├──第5节：点云补全PF-Net论文解读
| | ├──第6节：点云补全实战解读
| | ├──第7节：点云配准及其案例实战
| | └──第8节：基础补充-对抗生成网络架构原理与实战解析
| ├──12.第一十二章 ⽬标追踪与姿态估计实战
| | ├──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
| ├──13.第一十三章 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
| ├──14.第一十四章 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
| ├──15.第一十五章 缺陷检测实战
| | ├──PyTorch基础
| | ├──Resnet分类实战
| | ├──第1-4章：YOLOV5缺陷检测
| | ├──第11-12章：deeplab
| | ├──第6-8章：Opencv各函数使用实例
| | ├──DeepLab铁质材料缺陷检测与开源项目应用流程.zip 3.58G
| | ├──第10章：基于视频流水线的Opnecv缺陷检测项目.zip 13.96M
| | ├──第5章：Semi-supervised布料缺陷检测实战.zip 212.33M
| | └──第9章：基于Opencv缺陷检测项目实战.zip 11.38M
| ├──16.第一十六章 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
| ├──17.第一十七章 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
| ├──18.第一十八章 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
| ├──19.第一十九章 Openai顶级黑科技算法及其项目实战
| | ├──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
| ├──2.第二章 深度学习必备核⼼算法
| | └──课件
| ├──20.第二十章 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
| ├──21.第二十一章 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
| ├──22.第二十二章 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原理解读
| | ├──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
| ├──23.第二十三章 ⾃然语⾔处理通⽤框架-BERT实战
| | ├──课后作业
| | └──课件、源码
| ├──24.第二十四章 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
| ├──25.第二十五章 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
| ├──26.第二十六章 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
| ├──27.第二十七章 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
| ├──28.第二十八章 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
| ├──29.第二十九章 额外补充
| | ├──ACMIX(卷积与注意力结合)
| | ├──ConvNeXt
| | ├──Coordinate_attention
| | ├──GCNET(全局特征融合)
| | ├──mobileone(提速)
| | ├──SPD-Conv
| | ├──SPPCSPC(替换SPP)
| | ├──gc(2).py 5.67kb
| | └──gc.py 5.67kb
| ├──3.第三章 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
| ├──4.第四章 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
| ├──5.第五章 Opencv图像处理框架实战
| | ├──课件
| | └──源码资料
| ├──6.第六章 综合项⽬-物体检测经典算法实战
| | ├──YOLO系列（PyTorch）
| | ├──CenterNet.pdf 8.83M
| | ├──detr目标检测源码解读.zip 108.29kb
| | ├──EfficientDet.pdf 780.70kb
| | ├──EfficientDet.zip 80.48M
| | ├──EfficientNet.pdf 943.23kb
| | ├──json2yolo.py 1.48kb
| | ├──yolov7-main.zip 337.57M
| | ├──第十二章：基于Transformer的detr目标检测算法.pdf 885.69kb
| | └──物体检测.pdf 1.38M
| ├──7.第七章 图像分割实战
| | ├──第1节：图像分割算法
| | ├──第2节：卷积网络
| | ├──第3节：Unet系列算法讲解
| | ├──第4节：unet医学细胞分割实战
| | ├──第6节：deeplab系列算法
| | ├──第7节：基于deeplabV3+版本进行VOC分割实战
| | ├──第8节：基于deeplab的心脏视频数据诊断分析
| | ├──基于Resnet的医学数据集分类实战
| | ├──f112c9fda85536ee3eba662c9043e683.bat 0.07kb
| | ├──mask-rcnn.pdf 989.98kb
| | ├──MaskRcnn网络框架源码详解.zip 1.14G
| | ├──PyTorch框架基本处理操作.zip 98.58M
| | ├──R(2+1)D网络.pdf 507.15kb
| | ├──第5节：U-2-Net.zip 636.25M
| | ├──基于MASK-RCNN框架训练自己的数据与任务.zip 439.38M
| | └──图像识别核心模块实战解读.zip 336.95M
| ├──8.第八章 行为识别实战
| | ├──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
| └──9.第九章 2022论⽂必备-Transformer实战系列
| | └──transformer系列
├──01 直播课回放
| ├──01 开班典礼
| | └──01 开班典礼.mp4 1.04G
| ├──02 Pycharm环境配置与Debug演示(没用过的同学必看)
| | └──01 Pycharm环境配置与Debug演示(没用过的同学必看).mp4 96.02M
| ├──03 直播1：深度学习核心算法-神经网络与卷积网络
| | └──01 深度学习核心算法-神经网络与卷积网络.mp4 370.69M
| ├──04 直播2：卷积神经网络
| | └──01 卷积神经网络.mp4 414.75M
| ├──05 直播3：Transformer架构
| | └──01 Transformer架构.mp4 365.08M
| ├──06 直播4：Transfomer在视觉任务中的应用实例
| | └──01 Transfomer在视觉任务中的应用实例.mp4 661.46M
| ├──07 直播5：YOLO系列（V7）算法解读
| | └──01 YOLO系列（V7）算法解读.mp4 392.52M
| ├──08 直播6：分割模型Maskformer系列
| | └──01 分割模型Maskformer系列.mp4 570.91M
| ├──09 补充：Mask2former源码解读
| | ├──01 Backbone获取多层级特征.mp4 27.89M
| | ├──02 多层级采样点初始化构建.mp4 33.82M
| | ├──03 多层级输入特征序列创建方法.mp4 33.71M
| | ├──04 偏移量与权重计算并转换.mp4 37.60M
| | ├──05 Encoder特征构建方法实例.mp4 40.05M
| | ├──06 query要预测的任务解读.mp4 36.21M
| | ├──07 Decoder中的AttentionMask方法.mp4 40.02M
| | ├──08 损失模块输入参数分析.mp4 31.76M
| | ├──09 标签分配策略解读.mp4 33.32M
| | ├──10 正样本筛选损失计算.mp4 32.51M
| | ├──11 标签分类匹配结果分析.mp4 49.34M
| | ├──12 最终损失计算流程.mp4 41.44M
| | └──13 汇总所有损失完成迭代.mp4 28.48M
| ├──10 直播7：半监督物体检测
| | └──01 半监督物体检测.mp4 606.03M
| ├──11 直播8：基于图模型的时间序列预测
| | └──01 基于图模型的时间序列预测.mp4 911.17M
| ├──12 直播9：图像定位与检索
| | └──01 图像定位与检索.mp4 717.84M
| ├──13 直播10：近期内容补充
| | └──01 近期内容补充.mp4 725.35M
| ├──14 直播11：文本生成GPT系列
| | └──01 文本生成GPT系列.mp4 307.00M
| ├──15 直播12：异构图神经网络
| | └──01 异构图神经网络.mp4 527.75M
| ├──16 直播13：BEV特征空间
| | └──01 BEV特征空间.mp4 384.59M
| ├──17 补充：BevFormer源码解读
| | ├──01 环境配置方法解读.mp4 34.17M
| | ├──02 数据集下载与配置方法.mp4 41.44M
| | ├──03 特征提取以及BEV空间初始化.mp4 33.67M
| | ├──04 特征对齐与位置编码初始化.mp4 33.90M
| | ├──05 Reference初始点构建.mp4 29.37M
| | ├──06 BEV空间与图像空间位置对应.mp4 29.38M
| | ├──07 注意力机制模块计算方法.mp4 30.62M
| | ├──08 BEV空间特征构建.mp4 26.80M
| | ├──09 Decoder要完成的任务分析.mp4 26.51M
| | ├──10 获取当前BEV特征.mp4 28.58M
| | ├──11 Decoder级联校正模块.mp4 33.43M
| | └──12 损失函数与预测可视化.mp4 41.28M
| ├──18 直播14：知识蒸馏
| | └──01 知识蒸馏.mp4 354.30M
| └──19 直播15：六期总结与论文简历
| | └──01 六期总结与论文简历.mp4 289.93M
├──02 深度学习必备核心算法
| ├──01 神经网络算法解读
| | └──01 神经网络算法解读.mp4 415.30M
| ├──02 卷积神经网络算法解读
| | └──01 卷积神经网络算法解读.mp4 325.31M
| └──03 递归神经网络算法解读
| | └──01 递归神经网络算法解读.mp4 271.82M
├──03 深度学习核心框架PyTorch
| ├──01 PyTorch框架介绍与配置安装
| | ├──01 PyTorch框架与其他框架区别分析.mp4 28.86M
| | └──02 CPU与GPU版本安装方法解读.mp4 69.56M
| ├──02 使用神经网络进行分类任务
| | ├──01 数据集与任务概述.mp4 35.61M
| | ├──02 基本模块应用测试.mp4 36.42M
| | ├──03 网络结构定义方法.mp4 43.97M
| | ├──04 数据源定义简介.mp4 29.45M
| | ├──05 损失与训练模块分析.mp4 32.01M
| | ├──06 训练一个基本的分类模型.mp4 42.01M
| | └──07 参数对结果的影响.mp4 39.23M
| ├──03 神经网络回归任务-气温预测
| | └──01 神经网络回归任务-气温预测.mp4 154.93M
| ├──04 卷积网络参数解读分析
| | ├──01 输入特征通道分析.mp4 33.69M
| | ├──02 卷积网络参数解读.mp4 24.75M
| | └──03 卷积网络模型训练.mp4 41.99M
| ├──05 图像识别模型与训练策略（重点）
| | ├──01 任务分析与图像数据基本处理.mp4 31.96M
| | ├──02 数据增强模块.mp4 30.83M
| | ├──03 数据集与模型选择.mp4 36.14M
| | ├──04 迁移学习方法解读.mp4 34.10M
| | ├──05 输出层与梯度设置.mp4 47.38M
| | ├──06 输出类别个数修改.mp4 40.46M
| | ├──07 优化器与学习率衰减.mp4 41.29M
| | ├──08 模型训练方法.mp4 39.99M
| | ├──09 重新训练全部模型.mp4 43.25M
| | └──10 测试结果演示分析.mp4 91.09M
| ├──06 DataLoader自定义数据集制作
| | ├──01 Dataloader要完成的任务分析.mp4 29.00M
| | ├──02 图像数据与标签路径处理.mp4 37.60M
| | ├──03 Dataloader中需要实现的方法分析.mp4 33.96M
| | └──04 实用Dataloader加载数据并训练模型.mp4 63.88M
| ├──07 LSTM文本分类实战
| | ├──01 数据集与任务目标分析.mp4 36.03M
| | ├──02 文本数据处理基本流程分析.mp4 38.62M
| | ├──03 命令行参数与DEBUG.mp4 30.07M
| | ├──04 训练模型所需基本配置参数分析.mp4 33.00M
| | ├──05 预料表与字符切分.mp4 25.85M
| | ├──06 字符预处理转换ID.mp4 28.32M
| | ├──07 LSTM网络结构基本定义.mp4 28.87M
| | ├──08 网络模型预测结果输出.mp4 32.54M
| | └──09 模型训练任务与总结.mp4 39.42M
| └──08 PyTorch框架Flask部署例子
| | ├──01 基本结构与训练好的模型加载.mp4 17.32M
| | ├──02 服务端处理与预测函数.mp4 36.32M
| | └──03 基于Flask测试模型预测结果.mp4 38.76M
├──04 MMLAB实战系列
| ├──01 MMCV安装方法
| | └──01 MMCV安装方法.mp4 38.52M
| ├──02 第一模块：分类任务基本操作
| | ├──01 MMCLS问题修正.mp4 18.43M
| | ├──02 准备MMCLS项目.mp4 25.79M
| | ├──03 基本参数配置解读.mp4 26.22M
| | ├──04 各模块配置文件组成.mp4 29.52M
| | ├──05 生成完整配置文件.mp4 18.70M
| | ├──06 根据文件夹定义数据集.mp4 31.27M
| | ├──07 构建自己的数据集.mp4 26.92M
| | └──08 训练自己的任务.mp4 30.97M
| ├──03 第一模块：训练结果测试与验证
| | ├──01 测试DEMO效果.mp4 18.86M
| | ├──02 测试评估模型效果.mp4 21.47M
| | ├──03 MMCLS中增加一个新的模块.mp4 49.34M
| | ├──04 修改配置文件中的参数.mp4 52.35M
| | ├──05 数据增强流程可视化展示.mp4 29.94M
| | ├──06 Grad-Cam可视化方法.mp4 30.29M
| | ├──07 可视化细节与效果分析.mp4 91.83M
| | ├──08 MMCLS可视化模块应用.mp4 55.84M
| | └──09 模型分析脚本使用.mp4 26.39M
| ├──04 第一模块：模型源码DEBUG演示
| | ├──01 VIT任务概述.mp4 23.77M
| | ├──02 数据增强模块概述分析.mp4 43.85M
| | ├──03 PatchEmbedding层.mp4 19.28M
| | ├──04 前向传播基本模块.mp4 30.85M
| | └──05 CLS与输出模块.mp4 35.13M
| ├──05 第二模块：使用分割模块训练自己的数据集
| | ├──01 项目配置基本介绍.mp4 56.78M
| | ├──02 数据集标注与制作方法.mp4 44.00M
| | ├──03 根据预测类别数修改配置文件.mp4 31.28M
| | ├──04 加载预训练模型开始训练.mp4 69.51M
| | └──05 预测DEMO演示.mp4 16.89M
| ├──06 第二模块：基于Unet进行各种策略修改
| | ├──01 配置文件解读.mp4 25.75M
| | ├──02 编码层模块.mp4 25.47M
| | ├──03 上采样与输出层.mp4 22.78M
| | ├──04 辅助层的作用.mp4 15.46M
| | ├──05 给Unet添加一个neck层.mp4 24.60M
| | ├──06 如何修改参数适配网络结构.mp4 17.28M
| | ├──07 将Unet特征提取模块替换成transformer.mp4 18.15M
| | └──08 VIT模块源码分析.mp4 35.23M
| ├──07 第二模块：分割任务CVPR最新Backbone设计及其应用
| | ├──01 注册自己的Backbone模块.mp4 26.57M
| | ├──02 配置文件指定.mp4 29.26M
| | ├──03 DEBUG解读Backbone设计.mp4 29.89M
| | ├──04 PatchEmbedding的作用与实现.mp4 33.03M
| | ├──05 卷积位置编码计算方法.mp4 41.89M
| | ├──06 近似Attention模块实现.mp4 65.19M
| | ├──07 完成特征提取与融合模块.mp4 42.11M
| | ├──08 分割输出模块.mp4 40.73M
| | ├──09 全局特征的作用与实现.mp4 44.05M
| | └──10 汇总多层级特征进行输出.mp4 31.83M
| ├──08 第三模块：mmdet训练自己的数据任务
| | ├──01 数据集标注与标签获取.mp4 25.15M
| | ├──02 COCO数据标注格式.mp4 22.09M
| | ├──03 通过脚本生成COCO数据格式.mp4 29.89M
| | ├──04 配置文件数据增强策略分析.mp4 35.01M
| | ├──05 训练所需配置说明.mp4 44.55M
| | ├──06 模型训练与DEMO演示.mp4 26.62M
| | ├──07 模型测试与可视化分析模块.mp4 58.45M
| | └──08 补充：评估指标.mp4 11.21M
| ├──09 第三模块：DeformableDetr物体检测源码分析
| | ├──01 特征提取与位置编码.mp4 29.53M
| | ├──02 序列特征展开并叠加.mp4 37.73M
| | ├──03 得到相对位置点编码.mp4 23.07M
| | ├──04 准备Encoder编码层所需全部输入.mp4 28.79M
| | ├──05 编码层中的序列分析.mp4 30.81M
| | ├──06 偏移量offset计算.mp4 35.35M
| | ├──07 偏移量对齐操作.mp4 29.91M
| | ├──08 Encoder层完成特征对齐.mp4 39.83M
| | ├──09 Decoder要完成的操作.mp4 30.18M
| | ├──10 分类与回归输出模块.mp4 38.58M
| | └──11 预测输出结果与标签匹配模块.mp4 34.68M
| ├──10 补充：Mask2former源码解读
| | ├──01 Backbone获取多层级特征.mp4 27.89M
| | ├──02 多层级采样点初始化构建.mp4 33.82M
| | ├──03 多层级输入特征序列创建方法.mp4 33.71M
| | ├──04 偏移量与权重计算并转换.mp4 37.60M
| | ├──05 Encoder特征构建方法实例.mp4 40.05M
| | ├──06 query要预测的任务解读.mp4 36.21M
| | ├──07 Decoder中的AttentionMask方法.mp4 40.02M
| | ├──08 损失模块输入参数分析.mp4 31.76M
| | ├──09 标签分配策略解读.mp4 33.32M
| | ├──10 正样本筛选损失计算.mp4 32.51M
| | ├──11 标签分类匹配结果分析.mp4 49.34M
| | ├──12 最终损失计算流程.mp4 41.44M
| | └──13 汇总所有损失完成迭代.mp4 28.48M
| ├──11 第三模块：DeformableDetr算法解读
| | └──01 DeformableDetr算法解读.mp4 540.76M
| ├──12 KIE关键信息抽取与视频超分辨率重构
| | └──01 KIE关键信息抽取与视频超分辨率重构.mp4 671.16M
| ├──13 第四模块：DBNET文字检测
| | ├──01 文字检测数据概述与配置文件.mp4 42.82M
| | ├──02 配置文件参数设置.mp4 29.54M
| | ├──03 Neck层特征组合.mp4 24.90M
| | ├──04 损失函数模块概述.mp4 33.38M
| | └──05 损失计算方法.mp4 42.61M
| ├──14 第四模块：ANINET文字识别
| | ├──01 数据集与环境概述.mp4 41.91M
。。。。。。。。。。。。。。。。。。。
