人工精选 飞豹客AI 会员免费
GP-人工智能深度学习系统班第五期-完结-课件齐全
课程定位：面向复杂视觉与图学习的进阶实战 本课程并非面向零基础新手的入门科普，而是一门针对具备一定编程能力的开发者，深入计算机视觉前沿与图神经网络应用的系统训练。它主要解决的工作场景问题包括：如何从传统的目标检测升级到高精度的语义分割与实例分割，如何处理自动驾驶中的 BEV（鸟瞰图）特征空间，以及如
单课价¥29.90新品 上架
会员可免费下载本篇月会员可免费领取。
开通会员 ›购买本课销量 0 · 永久有效
会员价 · 单课标价 ¥29.90
会员 · 按档位
永久免费可领
年免费可领
月免费可领
游客按标价购买，不享受上表折扣。
支付成功后自动发放网盘链接，链接失效可找客服免费补
正版保障 极速发货 售后无忧
课程定位：面向复杂视觉与图学习的进阶实战
本课程并非面向零基础新手的入门科普，而是一门针对具备一定编程能力的开发者，深入计算机视觉前沿与图神经网络应用的系统训练。它主要解决的工作场景问题包括：如何从传统的目标检测升级到高精度的语义分割与实例分割，如何处理自动驾驶中的 BEV（鸟瞰图）特征空间，以及如何应对非欧几里得数据结构，如社交网络、分子结构或交通轨迹的图模型分析。课程通过深度解析 YOLO、Transformer、PointNet 及 GCN 等核心架构，帮助学员补齐在垂直细分领域（如智能驾驶、工业质检、时空预测）的技术短板，填补理论学习与工程落地之间的鸿沟。
入学门槛与前置要求
学员必须已熟练掌握 Python 编程，熟悉 PyTorch 框架的基本操作，并理解卷积神经网络、反向传播及常见损失函数的基本原理。若你从未写过深度学习代码，直接切入此类源码解读会产生极大阻力。本课程适合正在从事或计划转型至计算机视觉算法工程师、AI 应用开发岗位的职场人士，尤其是那些在工作中遇到复杂数据形态（如图结构、3D 点云）且急需系统性解决方案的转行者。
学习路径与资料配合策略
建议严格遵循由浅入深的顺序：首先攻克直播 1 至 6，重温 CNN、YOLO 系列及 Transformer 在视觉中的落地，这是后续高阶内容的基石；随后重点突破第十章图神经网络实战，利用 PyTorch Geometric 完成从图数据集构建到图相似度计算的完整闭环，这是许多面试中的加分项；最后结合 3D 点云与目标追踪章节，建立对空间数据的完整认知。对于资料中包含的 BevFormer 和 Mask2former 等源码解读模块，切勿只看视频，必须下载代码独立复现。学完本课后，学员应能独立搭建并优化上述主流模型，能够针对特定业务场景选择合适的数据结构（图像、点云或图），并具备阅读相关顶会论文进行二次开发的能力。
课程目录
第 1 部分20 集
- 00 资料.mp4
- 1.第一章 直播回放.mp4
- 1-1 节开班典礼.mp4
- 1-10 节直播7：半监督物体检测.mp4
- 1-11 节直播8：基于图模型的时间序列预测.mp4
- 1-12 节直播9：图像定位与检索.mp4
- 1-13 节直播10：近期内容补充.mp4
- 1-14 节直播11文本生成GPT系列.mp4
- 1-15 节直播12：异构图神经网络.mp4
- 1-16 节直播13：BEV特征空间.mp4
- 1-17 节补充：BevFormer源码解读.mp4
- 1-18 节直播14：知识蒸馏.mp4
- 1-3 节直播1：深度学习核心算法-神经网络与卷积网络.mp4
- 1-4 节卷积神经网络.mp4
- 1-5 节直播3：Transformer架构.mp4
- 1-6 节直播4：Transfomer在视觉任务中的应用实例.mp4
- 1-7 节直播5：YOLO系列（V7）算法解读.mp4
- 1-8 节直播6：分割模型Maskformer系列.mp4
- 1-9 节补充：Mask2former源码解读.mp4
- 10.第一十章 图神经⽹络实战.mp4
- 3-图模型必备神器PyTorch Geometric安装与使用
- 4-使用PyTorch Geometric构建自己的图数据集
- 5-图注意力机制与序列图模型
- 6-图相似度论文解读
- 7-图相似度计算实战
- 8-基于图模型的轨迹估计
- 9-图模型轨迹估计实战
第一章：图神经网络基础2 集
- 11.第一十一章 3D点云实战.mp4
- 第1节：3D点云应用领域分析
- 第2节：3D点云PointNet算法
- 第3节：PointNet++算法解读
- 第4节：Pointnet++项目实战
- 第5节：点云补全PF-Net论文解读
- 第6节：点云补全实战解读
- 第7节：点云配准及其案例实战
- 第8节：基础补充-对抗生成网络架构原理与实战解析
- 12.第一十二章 ⽬标追踪与姿态估计实战.mp4
第五六七章：YOLO目标检测52 集
- 基础补充-Resnet模型及其应用实例
- 第二章：OpenPose算法源码分析.zip 243.86M
- 第三章：Deepsort算法知识点解读.pdf 1.58M
- 第四章：Deepsort源码解读.zip 107.90M
- 第一章：姿态估计OpenPose系列算法解读.pdf 2.42M
- 基础补充-PyTorch框架必备核心模块解读.zip 336.95M
- 基础补充-PyTorch框架基本处理操作.zip 98.58M
- 13.第一十三章 ⾯向深度学习的⽆⼈驾驶实战.mp4
- 1.深度估计算法解读.mp4
- 10-NeuralRecon项目源码解读
- 11-TSDF算法与应用
- 12-TSDF实战案例
- 13-轨迹估计算法与论文解读
- 14-轨迹估计预测实战
- 15-特斯拉无人驾驶解读
- 2.深度估计项目实战.mp4
- 3-车道线检测算法与论文解读
- 4-基于深度学习的车道线检测项目实战
- 5-商汤LoFTR算法解读
- 6-局部特征关键点匹配实战
- 7-三维重建应用与坐标系基础
- 8-NeuralRecon算法解读
- 9-NeuralRecon项目环境配置
- 14.第一十四章 对比学习与多模态任务实战.mp4
- ANINET源码解读
- CLIP系列
- 对比学习算法与实例
- 多模态3D目标检测算法源码解读
- 多模态文字识别
- 15.第一十五章 缺陷检测实战.mp4
- PyTorch基础
- Resnet分类实战
- 第1-4章：YOLOV5缺陷检测
- 第11-12章：deeplab
- 第6-8章：Opencv各函数使用实例
- DeepLab铁质材料缺陷检测与开源项目应用流程.zip 3.58G
- 第10章：基于视频流水线的Opnecv缺陷检测项目.zip 13.96M
- 第5章：Semi-supervised布料缺陷检测实战.zip 212.33M
- 第9章：基于Opencv缺陷检测项目实战.zip 11.38M
- 16.第一十六章 ⾏⼈重识别实战.mp4
- 第1节：行人重识别原理及其应用
- 第2节：基于注意力机制的ReId模型论文解读
- 第3节：基于Attention的行人重识别项目实战
- 第4节：经典会议算法精讲（特征融合）
- 第5节：项目实战-基于行人局部特征融合的再识别实战
- 第6节：旷视研究院最新算法解读（基于图模型）
- 第7节：基于拓扑图的行人重识别项目实战
- 17.第一十七章 对抗⽣成⽹络实战.mp4
- 第4节：stargan论文架构解析
- 第6节：基于starganvc2的变声器论文原理解读
- 第8节：图像超分辨率重构实战
- 第9节：基于GAN的图像补全实战
- cyclegan.pdf 2.67M
- static.zip 1.26M
- 第2节：对抗生成网络架构原理与实战解析.zip 35.28M
- 第3节：基于CycleGan开源项目实战图像合成.zip 1.60G
- 第5节：stargan项目实战及其源码解读.zip 869.44M
- 第7节：starganvc2变声器项目实战及其源码解读.zip 485.00M
- 18.第一十八章 强化学习实战系列.mp4
- 第1节：强化学习简介及其应用.pdf 738.65kb
- 第2节：PPO算法与公式推导.pdf 899.22kb
- 第3节：策略梯度实战-月球登陆器训练实例.zip 4.34M
- 第4节：DQN算法.pdf 1.43M
- 第5节：DQN算法实例演示.zip 1.98kb
- 第7节：Actor-Critic算法分析(A3C).pdf 560.29kb
- 第8节：A3C算法玩转超级马里奥.zip 97.62M
- 19.第一十九章 Openai顶级黑科技算法及其项目实战.mp4
- 1 节GPT系列生成模型.mp4
- 2 节GPT建模与预测流程.mp4
- 3 节CLIP系列.mp4
- 4 节Diffusion模型解读.mp4
- 5 节Dalle2及其源码解读.mp4
- 6 节ChatGPT.mp4
- 2.第二章 深度学习必备核⼼算法.mp4
- 课件
- 20.第二十章 面向医学领域的深度学习实战.mp4
- 1-神经网络算法PPT
- 10-基于deeplab的心脏视频数据诊断分析
- 11-YOLO系列物体检测算法原理解读
- 12-基于YOLO5细胞检测实战
- 13-知识图谱原理解读
- 14-Neo4j数据库实战
- 15-基于知识图谱的医药问答系统实战
- 17-医学糖尿病数据命名实体识别
- 4-基于Resnet的医学数据集分类实战
- 5-图像分割及其损失函数概述
- 6-Unet系列算法讲解
- 7-unet医学细胞分割实战
- 8-deeplab系列算法
- 9-基于deeplabV3+版本进行VOC分割实战
- 16-词向量模型与RNN网络架构.zip 2.15M
- 2-PyTorch框架基本处理操作.zip 98.58M
- 3-PyTorch框架必备核心模块解读.zip 336.95M
- 21.第二十一章 深度学习模型部署与剪枝优化实战.mp4
- tensorRT
- 嵌入式AI
- Docker使用命令.zip 7.83M
- Mobilenet.pdf 2.41M
- mobilenetv3.py 7.31kb
- pytorch-slimming.zip 356.43M
- PyTorch模型部署实例.zip 102.80kb
- TensorFlow-serving.zip 2.96M
- YOLO部署实例.zip 876.45M
- 剪枝算法.pdf 504.02kb
- 22.第二十二章 自然语言处理必备神器Huggingface系列实战.mp4
第一章：Huggingface与NLP介绍解读194 集
- 23.第二十三章 ⾃然语⾔处理通⽤框架-BERT实战.mp4
- 课后作业
- 课件、源码
- 24.第二十四章 ⾃然语⾔处理经典案例实战.mp4
- NLP常用工具包
- 源码、数据集等
- 25.第二十五章 知识图谱实战系列.mp4
- 第1.2节：知识图谱介绍及其应用领域分析
- 第3节：Neo4j数据库实战
- 第4节：使用python操作neo4j实例
- 第5节：基于知识图谱的医药问答系统实战
- 第6节：文本关系抽取实践
- 第7节：金融平台风控模型实践
- 第8节：医学糖尿病数据命名实体识别
- 26.第二十六章 语⾳识别实战系列.mp4
- PPT
- 论文
- 变声器pytorch-StarGAN-VC2.zip 484.93M
- 语音分离Conv-TasNet.zip 84.38M
- 语音合成tacotron2实战.zip 302.43M
- 语音识别LAS模型.zip 420.12M
- 27.第二十七章 推荐系统实战系列.mp4
- 第10节：基于统计分析的电影推荐
- 第3节：音乐推荐系统实战
- 第4节：Neo4j数据库实例
- 第11节：补充-基于相似度的酒店推荐系统.zip 1.81M
- 第1节：推荐系统介绍.pdf 1.50M
- 第2节：协同过滤与矩阵分解.pdf 974.68kb
- 第5节：基于知识图谱的电影推荐实战.zip 160.61M
- 第6节：FM与DeepFM算法.pdf 759.61kb
- 第7节：DeepFM算法实战.zip 1.16M
- 第8节：推荐系统常用工具包演示.zip 129.35M
- 第9节：基于文本数据的推荐实例.zip 254.77M
- 28.第二十八章 AI课程所需安装软件教程.mp4
- Anaconda3-2020.07-Windows-x86_64.exe 467.49M
- cuda_11.3.0_465.89_win10.exe 2.68G
- mmcv_full-1.4.7-cp38-cp38-win_amd64.whl 12.75M
- notepadplusplus-8-4.exe 4.28M
- pycharm-community-2022.1.2.exe 378.78M
- torch-1.10.0+cu113-cp38-cp38-win_amd64.whl 2.27G
- torchvision-0.11.0+cu113-cp38-cp38-win_amd64.whl 3.04M
- VisualStudioSetup.exe 1.60M
- 29.第二十九章 额外补充.mp4
- ACMIX(卷积与注意力结合)
- ConvNeXt
- Coordinate_attention
- GCNET(全局特征融合)
- mobileone(提速)
- SPD-Conv
- SPPCSPC(替换SPP)
- gc(2).py 5.67kb
- gc.py 5.67kb
- 3.第三章 深度学习核⼼框架PyTorch.mp4
- flask预测.zip 712.05M
- 第八章：对抗生成网络架构原理与实战解析.zip 35.28M
- 第二,三章：神经网络实战分类与回归任务.zip 15.82M
- 第六章：DataLoader自定义数据集制作.zip 594.02M
- 第七章：LSTM文本分类实战.zip 31.53M
- 第四章：卷积网络参数解读.zip 33.37M
- 第五章：图像识别模型与训练策略（重点）.zip 449.77M
- 4.第四章 MMLAB实战系列.mp4
- DeformableDetr算法解读
- KIE关键信息抽取与视频超分辨率重构
- OCR算法解读
- mask2former(mmdetection).zip 192.38M
- ner.zip 121.60M
- 第八模块：mmrazor-模型蒸馏.zip 1.00G
- 第二模块：mmsegmentation-0.20.2.zip 2.80G
- 第二模块：MPViT-main.zip 924.77M
- 第九模块：mmaction2-master.zip 827.76M
- 第六模块：mmediting-master.zip 107.78M
- 第七模块：mmdetection3d-1.0.0rc0.zip 395.05M
- 第三模块：mmdetection-master.zip 1.46G
- 第四模块：mmocr-main.zip 381.72M
- 第五模块：mmgeneration-master.zip 746.81M
- 第一模块：mmclassification-master.zip 912.00M
- 5.第五章 Opencv图像处理框架实战.mp4
- 源码资料
- 6.第六章 综合项⽬-物体检测经典算法实战.mp4
- YOLO系列（PyTorch）
- CenterNet.pdf 8.83M
- detr目标检测源码解读.zip 108.29kb
- EfficientDet.pdf 780.70kb
- EfficientDet.zip 80.48M
- EfficientNet.pdf 943.23kb
- json2yolo.py 1.48kb
- yolov7-main.zip 337.57M
- 第十二章：基于Transformer的detr目标检测算法.pdf 885.69kb
- 物体检测.pdf 1.38M
- 7.第七章 图像分割实战.mp4
- 第1节：图像分割算法
- 第2节：卷积网络
- 第3节：Unet系列算法讲解
- 第4节：unet医学细胞分割实战
- 第6节：deeplab系列算法
- 第7节：基于deeplabV3+版本进行VOC分割实战
- 第8节：基于deeplab的心脏视频数据诊断分析
- 基于Resnet的医学数据集分类实战
- f112c9fda85536ee3eba662c9043e683.bat 0.07kb
- mask-rcnn.pdf 989.98kb
- MaskRcnn网络框架源码详解.zip 1.14G
- PyTorch框架基本处理操作.zip 98.58M
- R(2+1)D网络.pdf 507.15kb
- 第5节：U-2-Net.zip 636.25M
- 基于MASK-RCNN框架训练自己的数据与任务.zip 439.38M
- 图像识别核心模块实战解读.zip 336.95M
- 8.第八章 行为识别实战.mp4
- slowfast-add
- 1-slowfast算法知识点通俗解读.pdf 572.31kb
- 4-基于3D卷积的视频分析与动作识别.zip 845.84M
- 5-视频异常检测算法与元学习.pdf 1.15M
- 6-视频异常检测CVPR2021论文及其源码解读.zip 243.75M
- slowfast论文.pdf 1.45M
- 9.第九章 2022论⽂必备-Transformer实战系列.mp4
- transformer系列
- 01 直播课回放.mp4
- 01 开班典礼.mp4
- 01 开班典礼.mp4 1.04G
- 02 Pycharm环境配置与Debug演示(没用过的同学必看).mp4
- 01 Pycharm环境配置与Debug演示(没用过的同学必看).mp4 96.02M
- 03 直播1：深度学习核心算法-神经网络与卷积网络.mp4
- 01 深度学习核心算法-神经网络与卷积网络.mp4 370.69M
- 04 直播2：卷积神经网络.mp4
- 01 卷积神经网络.mp4 414.75M
- 05 直播3：Transformer架构.mp4
- 01 Transformer架构.mp4 365.08M
- 06 直播4：Transfomer在视觉任务中的应用实例.mp4
- 01 Transfomer在视觉任务中的应用实例.mp4 661.46M
- 07 直播5：YOLO系列（V7）算法解读.mp4
- 01 YOLO系列（V7）算法解读.mp4 392.52M
- 08 直播6：分割模型Maskformer系列.mp4
- 01 分割模型Maskformer系列.mp4 570.91M
- 09 补充：Mask2former源码解读.mp4
- 01 Backbone获取多层级特征.mp4 27.89M
- 02 多层级采样点初始化构建.mp4 33.82M
- 03 多层级输入特征序列创建方法.mp4 33.71M
- 04 偏移量与权重计算并转换.mp4 37.60M
- 05 Encoder特征构建方法实例.mp4 40.05M
- 06 query要预测的任务解读.mp4 36.21M
- 07 Decoder中的AttentionMask方法.mp4 40.02M
- 08 损失模块输入参数分析.mp4 31.76M
- 09 标签分配策略解读.mp4 33.32M
- 10 正样本筛选损失计算.mp4 32.51M
- 11 标签分类匹配结果分析.mp4 49.34M
- 12 最终损失计算流程.mp4 41.44M
- 13 汇总所有损失完成迭代.mp4 28.48M
- 10 直播7：半监督物体检测.mp4
- 01 半监督物体检测.mp4 606.03M
- 11 直播8：基于图模型的时间序列预测.mp4
- 01 基于图模型的时间序列预测.mp4 911.17M
- 12 直播9：图像定位与检索.mp4
- 01 图像定位与检索.mp4 717.84M
- 13 直播10：近期内容补充.mp4
- 01 近期内容补充.mp4 725.35M
- 14 直播11：文本生成GPT系列.mp4
- 01 文本生成GPT系列.mp4 307.00M
- 15 直播12：异构图神经网络.mp4
- 01 异构图神经网络.mp4 527.75M
- 16 直播13：BEV特征空间.mp4
- 01 BEV特征空间.mp4 384.59M
- 17 补充：BevFormer源码解读.mp4
- 01 环境配置方法解读.mp4 34.17M
- 02 数据集下载与配置方法.mp4 41.44M
- 03 特征提取以及BEV空间初始化.mp4 33.67M
- 04 特征对齐与位置编码初始化.mp4 33.90M
- 05 Reference初始点构建.mp4 29.37M
- 06 BEV空间与图像空间位置对应.mp4 29.38M
- 07 注意力机制模块计算方法.mp4 30.62M
- 08 BEV空间特征构建.mp4 26.80M
- 09 Decoder要完成的任务分析.mp4 26.51M
- 10 获取当前BEV特征.mp4 28.58M
- 11 Decoder级联校正模块.mp4 33.43M
- 12 损失函数与预测可视化.mp4 41.28M
- 18 直播14：知识蒸馏.mp4
- 01 知识蒸馏.mp4 354.30M
- 19 直播15：六期总结与论文简历.mp4
- 01 六期总结与论文简历.mp4 289.93M
- 02 深度学习必备核心算法.mp4
- 01 神经网络算法解读.mp4
- 01 神经网络算法解读.mp4 415.30M
- 02 卷积神经网络算法解读.mp4
- 01 卷积神经网络算法解读.mp4 325.31M
- 03 递归神经网络算法解读.mp4
- 01 递归神经网络算法解读.mp4 271.82M
- 03 深度学习核心框架PyTorch.mp4
- 01 PyTorch框架介绍与配置安装.mp4
- 01 PyTorch框架与其他框架区别分析.mp4 28.86M
- 02 CPU与GPU版本安装方法解读.mp4 69.56M
- 02 使用神经网络进行分类任务.mp4
- 01 数据集与任务概述.mp4 35.61M
- 02 基本模块应用测试.mp4 36.42M
- 03 网络结构定义方法.mp4 43.97M
- 04 数据源定义简介.mp4 29.45M
- 05 损失与训练模块分析.mp4 32.01M
- 06 训练一个基本的分类模型.mp4 42.01M
- 07 参数对结果的影响.mp4 39.23M
- 03 神经网络回归任务-气温预测.mp4
- 01 神经网络回归任务-气温预测.mp4 154.93M
- 04 卷积网络参数解读分析.mp4
- 01 输入特征通道分析.mp4 33.69M
- 02 卷积网络参数解读.mp4 24.75M
- 03 卷积网络模型训练.mp4 41.99M
- 05 图像识别模型与训练策略（重点）.mp4
- 01 任务分析与图像数据基本处理.mp4 31.96M
- 02 数据增强模块.mp4 30.83M
- 03 数据集与模型选择.mp4 36.14M
- 04 迁移学习方法解读.mp4 34.10M
- 05 输出层与梯度设置.mp4 47.38M
- 06 输出类别个数修改.mp4 40.46M
- 07 优化器与学习率衰减.mp4 41.29M
- 08 模型训练方法.mp4 39.99M
- 09 重新训练全部模型.mp4 43.25M
- 10 测试结果演示分析.mp4 91.09M
- 06 DataLoader自定义数据集制作.mp4
- 01 Dataloader要完成的任务分析.mp4 29.00M
- 02 图像数据与标签路径处理.mp4 37.60M
- 03 Dataloader中需要实现的方法分析.mp4 33.96M
- 04 实用Dataloader加载数据并训练模型.mp4 63.88M
- 07 LSTM文本分类实战.mp4
- 01 数据集与任务目标分析.mp4 36.03M
- 02 文本数据处理基本流程分析.mp4 38.62M
- 03 命令行参数与DEBUG.mp4 30.07M
- 04 训练模型所需基本配置参数分析.mp4 33.00M
- 05 预料表与字符切分.mp4 25.85M
- 06 字符预处理转换ID.mp4 28.32M
- 07 LSTM网络结构基本定义.mp4 28.87M
- 08 网络模型预测结果输出.mp4 32.54M
- 09 模型训练任务与总结.mp4 39.42M
- 08 PyTorch框架Flask部署例子.mp4
- 01 基本结构与训练好的模型加载.mp4 17.32M
- 02 服务端处理与预测函数.mp4 36.32M
- 03 基于Flask测试模型预测结果.mp4 38.76M
- 04 MMLAB实战系列.mp4
- 01 MMCV安装方法.mp4
- 01 MMCV安装方法.mp4 38.52M
- 02 第一模块：分类任务基本操作.mp4
- 01 MMCLS问题修正.mp4 18.43M
- 02 准备MMCLS项目.mp4 25.79M
- 03 基本参数配置解读.mp4 26.22M
- 04 各模块配置文件组成.mp4 29.52M
- 05 生成完整配置文件.mp4 18.70M
- 06 根据文件夹定义数据集.mp4 31.27M
- 07 构建自己的数据集.mp4 26.92M
- 08 训练自己的任务.mp4 30.97M
- … 共 2319 条
同类课程
和你正在看的这门一个方向
AI 会员免费 热卖
查看详情慕课网 - AI Agent全栈开发工程师（完整版）
永久有效 · 网盘发货
¥19.90会员免费
AI 会员免费
查看详情咕泡第五期-AI大模型零基础到商业实战全栈课
永久有效 · 网盘发货
¥29.90会员免费
AI 会员免费
查看详情黑马26年最新 ai V7.5 线上全套
永久有效 · 网盘发货
¥99.00会员免费
AI 会员免费
查看详情IT周瑜-AI原生超级全栈开发工程师训练营【第二期】
永久有效 · 网盘发货
¥79.00会员免费
AI 会员免费
查看详情大漂亮《自媒体影响力变现集训营》
永久有效 · 网盘发货
¥29.90会员免费
AI 会员免费
查看详情Hermes Agent从入门到AI数字员工实战|已完结
永久有效 · 网盘发货
¥29.00会员免费