咕泡-人工智能深度学习系统班（第八期）-夸克网盘资源下载-桔子搜

📢 以下资源由夸克网盘用户[单调*5]于2024-06-29分享（文件数量过多时只展示部分文件）

咕泡-人工智能深度学习系统班（第八期）58.21GB

1-直播回放20.23GB

1-开班典礼872.85MB

1-开班典礼.mp4872.85MB

2-直播1：神经网络1.27GB

1-神经网络.mp41.27GB

3-直播2：卷积神经网络1.46GB

1-卷积神经网络.mp41.46GB

4-直播3：Transformer架构解读1.02GB

1-Transformer架构解读.mp41.02GB

5-直播4：视觉Transformer- VIT源码解读1.43GB

1-视觉Transformer- VIT源码解读.mp41.43GB

6-直播5：图神经网络1.36GB

1-图神经网络.mp41.36GB

7-直播6：Transformer Decoder在视觉任务的应用1.4GB

1-Transformer Decoder在视觉任务的应用.mp41.4GB

8-直播7：对比学习与多模态任务1.33GB

1-对比学习与多模态任务.mp41.33GB

9-直播8：GPT与Hugging face1.57GB

1-GPT与Hugging face.mp41.57GB

10-直播9：自监督任务1.24GB

1-自监督任务.mp41.24GB

11-直播10：知识蒸馏1.53GB

1-知识蒸馏.mp41.53GB

12-直播11：分割Mask2former算法452.34MB

1-分割Mask2former算法.mp4452.34MB

13-直播12：多模态与交叉注意力应用1.43GB

1-多模态与交叉注意力应用.mp41.43GB

14-直播13：时间序列timesnet与地理分类任务1.27GB

1-时间序列timesnet与地理分类任务.mp41.27GB

15-直播14：论文写作与就业简历1.15GB

1-论文写作与就业简历.mp41.15GB

16-直播15：知识图谱与LORA1.49GB

1-知识图谱与LORA.mp41.49GB

3-深度学习必备核⼼算法2.65GB

1-神经网络结构604.62MB

1-神经网络结构.mp4604.62MB

2-卷积神经网络676.23MB

1-卷积神经网络.mp4676.23MB

3-Transformer557.22MB

1-Transformer.mp4557.22MB

4-VIT源码解读878.23MB

1-VIT源码解读.mp4878.23MB

4-深度学习框架PyTorch1.89GB

1-PyTorch框架介绍与配置安装133.81MB

1-PyTorch框架与其他框架区别分析.mp433.24MB

2-CPU与GPU版本安装方法解读.mp4100.57MB

2-使用神经网络进行分类任务334.09MB

1-数据集与任务概述.mp443.34MB

2-基本模块应用测试.mp447.62MB

3-网络结构定义方法.mp455.6MB

4-数据源定义简介.mp438.98MB

5-损失与训练模块分析.mp442.31MB

6-训练一个基本的分类模型.mp454.59MB

7-参数对结果的影响.mp451.65MB

3-神经网络回归任务-气温预测198.56MB

1-神经网络回归任务-气温预测.mp4198.56MB

4-卷积网络参数解读分析129.09MB

1-输入特征通道分析.mp442.48MB

2-卷积网络参数解读.mp431.46MB

3-卷积网络模型训练.mp455.14MB

5-图像识别模型与训练策略（重点）553.46MB

1-任务分析与图像数据基本处理.mp441.62MB

2-数据增强模块.mp440.5MB

3-数据集与模型选择.mp445.32MB

4-迁移学习方法解读.mp444.66MB

5-输出层与梯度设置.mp461.42MB

6-输出类别个数修改.mp449.06MB

7-优化器与学习率衰减.mp452.48MB

8-模型训练方法.mp452.6MB

9-重新训练全部模型.mp454.81MB

10-测试结果演示分析.mp4110.98MB

6-DataLoader自定义数据集制作212.96MB

1-Dataloader要完成的任务分析.mp439.2MB

2-图像数据与标签路径处理.mp448.98MB

3-Dataloader中需要实现的方法分析.mp446.95MB

4-实用Dataloader加载数据并训练模型.mp477.82MB

7-LSTM文本分类实战371.56MB

1-数据集与任务目标分析.mp452.81MB

2-文本数据处理基本流程分析.mp455.97MB

3-命令行参数与DEBUG.mp436.52MB

4-训练模型所需基本配置参数分析.mp440.92MB

5-预料表与字符切分.mp431.98MB

6-字符预处理转换ID.mp434.37MB

7-LSTM网络结构基本定义.mp434.73MB

8-网络模型预测结果输出.mp439.11MB

9-模型训练任务与总结.mp445.16MB

5-深度学习框架Tensorflflow2.51GB

1-tensorflflow安装与简介115.89MB

1-tensorflflow安装与简介.mp44.1MB

2-Tensorflow2版本简介与心得.mp431.99MB

3-Tensorflow2版本安装方法.mp455.4MB

4-tf基础操作.mp424.41MB

2-神经网络原理解读与整体架构431.79MB

1-深度学习要解决的问题.mp420.37MB

2-深度学习应用领域.mp449.98MB

3-计算机视觉任务.mp417.86MB

4-视觉任务中遇到的问题.mp432.84MB

5-得分函数.mp418.89MB

6-损失函数的作用.mp431.04MB

7-前向传播整体流程.mp439.04MB

8-返向传播计算方法.mp425.63MB

9-神经网络整体架构.mp430.49MB

10-神经网络架构细节.mp437.44MB

11-神经元个数对结果的影响.mp458.63MB

12-正则化与激活函数.mp429.12MB

13-神经网络过拟合解决方法.mp440.47MB

3-搭建神经⽹络进⾏分类与回归任务176.75KB

1-任务目标与数据集简介21.49KB

meta.json15.59KB

raw.m3u85.9KB

2-建模流程与API文档19.67KB

meta.json14.27KB

raw.m3u85.41KB

3-网络模型训练22.4KB

meta.json16.25KB

raw.m3u86.14KB

4-模型超参数调节与预测结果展示31.93KB

meta.json23.2KB

raw.m3u88.73KB

5-分类模型构建26.94KB

meta.json19.56KB

raw.m3u87.38KB

6-tf.data模块解读23.75KB

meta.json17.24KB

raw.m3u86.51KB

7-模型保存与读取实例30.57KB

meta.json22.21KB

raw.m3u88.36KB

4-卷积神经⽹络原理与参数解读224.97MB

1-卷积神经网络应用领域.mp421.2MB

2-卷积的作用.mp422.67MB

3-卷积特征值计算方法.mp421.23MB

4-得到特征图表示.mp418.23MB

5-步长与卷积核大小对结果的影响.mp419.86MB

6-边缘填充方法.mp417.28MB

7-特征图尺寸计算与参数共享.mp421.99MB

8-池化层的作用.mp411.31MB

9-整体网络架构.mp416.98MB

10-VGG网络架构.mp419.34MB

11-残差网络Resnet.mp418.02MB

12-感受野的作用.mp416.86MB

5-项目实战：猫狗识别实战133.17MB

1-猫狗识别任务与数据简介.mp423.39MB

2-卷积网络涉及参数解读.mp428.93MB

3-网络架构配置.mp429.98MB

4-卷积模型训练与识别效果展示.mp450.86MB

6-图像数据增强实例160.47MB

1-数据增强概述.mp444.25MB

2-图像数据变换.mp484.49MB

3-猫狗识别任务数据增强实例.mp431.73MB

7-训练策略-迁移学习实战315.96MB

1-迁移学习的目标.mp411.75MB

2-迁移学习策略.mp415.47MB

3-Resnet原理.mp4107.88MB

4-加载训练好的经典网络模型.mp437.57MB

5-Callback模块与迁移学习实例.mp458.72MB

6-tfrecords数据源制作方法.mp438.45MB

7-图像数据处理实例.mp446.13MB

8-递归神经⽹络与词向量原理解读141.54MB

1-RNN网络架构解读.mp422.39MB

2-词向量模型通俗解释.mp421.72MB

3-模型整体框架.mp428.24MB

4-训练数据构建.mp415.85MB

5-CBOW与Skip-gram模型.mp423.83MB

6-负采样方案.mp429.51MB

9-项目实战：基于TensorFlow实现word2vec141.87MB

1-任务流程解读.mp418.65MB

2-模型定义参数设置.mp417.58MB

3-文本词预处理操作.mp417.79MB

4-训练batch数据制作.mp443.1MB

5-损失函数定义与训练结果展示.mp444.75MB

10-项目实战：基于RNN模型进行文本分类任务365.79MB

1-任务目标与数据介绍.mp436.29MB

2-RNN模型输入数据维度解读.mp419.36MB

3-数据映射表制作.mp444.43MB

4-embedding层向量制作.mp473.84MB

5-数据生成器构造.mp440.04MB

6-双向RNN模型定义.mp421.08MB

7-自定义网络模型架构.mp460.04MB

8-训练策略指定.mp432.72MB

9-训练文本分类模型.mp437.99MB

11-项目实战：将CNN网络应用于文本分类实战90.54MB

1-CNN应用于文本任务原理解析.mp423.19MB

2-整体流程解读.mp422.43MB

3-网络架构设计与训练.mp444.93MB

12-项目实战：时间序列预测133.81MB

1-任务目标与数据源.mp419.06MB

2-构建时间序列数据.mp427.57MB

3-训练时间序列数据预测结果.mp436.42MB

4-多特征预测结果.mp427.88MB

5-序列结果预测.mp422.89MB

13-项目实战：经典网络架构Resnet实战317.64MB

1-额外补充-Resnet论文解读.mp4117.98MB

2-额外补充-Resnet网络架构解读.mp418.27MB

3-项目结构概述.mp424.09MB

4-数据集处理方法.mp427.18MB

5-训练数据构建.mp427.56MB

6-网络架构层次解读.mp434.05MB

7-前向传播配置.mp438.18MB

8-训练resnet模型.mp430.32MB

6-Opencv图像处理框架实战3.4GB

1-课程简介与环境配置123.05MB

1-课程简介.mp45.37MB

2-Python与Opencv配置安装.mp433.28MB

3-Notebook与IDE环境.mp484.39MB

2-图像基本操作154.72MB

1-计算机眼中的图像.mp430.88MB

2-视频的读取与处理.mp446.97MB

3-ROI区域.mp415.37MB

4-边界填充.mp421.46MB

5-数值计算.mp440.04MB

3-阈值与平滑处理76.02MB

1-图像阈值.mp430.78MB

2-图像平滑处理.mp424.69MB

3-高斯与中值滤波.mp420.55MB

4-图像形态学操作66.29MB

1-腐蚀操作.mp420.99MB

2-膨胀操作.mp412.25MB

3-开运算与闭运算.mp49.32MB

4-梯度计算.mp47.85MB

5-礼帽与黑帽.mp415.88MB

5-图像梯度计算84.69MB

1-Sobel算子.mp427MB

2-梯度计算方法.mp430.29MB

3-scharr与lapkacian算子.mp427.39MB

6-边缘检测73.92MB

1-Canny边缘检测流程.mp418.97MB

2-非极大值抑制.mp418.32MB

3-边缘检测效果.mp436.63MB

7-图像金字塔与轮廓检测204.83MB

1-图像金字塔定义.mp419.68MB

2-金字塔制作方法.mp425.47MB

3-轮廓检测方法.mp419.31MB

4-轮廓检测结果.mp434.37MB

5-轮廓特征与近似.mp437.51MB

6-模板匹配方法.mp447.35MB

7-匹配效果展示.mp421.14MB

8-直方图与傅里叶变换174.59MB

1-直方图定义.mp423.64MB

2-均衡化原理.mp431.35MB

3-均衡化效果.mp427.21MB

4-傅里叶概述.mp438.79MB

5-频域变换结果.mp426.26MB

6-低通与高通滤波.mp427.34MB

9-项目实战-信用卡数字识别155.79MB

1-总体流程与方法讲解.mp420.65MB

2-环境配置与预处理.mp434.85MB

3-模板处理方法.mp423.69MB

4-输入数据处理方法.mp428.88MB

5-模板匹配得出识别结果.mp447.72MB

10-项目实战-文档扫描OCR识别178.5MB

1-整体流程演示.mp421.5MB

2-文档轮廓提取.mp427.81MB

3-原始与变换坐标计算.mp426.24MB

4-透视变换结果.mp432.87MB

5-tesseract-ocr安装配置.mp441.23MB

6-文档扫描识别效果.mp428.86MB

11-图像特征-harris152.16MB

1-角点检测基本原理.mp415.53MB

2-基本数学原理.mp430.58MB

3-求解化简.mp431.79MB

4-特征归属划分.mp443.23MB

5-opencv角点检测效果.mp431.04MB

12-图像特征-sift187.06MB

1-尺度空间定义.mp420.04MB

2-高斯差分金字塔.mp421.68MB

3-特征关键点定位.mp448.15MB

4-生成特征描述.mp424.66MB

5-特征向量生成.mp443.73MB

6-opencv中sift函数使用.mp428.8MB

13-案例实战-全景图像拼接129.68MB

1-特征匹配方法.mp428.56MB

2-RANSAC算法.mp434.5MB

3-图像拼接方法.mp444.96MB

4-流程解读.mp421.65MB

14-项目实战-停车场车位识别512.69MB

1-任务整体流程.mp471.4MB

2-所需数据介绍.mp434.31MB

3-图像数据预处理.mp456.75MB

4-车位直线检测.mp461.44MB

5-按列划分区域.mp454.67MB

6-车位区域划分.mp457.33MB

7-识别模型构建.mp441.19MB

8-基于视频的车位检测.mp4135.61MB

15-项目实战-答题卡识别判卷136.35MB

1-整体流程与效果概述.mp429.49MB

2-预处理操作.mp424.08MB

3-填涂轮廓检测.mp425.66MB

4-选项判断识别.mp457.12MB

16-背景建模130.1MB

1-背景消除-帧差法.mp420.79MB

2-混合高斯模型.mp426.39MB

3-学习步骤.mp431.75MB

4-背景建模实战.mp451.17MB

17-光流估计130.04MB

1-基本概念.mp420.2MB

2-Lucas-Kanade算法.mp419.67MB

3-推导求解.mp425.94MB

4-光流估计实战.mp464.22MB

18-Opencv的DNN模块69.09MB

1-dnn模块.mp428.59MB

2-模型加载结果输出.mp440.5MB

19-项目实战-目标追踪304.87MB

1-目标追踪概述.mp449.75MB

2-多目标追踪实战.mp434.62MB

3-深度学习检测框架加载.mp443.62MB

4-基于dlib与ssd的追踪.mp473.02MB

5-多进程目标追踪.mp425.72MB

6-多进程效率提升对比.mp478.13MB

20-卷积原理与操作211.74MB

1-卷积神经网络的应用.mp436.18MB

2-卷积层解释.mp422.31MB

3-卷积计算过程.mp427.61MB

4-pading与stride.mp426.12MB

5-卷积参数共享.mp417.69MB

6-池化层原理.mp416.09MB

7-卷积效果演示.mp424.58MB

8-卷积操作流程.mp441.15MB

21-项目实战-疲劳检测221.63MB

1-关键点定位概述.mp428.45MB

2-获取人脸关键点.mp436.07MB

3-定位效果演示.mp445.43MB

4-闭眼检测.mp471.07MB

5-检测效果.mp440.6MB

7-综合项目-物体检测经典算法实战7.72GB

1-物体检测评估指标84.11MB

1-物体检测评估指标.mp484.11MB

2-深度学习经典检测⽅法概述83.42MB

1-检测任务中阶段的意义.mp415.14MB

2-不同阶段算法优缺点分析.mp410.68MB

3-IOU指标计算.mp411.74MB

4-评估所需参数计算.mp426.23MB

5-map指标计算.mp419.63MB

3-YOLO-V1整体思想与网络架构104.81MB

1-YOLO算法整体思路解读.mp414.68MB

2-检测算法要得到的结果.mp413.63MB

3-整体网络架构解读.mp430.67MB

4-位置损失计算.mp418.97MB

5-置信度误差与优缺点分析.mp426.86MB

4-YOLO-V2改进细节详解157.17MB

1-V2版本细节升级概述.mp413.38MB

2-网络结构特点.mp415.69MB

3-架构细节解读.mp418.92MB

4-基于聚类来选择先验框尺寸.mp424.24MB

5-偏移量计算方法.mp427.55MB

6-坐标映射与还原.mp410.08MB

7-感受野的作用.mp428.11MB

8-特征融合改进.mp419.2MB

5-YOLO-V3核心网络模型101.39MB

1-V3版本改进概述.mp418.27MB

2-多scale方法改进与特征融合.mp417.07MB

3-经典变换方法对比分析.mp410.83MB

4-残差连接方法解读.mp418.64MB

5-整体网络模型架构分析.mp412.93MB

6-先验框设计改进.mp413.04MB

7-sotfmax层改进.mp410.61MB

6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本）630.33MB

1-数据与环境配置.mp465.52MB

2-训练参数设置.mp423.85MB

3-COCO图像数据读取与处理.mp442.51MB

4-标签文件读取与处理.mp427.48MB

5-debug模式介绍.mp427.25MB

6-基于配置文件构建网络模型.mp442.04MB

7-路由层与shortcut层的作用.mp433.72MB

8-YOLO层定义解析.mp461.09MB

9-预测结果计算.mp446MB

10-网格偏移计算.mp433.92MB

11-模型要计算的损失概述.mp423.14MB

12-标签值格式修改.mp428.27MB

13-坐标相对位置计算.mp432.8MB

14-完成所有损失函数所需计算指标.mp435.32MB

15-模型训练与总结.mp472.91MB

16-预测效果展示.mp434.51MB

7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）258.67MB

1-Labelme工具安装.mp414.29MB

2-数据信息标注.mp432.09MB

3-完成标签制作.mp431.74MB

4-生成模型所需配置文件.mp436.71MB

5-json格式转换成yolo-v3所需输入.mp420.95MB

6-完成输入数据准备工作.mp440.1MB

7-训练代码与参数配置更改.mp444.29MB

8-训练模型并测试效果.mp438.49MB

8-YOLO-V4版本算法解读188.03MB

1-V4版本整体概述.mp415.06MB

2-V4版本贡献解读.mp410.06MB

3-数据增强策略分析.mp424.7MB

4-DropBlock与标签平滑方法.mp419.36MB

5-损失函数遇到的问题.mp414.26MB

6-CIOU损失函数定义.mp410.82MB

7-NMS细节改进.mp416.66MB

8-SPP与CSP网络结构.mp414.81MB

9-SAM注意力机制模块.mp422.48MB

10-PAN模块解读.mp420.64MB

11-激活函数与整体架构总结.mp419.19MB

9-V5版本项目配置179.04MB

1-整体项目概述.mp435.77MB

2-训练自己的数据集方法.mp441.32MB

3-训练数据参数配置.mp451.48MB

4-测试DEMO演示.mp450.47MB

10-V5项目工程源码解读751.76MB

1-数据源DEBUG流程解读.mp448.13MB

2-图像数据源配置.mp434.65MB

3-加载标签数据.mp426.33MB

4-Mosaic数据增强方法.mp428.19MB

5-数据四合一方法与流程演示.mp441.69MB

6-getItem构建batch.mp433.03MB

7-网络架构图可视化工具安装.mp434.33MB

8-V5网络配置文件解读.mp435.74MB

9-Focus模块流程分析.mp421.93MB

10-完成配置文件解析任务.mp458.8MB

11-前向传播计算.mp430.8MB

12-BottleneckCSP层计算方法.mp433.82MB

13-SPP层计算细节分析.mp429.17MB

14-Head层流程解读.mp429.12MB

15-上采样与拼接操作.mp421.48MB

16-输出结果分析.mp441.71MB

17-超参数解读.mp434.94MB

18-命令行参数介绍.mp444.26MB

19-训练流程解读.mp446.81MB

20-各种训练策略概述.mp438.43MB

21-模型迭代过程.mp438.42MB

11-YOLO系列（V7）算法解读650.58MB

1-YOLO系列（V7）算法解读.mp4650.58MB

12-V7源码解读819.36MB

1-命令行参数介绍.mp425.02MB

2-基本参数作用.mp440.8MB

3-EMA等训练技巧解读.mp449.31MB

4-网络结构配置文件解读.mp436.94MB

5-各模块操作细节分析.mp449.07MB

6-输出层与配置文件其他模块解读.mp460.88MB

7-标签分配策略准备操作.mp434.72MB

8-候选框偏移方法与find3p模块解读.mp433.7MB

9-得到偏移点所在网格位置.mp442.85MB

10-完成BuildTargets模块.mp451.4MB

11-候选框筛选流程分析.mp431.75MB

12-预测值各项指标获取与调整.mp447.03MB

13-GT匹配正样本数量计算.mp442.07MB

14-通过IOU与置信度分配正样本.mp460.44MB

15-损失函数计算方法.mp446.08MB

16-辅助头AUX网络结构配置文件解析.mp431.05MB

17-辅助头损失函数调整.mp439.28MB

18-BN与卷积权重参数融合方法.mp453.77MB

19-重参数化多分支合并加速.mp443.19MB

13-基于Transformer的detr目标检测算法120.21MB

1-DETR目标检测基本思想解读.mp419.35MB

2-整体网络架构分析.mp431.64MB

3-位置信息初始化query向量.mp419.97MB

4-注意力机制的作用方法.mp420.85MB

5-训练过程的策略.mp428.41MB

14-detr目标检测源码解读378.31MB

1-项目环境配置解读.mp440.42MB

2-数据处理与dataloader.mp464.11MB

3-位置编码作用分析.mp447.95MB

4-backbone特征提取模块.mp435.62MB

5-mask与编码模块.mp434.75MB

6-编码层作用方法.mp442.86MB

7-Decoder层操作与计算.mp430.15MB

8-输出预测结果.mp441.28MB

9-损失函数与预测输出.mp441.18MB

15-DeformableDetr算法解读1.55GB

1-DeformableDetr算法解读.mp41.55GB

16-半监督物体检测824.82MB

1-半监督物体检测.mp4824.82MB

17-EfficientNet网络538.47MB

1-EfficientNet网络模型.mp4538.47MB

18-EfficientDet检测算法448.01MB

1-EfficientDet检测算法.mp4448.01MB

8-图像分割实战3.91GB

1-图像分割及其损失函数概述49.27MB

1-语义分割与实例分割概述.mp420.24MB

2-分割任务中的目标函数定义.mp420MB

3-MIOU评估标准.mp49.03MB

2-Unet系列算法讲解68.54MB

1-Unet网络编码与解码过程.mp418.29MB

2-网络计算流程.mp416.13MB

3-Unet升级版本改进.mp415.75MB

4-后续升级版本介绍.mp418.37MB

3-unet医学细胞分割实战284.93MB

1-医学细胞数据集介绍与参数配置.mp471.21MB

2-数据增强工具.mp461.47MB

3-Debug模式演示网络计算流程.mp441.37MB

4-特征融合方法演示.mp430.05MB

5-迭代完成整个模型计算任务.mp433.55MB

6-模型效果验证.mp447.29MB

4-U2NET显著性检测实战218.53MB

1-任务目标与网络整体介绍.mp458.66MB

2-显著性检测任务与目标概述.mp453.96MB

3-编码器模块解读.mp443.66MB

4-解码器输出结果.mp427.9MB

5-损失函数与应用效果.mp434.34MB

5-deeplab系列算法106.47MB

1-deeplab分割算法概述.mp413.81MB

2-空洞卷积的作用.mp416.74MB

3-感受野的意义.mp419.37MB

4-SPP层的作用.mp419.02MB

5-ASPP特征融合策略.mp413.45MB

6-deeplabV3Plus版本网络架构.mp424.08MB

6-基于deeplabV3+版本进⾏VOC分割实战249.69MB

1-PascalVoc数据集介绍.mp470.12MB

2-项目参数与数据集读取.mp460.32MB

3-网络前向传播流程.mp433.1MB

4-ASPP层特征融合.mp451.19MB

5-分割模型训练.mp434.97MB

7-医学⼼脏视频数据集分割建模实战315.86MB

1-数据集与任务概述.mp445.55MB

2-项目基本配置参数.mp433.31MB

3-任务流程解读.mp469.12MB

4-文献报告分析.mp4122.67MB

5-补充：视频数据源特征处理方法概述.mp426.33MB

6-补充：R(2plus1)D处理方法分析.mp418.88MB

8-分割模型Maskformer系列1.27GB

1-分割模型Maskformer系列.mp41.27GB

9-补充：Mask2former源码解读591.38MB

1-Backbone获取多层级特征.mp435.79MB

2-多层级采样点初始化构建.mp441.46MB

3-多层级输入特征序列创建方法.mp443.83MB

4-偏移量与权重计算并转换.mp448.78MB

5-Encoder特征构建方法实例.mp449.77MB

6-query要预测的任务解读.mp445.61MB

7-Decoder中的AttentionMask方法.mp450.89MB

8-损失模块输入参数分析.mp440.84MB

9-标签分配策略解读.mp442.53MB

10-正样本筛选损失计算.mp441.78MB

11-标签分类匹配结果分析.mp462.04MB

12-最终损失计算流程.mp452.29MB

13-汇总所有损失完成迭代.mp435.76MB

10-物体检测框架-MaskRcnn项目介绍与配置228.51MB

1-Mask-Rcnn开源项目简介.mp488.18MB

2-开源项目数据集.mp442.48MB

3-开源项目数据集.mp497.85MB

11-MaskRcnn网络框架源码详解380.35MB

1-FPN层特征提取原理解读.mp442.31MB

2-FPN网络架构实现解读.mp455.77MB

3-生成框比例设置.mp428.25MB

4-基于不同尺度特征图生成所有框.mp432.93MB

5-RPN层的作用与实现解读.mp430.9MB

6-候选框过滤方法.mp415.59MB

7-Proposal层实现方法.mp433.31MB

8-DetectionTarget层的作用.mp425.7MB

9-正负样本选择与标签定义.mp427.59MB

10-RoiPooling层的作用与目的.mp433.45MB

11-RorAlign操作的效果.mp425.7MB

12-整体框架回顾.mp428.86MB

12-基于MASK-RCNN框架训练自己的数据与任务209.07MB

1-Labelme工具安装.mp414.29MB

2-使用labelme进行数据与标签标注.mp426.29MB

3-完成训练数据准备工作.mp426.61MB

4-maskrcnn源码修改方法.mp463.56MB

5-基于标注数据训练所需任务.mp439.72MB

6-测试与展示模块.mp438.6MB

9-走向AI论文实验与项目实战的捷径-MMLAB实战系列9.76GB

1-MMCV安装方法55.75MB

1-MMCV安装方法.mp455.75MB

2-第一模块：分类任务基本操作266.46MB

1-MMCLS问题修正.mp423.5MB

2-准备MMCLS项目.mp432.26MB

3-基本参数配置解读.mp434.52MB

4-各模块配置文件组成.mp435.81MB

5-生成完整配置文件.mp424.45MB

6-根据文件夹定义数据集.mp440.27MB

7-构建自己的数据集.mp436.33MB

8-训练自己的任务.mp439.32MB

3-第一模块：训练结果测试与验证494.59MB

1-测试DEMO效果.mp425.49MB

2-测试评估模型效果.mp427.58MB

3-MMCLS中增加一个新的模块.mp462.61MB

4-修改配置文件中的参数.mp467.72MB

5-数据增强流程可视化展示.mp437.4MB

6-Grad-Cam可视化方法.mp441.17MB

7-可视化细节与效果分析.mp4124.19MB

8-MMCLS可视化模块应用.mp472.07MB

9-模型分析脚本使用.mp436.37MB

4-第一模块：模型源码DEBUG演示187.75MB

1-VIT任务概述.mp429.96MB

2-数据增强模块概述分析.mp449.58MB

3-PatchEmbedding层.mp425.3MB

4-前向传播基本模块.mp438.87MB

5-CLS与输出模块.mp444.04MB

5-第二模块：使用分割模块训练自己的数据集278.96MB

1-项目配置基本介绍.mp474.23MB

2-数据集标注与制作方法.mp456.84MB

3-根据预测类别数修改配置文件.mp439.48MB

4-加载预训练模型开始训练.mp486.52MB

5-预测DEMO演示.mp421.88MB

6-第二模块：基于Unet进行各种策略修改232.64MB

1-配置文件解读.mp432.12MB

2-编码层模块.mp432.47MB

3-上采样与输出层.mp428.25MB

4-辅助层的作用.mp419.83MB

5-给Unet添加一个neck层.mp430.37MB

6-如何修改参数适配网络结构.mp421.73MB

7-将Unet特征提取模块替换成transformer.mp422.41MB

8-VIT模块源码分析.mp445.48MB

7-第二模块：分割任务CVPR最新Backbone设计及其应用501.96MB

1-注册自己的Backbone模块.mp434.3MB

2-配置文件指定.mp435.84MB

3-DEBUG解读Backbone设计.mp440.45MB

4-PatchEmbedding的作用与实现.mp444.88MB

5-卷积位置编码计算方法.mp453.89MB

6-近似Attention模块实现.mp479.49MB

7-完成特征提取与融合模块.mp455.69MB

8-分割输出模块.mp457.72MB

9-全局特征的作用与实现.mp456.34MB

10-汇总多层级特征进行输出.mp443.35MB

8-第三模块：mmdet训练自己的数据任务326.6MB

1-数据集标注与标签获取.mp431.35MB

2-COCO数据标注格式.mp428.16MB

3-通过脚本生成COCO数据格式.mp438.55MB

4-配置文件数据增强策略分析.mp445.59MB

5-训练所需配置说明.mp456MB

6-模型训练与DEMO演示.mp435.27MB

7-模型测试与可视化分析模块.mp477.61MB

8-补充：评估指标.mp414.06MB

9-第三模块：DeformableDetr物体检测源码分析466.41MB

1-特征提取与位置编码.mp438.16MB

2-序列特征展开并叠加.mp451.07MB

3-得到相对位置点编码.mp428.8MB

4-准备Encoder编码层所需全部输入.mp437.91MB

5-编码层中的序列分析.mp439.73MB

6-偏移量offset计算.mp446.09MB

7-偏移量对齐操作.mp439.8MB

8-Encoder层完成特征对齐.mp451.84MB

9-Decoder要完成的操作.mp438.98MB

10-分类与回归输出模块.mp449.72MB

11-预测输出结果与标签匹配模块.mp444.31MB

10-第三模块：DeformableDetr算法解读730.35MB

1-DeformableDetr算法解读.mp4730.35MB

11-补充：Mask2former源码解读591.38MB

1-Backbone获取多层级特征.mp435.79MB

2-多层级采样点初始化构建.mp441.46MB

3-多层级输入特征序列创建方法.mp443.83MB

4-偏移量与权重计算并转换.mp448.78MB

5-Encoder特征构建方法实例.mp449.77MB

6-query要预测的任务解读.mp445.61MB

7-Decoder中的AttentionMask方法.mp450.89MB

8-损失模块输入参数分析.mp440.84MB

9-标签分配策略解读.mp442.53MB

10-正样本筛选损失计算.mp441.78MB

11-标签分类匹配结果分析.mp462.04MB

12-最终损失计算流程.mp452.29MB

13-汇总所有损失完成迭代.mp435.76MB

12-KIE关键信息抽取与视频超分辨率重构916.12MB

1-KIE关键信息抽取与视频超分辨率重构.mp4916.12MB

13-第四模块：DBNET文字检测229.85MB

1-文字检测数据概述与配置文件.mp456.6MB

2-配置文件参数设置.mp438.74MB

3-Neck层特征组合.mp432.04MB

4-损失函数模块概述.mp443.11MB

5-损失计算方法.mp459.35MB

14-第四模块：ANINET文字识别380.24MB

1-数据集与环境概述.mp455.58MB

2-配置文件修改方法.mp452.49MB

3-Bakbone模块得到特征.mp442.1MB

4-视觉Transformer模块的作用.mp445.97MB

5-视觉模型中的编码与解码的效果.mp454.49MB

6-文本模型中的结构分析.mp438.66MB

7-迭代修正模块.mp438.14MB

8-输出层与损失计算.mp452.81MB

15-第四模块：KIE基于图模型的关键信息抽取418MB

1-配置文件以及要完成的任务解读.mp451.55MB

2-KIE数据集格式调整方法.mp469.46MB

3-配置文件与标签要进行处理操作.mp447.83MB

4-边框要计算的特征分析.mp435.57MB

5-标签数据处理与关系特征提取.mp456.48MB

6-特征合并处理.mp443.74MB

7-准备拼接边与点特征.mp441.38MB

8-整合得到图模型输入特征.mp471.98MB

16-第五模块：stylegan2源码解读286.06MB

1-要完成的任务与基本思想概述.mp457.79MB

2-得到style特征编码.mp469.51MB

3-特征编码风格拼接.mp436.76MB

4-基础风格特征卷积模块.mp454.69MB

5-上采样得到输出结果.mp440.75MB

6-损失函数概述.mp426.56MB

17-第六模块：BasicVSR++视频超分辨重构源码解读442.21MB

1-要完成的任务分析与配置文件.mp427.36MB

2-特征基础提取模块.mp444.58MB

3-光流估计网络模块.mp425.67MB

4-基于光流完成对齐操作.mp440.23MB

5-偏移量计算方法.mp432.48MB

6-双向计算特征对齐.mp436.97MB

7-提特征传递流程分析.mp437.23MB

8-序列传播计算.mp439.88MB

9-准备变形卷积模块的输入.mp444.71MB

10-传播流程整体完成一圈.mp461.55MB

11-完成输出结果.mp451.56MB

18-第七模块：多模态3D目标检测算法源码解读672.25MB

1-环境配置与数据集概述.mp451.52MB

2-数据与标注文件介绍.mp437.49MB

3-基本流程梳理并进入debug模式.mp450.33MB

4-数据与图像特征提取模块.mp458.02MB

5-体素索引位置获取.mp464.72MB

6-体素特征提取方法解读.mp437.57MB

7-体素特征计算方法分析.mp470.71MB

8-全局体素特征提取.mp495.96MB

9-多模态特征融合.mp468.36MB

10-3D卷积特征融合.mp456.76MB

11-输出层预测结果.mp480.8MB

19-第八模块：模型蒸馏应用实例368.79MB

1-任务概述与工具使用.mp439.64MB

2-Teacher与Student网络结构定义.mp446.25MB

3-训练T与S得到蒸馏模型.mp470.63MB

4-开始模型训练过程与问题修正.mp457.26MB

5-日志输出与模型分离.mp470.25MB

6-分别得到Teacher与Student模型.mp445.74MB

7-实际测试效果演示.mp439.02MB

20-第八模块：模型剪枝方法概述分析87.41MB

1-SuperNet网络结构分析与剪枝概述.mp440.58MB

2-搜索匹配到符合计算量的模型并训练.mp446.83MB

21-第九模块：mmaction行为识别232.73MB

1-创建自己的行为识别标注数据集.mp4232.73MB

22-OCR算法解读1.67GB

1-OCR算法解读.mp41.67GB

23-额外补充-在源码中加入各种注意力机制方法122.48MB

1-在源码中加入各种注意力机制方法.mp4122.48MB

10-经典视觉项目实战：行为识别、姿态估计、目标追踪4.6GB

1-slowfast算法知识点通俗解读172.69MB

1-slowfast核心思想解读.mp474.86MB

2-核心网络结构模块分析.mp420.98MB

3-数据采样曾的作用.mp418.26MB

4-模型网络结构设计.mp419.3MB

5-特征融合模块与总结分析.mp439.3MB

2-slowfast项目环境配置与配置文件368.46MB

1-环境基本配置解读.mp445.35MB

2-目录各文件分析.mp436.84MB

3-配置文件作用解读.mp450.9MB

4-测试DEMO演示.mp466.77MB

5-训练所需标签文件说明.mp448.77MB

6-训练所需视频数据准备.mp447.39MB

7-视频数据集切分操作.mp439.66MB

8-完成视频分帧操作.mp432.77MB

3-slowfast源码详细解读564.02MB

1-模型所需配置文件参数读取.mp433.24MB

2-数据处理概述.mp449.72MB

3-dataloader数据遍历方法.mp456.85MB

4-数据与标签读取实例.mp452.22MB

5-图像数据所需预处理方法.mp466.76MB

6-slow与fast分别执行采样操作.mp466.34MB

7-分别计算特征图输出结果.mp456.64MB

8-slow与fast特征图拼接操作.mp449.69MB

9-resnetBolock操作.mp453.62MB

10-RoiAlign与输出层.mp478.92MB

4-基于3D卷积的视频分析与动作识别283.39MB

1-3D卷积原理解读.mp420.62MB

2-UCF101动作识别数据集简介.mp451.69MB

3-测试效果与项目配置.mp455.6MB

4-视频数据预处理方法.mp432.25MB

5-数据Batch制作方法.mp446.66MB

6-3D卷积网络所涉及模块.mp437.76MB

7-训练网络模型.mp438.81MB

5-视频异常检测算法与元学习159.63MB

1-异常检测要解决的问题与数据集介绍.mp421.49MB

2-基本思想与流程分析.mp424.27MB

3-预测与常见问题.mp426.58MB

4-Meta-Learn要解决的问题.mp420.78MB

5-学习能力与参数定义.mp414.17MB

6-如何找到合适的初始化参数.mp423.36MB

7-MAML算法流程解读.mp428.99MB

6-视频异常检测CVPR2021论文及其源码解读285.62MB

1-论文概述与环境配置.mp426.61MB

2-数据集配置与读取.mp438.74MB

3-模型编码与解码结构.mp433.37MB

4-注意力机制模块打造.mp461.12MB

5-损失函数的目的.mp457.97MB

6-特征图生成.mp438.02MB

7-MetaLearn与输出.mp429.79MB

7-基础补充-Resnet模型及其应用实例285.93MB

1-医学疾病数据集介绍.mp418.85MB

2-Resnet网络架构原理分析.mp424.81MB

3-dataloader加载数据集.mp464.78MB

4-Resnet网络前向传播.mp435.82MB

5-残差网络的shortcut操作.mp447.34MB

6-特征图升维与降采样操作.mp426.89MB

7-网络整体流程与训练演示.mp467.45MB

8-课程介绍27.22MB

1-课程介绍.mp427.22MB

9-姿态估计OpenPose系列算法解读354.58MB

1-姿态估计要解决的问题分析.mp479.45MB

2-姿态估计应用领域概述.mp420.8MB

3-传统topdown方法的问题.mp437.95MB

4-要解决的两个问题分析.mp410.19MB

5-基于高斯分布预测关键点位置.mp424.83MB

6-各模块输出特征图解读.mp415.58MB

7-PAF向量登场.mp412.59MB

8-PAF标签设计方法.mp425.01MB

9-预测时PAF积分计算方法.mp434.91MB

10-匹配方法解读.mp421.06MB

11-CPM模型特点.mp421.94MB

12-算法流程与总结.mp450.27MB

10-OpenPose算法源码分析366.53MB

1-数据集与路径配置解读.mp433.79MB

2-读取图像与标注信息.mp446.78MB

3-关键点与躯干特征图初始化.mp434.31MB

4-根据关键点位置设计关键点标签.mp454.92MB

5-准备构建PAF躯干标签.mp429.58MB

6-各位置点归属判断.mp428.04MB

7-特征图各点累加向量计算.mp432.67MB

8-完成PAF特征图制作.mp431.91MB

9-网络模型一阶段输出.mp427.54MB

10-多阶段输出与预测.mp446.99MB

11-deepsort算法知识点解读270.33MB

1-卡尔曼滤波通俗解释.mp431.48MB

2-卡尔曼滤波要完成的任务.mp415.6MB

3-任务本质分析.mp419.07MB

4-基于观测值进行最优估计.mp417.11MB

5-预测与更新操作.mp424MB

6-追踪中的状态量.mp416.04MB

7-匈牙利匹配算法概述.mp419.23MB

8-匹配小例子分析.mp421.8MB

9-REID特征的作用.mp420.84MB

10-sort与deepsort建模流程分析.mp426.79MB

11-预测与匹配流程解读.mp426.25MB

12-追踪任务流程拆解.mp432.13MB

12-deepsort源码解读451.85MB

1-项目环境配置.mp437.33MB

2-参数与DEMO演示.mp442.18MB

3-针对检测结果初始化track.mp448.2MB

4-对track执行预测操作.mp438.3MB

5-状态量预测结果.mp436.02MB

6-IOU代价矩阵计算.mp432.89MB

7-参数更新操作.mp450.21MB

8-级联匹配模块.mp443.34MB

9-ReID特征代价矩阵计算.mp446.45MB

10-匹配结果与总结.mp476.93MB

13-YOLO-V4版本算法解读188.03MB

1-V4版本整体概述.mp415.06MB

2-V4版本贡献解读.mp410.06MB

3-数据增强策略分析.mp424.7MB

4-DropBlock与标签平滑方法.mp419.36MB

5-损失函数遇到的问题.mp414.26MB

6-CIOU损失函数定义.mp410.82MB

7-NMS细节改进.mp416.66MB

8-SPP与CSP网络结构.mp414.81MB

9-SAM注意力机制模块.mp422.48MB

10-PAN模块解读.mp420.64MB

11-激活函数与整体架构总结.mp419.19MB

14-V5版本项目配置179.04MB

1-整体项目概述.mp435.77MB

2-训练自己的数据集方法.mp441.32MB

3-训练数据参数配置.mp451.48MB

4-测试DEMO演示.mp450.47MB

15-V5项目工程源码解读751.69MB

1-数据源DEBUG流程解读.mp448.13MB

2-图像数据源配置.mp434.65MB

3-加载标签数据.mp426.33MB

4-Mosaic数据增强方法.mp428.19MB

5-数据四合一方法与流程演示.mp441.69MB

6-getItem构建batch.mp433.03MB

7-网络架构图可视化工具安装.mp434.33MB

8-V5网络配置文件解读.mp435.74MB

9-Focus模块流程分析.mp421.93MB

10-完成配置文件解析任务.mp458.8MB

11-前向传播计算.mp430.8MB

12-BottleneckCSP层计算方法.mp433.82MB

13-1-SPP层计算细节分析.mp429.09MB

14-2-Head层流程解读.mp429.12MB

15-上采样与拼接操作.mp421.48MB

16-输出结果分析.mp441.71MB

17-超参数解读.mp434.94MB

18-命令行参数介绍.mp444.26MB

19-训练流程解读.mp446.81MB

20-各种训练策略概述.mp438.43MB

21-模型迭代过程.mp438.42MB

11-2022论⽂必备-Transformer实战系列1.54GB

1-Transformer算法解读557.22MB

1-Transformer算法解读.mp4557.22MB

2-视觉Transformer及其源码分析878.23MB

1-视觉Transformer及其源码分析.mp4878.23MB

3-VIT算法模型源码解读138.83MB

1-项目配置说明.mp443.27MB

2-输入序列构建方法解读.mp429.8MB

3-注意力机制计算.mp428.04MB

4-输出层计算结果.mp437.72MB

4-swintransformer算法原理解析0B

5-swintransformer源码解读0B

6-基于Transformer的detr目标检测算法0B

7-detr目标检测源码解读0B

8-DeformableDetr算法解读0B

9-DeformableDetr物体检测源码分析0B

10-MedicalTrasnformer论文解读0B

11-MedicalTransformer源码解读0B

12-商汤LoFTR算法解读0B

13-局部特征关键点匹配实战0B

14-分割模型Maskformer系列0B

15-Mask2former源码解读0B

16-BEV特征空间0B

17-BevFormer源码解读0B

18-时间序列预测0B

19-Informer时间序列源码解读0B

20-Huggingface与NLP（讲故事）0B

12-图神经网络实战0B

13-3D点云实战0B

14-面向深度学习的无人驾驶实战0B

15-对比学习与多模态任务实战0B

16-缺陷检测实战0B

17-行人重识别实战0B

18-对抗生成网络实战0B

19-强化学习与AI黑科技实例0B

20-面向医学领域的深度学习实战0B

21-CV与NLP经典大模型解读0B

22-深度学习模型部署与剪枝优化实战0B

23-自然语言处理经典案例实战0B

24-自然语言处理必备神器Huggingface系列实战0B

25-时间序列预测0B

26-自然语言处理通用框架-BERT实战0B

27-知识图谱实战系列0B

28-语音识别实战系列0B

29-推荐系统实战系列0B

30-论文创新点常用方法及其应用实例0B

第八期资料0B

网站声明：
1. 该网盘资源的安全性和完整性需要您自行判断，点击下载地址直接跳转到网盘官方页面。本站链接通过程序自动收集互联网公开分享链接，本站不储存、复制、传播任何网盘文件，也不提供下载服务。
2. 本站遵守相关法律法规，坚决杜绝一切违规不良信息，如您发现任何涉嫌违规的网盘信息，请立即向网盘官方网站举报，并及时反馈给我们进行屏蔽删除。
3. 本站高度重视知识产权保护和个人隐私保护，如有网盘链接侵犯您的合法权益，请立即向网盘官方网站举报，并参见本站《版权说明》提供书面材料联系我们屏蔽删改。

{{userData.name}}已认证

咕泡-人工智能深度学习系统班（第八期）