咕泡学院-人工智能深度学习系统班（第14期）

📁 26-【方向D时序与GNN方向】图神经网络实战
    📁 5.图相似度论文分析
        5.图相似度论文分析必看.zip  [1.8 MB]
        2-基本方法概述解读.mp4  [52.7 MB]
        6-结果输出与总结.mp4  [71.2 MB]
        11-图的全局特征构建.mp4  [31.4 MB]
        10-获得直方图特征结果.mp4  [21.1 MB]
        1-要完成的任务分析.mp4  [47.8 MB]
        4-NTN模块的作用与效果.mp4  [41.1 MB]
        3-图模型提取全局与局部特征.mp4  [47.4 MB]
        8-图卷积特征提取模块.mp4  [55.9 MB]
        12-NTN图相似特征提取.mp4  [39.2 MB]
        5-点之间的对应关系计算.mp4  [51.2 MB]
        13-预测得到相似度结果.mp4  [18.6 MB]
        9-分别计算不同Batch点的分布.mp4  [31.7 MB]
        7-数据集与任务概述.mp4  [18.1 MB]
    📁 3.PyTorch Geometric配置与实战
        3.PyTorch Geometric配置与实战资料.zip  [1.8 MB]
        11-TopkPooling进行下采样任务.mp4  [31.3 MB]
        9-数据集创建函数介绍.mp4  [34.9 MB]
        3-模型定义与训练方法.mp4  [41.9 MB]
        12-获取全局特征.mp4  [25.7 MB]
        10-网络结构定义模块.mp4  [36.9 MB]
        2-数据集与邻接矩阵格式.mp4  [51.9 MB]
        4-文献引用数据集分类案例实战.mp4  [47.7 MB]
        1-PyTorch Geometric工具包安装与配置方法.mp4  [45.1 MB]
        5-构建数据集基本方法.mp4  [13.5 MB]
        7-数据集基本预处理.mp4  [31.5 MB]
        6-数据集与任务背景概述.mp4  [21.6 MB]
        8-用户行为图结构创建.mp4  [36.7 MB]
        13-模型训练与总结.mp4  [35.8 MB]
    📁 6.图模型轨迹估计
        12-DataLoader构建图结构.mp4  [28.6 MB]
        6-子图模块构建方法.mp4  [42.5 MB]
        5-输入细节分析.mp4  [50.0 MB]
        8-VectorNet输出层分析.mp4  [85.5 MB]
        9-数据与环境配置.mp4  [35.4 MB]
        10-训练数据准备.mp4  [27.7 MB]
        4-传统方法与现在向量空间对比.mp4  [51.8 MB]
        2-整体三大模块分析.mp4  [71.8 MB]
        13-SubGraph与Attention模型流程.mp4  [34.6 MB]
        1-数据集与标注信息解读.mp4  [57.5 MB]
        3-特征工程的作用与效果.mp4  [41.7 MB]
        7-特征融合模块分析.mp4  [47.7 MB]
        11-Agent特征提取方法.mp4  [37.9 MB]
    📁 1.图神经网络基础
        5-消息传递计算方法.mp4  [14.2 MB]
        4-GNN中常见任务.mp4  [19.2 MB]
        1-图神经网络应用领域分析.mp4  [26.4 MB]
        3-邻接矩阵的定义.mp4  [16.1 MB]
        6-多层GCN的作用.mp4  [13.0 MB]
        2-图基本模块定义.mp4  [10.5 MB]
    📁 2.图卷积（GCN）模型
        4-GCN变换原理解读.mp4  [21.1 MB]
        3-邻接的矩阵的变换.mp4  [18.4 MB]
        1-GCN基本模型概述.mp4  [13.2 MB]
        2-图卷积的基本计算方法.mp4  [12.6 MB]
    📁 4.图注意力与序列模型
        1-图注意力机制的作用与方法.mp4  [16.5 MB]
        2-邻接矩阵计算图Attention.mp4  [21.4 MB]
        3-序列图神经网络CN应用.mp4  [12.6 MB]
        4-序列图神经网络细节.mp4  [23.7 MB]
    📁 8.KIE关键信息抽取
        3-配置文件与标签要进行处理操作.mp4  [47.8 MB]
        7-准备拼接边与点特征.mp4  [41.4 MB]
        4-边框要计算的特征分析.mp4  [35.6 MB]
        2-KIE数据集格式调整方法.mp4  [69.5 MB]
        6-特征合并处理.mp4  [43.7 MB]
        5-标签数据处理与关系特征提取.mp4  [56.5 MB]
        1-配置文件以及要完成的任务解读.mp4  [51.6 MB]
        8-整合得到图模型输入特征.mp4  [72.0 MB]
    📁 7.异构图神经网络
📁 05-【方向A：CV方向】图像处理基础
    📁 7.OpenCV高级图像处理技术
        7.OpenCV高级图像处理技术文档.zip  [1.8 MB]
        5-背景消除-帧差法.mp4  [20.8 MB]
        9-基本概念.mp4  [20.2 MB]
        13-dnn模块.mp4  [28.6 MB]
        3-图像拼接方法.mp4  [45.0 MB]
        4-流程解读.mp4  [21.7 MB]
        10-Lucas-Kanade算法.mp4  [19.7 MB]
        7-学习步骤.mp4  [31.8 MB]
        6-混合高斯模型.mp4  [26.4 MB]
        1-特征匹配方法.mp4  [28.6 MB]
        12-光流估计实战.mp4  [64.3 MB]
        2-RANSAC算法.mp4  [34.5 MB]
        8-背景建模实战.mp4  [51.2 MB]
        11-推导求解.mp4  [26.0 MB]
        14-模型加载结果输出.mp4  [40.5 MB]
    📁 1.课程介绍与环境配置
        3-Notebook与IDE环境.mp4  [53.2 MB]
        1-课程简介.mp4  [5.4 MB]
        2-Python与Opencv配置安装.mp4  [23.9 MB]
    📁 9.OpenCV项目实战-文档扫描OCR识别
        3-原始与变换坐标计算.mp4  [26.3 MB]
        5-tesseract-ocr安装配置.mp4  [41.3 MB]
        6-文档扫描识别效果.mp4  [28.9 MB]
        1-整体流程演示.mp4  [21.5 MB]
        2-文档轮廓提取.mp4  [27.8 MB]
        4-透视变换结果.mp4  [32.9 MB]
    📁 10.OpenCV项目实战-停车场车位识别
        1-任务整体流程.mp4  [71.4 MB]
        7-识别模型构建.mp4  [41.2 MB]
        8-基于视频的车位检测.mp4  [135.6 MB]
        2-所需数据介绍.mp4  [34.3 MB]
        3-图像数据预处理.mp4  [56.8 MB]
        4-车位直线检测.mp4  [61.5 MB]
        5-按列划分区域.mp4  [54.7 MB]
        6-车位区域划分.mp4  [57.4 MB]
    📁 8.OpenCV项目实战-信用卡数字识别
        2-环境配置与预处理.mp4  [34.9 MB]
        4-输入数据处理方法.mp4  [28.9 MB]
        5-模板匹配得出识别结果.mp4  [47.8 MB]
        1-总体流程与方法讲解.mp4  [20.7 MB]
        3-模板处理方法.mp4  [23.7 MB]
    📁 6.OpenCV尺度空间
        3-特征关键点定位.mp4  [48.2 MB]
        2-高斯差分金字塔.mp4  [21.7 MB]
        1-尺度空间定义.mp4  [20.1 MB]
        5-特征向量生成.mp4  [43.8 MB]
        4-生成特征描述.mp4  [24.7 MB]
        6-opencv中sift函数使用.mp4  [28.8 MB]
    📁 4.OpenCV轮廓检测与直⽅图
        2-金字塔制作方法.mp4  [25.5 MB]
        3-轮廓检测方法.mp4  [19.4 MB]
        8-直方图定义.mp4  [23.7 MB]
        10-均衡化效果.mp4  [27.2 MB]
        6-模板匹配方法.mp4  [47.5 MB]
        7-匹配效果展示.mp4  [21.2 MB]
        9-均衡化原理.mp4  [31.4 MB]
        13-低通与高通滤波.mp4  [21.4 MB]
        11-傅里叶概述.mp4  [22.3 MB]
        5-轮廓特征与近似.mp4  [37.7 MB]
        12-频域变换结果.mp4  [17.3 MB]
        4-轮廓检测结果.mp4  [34.5 MB]
        1-图像金字塔定义.mp4  [19.7 MB]
    📁 2.OpenCV图像常⽤处理⽅法实例
        12-梯度计算.mp4  [7.9 MB]
        10-膨胀操作.mp4  [12.3 MB]
        6-图像阈值.mp4  [30.9 MB]
        5-数值计算.mp4  [23.5 MB]
        8-高斯与中值滤波.mp4  [20.6 MB]
        11-开运算与闭运算.mp4  [9.3 MB]
        4-边界填充.mp4  [15.7 MB]
        2-视频的读取与处理.mp4  [24.0 MB]
        7-图像平滑处理.mp4  [24.8 MB]
        13-礼帽与黑帽.mp4  [15.9 MB]
        3-ROI区域.mp4  [10.1 MB]
        1-计算机眼中的图像.mp4  [21.4 MB]
        9-腐蚀操作.mp4  [21.0 MB]
    📁 11.OpenCV项目实战-答题卡识别判卷
        1-整体流程与效果概述.mp4  [29.5 MB]
        2-预处理操作.mp4  [24.1 MB]
        4-选项判断识别.mp4  [57.2 MB]
        3-填涂轮廓检测.mp4  [25.7 MB]
    📁 12.OpenCV项目实战-目标追踪
        5-多进程目标追踪.mp4  [25.7 MB]
        6-多进程效率提升对比.mp4  [78.2 MB]
        2-多目标追踪实战.mp4  [34.7 MB]
        4-基于dlib与ssd的追踪.mp4  [73.1 MB]
        3-深度学习检测框架加载.mp4  [43.7 MB]
        1-目标追踪概述.mp4  [49.8 MB]
    📁 5.OpenCV角点检测
        3-求解化简.mp4  [31.8 MB]
        2-基本数学原理.mp4  [30.6 MB]
        5-opencv角点检测效果.mp4  [31.1 MB]
        1-角点检测基本原理.mp4  [15.5 MB]
        4-特征归属划分.mp4  [43.3 MB]
    📁 3.OpenCV梯度计算与边缘检测实例
        6-scharr与lapkacian算子.mp4  [27.4 MB]
        1-Canny边缘检测流程.mp4  [19.0 MB]
        2-非极大值抑制.mp4  [18.3 MB]
        3-边缘检测效果.mp4  [36.7 MB]
        4-Sobel算子.mp4  [27.0 MB]
        5-梯度计算方法.mp4  [30.3 MB]
    📁 13.OpenCV项目实战-疲劳检测
        1-关键点定位概述.mp4  [28.5 MB]
        3-定位效果演示.mp4  [45.5 MB]
        5-检测效果.mp4  [40.6 MB]
        2-获取人脸关键点.mp4  [36.1 MB]
        4-闭眼检测.mp4  [71.1 MB]
📁 13-【方向A：CV方向】自动化驾驶
    📁 5-三维重建与坐标系
        5-三维重建与坐标系说明.png  [493.5 KB]
        2-三维重建应用领域概述.mp4  [17.0 MB]
        5-坐标系转换方法解读.mp4  [20.9 MB]
        8-相机标定简介.mp4  [5.9 MB]
        6-相机内外参.mp4  [17.0 MB]
        4-相机坐标系.mp4  [17.2 MB]
        1-三维重建概述分析.mp4  [66.8 MB]
        7-通过内外参数进行坐标变换.mp4  [18.8 MB]
        3-成像方法概述.mp4  [16.3 MB]
    📁 4-车道线检测实战
        2-项目环境配置演示.mp4  [30.0 MB]
        5-四条车道线标签位置矩阵.mp4  [22.3 MB]
        4-车道线标签数据处理.mp4  [34.2 MB]
        9-损失函数计算模块分析.mp4  [45.7 MB]
        3-制作数据集dataloader.mp4  [54.6 MB]
        8-算法网络结构解读.mp4  [59.9 MB]
        11-DEMO制作与配置.mp4  [40.3 MB]
        7-完成数据与标签制作.mp4  [24.6 MB]
        1-车道数据与标签解读.mp4  [65.6 MB]
        6-grid设置方法.mp4  [41.7 MB]
        10-车道线规则损失函数限制.mp4  [44.6 MB]
    📁 8-三维重建 NeuralRecon算法源码解读
        4-得到体素所对应特征图.mp4  [50.7 MB]
        3-坐标映射方法实现.mp4  [26.7 MB]
        7-完成三个阶段预测结果.mp4  [45.8 MB]
        2-初始化体素位置.mp4  [41.5 MB]
        8-项目总结.mp4  [108.4 MB]
        6-得到一阶段输出结果.mp4  [38.1 MB]
        5-插值得到对应特征向量.mp4  [32.4 MB]
        1-Backbone得到特征图.mp4  [36.0 MB]
    📁 1-深度估计算法解析
        10-损失计算.mp4  [30.5 MB]
        7-特征拼接方法分析.mp4  [21.2 MB]
        8-网络coarse-to-fine过程.mp4  [26.5 MB]
        4-差异特征计算边界信息.mp4  [26.5 MB]
        3-使用backbone获取层级特征.mp4  [22.2 MB]
        9-权重参数预处理.mp4  [27.5 MB]
        6-空洞卷积与ASPP.mp4  [18.9 MB]
        5-SPP层的作用.mp4  [15.3 MB]
        2-kitti数据集介绍.mp4  [59.4 MB]
        1-深度估计效果与应用.mp4  [98.5 MB]
    📁 6-三维重建 NeuralRecon算法解析
        4-片段融合思想.mp4  [16.7 MB]
        1-任务流程分析.mp4  [24.3 MB]
        5-整体架构重构方法.mp4  [23.0 MB]
        2-基本框架熟悉.mp4  [27.4 MB]
        3-特征映射方法解读.mp4  [34.7 MB]
    📁 10-三维重建 TSDF算法实战
        1-环境配置概述.mp4  [32.7 MB]
        2-初始化与数据读取.mp4  [21.3 MB]
        3-计算得到TSDF输出.mp4  [44.1 MB]
    📁 3-车道线检测算法解析
        2-网络整体框架分析.mp4  [28.9 MB]
        5-论文概述分析.mp4  [44.2 MB]
        1-数据标签与任务分析.mp4  [84.5 MB]
        4-损失函数计算方法.mp4  [27.3 MB]
        3-输出结果分析.mp4  [18.1 MB]
    📁 2-深度估计实战
        3-数据集dataloader制作.mp4  [36.8 MB]
        9-输出深度估计结果.mp4  [25.4 MB]
        7-网络结构ASPP层.mp4  [47.3 MB]
        11-模型DEMO输出结果.mp4  [80.6 MB]
        4-使用backbone进行特征提取.mp4  [42.4 MB]
        8-特征拼接方法解读.mp4  [47.6 MB]
        1-项目环境配置解读.mp4  [52.9 MB]
        2-数据与标签定义方法.mp4  [74.3 MB]
        6-权重参数标准化操作.mp4  [42.6 MB]
        5-计算差异特征.mp4  [30.7 MB]
        10-损失函数通俗解读.mp4  [65.8 MB]
    📁 11-轨迹估计VectorNet 算法论文解读
        1-数据集与标注信息解读.mp4  [57.5 MB]
        6-子图模块构建方法.mp4  [42.5 MB]
        7-特征融合模块分析.mp4  [47.7 MB]
        3-特征工程的作用与效果.mp4  [41.7 MB]
        5-输入细节分析.mp4  [50.0 MB]
        4-传统方法与现在向量空间对比.mp4  [51.8 MB]
        2-整体三大模块分析.mp4  [71.8 MB]
        8-VectorNet输出层分析.mp4  [85.5 MB]
    📁 9-三维重建 TSDF算法解析
        4-TSDF计算基本流程解读.mp4  [23.9 MB]
        5-坐标转换流程分析.mp4  [31.1 MB]
        3-布局初始化操作.mp4  [12.7 MB]
        2-合成过程DEMO演示.mp4  [27.6 MB]
        6-输出结果融合更新.mp4  [34.2 MB]
        1-TSDF整体概述分析.mp4  [23.2 MB]
    📁 7-三维重建 NeuralRecon算法环境配置
        2-Scannet数据集内容概述.mp4  [37.3 MB]
        3-TSDF标签生成方法.mp4  [55.3 MB]
        1-数据集下载与配置方法.mp4  [52.4 MB]
        5-完成依赖环境配置.mp4  [57.1 MB]
        4-ISSUE的作用.mp4  [49.2 MB]
    📁 12-VectorNet 算法实战
        4-DataLoader构建图结构.mp4  [28.7 MB]
        2-训练数据准备.mp4  [27.7 MB]
        1-数据与环境配置.mp4  [35.4 MB]
        5-SubGraph与Attention模型流程.mp4  [34.6 MB]
        3-Agent特征提取方法.mp4  [38.0 MB]
    📁 13-特斯拉无人驾驶解读
        1-特斯拉无人驾驶解读.mp4  [392.5 MB]
    13-【方向A：CV方向】自动化驾驶必看.png  [493.5 KB]
📁 03-【基础模块】深度学习基础与框架
    📁 4.神经网络回归：气温预测
        4.神经网络回归：气温预测必看.zip  [1.8 MB]
        神经网络回归任务-气温预测.mp4  [136.4 MB]
    📁 5.Pycharm环境配置与Debug演示
        Pycharm环境配置与Debug演示(没用过的同学必看).mp4  [125.4 MB]
    📁 2.PyTorch框架必备核心模块解读
        7-线性回归DEMO-训练回归模型.mp4  [39.4 MB]
        3-框架安装方法（CPU与GPU版本）.mp4  [13.2 MB]
        5-自动求导机制.mp4  [33.4 MB]
        8-补充：常见tensor格式.mp4  [19.6 MB]
        4-PyTorch基本操作简介.mp4  [28.0 MB]
        1-PyTorch实战课程简介.mp4  [23.0 MB]
        2-PyTorch框架发展趋势简介.mp4  [26.6 MB]
        9-补充：Hub模块简介.mp4  [53.1 MB]
        6-线性回归DEMO-数据与参数配置.mp4  [22.7 MB]
    📁 3.神经网络分类任务
        6-训练一个基本的分类模型.mp4  [33.8 MB]
        5-损失与训练模块分析.mp4  [30.9 MB]
        3-网络结构定义方法.mp4  [39.5 MB]
        1-数据集与任务概述.mp4  [31.7 MB]
        2-基本模块应用测试.mp4  [32.6 MB]
        4-数据源定义简介.mp4  [27.2 MB]
        7-参数对结果的影响.mp4  [40.8 MB]
    📁 1.神经网络结构
        神经网络结构.mp4  [447.2 MB]
    03-【基础模块】深度学习基础与框架说明.zip  [1.8 MB]
📁 02-【基础模块】Al课程所需安装软件教程
    1.AI课程所需安装软件教程.mp4  [16.2 MB]
    2.Python环境安装和搭建.mp4  [48.1 MB]
    3.Anaconda基础讲解和使用的教程.mp4  [44.4 MB]
    4.PyTorch框架与其他框架区别分析.mp4  [39.3 MB]
    5.CPU与GPU版本安装方法解读.mp4  [58.2 MB]
📁 01-【直播课】直播回放
    4.transformer解读.mp4  [999.1 MB]
    3.卷积神经网络.mp4  [1.2 GB]
    1.开班典礼：如何学好人工智能学科.mp4  [765.2 MB]
    2.神经网络.mp4  [1.2 GB]
📁 32-【进阶模块】深度学习模型部署与实战
    📁 7.DeepStream应用
        7.DeepStream应用必看.zip  [1.8 MB]
        5-python实现RTP和RTSP.mp4  [87.5 MB]
        3-GStreamer RTP和RTSP1.mp4  [64.0 MB]
        4-GStreamer RTP和RTSP2.mp4  [78.5 MB]
        2-deepstream HelloWorld.mp4  [45.0 MB]
        1-deepstream 介绍安装.mp4  [55.5 MB]
        7-deepstream集成yolov4.mp4  [86.6 MB]
        6-deepstream推理.mp4  [94.1 MB]
    📁 4.AloT与Jetson Nano
        2-jetson nano 刷机.mp4  [105.2 MB]
        1-jetson nano 硬件介绍.mp4  [22.1 MB]
        5-安装使用摄像头csi usb.mp4  [43.2 MB]
        4-感受nano的GPU算力.mp4  [62.4 MB]
        3-jetson nano 系统安装过程.mp4  [84.6 MB]
    📁 5.AloT实战应用
        1-jetson-inference 入门.mp4  [32.0 MB]
        2-docker 的安装使用.mp4  [72.2 MB]
        5-训练出自己目标识别模型a.mp4  [109.8 MB]
        7-转换出onnx模型，并使用.mp4  [31.2 MB]
        4-训练自己的目标检测模型准备.mp4  [36.4 MB]
        3-docker中运行分类模型.mp4  [105.5 MB]
        6-训练出自己目标识别模型b.mp4  [41.2 MB]
    📁 3.使用Docker实现TensorFlow-Serving部署实战
        3-测试模型部署效果.mp4  [43.4 MB]
        2-加载并启动模型服务.mp4  [31.3 MB]
        4-fashion数据集获取.mp4  [38.6 MB]
        5-加载fashion模型启动服务.mp4  [33.4 MB]
        1-tf-serving项目获取与配置.mp4  [30.5 MB]
    📁 6.NVIDIA TAO训练工具
        6-NVIDIA TAO预训练模型和训练c.mp4  [16.3 MB]
        7-TAO 剪枝在训练推理验证.mp4  [127.8 MB]
        2-NVIDIA TAO数据准备和环境设置.mp4  [41.5 MB]
        1-NVIDIA TAO介绍和安装.mp4  [74.4 MB]
        3-NVIDIA TAO数据转换.mp4  [103.7 MB]
        4-NVIDIA TAO预训练模型和训练a.mp4  [40.3 MB]
        5-NVIDIA TAO预训练模型和训练b.mp4  [18.7 MB]
    📁 1.PyTorch Flask部署示例
        1-基本结构与训练好的模型加载.mp4  [21.0 MB]
        2-服务端处理与预测函数.mp4  [40.9 MB]
        3-基于Flask测试模型预测结果.mp4  [46.3 MB]
    📁 2.PyTorch Docker部署示例
        4-基于docker配置pytorch环境.mp4  [36.6 MB]
        3-阿里云镜像配置.mp4  [27.0 MB]
        2-docker安装与配置.mp4  [48.6 MB]
        1-docker简介.mp4  [16.0 MB]
        6-复制所需配置到容器中.mp4  [28.2 MB]
        7-上传与下载配置好的项目.mp4  [45.5 MB]
        5-安装演示环境所需依赖.mp4  [31.5 MB]
📁 25-【方向D时序与GNN方向】时间序列预测算法与实战
    📁 4.Informer源码
        2-数据集解读.mp4  [60.6 MB]
        1-项目使用说明.mp4  [63.9 MB]
        12-平均向量的作用.mp4  [33.7 MB]
        8-整体架构分析.mp4  [36.9 MB]
        11-完成注意力机制计算模块.mp4  [28.4 MB]
        5-数据处理相关模块.mp4  [44.6 MB]
        10-核心采样计算方法.mp4  [50.1 MB]
        7-dataloader构建实例.mp4  [41.0 MB]
        13-解码器预测输出.mp4  [74.5 MB]
        6-时间相关特征提取方法.mp4  [40.0 MB]
        3-模型训练所需参数解读.mp4  [37.4 MB]
        9-编码器模块实现.mp4  [39.2 MB]
        4-数据集构建与读取方式.mp4  [44.5 MB]
    📁 3.Informer算法
        4-Query采样方法解读.mp4  [23.1 MB]
        7-解码器流程分析.mp4  [24.9 MB]
        6-编码器全部计算流程.mp4  [27.2 MB]
        5-probAttention计算流程.mp4  [31.4 MB]
        1-时间序列预测要完成的任务.mp4  [33.3 MB]
        2-常用模块分析.mp4  [24.2 MB]
        3-论文要解决的问题分析.mp4  [30.5 MB]
    📁 1.RNN网络架构
        RNN网络架构.mp4  [29.4 MB]
    📁 7.time-llm大模型多模态预测任务
        1-time-llm大模型多模态预测任务.mp4  [1.4 GB]
    📁 5.TimesNet时序预测
        2-论文核心思想解读.mp4  [64.3 MB]
        7-源码流程解读.mp4  [54.1 MB]
        9-整体计算流程.mp4  [51.2 MB]
        3-时序特征周期拆解.mp4  [72.5 MB]
        5-全部计算流程解读.mp4  [66.5 MB]
        6-周期间特征分析.mp4  [74.1 MB]
        1-时序预测故事背景.mp4  [81.9 MB]
        8-傅里叶变换流程.mp4  [34.0 MB]
        4-计算公式流程拆解.mp4  [52.9 MB]
    📁 2.LSTM网络架构
        LSTM网络架构.mp4  [17.9 MB]
    📁 6.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  [798.5 MB]
📁 10-【方向A：CV方向】生成模型与图像生成技术
    📁 5-stargan论文架构解析
        5-stargan论文架构解析资料.png  [493.5 KB]
        3-建模流程分析.mp4  [42.5 MB]
        4-V1版本存在的问题及后续改进思路.mp4  [60.7 MB]
        8-训练过程分析.mp4  [34.2 MB]
        5-V2版本在整体网络架构.mp4  [63.7 MB]
        2-网络架构整体思路解读.mp4  [30.8 MB]
        7-损失函数公式解析.mp4  [49.4 MB]
        1-stargan效果演示分析.mp4  [28.0 MB]
        6-编码器训练方法.mp4  [53.5 MB]
    📁 10-Diffusion模型架构
        10-Diffusion模型架构资料.zip  [1.8 MB]
        1-Diffusion模型解读.mp4  [427.0 MB]
    📁 9-StyleGAN2高质量图像生成架构
        3-特征编码风格拼接.mp4  [36.8 MB]
        4-基础风格特征卷积模块.mp4  [54.7 MB]
        2-得到style特征编码.mp4  [69.5 MB]
        5-上采样得到输出结果.mp4  [40.7 MB]
        6-损失函数概述.mp4  [26.6 MB]
        1-要完成的任务与基本思想概述.mp4  [57.8 MB]
    📁 2-基于 GAN 的图像补全实战
        7-网络结构配置.mp4  [71.6 MB]
        9-测试模块.mp4  [48.4 MB]
        1-论文概述.mp4  [75.1 MB]
        4-论文总结.mp4  [67.3 MB]
        6-参数基本设计.mp4  [81.8 MB]
        2-网络架构.mp4  [30.8 MB]
        8-网络迭代训练.mp4  [92.9 MB]
        5-数据与项目概述.mp4  [45.9 MB]
        3-细节设计.mp4  [77.7 MB]
    📁 6-stargan项目实战及其源码解读
        5-生成器模块源码解读.mp4  [53.2 MB]
        2-项目配置与数据源下载.mp4  [21.5 MB]
        8-判别器损失计算.mp4  [32.9 MB]
        1-测试模块效果与实验分析.mp4  [30.0 MB]
        9-损失计算详细过程.mp4  [45.8 MB]
        6-所有网络模块构建实例.mp4  [46.5 MB]
        4-项目参数解析.mp4  [27.6 MB]
        7-数据读取模块分析.mp4  [56.6 MB]
        10-生成模块损失计算.mp4  [70.1 MB]
        3-测试效果演示.mp4  [35.0 MB]
    📁 4-CycleGAN图像转换技术
        1-CycleGan网络所需数据.mp4  [37.6 MB]
        3-PatchGan判别网络原理.mp4  [11.5 MB]
        9-生成与判别损失函数指定.mp4  [54.7 MB]
        8-损失函数：identity loss计算方法.mp4  [37.2 MB]
        5-数据读取与预处理操作.mp4  [57.9 MB]
        10-额外补充：VISDOM可视化配置.mp4  [38.7 MB]
        6-生成网络模块构造.mp4  [48.5 MB]
        4-Cycle开源项目简介.mp4  [32.5 MB]
        2-CycleGan整体网络架构.mp4  [21.4 MB]
        7-判别网络模块构造.mp4  [19.8 MB]
    📁 7-StarGANv2变声器论文解析
        6-AdaIn的目的与效果.mp4  [13.2 MB]
        1-论文整体思路与架构解读.mp4  [34.7 MB]
        5-InstanceNorm的作用解读.mp4  [18.6 MB]
        3-语音特征提取.mp4  [30.6 MB]
        4-生成器模型架构分析.mp4  [15.8 MB]
        2-VCC2016输入数据.mp4  [20.8 MB]
        7-判别器模块分析.mp4  [114.0 MB]
    📁 8-starganvc2变声器项目实战
        4-生成器构造模块解读.mp4  [41.3 MB]
        1-数据与项目文件解读.mp4  [21.8 MB]
        6-starganvc2版本标签输入分析.mp4  [50.0 MB]
        7-生成器前向传播维度变化.mp4  [26.5 MB]
        5-下采样与上采样操作.mp4  [35.5 MB]
        9-论文损失函数.mp4  [100.5 MB]
        2-环境配置与工具包安装.mp4  [37.1 MB]
        3-数据预处理与声音特征提取.mp4  [88.5 MB]
        8-判别器模块解读.mp4  [35.2 MB]
        11-测试模块-生成转换语音.mp4  [47.2 MB]
        10-源码损失计算流程.mp4  [34.8 MB]
    📁 12-DALL-E 2源码解读
        3-源码公式对应论文分析.mp4  [47.6 MB]
        2-源码实现细节分析.mp4  [41.1 MB]
        5-源码实现流程总结.mp4  [56.5 MB]
        1-项目整体流程分析.mp4  [32.2 MB]
        4-Decoder模块实现细节解读.mp4  [44.8 MB]
    📁 11-DALL-E 2论文解析
        2-不同模块对比分析.mp4  [34.8 MB]
        3-算法核心流程解读.mp4  [62.8 MB]
        4-各模块实现细节讲解.mp4  [78.8 MB]
        1-论文基本思想与核心模块分析.mp4  [42.1 MB]
    📁 13-视频超分辨率重构
        1-KIE关键信息抽取与视频超分辨率重构.mp4  [916.1 MB]
    📁 3-基于 SRGAN图像超分辨率实战
        2-网络架构.mp4  [106.9 MB]
        3-数据与环境配置.mp4  [26.9 MB]
        8-损失函数与训练.mp4  [89.0 MB]
        6-判别模块.mp4  [44.6 MB]
        5-生成模块.mp4  [48.5 MB]
        9-测试模块.mp4  [90.8 MB]
        1-论文概述.mp4  [46.8 MB]
        7-VGG特征提取网络.mp4  [35.9 MB]
        4-数据加载与配置.mp4  [39.1 MB]
    📁 1-生成对抗网络架构原理
        3-损失函数解释说明.mp4  [39.9 MB]
        4-数据读取模块.mp4  [29.9 MB]
        1-对抗生成网络通俗解释.mp4  [18.4 MB]
        2-GAN网络组成.mp4  [10.7 MB]
        5-生成与判别网络定义.mp4  [44.2 MB]
📁 16-【方向A：CV方向】文字检测与识别
    📁 2-ANINET文字识别
        7-迭代修正模块.mp4  [38.1 MB]
        3-Bakbone模块得到特征.mp4  [42.1 MB]
        4-视觉Transformer模块的作用.mp4  [46.0 MB]
        6-文本模型中的结构分析.mp4  [38.7 MB]
        8-输出层与损失计算.mp4  [52.8 MB]
        5-视觉模型中的编码与解码的效果.mp4  [54.5 MB]
        1-数据集与环境概述.mp4  [55.6 MB]
        2-配置文件修改方法.mp4  [52.5 MB]
    📁 5-项目实战-信用卡数字识别
        5-模板匹配得出识别结果.mp4  [47.7 MB]
        3-模板处理方法.mp4  [23.7 MB]
        2-环境配置与预处理.mp4  [34.8 MB]
        4-输入数据处理方法.mp4  [28.9 MB]
        1-总体流程与方法讲解.mp4  [20.7 MB]
    📁 4-项目实战-文档扫描OCR识别
        3-原始与变换坐标计算.mp4  [26.2 MB]
        2-文档轮廓提取.mp4  [27.8 MB]
        1-整体流程演示.mp4  [21.5 MB]
        4-透视变换结果.mp4  [32.9 MB]
        5-tesseract-ocr安装配置.mp4  [41.2 MB]
        6-文档扫描识别效果.mp4  [28.9 MB]
    📁 1-DBNET文字检测
        5-损失计算方法.mp4  [59.3 MB]
        1-文字检测数据概述与配置文件.mp4  [31.8 MB]
        3-Neck层特征组合.mp4  [32.0 MB]
        2-配置文件参数设置.mp4  [38.7 MB]
        4-损失函数模块概述.mp4  [43.1 MB]
    📁 3-OCR算法解读
        1-OCR算法解读.mp4  [1.7 GB]
📁 04-【基础模块】深度学习核心算法与实践
    📁 8.LSTM文本分类
        5-预料表与字符切分.mp4  [32.0 MB]
        1-数据集与任务目标分析.mp4  [52.8 MB]
        6-字符预处理转换ID.mp4  [34.4 MB]
        2-文本数据处理基本流程分析.mp4  [56.0 MB]
        9-模型训练任务与总结.mp4  [45.2 MB]
        3-命令行参数与DEBUG.mp4  [36.5 MB]
        8-网络模型预测结果输出.mp4  [39.1 MB]
        4-训练模型所需基本配置参数分析.mp4  [40.9 MB]
        7-LSTM网络结构基本定义.mp4  [34.7 MB]
    📁 6.RNN网络架构
        RNN网络架构.mp4  [29.4 MB]
    📁 3.ResNet模型及其应用
        1-医学疾病数据集介绍.mp4  [18.9 MB]
        7-网络整体流程与训练演示.mp4  [67.5 MB]
        4-Resnet网络前向传播.mp4  [35.8 MB]
        3-dataloader加载数据集.mp4  [64.8 MB]
        2-Resnet网络架构原理分析.mp4  [24.8 MB]
        6-特征图升维与降采样操作.mp4  [26.9 MB]
        5-残差网络的shortcut操作.mp4  [47.4 MB]
    📁 4.图像识别模型与训练策略（重点）
        3-数据集与模型选择.mp4  [28.6 MB]
        4-迁移学习方法解读.mp4  [30.6 MB]
        1-任务分析与图像数据基本处理.mp4  [27.2 MB]
        5-输出层与梯度设置.mp4  [36.5 MB]
        9-重新训练全部模型.mp4  [32.5 MB]
        2-数据增强模块.mp4  [27.0 MB]
        10-测试结果演示分析.mp4  [86.6 MB]
        7-优化器与学习率衰减.mp4  [33.0 MB]
        8-模型训练方法.mp4  [35.7 MB]
        6-输出类别个数修改.mp4  [31.9 MB]
    📁 2.卷积网络参数分析与优化
        2-卷积网络参数解读.mp4  [20.9 MB]
        1-输入特征通道分析.mp4  [28.3 MB]
        3-卷积网络模型训练.mp4  [37.9 MB]
    📁 1.卷积神经网络深度解析
        卷积神经网络.mp4  [1.3 GB]
    📁 5.DataLoader自定义数据集制作
        4-实用Dataloader加载数据并训练模型.mp4  [38.4 MB]
        1-Dataloader要完成的任务分析.mp4  [24.3 MB]
        2-图像数据与标签路径处理.mp4  [30.1 MB]
        3-Dataloader中需要实现的方法分析.mp4  [32.9 MB]
    📁 7.LSTM网络架构
        LSTM网络架构.mp4  [17.9 MB]
    📁 9.Transformer基础
        1-Transformer.mp4  [557.2 MB]
        3-GITHUB开源项目使用方法.mp4  [407.2 MB]
        2-transformer-VIT源码解读.mp4  [1.3 GB]
📁 28-【方向E强化学习】人形机器人高级学习与控制方法
📁 19-【方向B：NLP方向】Transformer与预训练语言模型
    📁 11-文本预训练模型构建实例
        2-模型训练与测试结果.mp4  [108.1 MB]
        1-中文商城评价数据处理方法.mp4  [66.4 MB]
        4-训练自己标注的数据并测试.mp4  [27.7 MB]
        3-文本摘要数据标注方法.mp4  [55.9 MB]
    📁 7-BERT应用实战-中文情感分析
        3-训练BERT中文分类模型.mp4  [72.3 MB]
        1-中文分类数据与任务概述.mp4  [83.5 MB]
        2-读取处理自己的数据集.mp4  [53.1 MB]
    📁 4-预训练语言模型 BERT 原理解析
        2-BERT任务目标概述.mp4  [11.5 MB]
        10-BERT模型训练方法.mp4  [20.7 MB]
        4-注意力机制的作用.mp4  [14.8 MB]
        8-位置编码与多层堆叠.mp4  [16.8 MB]
        11-训练实例.mp4  [24.2 MB]
        3-传统解决方案遇到的问题.mp4  [22.7 MB]
        7-Multi-head的作用.mp4  [19.4 MB]
        6-特征分配与softmax机制.mp4  [21.3 MB]
        9-transformer整体架构梳理.mp4  [22.3 MB]
        5-self-attention计算方法.mp4  [23.8 MB]
        1-BERT课程简介.mp4  [29.8 MB]
    📁 12-知识图谱抽取实战
        6-模型构建与计算流程.mp4  [43.1 MB]
        3-数据处理与读取模块.mp4  [39.1 MB]
        4-实体抽取模块分析.mp4  [44.3 MB]
        7-网络模型前向计算方法.mp4  [32.9 MB]
        5-标签与数据结构定义方法.mp4  [49.7 MB]
        2-数据标注格式样例分析.mp4  [70.0 MB]
        1-应用场景概述分析.mp4  [92.0 MB]
        8-关系抽取模型训练.mp4  [42.2 MB]
    📁 5-预训练语言模型 BERT 源码解读
        3-数据读取模块.mp4  [54.3 MB]
        2-项目参数配置.mp4  [106.8 MB]
        4-数据预处理模块.mp4  [40.1 MB]
        8-加入位置编码特征.mp4  [23.6 MB]
        5-tfrecord数据源制作.mp4  [51.5 MB]
        7-加入额外编码特征.mp4  [42.4 MB]
        6-Embedding层的作用.mp4  [31.0 MB]
        10-构建QKV矩阵.mp4  [50.8 MB]
        11-完成Transformer模块构建.mp4  [40.8 MB]
        12-训练BERT模型.mp4  [54.7 MB]
        1-BERT开源项目简介.mp4  [41.3 MB]
        9-mask机制的作用.mp4  [36.8 MB]
    📁 9-文本标注与NER
        1-文本标注工具Doccano配置方法.mp4  [33.0 MB]
        4-标签处理并完成对齐操作.mp4  [38.6 MB]
        2-命名实体识别任务标注方法实例.mp4  [39.3 MB]
        6-模型训练与输出结果预测.mp4  [43.1 MB]
        5-预训练模型加载与参数配置.mp4  [41.5 MB]
        3-标注导出与BIO处理.mp4  [39.4 MB]
    📁 3-Transformer工具包实战
        1-工具包与任务整体介绍.mp4  [33.4 MB]
        8-模型训练DEMO.mp4  [58.7 MB]
        6-数据Dataloader封装.mp4  [50.2 MB]
        2-NLP任务常规流程分析.mp4  [29.2 MB]
        9-transformer原理解读.mp4  [367.6 MB]
        3-文本切分方法实例解读.mp4  [42.7 MB]
        7-模型训练所需配置参数.mp4  [36.9 MB]
        4-AttentionMask配套使用方法.mp4  [35.3 MB]
        5-数据集与模型.mp4  [43.0 MB]
    📁 6-预训练语言模型 BERT 变体原理解析
        2-ALBERT基本定义.mp4  [38.6 MB]
        1-BERT模型训练方法解读.mp4  [23.9 MB]
        3-ALBERT中的简化方法解读.mp4  [43.4 MB]
        5-DistilBert模型解读.mp4  [16.1 MB]
        4-RoBerta模型训练方法解读.mp4  [28.4 MB]
    📁 8-BERT应用实战-中文命名实体识别
        📁 2-NER标注数据处理与读取
            raw.m3u8  [10.5 KB]
            meta.json  [27.7 KB]
        📁 1-命名实体识别数据分析与任务目标
            raw.m3u8  [9.0 KB]
            meta.json  [23.7 KB]
        📁 3-构建BERT与CRF模型
            raw.m3u8  [10.0 KB]
            meta.json  [26.3 KB]
    📁 2-Huggingface数据集制作方法实例
        2-Huggingface中的预处理实例.mp4  [72.6 MB]
        1-数据结构分析.mp4  [47.9 MB]
        3-数据处理基本流程.mp4  [72.6 MB]
    📁 10-文本预训练构建
        1-预训练模型效果分析.mp4  [32.0 MB]
        2-文本数据截断处理.mp4  [45.8 MB]
        3-预训练模型自定义训练.mp4  [97.9 MB]
    📁 1-Huggingface与NLP介绍
        1-Huggingface与NLP介绍解读.mp4  [163.6 MB]
📁 15-【方向A：CV方向】工业与医学视觉应用
    📁 5-Deeplab铁质材料缺陷检测与开源项⽬应⽤流程
        6-数据路径配置.mp4  [28.2 MB]
        8-任务总结.mp4  [27.3 MB]
        7-训练模型.mp4  [23.5 MB]
        3-github与kaggle中需要注意的点.mp4  [26.9 MB]
        4-源码的利用方法.mp4  [75.2 MB]
        2-开源项目应用方法.mp4  [20.5 MB]
        1-数据集与任务概述.mp4  [18.2 MB]
        5-数据集制作方法.mp4  [49.7 MB]
    📁 1-钢材缺陷检测
        3-标签转换格式脚本制作.mp4  [22.7 MB]
        5-项目参数配置.mp4  [16.3 MB]
        6-缺陷检测模型训练.mp4  [17.0 MB]
        2-数据与标签配置方法.mp4  [23.5 MB]
        4-各版本模型介绍分析.mp4  [20.1 MB]
        1-任务需求与项目概述.mp4  [9.0 MB]
        7-输出结果与项目总结.mp4  [27.4 MB]
    📁 7-医学细胞分割
        3-Debug模式演示网络计算流程.mp4  [41.4 MB]
        4-特征融合方法演示.mp4  [30.0 MB]
        6-模型效果验证.mp4  [47.3 MB]
        1-医学细胞数据集介绍与参数配置.mp4  [71.2 MB]
        5-迭代完成整个模型计算任务.mp4  [33.5 MB]
        2-数据增强工具.mp4  [61.5 MB]
    📁 4-基于OpenCV的视频缺陷检测
        1-数据与任务概述.mp4  [13.2 MB]
        2-视频数据读取与轮廓检测.mp4  [12.7 MB]
        5-缺陷区域提取.mp4  [24.0 MB]
        7-检测效果演示.mp4  [19.6 MB]
        6-不同类型的缺陷检测方法.mp4  [26.2 MB]
        4-视频数据遍历方法.mp4  [22.4 MB]
        3-目标质心计算.mp4  [21.3 MB]
    📁 8-医学视频诊断
        1-数据集与任务概述.mp4  [45.5 MB]
        4-文献报告分析.mp4  [122.7 MB]
        6-补充：R(2plus1)D处理方法分析.mp4  [18.9 MB]
        2-项目基本配置参数.mp4  [33.3 MB]
        3-任务流程解读.mp4  [69.1 MB]
        5-补充：视频数据源特征处理方法概述.mp4  [26.3 MB]
    📁 2-半监督布料缺陷检测
        4-网络流程分析.mp4  [19.5 MB]
        1-任务目标与流程概述.mp4  [30.5 MB]
        2-论文思想与模型分析.mp4  [49.2 MB]
        3-项目配置解读.mp4  [44.1 MB]
        5-输出结果展示.mp4  [28.8 MB]
    📁 3-基于OpenCV的缺陷检测实战
        4-整体流程解读.mp4  [15.7 MB]
        3-缺陷形态学操作.mp4  [19.4 MB]
        5-缺陷检测效果演示.mp4  [29.9 MB]
        2-数据读取与基本处理.mp4  [17.6 MB]
        1-任务需求与环境配置.mp4  [10.1 MB]
    📁 6-医学图像分类
        4-Resnet网络前向传播.mp4  [35.8 MB]
        3-dataloader加载数据集.mp4  [64.8 MB]
        2-Resnet网络架构原理分析.mp4  [24.8 MB]
        7-网络整体流程与训练演示.mp4  [67.4 MB]
        5-残差网络的shortcut操作.mp4  [47.3 MB]
        6-特征图升维与降采样操作.mp4  [26.9 MB]
        1-医学疾病数据集介绍.mp4  [18.8 MB]
    📁 9-医学细胞检测
        2-模型与算法配置参数解读.mp4  [42.5 MB]
        4-效果评估与展示.mp4  [32.7 MB]
        5-细胞检测效果演示.mp4  [43.2 MB]
        3-网络训练流程演示.mp4  [42.3 MB]
        1-任务与细胞数据集介绍.mp4  [49.8 MB]
📁 27-【方向E强化学习】强化学习基础算法与实战
    📁 6.Actor-Critic算法分析（A3C）
        5-损失函数整理.mp4  [22.4 MB]
        1-AC算法回顾与知识点总结.mp4  [17.3 MB]
        2-优势函数解读与分析.mp4  [19.9 MB]
        4-A3C整体架构分析.mp4  [16.4 MB]
        3-计算流程实例.mp4  [17.6 MB]
    📁 7.用A3C玩转超级马里奥
        2-启动游戏环境.mp4  [32.2 MB]
        1-整体流程与环境配置.mp4  [27.0 MB]
        3-要计算的指标回顾.mp4  [37.0 MB]
        6-训练网络模型.mp4  [44.3 MB]
        4-初始化局部模型并加载参数.mp4  [32.3 MB]
        5-与环境交互得到训练数据.mp4  [39.3 MB]
    📁 8.强化学习-拓展
        强化学习的基础原理与应用等.mp4  [375.4 MB]
    📁 5.DQN改进与应用技巧
        4-MultiSetp策略.mp4  [8.7 MB]
        1-DoubleDqn要解决的问题.mp4  [22.4 MB]
        5-连续动作处理方法.mp4  [22.3 MB]
        3-Dueling整体网络架构分析.mp4  [21.8 MB]
        2-DuelingDqn改进方法.mp4  [19.1 MB]
    📁 4.Q-learning与DQN算法
        8-Q值迭代求解.mp4  [22.5 MB]
        5-算法原理通俗解读.mp4  [26.0 MB]
        1-整体任务流程演示.mp4  [23.9 MB]
        7-Qlearning算法实例解读.mp4  [16.7 MB]
        4-训练与更新.mp4  [34.2 MB]
        6-目标函数与公式解析.mp4  [25.6 MB]
        9-DQN简介.mp4  [15.4 MB]
        3-计算target值.mp4  [22.5 MB]
        2-探索与action获取.mp4  [28.4 MB]
    📁 2.PPO算法与公式推导
        8-PPO算法整体思路解析.mp4  [26.6 MB]
        6-OnPolicy与OffPolicy策略.mp4  [20.8 MB]
        4-策略梯度推导.mp4  [21.8 MB]
        1-基本情况介绍.mp4  [28.1 MB]
        7-importance sampling的作用.mp4  [23.2 MB]
        5-baseline方法.mp4  [18.4 MB]
        2-与环境交互得到所需数据.mp4  [23.2 MB]
        3-要完成的目标分析.mp4  [24.5 MB]
    📁 1.强化学习简介及其应用
        3-强化学习AI游戏DEMO.mp4  [20.4 MB]
        2-强化学习的指导依据.mp4  [20.2 MB]
        1-一张图通俗解释强化学习.mp4  [17.7 MB]
        5-强化学习工作流程.mp4  [14.8 MB]
        4-应用领域简介.mp4  [17.4 MB]
        6-计算机眼中的状态与行为.mp4  [20.1 MB]
    📁 3.PPO实战-月球登陆器训练实例
        1-Critic的作用与效果.mp4  [40.1 MB]
        3-参数与网络结构定义.mp4  [33.7 MB]
        6-参数迭代与更新.mp4  [49.3 MB]
        2-PPO2版本公式解读.mp4  [31.7 MB]
        5-奖励获得与计算.mp4  [36.3 MB]
        4-得到动作结果.mp4  [29.0 MB]
📁 30-【方向F智能应用】语音识别
    📁 3.starganvc2变声器论文原理解读
        2-VCC2016输入数据.mp4  [20.8 MB]
        7-判别器模块分析.mp4  [114.1 MB]
        6-AdaIn的目的与效果.mp4  [13.2 MB]
        1-论文整体思路与架构解读.mp4  [34.7 MB]
        4-生成器模型架构分析.mp4  [15.8 MB]
        5-InstanceNorm的作用解读.mp4  [18.6 MB]
        3-语音特征提取.mp4  [30.6 MB]
    📁 4.staeganvc2变声器源码实战
        6-starganvc2版本标签输入分析.mp4  [50.0 MB]
        4-生成器构造模块解读.mp4  [41.4 MB]
        8-判别器模块解读.mp4  [35.2 MB]
        2-环境配置与工具包安装.mp4  [37.1 MB]
        5-下采样与上采样操作.mp4  [35.5 MB]
        3-数据预处理与声音特征提取.mp4  [88.5 MB]
        10-源码损失计算流程.mp4  [34.8 MB]
        9-论文损失函数.mp4  [100.5 MB]
        11-测试模块-生成转换语音.mp4  [47.2 MB]
        7-生成器前向传播维度变化.mp4  [26.5 MB]
        1-数据与项目文件解读.mp4  [21.8 MB]
    📁 7.语音合成tacotron最新版实战
        7-解码器输入准备.mp4  [34.6 MB]
        10-得到加权的编码向量.mp4  [55.9 MB]
        9-注意力机制应用方法.mp4  [43.7 MB]
        1-语音合成项目所需环境配置.mp4  [44.6 MB]
        5-编码层要完成的任务.mp4  [46.4 MB]
        6-得到编码特征向量.mp4  [28.6 MB]
        3-路径配置与整体流程解读.mp4  [70.2 MB]
        4-Dataloader构建数据与标签.mp4  [66.7 MB]
        8-解码器流程梳理.mp4  [41.4 MB]
        11-模型输出结果.mp4  [53.3 MB]
        12-损失函数与预测.mp4  [48.0 MB]
        2-所需数据集介绍.mp4  [52.7 MB]
    📁 6.ConvTasnet语音分离实战
        1-数据准备与环境配置.mp4  [78.0 MB]
        7-解码得到分离后的语音.mp4  [52.6 MB]
        8-测试模块所需参数.mp4  [42.4 MB]
        2-训练任务所需参数介绍.mp4  [27.7 MB]
        6-构建更大的感受区域.mp4  [53.5 MB]
        5-编码器特征提取.mp4  [55.0 MB]
        3-DataLoader定义.mp4  [38.0 MB]
        4-采样数据特征编码.mp4  [37.7 MB]
    📁 2.LAS模型语音识别实战
        4-声音数据处理模块解读.mp4  [62.9 MB]
        5-Pack与Pad操作解析.mp4  [36.0 MB]
        7-加入注意力机制.mp4  [33.3 MB]
        1-数据源与环境配置.mp4  [32.3 MB]
        3-制作json标注数据.mp4  [37.9 MB]
        9-解码器与训练过程演示.mp4  [43.8 MB]
        2-语料表制作方法.mp4  [25.5 MB]
        8-计算得到每个输出的attention得分.mp4  [36.5 MB]
        6-编码器模块整体流程.mp4  [31.5 MB]
    📁 1.seq2seq序列网络模型
        3-注意力机制的作用.mp4  [14.9 MB]
        5-TeacherForcing的作用与训练策略.mp4  [16.6 MB]
        1-序列网络模型概述分析.mp4  [17.3 MB]
        2-工作原理概述.mp4  [9.0 MB]
        4-加入attention的序列模型整体架构.mp4  [20.6 MB]
        6-额外补充-RNN网络模型解读.mp4  [23.8 MB]
    📁 5.语音分离ConvTasnet模型
        2-经典语音分离模型概述.mp4  [18.1 MB]
        6-基于Mask得到分离结果.mp4  [19.3 MB]
        3-DeepClustering论文解读.mp4  [16.3 MB]
        1-语音分离任务分析.mp4  [9.2 MB]
        4-TasNet编码器结构分析.mp4  [41.7 MB]
        5-DW卷积的作用与效果.mp4  [10.2 MB]
📁 17-【方向B：NLP方向】自然语言处理基础技术
    📁 4-贝叶斯算法分析与实战
        1-贝叶斯算法概述.mp4  [11.3 MB]
        7-相似度计算.mp4  [19.5 MB]
        5-贝叶斯实现拼写检查器.mp4  [43.7 MB]
        8-新闻数据与任务简介.mp4  [28.6 MB]
        9-TF-IDF关键词提取.mp4  [39.0 MB]
        3-贝叶斯拼写纠错实例.mp4  [18.6 MB]
        6-文本分析与关键词提取.mp4  [19.4 MB]
        11-基于贝叶斯算法进行新闻分类.mp4  [38.1 MB]
        2-贝叶斯推导实例.mp4  [11.9 MB]
        4-垃圾邮件过滤实例.mp4  [22.8 MB]
        10-LDA建模.mp4  [20.5 MB]
    📁 2-自然语言处理项目流程实例
        12-统计分析结果.mp4  [47.7 MB]
        11-恐怖袭击分析.mp4  [40.5 MB]
        10-名字实体匹配.mp4  [21.4 MB]
        5-NLTK工具包简介.mp4  [32.3 MB]
        9-Spacy工具包.mp4  [47.1 MB]
        1-Python字符串处理.mp4  [41.3 MB]
        2-正则表达式基本语法.mp4  [31.0 MB]
        3-正则常用符号.mp4  [37.1 MB]
        4-常用函数介绍.mp4  [40.1 MB]
        8-数据清洗实例.mp4  [41.4 MB]
        7-词性标注.mp4  [35.9 MB]
        6-停用词过滤.mp4  [27.6 MB]
        14-词云展示.mp4  [87.6 MB]
        13-结巴分词器.mp4  [28.1 MB]
    📁 3-商品信息可视化与文本分析
        5-关键词的词云可视化展示.mp4  [51.9 MB]
        7-通过降维进行可视化展示.mp4  [39.1 MB]
        3-商品类别可视化展示.mp4  [41.3 MB]
        4-商品描述长度对价格的影响分析.mp4  [33.7 MB]
        6-基于tf-idf提取关键词信息.mp4  [35.3 MB]
        1-在线商城商品数据信息概述.mp4  [32.3 MB]
        2-商品类别划分方式.mp4  [37.3 MB]
        8-聚类分析与主题模型展示.mp4  [57.0 MB]
    📁 1-NLP常用工具包实战
        2-正则表达式基本语法.mp4  [31.0 MB]
        8-数据清洗实例.mp4  [41.4 MB]
        14-词云展示.mp4  [87.6 MB]
        3-正则常用符号.mp4  [37.1 MB]
        4-常用函数介绍.mp4  [40.1 MB]
        13-结巴分词器.mp4  [28.1 MB]
        10-名字实体匹配.mp4  [21.4 MB]
        1-Python字符串处理.mp4  [41.3 MB]
        5-NLTK工具包简介.mp4  [32.3 MB]
        9-Spacy工具包.mp4  [47.1 MB]
        7-词性标注.mp4  [35.9 MB]
        12-统计分析结果.mp4  [47.7 MB]
        6-停用词过滤.mp4  [27.6 MB]
        11-恐怖袭击分析.mp4  [40.5 MB]
    📁 6-HMM隐马尔科夫模型
        14-实现中文分词.mp4  [35.8 MB]
        8-Baum-Welch算法.mp4  [26.9 MB]
        7-前向算法求解实例.mp4  [33.3 MB]
        13-中文分词任务.mp4  [13.4 MB]
        6-前向算法.mp4  [36.1 MB]
        11-hmmlearn工具包.mp4  [19.6 MB]
        1-马尔科夫模型.mp4  [17.5 MB]
        5-复杂度计算.mp4  [15.3 MB]
        4-暴力求解方法.mp4  [28.0 MB]
        10-维特比算法.mp4  [43.1 MB]
        12-工具包使用方法.mp4  [55.6 MB]
        2-隐马尔科夫模型基本出发点.mp4  [18.7 MB]
        3-组成与要解决的问题.mp4  [14.9 MB]
        9-参数求解.mp4  [17.2 MB]
    📁 5-N-gram 语言模型
        4-词向量.mp4  [13.5 MB]
        7-CBOW模型实例.mp4  [18.5 MB]
        3-N-gram模型.mp4  [13.6 MB]
        1-开篇.mp4  [8.5 MB]
        10-负采样模型.mp4  [10.5 MB]
        2-语言模型.mp4  [8.8 MB]
        8-CBOW求解目标.mp4  [8.7 MB]
        9-锑度上升求解.mp4  [15.9 MB]
        6-Hierarchical Softmax.mp4  [15.2 MB]
        5-神经网络模型.mp4  [15.9 MB]
📁 29-【方向F智能应用】知识图谱技术与构建
    📁 1.知识图谱分析与应用
        4-金融与推荐领域的应用.mp4  [20.4 MB]
        10-视觉领域图编码实例.mp4  [21.0 MB]
        9-金融领域图编码实例.mp4  [12.8 MB]
        11-图谱知识融合与总结分析.mp4  [24.0 MB]
        8-graph-embedding的作用与效果.mp4  [26.2 MB]
        5-数据获取分析.mp4  [36.0 MB]
        6-数据关系抽取分析.mp4  [27.3 MB]
        7-常用NLP技术点分析.mp4  [22.1 MB]
        1-知识图谱通俗解读.mp4  [19.9 MB]
        3-知识图谱在医疗领域应用实例.mp4  [102.9 MB]
        2-知识图谱在搜索引擎中的应用.mp4  [26.6 MB]
    📁 4.文本关系抽取实践
        7-语义角色构建与分析.mp4  [54.2 MB]
        6-句法分析结果整理.mp4  [39.1 MB]
        3-pyltp安装与流程演示.mp4  [41.8 MB]
        5-依存句法概述.mp4  [30.9 MB]
        2-LTP工具包概述介绍.mp4  [46.5 MB]
        1-关系抽取要完成的任务演示与分析.mp4  [18.6 MB]
        8-设计规则完成关系抽取.mp4  [52.5 MB]
        4-得到分词与词性标注结果.mp4  [47.2 MB]
    📁 5.金融平台风控模型实践
        6-app安装特征.mp4  [37.4 MB]
        2-图模型信息提取.mp4  [27.8 MB]
        1-竞赛任务目标.mp4  [23.8 MB]
        5-各项统计特征.mp4  [56.1 MB]
        4-deepwalk构建图顶点特征.mp4  [53.5 MB]
        3-节点权重特征提取(PageRank).mp4  [35.6 MB]
        7-图中联系人特征.mp4  [70.3 MB]
    📁 2.Neo4j图数据库实战
        1-Neo4j图数据库介绍.mp4  [63.5 MB]
        9-根据给定实体创建关系.mp4  [51.1 MB]
        4-创建与删除操作演示.mp4  [25.3 MB]
        2-Neo4j数据库安装流程演示.mp4  [27.7 MB]
        6-使用Py2neo建立连接.mp4  [47.6 MB]
        3-可视化例子演示.mp4  [43.6 MB]
        8-在图中创建实体.mp4  [43.9 MB]
        5-数据库更改查询操作演示.mp4  [27.2 MB]
        7-提取所需的指标信息.mp4  [53.2 MB]
    📁 6.医学糖尿病数据命名实体识别
        5-训练网络模型.mp4  [40.4 MB]
        1-数据与任务介绍.mp4  [22.8 MB]
        6-医疗数据集（糖尿病）实体识别.mp4  [81.5 MB]
        2-整体模型架构.mp4  [15.0 MB]
        4-输入样本填充补齐.mp4  [36.3 MB]
        3-数据-标签-语料库处理.mp4  [40.0 MB]
    📁 3.基于知识图谱的医药问答系统实战
        9-实体关键词字典制作.mp4  [31.9 MB]
        3-任务流程概述.mp4  [39.8 MB]
        7-打造医疗知识图谱模型.mp4  [59.2 MB]
        6-创建关系边.mp4  [39.4 MB]
        8-加载所有实体数据.mp4  [42.5 MB]
        1-项目概述与整体架构分析.mp4  [37.1 MB]
        4-环境配置与所需工具包安装.mp4  [36.4 MB]
        5-提取数据中的关键字段信息.mp4  [61.4 MB]
        2-医疗数据介绍及其各字段含义.mp4  [62.7 MB]
        10-完成对话系统构建.mp4  [39.5 MB]
📁 33-【进阶模块】深度学习模型优化与创新
    📁 2.模型剪枝-Network Slimming算法分析
        3-BN的本质作用.mp4  [22.6 MB]
        1-论文算法核心框架概述.mp4  [19.7 MB]
        5-稀疏化原理与效果.mp4  [23.9 MB]
        4-额外的训练参数解读.mp4  [20.1 MB]
        2-BatchNorm要解决的问题.mp4  [18.5 MB]
    📁 4.Mobilenet三代网络模型架构
        9-倒残差结构的作用.mp4  [17.5 MB]
        4-经典卷积计算量与参数量分析.mp4  [13.2 MB]
        12-SE模块作用与效果解读.mp4  [32.0 MB]
        3-mobilenet简介.mp4  [8.6 MB]
        6-参数与计算量的比较.mp4  [39.7 MB]
        1-模型剪枝分析.mp4  [22.4 MB]
        11-V3版本网络架构分析.mp4  [11.6 MB]
        10-V2整体架构与效果分析.mp4  [10.5 MB]
        13-代码实现mobilenetV3网络架构.mp4  [68.9 MB]
        2-常见剪枝方法介绍.mp4  [21.8 MB]
        5-深度可分离卷积的作用与效果.mp4  [14.3 MB]
        7-V1版本效果分析.mp4  [25.0 MB]
        8-V2版本改进以及Relu激活函数的问题.mp4  [19.6 MB]
    📁 1.通用创新点
        12-损失函数约束项.mp4  [8.4 MB]
        2-GCnet（全局特征融合）.mp4  [74.3 MB]
        1-ACMIX（卷积与注意力融合）.mp4  [86.0 MB]
        7-Deformable（替换selfAttention）.mp4  [44.9 MB]
        11-结合GNN构建局部特征.mp4  [25.9 MB]
        14-Coarse2Fine大框架.mp4  [40.5 MB]
        6-mobileOne（加速）.mp4  [45.3 MB]
        4-SPD（可替换下采样）.mp4  [45.0 MB]
        10-Attention额外加入先验知识.mp4  [7.4 MB]
        16-自己数据集如何发的好（要开源）.mp4  [45.1 MB]
        17-可变形卷积加入方法.mp4  [23.4 MB]
        8-ProbAttention（采样策略）.mp4  [23.6 MB]
        13-自适应可学习参数.mp4  [14.3 MB]
        9-CrossAttention融合特征.mp4  [20.5 MB]
        15-只能机器学习模型时凑工作量（特征工程）.mp4  [6.0 MB]
        18-在源码中加入各种注意力机制方法.mp4  [122.5 MB]
        5-SPP改进.mp4  [17.0 MB]
        3-Coordinate_attention.mp4  [74.9 MB]
    📁 3.模型剪枝-Network Slimming实战解读
        1-整体案例流程解读.mp4  [32.4 MB]
        3-剪枝模块介绍.mp4  [31.0 MB]
        2-加入L1正则化来进行更新.mp4  [28.4 MB]
        5-剪枝后模型参数赋值.mp4  [49.5 MB]
        4-筛选需要的特征图.mp4  [36.3 MB]
        6-微调完成剪枝模型.mp4  [46.9 MB]
    📁 5.知识蒸馏
        知识蒸馏与简历相关.mp4  [1.2 GB]
    📁 6.拓展-模型部署与优化
        模型部署.mp4  [433.6 MB]
📁 11-【方向A：CV方向】行为识别+姿态估计+目标追踪
    📁 5- 视频异常检测算法与元学习
        7-MAML算法流程解读.mp4  [29.0 MB]
        1-异常检测要解决的问题与数据集介绍.mp4  [21.5 MB]
        5-学习能力与参数定义.mp4  [14.2 MB]
        2-基本思想与流程分析.mp4  [24.3 MB]
        3-预测与常见问题.mp4  [26.6 MB]
        6-如何找到合适的初始化参数.mp4  [17.4 MB]
        4-Meta-Learn要解决的问题.mp4  [23.9 MB]
    📁 1-SlowFast 行为识别算法解析
        4-模型网络结构设计.mp4  [19.3 MB]
        2-核心网络结构模块分析.mp4  [21.0 MB]
        5-特征融合模块与总结分析.mp4  [39.3 MB]
        3-数据采样曾的作用.mp4  [18.3 MB]
        1-slowfast核心思想解读.mp4  [74.9 MB]
    📁 11-多目标追踪算法源码解读
        2-初始时刻追踪器创建.mp4  [34.0 MB]
        3-追踪器记录信息概述.mp4  [30.9 MB]
        4-匹配过程细节分析.mp4  [44.3 MB]
        6-追踪器状态更新处理.mp4  [50.7 MB]
        5-不同帧时刻追踪器状态更新方法.mp4  [42.5 MB]
        1-获取检测结果与追踪初始化.mp4  [31.2 MB]
        7-追踪器迭代更新策略.mp4  [43.2 MB]
    📁 9-deepsort源码解读
        10-匹配结果与总结.mp4  [76.9 MB]
        6-IOU代价矩阵计算.mp4  [32.9 MB]
        9-ReID特征代价矩阵计算.mp4  [46.5 MB]
        7-参数更新操作.mp4  [50.2 MB]
        1-项目环境配置.mp4  [37.3 MB]
        4-对track执行预测操作.mp4  [38.3 MB]
        8-级联匹配模块.mp4  [43.3 MB]
        3-针对检测结果初始化track.mp4  [48.2 MB]
        2-参数与DEMO演示.mp4  [42.2 MB]
        5-状态量预测结果.mp4  [36.0 MB]
    📁 4-3D卷积视频分析
        4-视频数据预处理方法.mp4  [32.3 MB]
        1-3D卷积原理解读.mp4  [20.6 MB]
        5-数据Batch制作方法.mp4  [46.7 MB]
        3-测试效果与项目配置.mp4  [55.6 MB]
        7-训练网络模型.mp4  [38.8 MB]
        2-UCF101动作识别数据集简介.mp4  [51.7 MB]
        6-3D卷积网络所涉及模块.mp4  [37.8 MB]
    📁 8-OpenPose算法源码解读
        6-各模块输出特征图解读.mp4  [15.6 MB]
        5-基于高斯分布预测关键点位置.mp4  [24.8 MB]
        11-CPM模型特点.mp4  [21.9 MB]
        10-匹配方法解读.mp4  [14.2 MB]
        1-姿态估计要解决的问题分析.mp4  [79.5 MB]
        12-算法流程与总结.mp4  [50.3 MB]
        9-预测时PAF积分计算方法.mp4  [34.9 MB]
        7-PAF向量登场.mp4  [12.6 MB]
        8-PAF标签设计方法.mp4  [25.0 MB]
        4-要解决的两个问题分析.mp4  [10.2 MB]
        3-传统topdown方法的问题.mp4  [37.9 MB]
        2-姿态估计应用领域概述.mp4  [20.8 MB]
    📁 2-SlowFast 算法环境配置
        2-目录各文件分析.mp4  [26.3 MB]
        6-训练所需视频数据准备.mp4  [47.4 MB]
        3-配置文件作用解读.mp4  [50.9 MB]
        8-完成视频分帧操作.mp4  [22.4 MB]
        7-视频数据集切分操作.mp4  [39.7 MB]
        4-测试DEMO演示.mp4  [66.8 MB]
        1-环境基本配置解读.mp4  [26.5 MB]
        5-训练所需标签文件说明.mp4  [32.5 MB]
    📁 10-deepsort算法知识点解读
        12-追踪任务流程拆解.mp4  [32.1 MB]
        10-sort与deepsort建模流程分析.mp4  [26.8 MB]
        3-任务本质分析.mp4  [19.1 MB]
        4-基于观测值进行最优估计.mp4  [17.1 MB]
        9-REID特征的作用.mp4  [20.8 MB]
        8-匹配小例子分析.mp4  [21.8 MB]
        1-卡尔曼滤波通俗解释.mp4  [31.5 MB]
        6-追踪中的状态量.mp4  [16.0 MB]
        7-匈牙利匹配算法概述.mp4  [19.2 MB]
        2-卡尔曼滤波要完成的任务.mp4  [15.6 MB]
        5-预测与更新操作.mp4  [24.0 MB]
        11-预测与匹配流程解读.mp4  [26.2 MB]
    📁 6- CVPR 异常检测算法论文解读
        2-数据集配置与读取.mp4  [38.7 MB]
        6-特征图生成.mp4  [38.0 MB]
        4-注意力机制模块打造.mp4  [61.1 MB]
        3-模型编码与解码结构.mp4  [33.4 MB]
        5-损失函数的目的.mp4  [58.0 MB]
        7-MetaLearn与输出.mp4  [29.8 MB]
        1-论文概述.mp4  [33.1 MB]
    📁 3-slowfast算法源码详细解读
        5-图像数据所需预处理方法.mp4  [66.8 MB]
        1-模型所需配置文件参数读取.mp4  [33.2 MB]
        4-数据与标签读取实例.mp4  [52.2 MB]
        9-resnetBolock操作.mp4  [53.6 MB]
        8-slow与fast特征图拼接操作.mp4  [49.7 MB]
        10-RoiAlign与输出层.mp4  [78.9 MB]
        7-分别计算特征图输出结果.mp4  [56.6 MB]
        3-dataloader数据遍历方法.mp4  [56.9 MB]
        6-slow与fast分别执行采样操作.mp4  [66.3 MB]
        2-数据处理概述.mp4  [49.7 MB]
    📁 7-人体姿态估计OpenPose算法解析
        8-完成PAF特征图制作.mp4  [22.9 MB]
        3-关键点与躯干特征图初始化.mp4  [22.8 MB]
        5-准备构建PAF躯干标签.mp4  [20.1 MB]
        6-各位置点归属判断.mp4  [20.8 MB]
        9-网络模型一阶段输出.mp4  [19.0 MB]
        10-多阶段输出与预测.mp4  [29.4 MB]
        2-读取图像与标注信息.mp4  [23.5 MB]
        4-根据关键点位置设计关键点标签.mp4  [35.9 MB]
        1-数据集与路径配置解读.mp4  [18.4 MB]
        7-特征图各点累加向量计算.mp4  [21.9 MB]
📁 35-14期直播课程
    📁 3-自然语言处理基础与Transformer原理
        2.文本表示：从词袋模型到静态词向量.mp4  [405.9 MB]
        6.GPT 与 LLM 基础.mp4  [1.0 GB]
        1.NLP基础任务体系与技术演进.mp4  [543.1 MB]
        7.LoRA、P-Tuning原理.mp4  [1.1 GB]
        3.RNN序列建模与LSTMGRU门控机制详解.mp4  [968.6 MB]
        5.预训练模型架构范式对比（BERT  GPT  T5）.mp4  [846.9 MB]
        4.Attention原理与Self-Attention内部计算！.mp4  [221.4 MB]
    📁 1-计算机视觉基础与工程落地
        4.神经网络发展历程与卷积神经网络的原理及训练方法.mp4  [1.5 GB]
        2.图像处理基础.mp4  [1.4 GB]
        6.深度学习训练技巧与模型优化方法.mp4  [1.4 GB]
        8.目标检测（二）单阶段检测方法.mp4  [1.5 GB]
        3.图像特征提取与图像分类传统机器学习方法.mp4  [1.4 GB]
        7.目标检测（一）两阶段检测方法.mp4  [1.5 GB]
        5.经典CNN结构：AlexNet →VGG →GoogLeNet→ResNet.mp4  [1.4 GB]
        1.CV的任务体系、发展历程及图像的数学基础.mp4  [1.3 GB]
    📁 4-大模型算法原理与架构深度解析
        3.链式思维（CoT）进阶.mp4  [590.6 MB]
        5.稀疏激活机制详解.mp4  [496.7 MB]
        6.SOTA模型架构精读.mp4  [329.6 MB]
        4.慢思考模型解析.mp4  [509.1 MB]
        2.工程化落地实践.mp4  [515.6 MB]
        1.大模型架构生态论.mp4  [536.8 MB]
    📁 2-计算机视觉行业落地综合实战
        6.sam3视频分割与追踪.mp4  [913.8 MB]
        4.MediaPipe人体姿态检测与关键点提取.mp4  [887.6 MB]
        5.SAM3自动分割图像.mp4  [794.3 MB]
        7.YOLO目标检测和实例分割.mp4  [790.4 MB]
        1.MediaPipe面部关键点检测与追踪.mp4  [804.9 MB]
        8.yolo实战古籍上色.mp4  [852.8 MB]
        2.图像融合与美瞳试戴.mp4  [810.5 MB]
        3.图像融合以及美瞳试戴2.mp4  [927.6 MB]
📁 12-【方向A：CV方向】行人重识别技术
    📁 1-行人重识别基础理论
        6-Hard-Negative方法应用.mp4  [27.3 MB]
        5-triplet损失计算实例.mp4  [25.2 MB]
        3-评估标准rank1指标.mp4  [14.1 MB]
        4-map值计算方法.mp4  [15.7 MB]
        1-行人重识别要解决的问题.mp4  [17.3 MB]
        2-挑战与困难分析.mp4  [35.9 MB]
    📁 5-旷视研究院图模型ReID算法
        2-图卷积与匹配的作用.mp4  [24.4 MB]
        1-关键点位置特征构建.mp4  [22.4 MB]
        5-图卷积模块实现方法.mp4  [27.5 MB]
        6-图匹配在行人重识别中的作用.mp4  [18.1 MB]
        3-局部特征热度图计算.mp4  [24.8 MB]
        4-基于图卷积构建人体拓扑关系.mp4  [29.8 MB]
        7-整体算法框架分析.mp4  [24.1 MB]
    📁 7-行人搜索源码分析
        2-项目概述.mp4  [26.2 MB]
        7-Neck层操作方法.mp4  [33.1 MB]
        5-通过配置文件读取模型位置.mp4  [38.0 MB]
        3-配置文件修改方法.mp4  [31.6 MB]
        9-损失函数计算模块.mp4  [41.9 MB]
        1-检测与搜索.mp4  [650.4 MB]
        6-BackBone位置与流程.mp4  [52.3 MB]
        10-总结概述.mp4  [22.5 MB]
        8-Head层预测模块.mp4  [30.1 MB]
        4-数据与标签读取模块.mp4  [58.0 MB]
    📁 4-局部特征融合ReID实战
        7-GCP全局特征提取.mp4  [39.7 MB]
        2-数据源构建方法分析.mp4  [41.2 MB]
        10-得到所有分组特征结果.mp4  [51.2 MB]
        5-网络计算整体流程演示.mp4  [30.5 MB]
        12-测试与验证模块.mp4  [47.0 MB]
        6-特征序列构建.mp4  [41.0 MB]
        8-局部特征提取实例.mp4  [52.4 MB]
        9-特征组合汇总.mp4  [49.3 MB]
        1-项目配置与数据集介绍.mp4  [67.7 MB]
        4-debug模式解读.mp4  [62.3 MB]
        11-损失函数与训练过程演示.mp4  [42.5 MB]
        3-dataloader加载顺序解读.mp4  [28.0 MB]
    📁 2-注意力机制ReID模型
        13-训练与测试模块演示.mp4  [75.7 MB]
        4-基于特征图的注意力计算.mp4  [66.0 MB]
        7-进入debug模式解读网络计算流程.mp4  [30.6 MB]
        12-损失函数计算实例解读.mp4  [60.4 MB]
        1-论文整体思想及注意力机制的作用解读.mp4  [50.5 MB]
        3-融合空间注意力所需特征.mp4  [27.4 MB]
        9-组合关系特征图.mp4  [39.7 MB]
        5-项目环境与数据集配置.mp4  [49.8 MB]
        8-获得空间位置点之间的关系.mp4  [43.1 MB]
        10-计算得到位置权重值.mp4  [38.0 MB]
        6-参数配置与整体架构分析.mp4  [65.4 MB]
        11-基于特征图的权重计算.mp4  [25.6 MB]
        2-空间权重值计算流程分析.mp4  [32.9 MB]
    📁 6-基于拓扑图的ReID实战
        1-数据集与环境配置概述.mp4  [48.1 MB]
        4-阶段监督训练.mp4  [78.6 MB]
        8-基于拓扑结构组合关键点特征.mp4  [63.2 MB]
        9-图匹配模块计算流程.mp4  [67.6 MB]
        5-初始化图卷积模型.mp4  [34.8 MB]
        6-mask矩阵的作用.mp4  [40.1 MB]
        10-整体项目总结.mp4  [79.8 MB]
        3-得到一阶段热度图结果.mp4  [42.1 MB]
        2-局部特征准备方法.mp4  [47.7 MB]
        7-邻接矩阵学习与更新.mp4  [51.0 MB]
    📁 3-AAAI最新ReID算法
        3-特征分组方法.mp4  [15.1 MB]
        2-局部特征与全局关系计算方法.mp4  [15.4 MB]
        1-论文整体框架概述.mp4  [16.2 MB]
        4-GCP模块特征融合方法.mp4  [28.5 MB]
        5-oneVsReset方法实例.mp4  [15.6 MB]
        6-损失函数应用位置.mp4  [16.8 MB]
📁 07-【方向A：CV方向】图像分割算法
    📁 4.U2NET显著性检测实战
        5-损失函数与应用效果.mp4  [34.4 MB]
        4-解码器输出结果.mp4  [27.9 MB]
        2-显著性检测任务与目标概述.mp4  [54.0 MB]
        1-任务目标与网络整体介绍.mp4  [58.7 MB]
        3-编码器模块解读.mp4  [43.7 MB]
    📁 3.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  [71.2 MB]
        2-数据增强工具.mp4  [61.5 MB]
        6-模型效果验证.mp4  [47.3 MB]
        4-特征融合方法演示.mp4  [30.1 MB]
        3-Debug模式演示网络计算流程.mp4  [41.4 MB]
        5-迭代完成整个模型计算任务.mp4  [33.6 MB]
    📁 2.Unet系列算法
        1-Unet网络编码与解码过程.mp4  [18.3 MB]
        4-后续升级版本介绍.mp4  [18.4 MB]
        3-Unet升级版本改进.mp4  [15.8 MB]
        2-网络计算流程.mp4  [16.2 MB]
    📁 5.DeepLab 语义分割算法
        1-deeplab分割算法概述.mp4  [13.8 MB]
        2-空洞卷积的作用.mp4  [16.8 MB]
        6-deeplabV3Plus版本网络架构.mp4  [24.1 MB]
        4-SPP层的作用.mp4  [19.0 MB]
        5-ASPP特征融合策略.mp4  [13.5 MB]
        3-感受野的意义.mp4  [19.4 MB]
    📁 13.EfficientSam分割算法
        EfficientSam.mp4  [1.4 GB]
    📁 7.基于deeplabV3⼼脏视频数据集分割建模实战
        4-文献报告分析.mp4  [122.7 MB]
        3-任务流程解读.mp4  [69.2 MB]
        1-数据集与任务概述.mp4  [45.6 MB]
        2-项目基本配置参数.mp4  [33.3 MB]
        5-补充：视频数据源特征处理方法概述.mp4  [26.4 MB]
        6-补充：R(2plus1)D处理方法分析.mp4  [18.9 MB]
    📁 1.图像分割与损失函数
        3-MIOU评估标准.mp4  [9.0 MB]
        2-分割任务中的目标函数定义.mp4  [20.0 MB]
        1-语义分割与实例分割概述.mp4  [20.3 MB]
    📁 6.基于deeplabV3+版本进⾏VOC分割实战
        5-分割模型训练.mp4  [35.0 MB]
        4-ASPP层特征融合.mp4  [51.2 MB]
        1-PascalVoc数据集介绍.mp4  [70.2 MB]
        3-网络前向传播流程.mp4  [33.1 MB]
        2-项目参数与数据集读取.mp4  [60.4 MB]
    📁 9.MaskRcnn网络框架源码详解
        6-候选框过滤方法.mp4  [15.6 MB]
        8-DetectionTarget层的作用.mp4  [25.7 MB]
        12-整体框架回顾.mp4  [28.9 MB]
        10-RoiPooling层的作用与目的.mp4  [33.5 MB]
        3-生成框比例设置.mp4  [28.3 MB]
        9-正负样本选择与标签定义.mp4  [27.6 MB]
        4-基于不同尺度特征图生成所有框.mp4  [33.0 MB]
        7-Proposal层实现方法.mp4  [33.3 MB]
        5-RPN层的作用与实现解读.mp4  [30.9 MB]
        2-FPN网络架构实现解读.mp4  [55.8 MB]
        1-FPN层特征提取原理解读.mp4  [42.4 MB]
        11-RorAlign操作的效果.mp4  [25.7 MB]
    📁 12.SAM2视频分割
        SAM2视频分割.mp4  [1.3 GB]
    📁 14.遥感图像处理与高光谱图像智能解译
        遥感图像处理与高光谱图像智能解译.mp4  [1.5 GB]
    📁 8.Mask R-CNN 实例分割算法
        1-Mask-Rcnn开源项目简介.mp4  [88.2 MB]
        3-开源项目数据集.mp4  [97.9 MB]
        2-开源项目数据集.mp4  [42.5 MB]
    📁 10.Mask R-CNN 训练自己的数据与任务
        5-基于标注数据训练所需任务.mp4  [39.7 MB]
        2-使用labelme进行数据与标签标注.mp4  [26.3 MB]
        6-测试与展示模块.mp4  [38.6 MB]
        4-maskrcnn源码修改方法.mp4  [63.6 MB]
        1-Labelme工具安装.mp4  [9.2 MB]
        3-完成训练数据准备工作.mp4  [26.6 MB]
    📁 11.SAM 图像分割算法
        1-DEMO效果演示.mp4  [57.8 MB]
        7-分割任务模块设计.mp4  [40.7 MB]
        4-数据闭环方法.mp4  [45.7 MB]
        9-总结分析.mp4  [32.2 MB]
        3-完成的任务分析.mp4  [31.2 MB]
        5-预训练模型的作用.mp4  [95.3 MB]
        2-论文解读分析.mp4  [74.5 MB]
        8-实现细节分析.mp4  [27.8 MB]
        6-Decoder的作用与项目源码.mp4  [49.0 MB]
📁 06-【方向A：CV方向】目标检测算法
    📁 11.YOLOv8检测算法深度解析
        11.YOLOv8检测算法深度解析资料.zip  [1.8 MB]
        YOLO V8.mp4  [251.0 MB]
    📁 13.YOLO-World 检测算法
        YOLO-World.mp4  [1.5 GB]
    📁 7.YOLO模型数据标注与训练
        4-生成模型所需配置文件.mp4  [36.7 MB]
        6-完成输入数据准备工作.mp4  [40.1 MB]
        8-训练模型并测试效果.mp4  [38.5 MB]
        1-Labelme工具安装.mp4  [14.3 MB]
        5-json格式转换成yolo-v3所需输入.mp4  [21.0 MB]
        2-数据信息标注.mp4  [32.1 MB]
        7-训练代码与参数配置更改.mp4  [44.3 MB]
        3-完成标签制作.mp4  [31.8 MB]
    📁 3.经典物体检测算法
        1-半监督物体检测.mp4  [362.6 MB]
        2-EfficientNet网络模型.mp4  [538.9 MB]
        3-EfficientDet检测算法.mp4  [448.0 MB]
    📁 4.YOLOv1检测算法深度解析
        5-置信度误差与优缺点分析.mp4  [26.9 MB]
        2-检测算法要得到的结果.mp4  [13.6 MB]
        4-位置损失计算.mp4  [19.0 MB]
        3-整体网络架构解读.mp4  [30.7 MB]
        1-YOLO算法整体思路解读.mp4  [14.7 MB]
    📁 9.YOLOv5检测算法深度解析
        5-数据源DEBUG流程解读.mp4  [48.2 MB]
        8-Mosaic数据增强方法.mp4  [28.2 MB]
        6-图像数据源配置.mp4  [34.7 MB]
        3-训练数据参数配置.mp4  [29.7 MB]
        20-输出结果分析.mp4  [41.7 MB]
        22-命令行参数介绍.mp4  [44.3 MB]
        24-各种训练策略概述.mp4  [38.5 MB]
        9-数据四合一方法与流程演示.mp4  [41.7 MB]
        11-网络架构图可视化工具安装.mp4  [23.4 MB]
        2-训练自己的数据集方法.mp4  [21.6 MB]
        16-BottleneckCSP层计算方法.mp4  [33.8 MB]
        13-Focus模块流程分析.mp4  [14.1 MB]
        25-模型迭代过程.mp4  [38.4 MB]
        12-V5网络配置文件解读.mp4  [23.4 MB]
        23-训练流程解读.mp4  [46.8 MB]
        1-整体项目概述.mp4  [15.2 MB]
        21-超参数解读.mp4  [35.0 MB]
        7-加载标签数据.mp4  [26.4 MB]
        14-完成配置文件解析任务.mp4  [58.8 MB]
        17-SPP层计算细节分析.mp4  [29.2 MB]
        4-测试DEMO演示.mp4  [21.5 MB]
        10-getItem构建batch.mp4  [33.1 MB]
        19-上采样与拼接操作.mp4  [21.5 MB]
        18-Head层流程解读.mp4  [29.1 MB]
        15-前向传播计算.mp4  [30.8 MB]
    📁 5.YOLOv2检测算法深度解析
        6-坐标映射与还原.mp4  [10.1 MB]
        4-基于聚类来选择先验框尺寸.mp4  [24.3 MB]
        1-V2版本细节升级概述.mp4  [13.4 MB]
        2-网络结构特点.mp4  [15.7 MB]
        8-特征融合改进.mp4  [19.2 MB]
        3-架构细节解读.mp4  [18.9 MB]
        7-感受野的作用.mp4  [28.2 MB]
        5-偏移量计算方法.mp4  [27.6 MB]
    📁 8.YOLOv4版本算法解读
        1-V4版本整体概述.mp4  [15.1 MB]
        8-SPP与CSP网络结构.mp4  [14.8 MB]
        4-DropBlock与标签平滑方法.mp4  [19.4 MB]
        10-PAN模块解读.mp4  [20.7 MB]
        3-数据增强策略分析.mp4  [24.7 MB]
        2-V4版本贡献解读.mp4  [10.1 MB]
        9-SAM注意力机制模块.mp4  [22.5 MB]
        6-CIOU损失函数定义.mp4  [10.8 MB]
        5-损失函数遇到的问题.mp4  [14.3 MB]
        7-NMS细节改进.mp4  [16.7 MB]
        11-激活函数与整体架构总结.mp4  [19.2 MB]
    📁 6.YOLOv3检测算法深度解析
        19-标签值格式修改.mp4  [28.3 MB]
        3-经典变换方法对比分析.mp4  [10.8 MB]
        4-残差连接方法解读.mp4  [18.7 MB]
        22-模型训练与总结.mp4  [73.0 MB]
        15-YOLO层定义解析.mp4  [61.1 MB]
        1-V3版本改进概述.mp4  [18.3 MB]
        18-模型要计算的损失概述.mp4  [23.2 MB]
        7-sotfmax层改进.mp4  [10.6 MB]
        9-训练参数设置.mp4  [23.9 MB]
        8-数据与环境配置.mp4  [65.6 MB]
        23-预测效果展示.mp4  [34.5 MB]
        2-多scale方法改进与特征融合.mp4  [17.1 MB]
        12-debug模式介绍.mp4  [27.3 MB]
        11-标签文件读取与处理.mp4  [27.5 MB]
        10-COCO图像数据读取与处理.mp4  [42.5 MB]
        13-基于配置文件构建网络模型.mp4  [42.1 MB]
        14-路由层与shortcut层的作用.mp4  [33.7 MB]
        17-网格偏移计算.mp4  [33.9 MB]
        21-完成所有损失函数所需计算指标.mp4  [35.4 MB]
        16-预测结果计算.mp4  [46.0 MB]
        6-先验框设计改进.mp4  [13.1 MB]
        5-整体网络模型架构分析.mp4  [12.9 MB]
        20-坐标相对位置计算.mp4  [32.8 MB]
    📁 10.YOLOv7检测算法深度解析
        9-候选框偏移方法与find3p模块解读.mp4  [33.7 MB]
        20-重参数化多分支合并加速.mp4  [43.2 MB]
        3-基本参数作用.mp4  [40.8 MB]
        8-标签分配策略准备操作.mp4  [34.7 MB]
        1-YOLO系列（V7）算法解读.mp4  [259.6 MB]
        19-BN与卷积权重参数融合方法.mp4  [53.8 MB]
        14-GT匹配正样本数量计算.mp4  [42.1 MB]
        6-各模块操作细节分析.mp4  [49.1 MB]
        16-损失函数计算方法.mp4  [46.1 MB]
        12-候选框筛选流程分析.mp4  [31.8 MB]
        11-完成BuildTargets模块.mp4  [51.4 MB]
        18-辅助头损失函数调整.mp4  [39.3 MB]
        2-命令行参数介绍.mp4  [25.0 MB]
        13-预测值各项指标获取与调整.mp4  [47.0 MB]
        15-通过IOU与置信度分配正样本.mp4  [60.4 MB]
        10-得到偏移点所在网格位置.mp4  [42.8 MB]
        17-辅助头AUX网络结构配置文件解析.mp4  [31.1 MB]
        4-EMA等训练技巧解读.mp4  [49.3 MB]
        7-输出层与配置文件其他模块解读.mp4  [60.9 MB]
        5-网络结构配置文件解读.mp4  [36.9 MB]
    📁 1.物体检测评估指标
        物体检测评估指标.mp4  [84.1 MB]
    📁 14.YOLOv12与YOLOv13最新检测算法
        YOLO V12与YOLO V13.mp4  [1.5 GB]
    📁 2.YOLO系列大串讲(可刷这个快速过)
        YOLO系列大串讲(可刷这个快速过).mp4  [955.6 MB]
    📁 12.YOLOv9检测算法深度解析
        YOLO V9.mp4  [1.4 GB]
📁 31-【方向F智能应用】现代推荐系统与实战
    📁 8.基于文本数据的推荐实例
        6-LDA主题模型效果演示.mp4  [53.1 MB]
        4-TFIDF构建特征矩阵.mp4  [31.3 MB]
        1-数据与环境配置介绍.mp4  [19.8 MB]
        2-数据科学相关数据介绍.mp4  [31.3 MB]
        3-文本数据预处理.mp4  [37.4 MB]
        7-推荐结果分析.mp4  [43.0 MB]
        5-矩阵分解演示.mp4  [29.0 MB]
    📁 10.基于相似度的酒店推荐系统
        2-文本词频统计.mp4  [31.4 MB]
        1-酒店数据与任务介绍.mp4  [22.0 MB]
        4-文本清洗.mp4  [32.9 MB]
        3-ngram结果可视化展示.mp4  [53.1 MB]
        6-得出推荐结果.mp4  [62.0 MB]
        5-相似度计算.mp4  [47.6 MB]
    📁 1.协同过滤与矩阵分解
        1-协同过滤与矩阵分解简介.mp4  [11.3 MB]
        6-目标函数简介.mp4  [13.8 MB]
        2-基于用户与商品的协同过滤.mp4  [18.5 MB]
        8-Embedding的作用.mp4  [11.1 MB]
        3-相似度计算与推荐实例.mp4  [15.2 MB]
        5-矩阵分解中的隐向量.mp4  [25.1 MB]
        7-隐式情况分析.mp4  [14.1 MB]
        4-矩阵分解的目的与效果.mp4  [20.7 MB]
    📁 3.音乐推荐系统实战
        1-音乐推荐任务概述.mp4  [64.5 MB]
        2-数据集整合.mp4  [53.9 MB]
        3-基于物品的协同过滤.mp4  [63.1 MB]
        5-SVD矩阵分解.mp4  [30.9 MB]
        6-基于矩阵分解的音乐推荐.mp4  [83.2 MB]
        4-物品相似度计算与推荐.mp4  [63.4 MB]
    📁 6.DeepFM算法解析与实战
        13-一阶权重参数设计.mp4  [33.6 MB]
        10-广告点击数据预处理实例.mp4  [49.2 MB]
        8-Embedding层的作用与总结.mp4  [21.5 MB]
        14-二阶特征构建方法.mp4  [28.9 MB]
        11-数据处理模块Embedding层.mp4  [34.4 MB]
        15-特征组合方法实例分析.mp4  [49.5 MB]
        3-二项式特征的作用与挑战.mp4  [11.8 MB]
        7-输入层所需数据样例.mp4  [14.1 MB]
        17-DNN模块与训练过程.mp4  [37.6 MB]
        2-高维特征带来的问题.mp4  [13.0 MB]
        1-CTR估计及其经典方法概述.mp4  [22.0 MB]
        5-FM算法解析.mp4  [19.9 MB]
        4-二阶公式推导与化简.mp4  [20.9 MB]
        12-Index与Value数据制作.mp4  [29.3 MB]
        16-完成FM模块计算.mp4  [24.6 MB]
        6-DeepFm整体架构解读.mp4  [15.2 MB]
        9-数据集介绍与环境配置.mp4  [57.8 MB]
    📁 4.知识图谱与Neo4j数据库实例
        6-Neo4j图数据库介绍.mp4  [63.5 MB]
        7-Neo4j数据库安装流程演示.mp4  [27.7 MB]
        3-知识图谱在医疗领域应用实例.mp4  [102.9 MB]
        9-创建与删除操作演示.mp4  [25.3 MB]
        5-数据获取分析.mp4  [36.0 MB]
        2-知识图谱在搜索引擎中的应用.mp4  [26.6 MB]
        8-可视化例子演示.mp4  [43.6 MB]
        4-金融与推荐领域的应用.mp4  [20.4 MB]
        10-数据库更改查询操作演示.mp4  [27.2 MB]
        1-知识图谱通俗解读.mp4  [19.9 MB]
    📁 5.基于知识图谱的电影推荐实战
        1-知识图谱推荐系统效果演示.mp4  [23.7 MB]
        4-项目所需环境配置安装.mp4  [48.9 MB]
        5-构建用户电影知识图谱.mp4  [61.5 MB]
        7-相似度计算与推荐引擎构建.mp4  [39.2 MB]
        2-kaggle电影数据集下载与配置.mp4  [63.4 MB]
        3-图谱需求与任务流程解读.mp4  [26.6 MB]
        6-图谱查询与匹配操作.mp4  [19.6 MB]
    📁 2.推荐系统介绍及其应用
        4-任务流程与挑战概述.mp4  [26.8 MB]
        1-推荐系统通俗解读.mp4  [17.3 MB]
        3-应用领域与多方位评估指标.mp4  [26.5 MB]
        6-与深度学习的结合.mp4  [23.7 MB]
        5-常用技术点分析.mp4  [16.5 MB]
        2-推荐系统发展简介.mp4  [23.3 MB]
    📁 9.基本统计分析的电影推荐
        8-数据特征构造.mp4  [36.2 MB]
        1-电影数据与环境配置.mp4  [64.1 MB]
        9-得出推荐结果.mp4  [51.9 MB]
        4-特征可视化.mp4  [38.7 MB]
        6-缺失值填充方法.mp4  [37.2 MB]
        7-推荐引擎构造.mp4  [51.0 MB]
        3-关键词云与直方图展示.mp4  [46.0 MB]
        5-数据清洗概述.mp4  [57.3 MB]
        2-数据与关键词信息展示.mp4  [61.3 MB]
    📁 7.推荐系统常用工具包演示
        4-模型测试集结果.mp4  [30.7 MB]
        2-电影数据集预处理分析.mp4  [32.8 MB]
        3-surprise工具包基本使用.mp4  [36.1 MB]
        1-环境配置与数据集介绍.mp4  [35.7 MB]
        5-评估指标概述.mp4  [66.5 MB]
📁 14-【方向A：CV方向】3D点云处理
    📁 6-PF-Net 算法实战
        2-待补全数据准备方法.mp4  [29.3 MB]
        3-整体框架概述.mp4  [49.1 MB]
        1-数据与项目配置解读.mp4  [41.9 MB]
        4-MRE特征提取模块.mp4  [40.4 MB]
        6-补全点云数据.mp4  [35.2 MB]
        5-分层预测输出模块.mp4  [31.0 MB]
        7-判别模块.mp4  [48.6 MB]
    📁 4-Pointnet++项目实战
        8-特征提取模块整体流程.mp4  [40.0 MB]
        2-数据读取模块配置.mp4  [39.2 MB]
        13-上采样完成分割任务.mp4  [44.7 MB]
        1-项目文件概述.mp4  [29.0 MB]
        4-最远点采样介绍.mp4  [19.5 MB]
        10-分类任务总结.mp4  [19.7 MB]
        11-分割任务数据与配置概述.mp4  [51.3 MB]
        6-组区域划分方法.mp4  [24.9 MB]
        9-预测结果输出模块.mp4  [38.7 MB]
        12-分割需要解决的任务概述.mp4  [33.9 MB]
        3-DEBUG解读网络模型架构.mp4  [24.2 MB]
        7-实现group操作得到各中心簇.mp4  [35.0 MB]
        5-采样得到中心点.mp4  [31.8 MB]
    📁 1-3D点云应用领域介绍
        1-点云数据概述.mp4  [49.5 MB]
        6-点云数据特征提取概述与预告.mp4  [22.7 MB]
        4-点云补全任务.mp4  [29.2 MB]
        5-点云检测与配准任务.mp4  [59.6 MB]
        3-点云分割任务.mp4  [52.0 MB]
        2-点云应用领域与发展分析.mp4  [82.2 MB]
    📁 3-3D点云PointNet++算法解析
        2-最远点采样方法.mp4  [21.0 MB]
        5-分类与分割问题解决方案.mp4  [21.7 MB]
        1-PointNet升级版算法要解决的问题.mp4  [22.1 MB]
        3-分组Group方法原理解读.mp4  [32.8 MB]
        4-整体流程概述分析.mp4  [16.4 MB]
        6-遇到的问题及改进方法分析.mp4  [13.4 MB]
    📁 2-3D点云PointNet 算法解析
        2-点云数据可视化展示.mp4  [40.1 MB]
        4-PointNet算法出发点解读.mp4  [17.5 MB]
        3-点云数据特性和及要解决的问题.mp4  [33.1 MB]
        1-3D数据应用领域与点云介绍.mp4  [40.1 MB]
        5-PointNet算法网络架构解读.mp4  [31.0 MB]
    📁 7-点云配准技术
        1-点云配准任务概述.mp4  [20.0 MB]
        4-任务基本流程.mp4  [15.6 MB]
        2-配准要完成的目标解读.mp4  [17.6 MB]
        7-基于模型预测输出参数.mp4  [24.9 MB]
        5-数据源配置方法.mp4  [45.4 MB]
        6-参数计算模块解读.mp4  [21.9 MB]
        8-特征构建方法分析.mp4  [34.6 MB]
        3-训练数据构建.mp4  [23.4 MB]
        9-任务总结.mp4  [33.3 MB]
    📁 5-点云补全PF-Net 算法解析
        1-点云补全要解决的问题.mp4  [23.1 MB]
        2-基本解决方案概述.mp4  [17.4 MB]
        5-输入与计算结果.mp4  [65.0 MB]
        3-整体网络概述.mp4  [20.6 MB]
        4-网络计算流程.mp4  [25.5 MB]
📁 18-【方向B：NLP方向】词向量与文本表示学习
    📁 1-Word2Vec模型解读与构建
        6-word2vec词向量模型.mp4  [54.4 MB]
        2-模型整体框架.mp4  [28.2 MB]
        4-CBOW与Skip-gram模型.mp4  [23.8 MB]
        1-词向量模型通俗解释.mp4  [21.7 MB]
        5-负采样方案.mp4  [29.5 MB]
        3-训练数据构建.mp4  [15.9 MB]
    📁 6-NLP实战项目-对话机器人
        6-网络训练.mp4  [38.0 MB]
        3-数据处理.mp4  [42.0 MB]
        5-seq网络.mp4  [30.7 MB]
        1-效果演示.mp4  [30.6 MB]
        2-参数配置与数据加载.mp4  [51.0 MB]
        4-词向量与投影.mp4  [38.2 MB]
    📁 5-NLP实战项目-机器人写唐诗
        7-训练唐诗生成模型.mp4  [14.5 MB]
        1-任务概述与环境配置.mp4  [8.1 MB]
        5-RNN模型定义.mp4  [25.7 MB]
        4-batch数据制作.mp4  [34.8 MB]
        3-数据预处理模块.mp4  [35.2 MB]
        8-测试唐诗生成效果.mp4  [29.4 MB]
        2-参数配置.mp4  [36.1 MB]
        6-完成训练模块.mp4  [41.5 MB]
    📁 4-文本相似度模型
        6-基于字符的训练.mp4  [58.9 MB]
        2-数据展示.mp4  [22.7 MB]
        7-基于句子的相似度训练.mp4  [42.4 MB]
        4-数据预处理.mp4  [36.1 MB]
        5-网络模型定义.mp4  [55.9 MB]
        1-任务概述.mp4  [13.2 MB]
        3-正负样本制作.mp4  [38.0 MB]
    📁 3-文本特征方法对比
        6-深度学习模型.mp4  [39.3 MB]
        1-任务概述.mp4  [37.5 MB]
        3-词袋模型分析.mp4  [63.6 MB]
        2-词袋模型.mp4  [28.1 MB]
        4-TFIDF模型.mp4  [47.6 MB]
        5-word2vec词向量模型.mp4  [54.4 MB]
    📁 7-NLP实战项目-医学糖尿病数据命名实体识别
        2-整体模型架构.mp4  [15.0 MB]
        4-训练网络模型.mp4  [40.4 MB]
        3-数据-标签-语料库处理.mp4  [40.0 MB]
        5-医疗数据集（糖尿病）实体识别.mp4  [81.4 MB]
        6-输入样本填充补齐.mp4  [36.2 MB]
        1-数据与任务介绍.mp4  [22.7 MB]
    📁 2-基于word2vec的实战项目
        2-数据清洗.mp4  [27.6 MB]
        5-可视化展示.mp4  [49.6 MB]
        14-使用gensim构建word2vec词向量（新）.mp4  [51.0 MB]
        6-RNN网络架构.mp4  [29.4 MB]
        12-基于词袋模型训练分类器.mp4  [33.5 MB]
        13-准备word2vec输入数据.mp4  [33.9 MB]
        7-LSTM网络架构.mp4  [17.8 MB]
        9-情感数据集处理.mp4  [41.9 MB]
        4-网络训练.mp4  [49.1 MB]
        1-数据与任务流程.mp4  [45.7 MB]
        8-案例：使用LSTM进行情感分类.mp4  [39.6 MB]
        3-batch数据制作.mp4  [51.5 MB]
        10-基于word2vec的LSTM模型.mp4  [42.7 MB]
        11-影评情感分类.mp4  [39.6 MB]
📁 09-【方向A：CV方向】Transformer与视觉应用
    📁 4.视觉自监督任务BEITv2论文解读
        3-整体网络架构图分析.mp4  [44.0 MB]
        4-框架实现细节流程分析.mp4  [21.8 MB]
        1-BEITV2版本论文出发点解读.mp4  [48.0 MB]
        5-论文细节模块实现解读.mp4  [99.3 MB]
        2-自监督任务中两大核心任务分析.mp4  [56.2 MB]
    📁 8.DETR目标检测算法解析
        5-训练过程的策略.mp4  [28.4 MB]
        3-位置信息初始化query向量.mp4  [20.0 MB]
        2-整体网络架构分析.mp4  [31.6 MB]
        1-DETR目标检测基本思想解读.mp4  [19.3 MB]
        4-注意力机制的作用方法.mp4  [20.9 MB]
    📁 18.LoFTR特征匹配算法
        3-整体流程梳理分析.mp4  [16.5 MB]
        2-特征匹配的基本流程分析.mp4  [15.9 MB]
        10-总结分析.mp4  [39.4 MB]
        7-特征图拆解操作.mp4  [14.3 MB]
        5-transformer构建匹配特征.mp4  [33.8 MB]
        8-细粒度匹配的作用与方法.mp4  [19.9 MB]
        6-粗粒度匹配过程与作用.mp4  [28.8 MB]
        9-基于期望预测最终位置.mp4  [23.1 MB]
        4-CrossAttention的作用与效果.mp4  [15.7 MB]
        1-特征匹配的应用场景.mp4  [21.1 MB]
    📁 15.Mask2former 分割算法码解读
        10-正样本筛选损失计算.mp4  [30.2 MB]
        3-多层级输入特征序列创建方法.mp4  [30.5 MB]
        5-Encoder特征构建方法实例.mp4  [38.1 MB]
        12-最终损失计算流程.mp4  [36.9 MB]
        6-query要预测的任务解读.mp4  [34.6 MB]
        4-偏移量与权重计算并转换.mp4  [36.6 MB]
        8-损失模块输入参数分析.mp4  [28.1 MB]
        9-标签分配策略解读.mp4  [29.9 MB]
        1-Backbone获取多层级特征.mp4  [25.8 MB]
        13-汇总所有损失完成迭代.mp4  [26.2 MB]
        2-多层级采样点初始化构建.mp4  [31.3 MB]
        11-标签分类匹配结果分析.mp4  [46.6 MB]
        7-Decoder中的AttentionMask方法.mp4  [37.9 MB]
    📁 17.BEVFormer 算法源码解读
        1-环境配置方法解读.mp4  [42.8 MB]
        4-特征对齐与位置编码初始化.mp4  [43.6 MB]
        10-获取当前BEV特征.mp4  [35.9 MB]
        8-BEV空间特征构建.mp4  [34.0 MB]
        2-数据集下载与配置方法.mp4  [53.6 MB]
        6-BEV空间与图像空间位置对应.mp4  [37.7 MB]
        7-注意力机制模块计算方法.mp4  [38.6 MB]
        9-Decoder要完成的任务分析.mp4  [33.9 MB]
        12-损失函数与预测可视化.mp4  [49.5 MB]
        5-Reference初始点构建.mp4  [37.3 MB]
        11-Decoder级联校正模块.mp4  [41.6 MB]
        3-特征提取以及BEV空间初始化.mp4  [43.8 MB]
    📁 12.MedicalTransformer 分割算法解析
        6-拓展应用分析.mp4  [34.1 MB]
        3-网络结构计算流程概述.mp4  [25.3 MB]
        1-论文整体分析.mp4  [17.0 MB]
        5-位置编码的作用与效果.mp4  [32.0 MB]
        2-核心思想分析.mp4  [34.4 MB]
        4-论文公式计算分析.mp4  [27.4 MB]
    📁 5.视觉自监督任务BEITv2源码解读
        1-mmselfup源码实现解读.mp4  [42.0 MB]
        3-源码实现流程总结.mp4  [45.8 MB]
        2-网络结构搭建细节解读.mp4  [49.2 MB]
    📁 13.MedicalTransformer 算法源码解读
        2-医学数据介绍与分析.mp4  [56.7 MB]
        1-项目环境配置.mp4  [25.3 MB]
        3-基本处理操作.mp4  [25.8 MB]
        6-注意力计算过程与方法.mp4  [52.1 MB]
        5-位置编码向量解读.mp4  [27.8 MB]
        7-局部特征提取与计算.mp4  [40.9 MB]
        4-AxialAttention实现过程.mp4  [36.9 MB]
    📁 6.SwinTransformer算法原理解析
        6-窗口偏移操作的实现.mp4  [24.3 MB]
        10-分层计算方法.mp4  [21.7 MB]
        3-一个block要完成的任务.mp4  [17.4 MB]
        2-要解决的问题及其优势分析.mp4  [22.3 MB]
        7-偏移细节分析及其计算量概述.mp4  [20.4 MB]
        1-swintransformer整体概述.mp4  [14.8 MB]
        8-整体网络架构整合.mp4  [20.9 MB]
        5-基于窗口的注意力机制解读.mp4  [29.5 MB]
        9-下采样操作实现方法.mp4  [22.2 MB]
        4-获取各窗口输入特征.mp4  [19.0 MB]
    📁 11.Deformable DETR 算法源码解读
        2-序列特征展开并叠加.mp4  [51.1 MB]
        8-Encoder层完成特征对齐.mp4  [37.4 MB]
        11-预测输出结果与标签匹配模块.mp4  [33.8 MB]
        6-偏移量offset计算.mp4  [31.7 MB]
        1-特征提取与位置编码.mp4  [30.2 MB]
        5-编码层中的序列分析.mp4  [29.7 MB]
        9-Decoder要完成的操作.mp4  [29.6 MB]
        4-准备Encoder编码层所需全部输入.mp4  [27.9 MB]
        7-偏移量对齐操作.mp4  [27.3 MB]
        10-分类与回归输出模块.mp4  [33.1 MB]
        3-得到相对位置点编码.mp4  [21.5 MB]
    📁 9.DETR目标检测源码解读
        2-数据处理与dataloader.mp4  [64.1 MB]
        4-backbone特征提取模块.mp4  [35.6 MB]
        7-Decoder层操作与计算.mp4  [30.1 MB]
        6-编码层作用方法.mp4  [42.9 MB]
        3-位置编码作用分析.mp4  [47.9 MB]
        9-损失函数与预测输出.mp4  [41.2 MB]
        5-mask与编码模块.mp4  [34.8 MB]
        1-项目环境配置解读.mp4  [40.4 MB]
        8-输出预测结果.mp4  [41.3 MB]
    📁 7.SwinTransformer算法源码解读
        6-patchmerge下采样操作.mp4  [25.2 MB]
        8-输出层概述.mp4  [41.1 MB]
        5-窗口位移模块细节分析.mp4  [36.8 MB]
        4-基础attention计算模块.mp4  [27.6 MB]
        3-数据按window进行划分计算.mp4  [31.5 MB]
        2-图像数据patch编码.mp4  [37.6 MB]
        7-各block计算方法解读.mp4  [27.9 MB]
        1-数据与环境配置解读.mp4  [59.6 MB]
    📁 3.视觉自监督BEIT算法解读
        2-codebook模块的作用.mp4  [81.3 MB]
        1-建模流程分析与效果展示.mp4  [101.1 MB]
        3-任务总结分析.mp4  [114.4 MB]
    📁 2.Vision Transformer算法源码解读
        视觉Transformer及其源码分析.mp4  [903.1 MB]
    📁 1.Vision Transformer算法原理解析
        Transformer算法解读.mp4  [457.5 MB]
    📁 16.BEVFormer 3D检测算法解析
        BEV特征空间.mp4  [339.5 MB]
    📁 10.Deformable DETR 检测算法解析
        DeformableDetr算法解读.mp4  [730.4 MB]
    📁 14.Maskformer 分割算法源码解读
        分割模型Maskformer系列.mp4  [408.5 MB]
📁 34-【进阶模块】科研与职业发展
    📁 1.论文写作与科研方法论
        4-流程概述分析.mp4  [66.2 MB]
        1-从0-1：论文写作.mp4  [975.6 MB]
        5-实验结果分析.mp4  [68.8 MB]
        6-源码实现细节解读.mp4  [41.6 MB]
        7-源码结果总结.mp4  [35.2 MB]
        3-网络模型基本组件分析.mp4  [75.2 MB]
        2-论文要完成的核心架构分析.mp4  [47.9 MB]
    📁 4.就业简历指导
        就业简历.mp4  [305.7 MB]
    📁 2.Deepseek辅助科研技能学习和科研探索
        Deepseek辅助科研技能学习和科研探索.mp4  [590.0 MB]
    📁 3.AI时代职业规划
        AI浪潮之下的职业新机遇：如何武装自己，拿下未来岗位？.mp4  [701.8 MB]
📁 08-【方向A：CV方向】MMLAB框架与数据集制作实战
    📁 2.分类任务操作（分类）
        5-生成完整配置文件.mp4  [24.4 MB]
        8-训练自己的任务.mp4  [39.3 MB]
        4-各模块配置文件组成.mp4  [35.8 MB]
        1-MMCLS问题修正.mp4  [23.5 MB]
        6-根据文件夹定义数据集.mp4  [40.3 MB]
        2-准备MMCLS项目.mp4  [20.8 MB]
        7-构建自己的数据集.mp4  [36.3 MB]
        3-基本参数配置解读.mp4  [34.5 MB]
    📁 3.训练结果测试与验证（分类）
        3-MMCLS中增加一个新的模块.mp4  [62.6 MB]
        6-Grad-Cam可视化方法.mp4  [41.2 MB]
        7-可视化细节与效果分析.mp4  [124.2 MB]
        4-修改配置文件中的参数.mp4  [41.8 MB]
        5-数据增强流程可视化展示.mp4  [37.4 MB]
        2-测试评估模型效果.mp4  [27.6 MB]
        9-模型分析脚本使用.mp4  [36.4 MB]
        1-测试DEMO效果.mp4  [25.5 MB]
        8-MMCLS可视化模块应用.mp4  [72.1 MB]
    📁 8.MMDetection自定义数据训练（检测）
        7-模型测试与可视化分析模块.mp4  [51.1 MB]
        1-数据集标注与标签获取.mp4  [23.1 MB]
        3-通过脚本生成COCO数据格式.mp4  [23.9 MB]
        4-配置文件数据增强策略分析.mp4  [34.3 MB]
        6-模型训练与DEMO演示.mp4  [25.4 MB]
        5-训练所需配置说明.mp4  [38.0 MB]
        8-补充：评估指标.mp4  [10.0 MB]
        2-COCO数据标注格式.mp4  [22.2 MB]
    📁 7.分割任务CVPR最新Backbone设计及其应用（分割）
        9-全局特征的作用与实现.mp4  [56.3 MB]
        5-卷积位置编码计算方法.mp4  [53.9 MB]
        10-汇总多层级特征进行输出.mp4  [43.3 MB]
        1-注册自己的Backbone模块.mp4  [34.3 MB]
        6-近似Attention模块实现.mp4  [79.5 MB]
        7-完成特征提取与融合模块.mp4  [55.7 MB]
        8-分割输出模块.mp4  [57.7 MB]
        4-PatchEmbedding的作用与实现.mp4  [44.9 MB]
        2-配置文件指定.mp4  [35.8 MB]
        3-DEBUG解读Backbone设计.mp4  [40.4 MB]
    📁 4.模型源码调试（分类）
        2-数据增强模块概述分析.mp4  [49.6 MB]
        3-PatchEmbedding层.mp4  [25.3 MB]
        4-前向传播基本模块.mp4  [38.9 MB]
        1-VIT任务概述.mp4  [30.0 MB]
        5-CLS与输出模块.mp4  [44.0 MB]
    📁 6.Unet策略修改（分割）
        6-如何修改参数适配网络结构.mp4  [21.7 MB]
        7-将Unet特征提取模块替换成transformer.mp4  [22.4 MB]
        4-辅助层的作用.mp4  [19.8 MB]
        3-上采样与输出层.mp4  [28.3 MB]
        1-配置文件解读.mp4  [32.1 MB]
        5-给Unet添加一个neck层.mp4  [30.4 MB]
        8-VIT模块源码分析.mp4  [45.5 MB]
        2-编码层模块.mp4  [32.5 MB]
    📁 5.分割模块自定义数据集训练（分割）
        1-项目配置基本介绍.mp4  [35.8 MB]
        3-根据预测类别数修改配置文件.mp4  [39.5 MB]
        5-预测DEMO演示.mp4  [21.9 MB]
        4-加载预训练模型开始训练.mp4  [86.5 MB]
        2-数据集标注与制作方法.mp4  [56.8 MB]
    📁 9. MMAction自定义数据训练（行为识别）
        创建自己的行为识别标注数据集.mp4  [232.7 MB]
    📁 1.MMCV安装方法
        MMCV安装方法.mp4  [55.8 MB]