|
|
有三AI，专注于为人工智能从业者提供系统性学习计算机视觉、自然语言处理、机器学习等技能服务。讲师均来自国内互联网大厂员工、高校教师、留学博士等
深度学习CV合集有如下5部，视频+资料齐全，共95.8G，详细教学目录如下！
一、深度学习之目标检测—理论实践篇
0-课程简介.mp4
1.1-问题定义.mp4
1.2-数据集.mp4
1.3-评价指标.mp4
1.4-脑图时刻.mp4
1.5-算法发展总览.mp4
1.6-传统检测算法流程.vep_.mp4
1.7-基于深度学习的目标检测流程和分类.mp4
1.8-(后)脑图时刻.mp4
1.9-anchor-base算法结构.mp4
2.1-RCNN详解.mp4
2.2-SPPNet详解.mp4
2.3-Fast RCNN详解.mp4
2.4-Faster RCNN详解.vep_.mp4
2.5-one-stage算法引入+脑图时刻.mp4
3.1-YOLOv1讲解.mp4
3.2-YOLOv2讲解.mp4
3.3-YOLOv3讲解.mp4
3.4-YOLOv4讲解.mp4
3.5-YOLOv5讲解.mp4
4.1-Anchor free引入.vep_.mp4
4.2-Densebox详解（上）.mp4
4.2-Densebox详解（下）.vep_.mp4
4.2-Densebox详解（中）.mp4
4.3-CornerNet详解（上）.vep_.mp4
4.3-CornerNet详解（下）.mp4
4.3-CornerNet详解（中）.mp4
4.4-CenterNet详解（上）.vep_.mp4
4.4-CenterNet详解（下）.mp4
4.4-CenterNet详解（中）.mp4
5.0-YOLO v3实战课程介绍.mp4
5.1-YOLO v3原理回顾.mp4
5.2-工业缺陷检测数据集介绍.mp4
5.3.1-主干网络代码讲解.mp4
5.3.2-Neck+Head部分代码讲解(上).mp4
5.3.2-Neck+Head部分代码讲解(下).mp4
5.3.3-解码过程讲解.mp4
5.3.4-前向推理代码讲解.mp4
5.3.5-训练过程讲解.mp4
6.1-FasterRCNN原理回顾.mp4
6.2-数据集介绍.mp4
6.3.1-主干网络代码讲解.mp4
6.3.2-RPN网络代码讲解.mp4
6.3.3-Head部分代码讲解.mp4
6.3.4-前向推理代码详解.mp4
6.3.5-训练部分详解.mp4
6.4-权重文件处理知识+本期内容整体梳理.mp4
7.1-印刷电路板数据集介绍.mp4
7.2-CenterNet原理回顾（上）.mp4
7.2-CenterNet原理回顾（下）.vep_.mp4
7.3-前向推理代码详解.mp4
7.4-训练过程代码详解（上）.vep_.mp4
7.4-训练过程代码详解（下）.mp4
7.5-内容总结.mp4
8.1_MMdetection简介与安装.mp4
8.2_MMdetection框架总体讲解.mp4
8.3_配置文件讲解（上）.mp4
8.3_配置文件讲解（下）.mp4
8.4_推理相关源码分析.mp4
8.5_训练相关源码分析.mp4
8.6_自定义数据集.mp4
8.7_COCO与VOC格式转化.mp4
8.8_Kmeans聚类边界框.mp4
8.9_热力图绘制.mp4
8.10-8.11_训练过程和检测结果可视化分析.mp4
8.12_工程实践技巧.mp4
资料.zip
二、深度学习之图像分类—理论实践篇
0 课程简介.mp4
1 图像分类基础.mp4
2 多类别图像分类理论.mp4
3 细粒度图像分类理论.mp4
4 多标签图像分类理论.mp4
5 半监督与无监督分类.mp4
6 零样本分类理论.mp4
7 从零完成人脸表情识别案例实践.mp4
8.1 表情分类实战简介.mp4
8.2 表情分类实战之数据读取.mp4
8.3 表情分类实战之数据增强.mp4
8.4 表情分类实战之网络模型.mp4
8.5 表情分类实战之评价指标.mp4
8.6 表情分类实战之训练和验证函数.mp4
8.7 表情分类实战之训练.mp4
9.1 细粒度分类实战之简介.mp4
9.2 细粒度分类实战之数据读取.mp4
9.3 细粒度分类之网络模型.mp4
9.4 细粒度分类实战之训练.mp4
10.1 多标签分类实战内容简介.vep_.mp4
10.2 多标签分类实战之算法简介.mp4
10.3 多标签分类实战之数据读取及标签构建.mp4
10.4 多标签分类实战之模型搭建及训练.mp4
11.1 图像分类竞赛技巧之内容简介.mp4
11.2 图像分类竞赛技巧之竞赛简介.mp4
11.3 图像分类竞赛技巧之竞赛思路分析.mp4
11.4.1 图像分类竞赛技巧之基础功能实现-数据集的统计分析.mp4
11.4.2 图像分类竞赛技巧之基础功能实现-网络模型构建.mp4
11.4.3 图像分类竞赛技巧之基础功能实现-训练.mp4
11.5 图像分类竞赛技巧之学习率调整.mp4
11.6 图像分类竞赛技巧之标签平滑.mp4
11.7 图像分类竞赛技巧之知识蒸馏.mp4
11.8 图像分类竞赛技巧之投票策略.mp4
11.9 图像分类竞赛技巧之TTA策略.mp4
资料.zip
三、深度学习之视频分类—理论实践篇
0 课程介绍.mp4
1 视频分类基础.mp4
2.1 3D卷积模型（基础篇）.mp4
2.2 3D卷积模型（分解篇）.mp4
3.1 3D卷积视频分类实战（项目介绍）.mp4
3.2 3D卷积视频分类实战（数据处理）.mp4
3.3 3D卷积视频分类实战（模型搭建）.mp4
3.4 3D卷积视频分类实战（模型训练）.mp4
3.5 3D卷积视频分类实战（模型测试）.mp4
4.1 双流模型（基础篇）.mp4
4.2 双流模型（采样策略篇）.mp4
5.1 双流模型视频分类实战（项目介绍）.mp4
5.2 双流模型视频分类实战（数据处理）.mp4
5.3 双流模型视频分类实战（模型搭建）.mp4
5.4 双流模型视频分类实战（模型训练）.mp4
5.5 双流模型视频分类实战（模型测试）.mp4
6 时序模型.mp4
7.1 时序模型视频分类实战（项目介绍）.mp4
7.2 时序模型视频分类实战（数据处理）.mp4
7.3 时序模型视频分类实战（模型搭建）.mp4
7.4 时序模型视频分类实战（模型训练）.mp4
7.5 时序模型视频分类实战（模型测试）.mp4
四、深度学习之图像分割—理论实践篇
0_课程内容.mp4
1_图像分割基础 .mp4
2.1_语义分割基础模型 .mp4
2.2_语义分割模型改进 .mp4
3.1_弱监督语义分割基础 .mp4
3.2_弱监督语义分割模型.mp4
4_Image Matting .mp4
5.1_实例分割基础 .mp4
5.2_实例分割基础模型.mp4
5.3_二阶段实例分割算法.mp4
5.4_一阶段实例分割算法.mp4
6 嘴唇分割快速实践.mp4
7.1_缺陷分割实战_内容介绍 .mp4
7.2_缺陷分割实战_数据介绍 .mp4
7.3_缺陷分割实战_数据读取 .mp4
7.4_缺陷分割实战_评价指标 .mp4
7.5_缺陷分割实战_模型搭建 .mp4
7.6_缺陷分割实战_模型训练与测试 .mp4
8.1 人像Image Matting实战_模型简介 .mp4
8.2 人像Image Matting实战_数据准备与读取 .mp4
8.3 人像Image Matting实战_模型定义 .mp4
8.4 人像Image Matting实战模型_训练与测试 .mp4
9.1_实例分割实战_数据读取 .mp4
9.2_实例分割实战_评价指标编写 .mp4
9.3_实例分割实战_网络模型搭建 .mp4
资料.zip
五、深度学习之模型部署—移动端与服务端
01-模型部署基础.mp4
02-【通用模型部署】1_NCNN简介 .mp4
03-【通用模型部署】2_NCNN部署 .mp4
04-【嵌入式平台部署】1_Tengine简介.mp4
05-【嵌入式平台部署】2_Tengine部署 .mp4
06-【微信小程序部署】1_服务端环境准备 .mp4
07-【微信小程序部署】2_服务端功能实现 .mp4
08-【微信小程序部署】3_前端功能实现 .mp4
09-【Android部署】1.1_推理框架介绍 .mp4
10-【Android部署】1.2_MNN模型转化与量化加速 .mp4
11-【Android部署】1.3_实践操作 (1).mp4
12-【TensorRT部署】1_入门介绍 .mp4
13-【TensorRT部署】2_环境配置与安装 .mp4
14-【TensorRT部署】3.1_网络加速ONNX实战 .mp4
15-【TensorRT部署】3.2_ 网络加速Python实战 .mp4
16-【TensorRT部署】3.3_ 网络C++加速实战 .mp4
17-【TensorRT部署】4_课程总结 .mp4
资料.zip
下载地址：
|
|
[复制链接]
发表于 2022-8-14 02:28:41
发表于 2022-8-14 03:30:44
