计算机视觉—YOLO+Transfomer多场景目标检测实战

从入门到实战，一课掌握计算机视觉核心技术+LLM大模型热门框架，助力成就炙手可热高端人才！

*   第1章 计算机视觉--YOLO+Transfomer多场景目标检测--课程导学/

  *   1-1 计算机视觉-YOLO+Transformer多场景目标检测实战-导学.mp4 05:47

*   第2章 深度学习环境的搭建 - 三大系统全覆盖/

  *   2-1 深度学习开发环境搭建-导学.mp4 07:03

  *   2-2 申请阿里云的免费GPU和CPU资源.mp4 10:58

  *   2-3 申请Kaggle的免费GPU和CPU资源.mp4 06:47

  *   2-4 申请Google的免费GPU和CPU资源.mp4 04:32

  *   2-5 打造自己的深度学习开发环境-硬件部分.mp4 10:56

  *   2-6 打造自己的深度学习开发环境-软件部分(一).mp4 05:48

  *   2-7 打造自己的深度学习开发环境-软件部分(二)-Nvidia驱动的安装.mp4 06:26

  *   2-8 打造自己的深度学习开发环境-软件部分(三)-miniconda与jupyter.mp4 10:10

  *   2-9 打造自己的深度学习开发环境-软件部分(四)-使用Docker搭建环境.mp4 08:17

  *   2-10 打造自己的深度学习开发环境-软件部分(五)-[实战]使用Docker.mp4 08:01

  *   2-11 使用VSCode作为深度学习开发编辑器.mp4 07:28

  *   2-12 使用Pycharm作为深度学习开发编辑器.mp4 08:16

  *   2-13 本章总结.mp4 02:22

*   第3章 AI神器--ChatGPT、Gemini、Copilot - 开启AI新纪元/

  *   3-1 掌握多种AI工具-导学.mp4 03:58

  *   3-2 代码生成工具-通义灵码与小浣熊.mp4 09:59

  *   3-3 代码生成工具-Copilot.mp4 07:27

  *   3-4 大语言模型助手-Kimi.mp4 05:34

  *   3-5 大语言模型助手-NewBing.mp4 08:12

  *   3-6 大语言模型助手-Gemini.mp4 06:26

  *   3-7 大语言模型助手-Poe.mp4 08:32

  *   3-8 大语言模型之提示词(一).mp4 06:55

  *   3-9 大语言模型之提示词(二).mp4 06:17

  *   3-10 大语言模型之提示词(三).mp4 09:42

  *   3-11 大语言模型之提示词(四).mp4 05:35

  *   3-12 大语言模型之提示词(五).mp4 08:20

  *   3-13 本章小结.mp4 04:11

*   第4章 Python语言基础知识 - Python起手式，打开AI大门/

  *   4-1 Python语言基础知识-导学.mp4 03:26

  *   4-2 Python语言基础知识-变量的定义与使用.mp4 10:22

  *   4-3 Python语言基础知识-逻辑判断与优先级.mp4 14:53

  *   4-4 Python语言基础知识-循环.mp4 11:44

  *   4-5 Python语言基础知识-函数的定义与使用.mp4 06:42

  *   4-6 Python语言基础知识-类与对象.mp4 11:41

  *   4-7 Python语言基础知识-四种复合类型.mp4 16:06

  *   4-8 Python语言基础知识-可变变量与不可变变量.mp4 05:37

  *   4-9 Python语言基础知识-特有技术-切片.mp4 11:03

  *   4-10 Python语言基础知识-其它特有技术.mp4 07:37

  *   4-11 Pythony语言基础知识-NumPy库的使用.mp4 16:17

  *   4-12 Python语言基础知识-MatPlotLib库的使用.mp4 12:52

  *   4-13 Python语言基础知识-本章小结.mp4 02:27

*   第5章 经典计算机视觉核心技术与算法 - 重温经典，扎实AI根基/

  *   5-1 经典计算机视觉核心技术与算法-导学.mp4 03:17

  *   5-2 经典计算机视觉核心技术与算法-视觉的基本处理流程.mp4 03:55

  *   5-3 经典计算机视觉核心技术与算法-OpenCV环境的搭建.mp4 06:56

  *   5-4 经典计算机视觉核心技术与算法-通过OpenCV采集图像与视频.mp4 11:57

  *   5-5 经典计算机视觉核心技术与算法-二值化.mp4 06:16

  *   5-6 经典计算机视觉核心技术与算法-二值化背后的原理.mp4 06:11

  *   5-7 经典计算机视觉核心技术与算法-Blur.mp4 07:39

  *   5-8 经典计算机视觉核心技术与算法-Blur后面的原理.mp4 11:35

  *   5-9 经典计算机视觉核心技术与算法-腐蚀操作.mp4 07:48

  *   5-10 经典计算机视觉核心技术与算法-膨胀操作.mp4 02:20

  *   5-11 经典计算机视觉核心技术与算法-开运算与闭运算.mp4 05:27

  *   5-12 经典计算机视觉核心技术与算法-开运算与其它复杂运算背后的原理.mp4 08:20

  *   5-13 经典计算机视觉核心技术与算法-查找图像轮廓.mp4 12:31

  *   5-14 经典计算机视觉核心技术与算法-如何绘制轮廓.mp4 04:35

  *   5-15 经典计算机视觉核心技术与算法-轮廓的面积与周长.mp4 05:49

  *   5-16 经典计算机视觉核心技术与算法-ROI.mp4 05:22

  *   5-17 经典计算机视觉核心技术与算法-边缘检测Canny.mp4 07:36

  *   5-18 经典计算机视觉核心技术与算法-本章小结.mp4 03:32

*   第6章 人工智能必知必会的数学知识 - 数学不再枯燥，AI公式秒懂/

  *   6-1 必知必会的数学知识-向量.mp4 06:38

  *   6-2 必知必会的数学知识-向量的基本运算(加法与点乘).mp4 11:11

  *   6-3 必知必会的数学知识-运算-向量的基本运算(叉乘).mp4 07:45

  *   6-4 必知必会的数学知识-矩阵的基本运算.mp4 06:57

  *   6-5 必知必会的数学知识-2D变换.mp4 10:39

  *   6-6 必知必会的数学知识-齐次坐标.mp4 06:19

  *   6-7 必知必会的数学知识-利用齐次坐标实现各种3D变换.mp4 06:42

  *   6-8 必知必会的数学知识-求导.mp4 11:58

  *   6-9 必知必会的数学知识-链式求导与偏导.mp4 05:50

  *   6-10 必知必会的数学知识-张量.mp4 04:45

  *   6-11 必知必会的数学知识-本章小结.mp4 02:09

*   第7章 深度学习必备的基础知识 - 从感知机到神经网络，一网打尽/

  *   7-1 深度学习必备的基础知识-导学.mp4 03:01

  *   7-2 深度学习必备的基础知识-人工智能、机器学习与深度学习的关系.mp4 04:58

  *   7-3 深度学习必备的基础知识-神经元与神经网络.mp4 10:33

  *   7-4 深度学习必备的基础知识-监督学习与无监督学习.mp4 09:02

  *   7-5 深度学习必备的基础知识-数据集的划分.mp4 05:31

  *   7-6 深度学习必备的基础知识-过拟合、欠拟合与代价函数.mp4 10:08

  *   7-7 深度学习必备的基础知识-代价函数的意义.mp4 10:53

  *   7-8 深度学习必备的基础知识-梯度下降.mp4 11:14

  *   7-9 深度学习必备的基础知识-线性回归代价函数的导数.mp4 06:12

  *   7-10 深度学习必备的基础知识-学习率.mp4 06:15

  *   7-11 深度学习必备的基础知识-逻辑回归.mp4 08:23

  *   7-12 深度学习必备的基础知识-sigmoid激活函数.mp4 03:57

  *   7-13 深度学习必备的基础知识-逻辑回归的代价函数.mp4 11:22

  *   7-14 深度学习必备的基础知识-逻辑回归的梯度下降.mp4 05:19

  *   7-15 深度学习必备的基础知识-逻辑回归代价函数关于w和b偏导后的公式证明.mp4 12:18

  *   7-16 深度学习必备的基础知识-深度神经网络与前向传播.mp4 13:39

  *   7-17 深度学习必备的基础知识-多种激活函数.mp4 09:56

  *   7-18 深度学习必备的基础知识-反向传播与计算图.mp4 08:16

  *   7-19 深度学习必备的基础知识-前向传播与反向传播的完整过程.mp4 05:45

*   第8章 训练优化深度神经网络模型的方法 - 炼丹秘籍，模型调优不再玄学/

  *   8-1 训练优化神经网络-导学.mp4 04:58

  *   8-2 训练优化神经网络-向量化与矩阵化.mp4 11:53

  *   8-3 训练优化神经网络-L2正则化.mp4 13:44

  *   8-4 训练优化神经网络-Dropout.mp4 04:23

  *   8-5 训练优化神经网络-数据归一化处理.mp4 06:55

  *   8-6 训练优化神经网络-初始化权重参数.mp4 05:13

  *   8-7 训练优化神经网络-全批量梯度下降.mp4 05:10

  *   8-8 训练优化神经网络-随机梯度下降与小批量梯度下降.mp4 04:56

  *   8-9 训练优化神经网络-参数优化.mp4 08:03

  *   8-10 训练优化神经网络-BatchNormalization.mp4 10:25

*   第9章 实战-手写字的识别 - 你的第一个AI项目，成就感爆棚/

  *   9-1 [实战]手写字识别-导学.mp4 03:16

  *   9-2 [实战]手写字识别-Tensorflow与keras.mp4 06:23

  *   9-3 [实战]手写字识别-加载mnist数据集.mp4 11:11

  *   9-4 [实战]手写字识别-构造神经网络.mp4 07:19

  *   9-5 [实战]手写字识别-编译神经网络.mp4 06:42

  *   9-6 [实战]手写字识别-训练神经网络模型.mp4 05:21

  *   9-7 [实战]手写字识别-优化神经网络.mp4 08:08

  *   9-8 [实战]手写字识别-Pytorch的一点历史.mp4 02:50

  *   9-9 [实战]-手写字识别-Pytorch加载数据集.mp4 08:27

  *   9-10 [实战]手写字识别-Pytorch导入训练数据和测试数据.mp4 06:42

  *   9-11 [实战]手写字识别-Pytorch构建神经网络.mp4 08:44

  *   9-12 [实战]手写字识别-用Pytorch实现训练神经网络的逻辑.mp4 09:59

  *   9-13 [实战]手写字识别-用Pytorch实现评估神经网路的逻辑.mp4 06:34

  *   9-14 [实战]手写字识别-Pytorch训练和评估神经网络.mp4 04:56

  *   9-15 [实战]手写字识别-模型与训练优化.mp4 10:34

  *   9-16 [实战]手写字识别-模型的保存部署与使用.mp4 09:08

*   第10章 卷积神经网络 - 图像识别的利器，CNN深度剖析/

  *   10-1 卷积神经网络CNN-导学.mp4 05:40

  *   10-2 卷积神经网络CNN-卷积操作.mp4 03:53

  *   10-3 卷积神经网络CNN-CNN的一些基本概念.mp4 04:12

  *   10-4 卷积神经网络CNN-三维卷积与多核卷积.mp4 07:16

  *   10-5 卷积神经网络CNN-CNN中的池化.mp4 03:51

  *   10-6 卷积神经网络CNN-标准CNN神经网络.mp4 04:08

  *   10-7 卷积神经网络CNN-Keras实现CNN神经卷积网络.mp4 04:09

  *   10-8 卷积神经网络CNN-KerasCNN网络架构优化.mp4 07:26

  *   10-9 卷积神经网络CNN-使用Pytorch实现标准CNN网络.mp4 06:01

  *   10-10 卷积神经网络CNN-经典神经网络AlexNet.mp4 07:09

  *   10-11 卷积神经网络CNN-经典神经网络VGGNet.mp4 05:52

  *   10-12 卷积神经网络CNN-经典神经网络ResNet.mp4 10:00

*   第11章 数据增强 - 巧妇难为无米之炊，数据增强来帮忙/

  *   11-1 目标检测算法与原理-导学.mp4 03:30

  *   11-2 目标检测算法与原理-迁移学习的工作原理.mp4 08:23

  *   11-3 目标检测算法与原理-Tensorflow实现迁移学习.mp4 09:46

  *   11-4 目标检测算法与原理-Pytorch实现迁移学习.mp4 15:24

  *   11-5 目标检测算法与原理-Tensorflow数据增强-图片的导入与显示.mp4 23:12

  *   11-6 目标检测算法与原理-Tensorflow数据增强-基本变换操作.mp4 16:40

  *   11-7 目标检测算法与原理-Tensorflow数据增强-高级裁剪.mp4 17:58

  *   11-8 目标检测算法与原理-tensorflow数据增强-噪音增强.mp4 18:42

  *   11-9 目标检测算法与原理-Pytorch数据增强-基本变换.mp4 13:36

  *   11-10 目标检测算法与原理-Pytorch数据增强-基本裁剪.mp4 06:36

  *   11-11 目标检测算法与原理-Pytorch数据增强-高级裁剪.mp4 13:16

  *   11-12 目标检测算法与原理-Pytorch数据增强-噪音增强.mp4 10:10

  *   11-13 目标检测算法与原理-目标检测数据集.mp4 05:41

  *   11-14 目标检测算法与原理-下载VOC数据集.mp4 10:24

  *   11-15 目标检测算法与原理-tensorflow+albumentations实现数据增强(一).mp4 09:08

  *   11-16 目标检测算法与原理-tensorflow+albumentations实现数据增强(二).mp4 07:52

  *   11-17 目标检测算法与原理-tensorflow+albumentations实现数据增强(三).mp4 05:19

  *   11-18 目标检测算法与原理-tensorflow+albumentations实现数据增强(四).mp4 06:34

  *   11-19 目标检测算法与原理-Pytorch+albumentations实现数据增强(一).mp4 10:26

  *   11-20 目标检测算法与原理-Pytorch+albumentations实现数据增强(二).mp4 05:31

*   第12章 目标检测算法与原理：深度解析计算机视觉算法 - 掌握核心，从原理到实现/

  *   12-1 目标检测的基本原理.mp4 08:48

  *   12-2 Tensorflow实现最简单的单目标检测-加载数据.mp4 14:18

  *   12-3 Tensorflow实现最简单的单目标检测-构建神经网络.mp4 08:22

  *   12-4 Tensorflow实现最简单的单目标检测-构造训练数据.mp4 22:54

  *   12-5 Tensorflow实现最简单的单目标检测-模型训练(一).mp4 06:22

  *   12-6 Tensorflow实现最简单的单目标检测-模型训练(二).mp4 07:25

  *   12-7 Tensorflow实现最简单的单目标检测-使用模型.mp4 13:33

  *   12-8 Pytorch实现最简单的单目标检测-加载Dataset.mp4 13:23

  *   12-9 Pytorch实现最简单的单目标检测-神经网络.mp4 06:34

  *   12-10 Pytorch实现最简单的单目录检测-模型训练.mp4 12:10

  *   12-11 Pytorch实现最简单的单目标检测-模型的使用.mp4 12:38

  *   12-12 核心算法-滑动窗口.mp4 13:38

  *   12-13 核心算法-AnchorBox.mp4 08:11

  *   12-14 核心算法-AnchorBox的工作原理.mp4 07:26

  *   12-15 目标检测的技术发展路线.mp4 08:41

  *   12-16 双阶段目标检测模型-RCNN-FastRCNN与FasterRCNN.mp4 06:53

  *   12-17 SelectiveSearch算法(一).mp4 07:27

  *   12-18 SelectiveSearch算法(二).mp4 12:09

  *   12-19 支持向量机.mp4 15:28

  *   12-20 Faster-RCNN实现-RPN.mp4 07:01

  *   12-21 Faster-RCNN实现-FasterRCNN类.mp4 11:29

  *   12-22 Faste的-RCNN实现-为什么BBox的预测是线性回归.mp4 05:06

  *   12-23 Faster-RCNN实现-AnchorBox的实现.mp4 08:49

  *   12-24 Faster-RCNN实现-生成候选框.mp4 07:16

  *   12-25 计算机视频核心算法-RoIPooling.mp4 11:58

  *   12-26 计算机视觉核心算法-NMS.mp4 04:02

  *   12-27 YOLO的整体架构.mp4 06:55

  *   12-28 YOLO的输出.mp4 03:55

  *   12-29 YOLO输出中位置信息的具体含义.mp4 06:50

  *   12-30 YOLO输出中AnchorBox与IoU的作用.mp4 10:35

  *   12-31 YOLOv1网络架构.mp4 09:35

  *   12-32 YOLOv2网络架构.mp4 15:24

  *   12-33 YOLOv3网络架构.mp4 13:57

  *   12-34 YOLOv4及其以后的网络架构.mp4 16:38

  *   12-35 YOLO损失函数.mp4 12:26

*   第13章 YOLO实战与应用 - 快速上手，打造你的专属目标检测器/

  *   13-1 YOLO实战与应用-导学.mp4 08:28

  *   13-2 YOLO实战与应用-命令行方式进行目标识别.mp4 12:41

  *   13-3 YOLO实战与应用-编程方式进行目标识别（一）.mp4 17:19

  *   13-4 YOLO实战与应用-编程方式进行目标识别（二）.mp4 07:32

  *   13-5 YOLO实战与应用-进行实时目标识别.mp4 10:38

  *   13-6 YOLO实战与应用-使用YOLO进行目标追踪.mp4 08:16

  *   13-7 YOLO实战与应用-使用YOLO进行姿态评估.mp4 13:21

  *   13-8 YOLO实战与应用-分割-分类与OBB.mp4 08:25

  *   13-9 YOLO实战与应用-export与benchmark.mp4 08:56

*   第14章 YOLO高阶知识-训练与部署 - YOLO进阶之路，炼丹师的自我修养/

  *   14-1 高阶-YOLO模型的训练与部署-导学.mp4 04:15

  *   14-2 高阶-YOLO模型的训练与部署-火焰检测项目-获取数据集.mp4 06:31

  *   14-3 高阶-YOLO模型的训练与部署-火焰检测项目-模型训练1.mp4 15:09

  *   14-4 高阶-YOLO模型的训练与部署-火焰检测项目-模型训练2.mp4 06:28

  *   14-5 高阶-YOLO模型的训练与部署-火焰检测项目-部署与测试.mp4 05:19

  *   14-6 高阶-YOLO模型的训练与部署-车牌识别项目-采集数据.mp4 04:11

  *   14-7 高阶-YOLO模型的训练与部署-车牌识别项目-数据标注1.mp4 09:03

  *   14-8 高阶-YOLO模型的训练与部署-车牌识别项目-数据标注2.mp4 10:05

  *   14-9 高阶-YOLO模型的训练与部署-车牌识别项目-模型训练.mp4 15:26

  *   14-10 高阶-YOLO模型的训练与部署-【实战】车牌识别.mp4 09:55

*   第15章 注意力机制 - 解密Transformer的核心引擎，为CV进阶之路铺平道路/

  *   15-1 什么是注意力机制.mp4 07:25

  *   15-2 注意力机制的实现.mp4 18:42

  *   15-3 注意力机制的一些细节.mp4 07:03

  *   15-4 自注意力机制与注意力机制的区别.mp4 02:49

  *   15-5 注意力机制中的注意力分数.mp4 03:15

  *   15-6 注意力机制中的缩放因子.mp4 04:44

  *   15-7 自注意力机制的具体操作过程.mp4 09:35

  *   15-8 自注意力机制的矩阵化.mp4 05:10

*   第16章 手撕Transformer - 从CV到NLP，掌握AI界的“变形金刚”/

  *   16-1 手撕Transformer-Transformer架构.mp4 11:18

  *   16-2 手撕Transformer-Transformer的输入（一）.mp4 05:57

  *   16-3 手撕Transformer-Transformer的输入（二）.mp4 12:58

  *   16-4 手撕Transformer-编码器中的多头注意力机制.mp4 04:49

  *   16-5 手撕Transformer-编解码器中的残差网络与层归一化.mp4 09:00

  *   16-6 手撕Transformer-掩码注意力机制.mp4 10:11

  *   16-7 手撕Transformer-解码器.mp4 05:57

*   第17章 计算机视觉--YOLO+Transfomer多场景目标检测--课程总结/

  *   17-1 课程总结.mp4 09:59