飞豹客 · 课能看,资料也能带走
飞豹客AI 会员免费

咕泡 人工智能深度学习系统班(第十期)

课程定位:从经典视觉模型到工业级项目实战 这套课程的核心并非泛泛而谈 AI 概念,而是聚焦于计算机视觉(CV)领域的深度学习落地。它系统梳理了从经典网络架构到复杂场景应用的全链路技术。内容涵盖 ResNet 等骨干网络的原理与改进,YOLO 系列在目标检测中的高效实现,以及行为识别、姿态估计和目标追

单课价¥29.90新品 上架
会员价 会员免费开通会员后本篇可直接下载套餐详情
0 人关注 更新于 2026-11-12 永久有效
发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服 联系客服

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:从经典视觉模型到工业级项目实战

这套课程的核心并非泛泛而谈 AI 概念,而是聚焦于计算机视觉(CV)领域的深度学习落地。它系统梳理了从经典网络架构到复杂场景应用的全链路技术。内容涵盖 ResNet 等骨干网络的原理与改进,YOLO 系列在目标检测中的高效实现,以及行为识别、姿态估计和目标追踪等高阶应用场景。特别值得注意的是,课程引入了 AVA 动作识别数据集的真实标注文件,这意味着学习过程不是停留在理论推导,而是直接切入带有时间戳、边界框和动作标签的工业界标准数据处理流程。

对于希望通过视觉技术解决实际问题的人来说,这门课的价值在于填补了“懂模型”与“能调参”之间的鸿沟。无论是需要部署轻量级检测模型的业务场景,还是处理视频流中的人体动作分析,课程提供的素材都紧贴当前主流工程实践,帮助学习者建立完整的视觉算法知识体系。

适合人群与前置基础建议

本课程适合具备 Python 编程基础,且已掌握线性代数和概率论基本概念的学员。如果你尚未了解卷积神经网络(CNN)的基本结构,建议先补充相关背景知识,因为课程直接进入 ResNet 应用实例和 YOLO 实战环节,节奏较快。

适合基础为中等偏上的开发者或转行者。特别是那些已经尝试过手写数字识别等入门项目,但面对真实场景下的检测精度低、推理速度慢等问题感到困惑的学习者。课程针对的是有明确职业导向,希望独立承担视觉模块开发任务的人群,而非仅满足好奇心的初学者。

学习资料配合与练习路径

建议学习路径遵循“原理-单点突破-综合实战”的顺序。首先应仔细阅读 ResNet 相关的 PDF 资料,理解残差连接如何解决梯度消失问题,这是后续所有深层网络学习的基石。随后进入 YOLO 模块,结合 COCO 数据集的定义,重点掌握 Anchors、IoU 计算以及损失函数的设计逻辑。

在高阶部分,务必利用提供的 AVA 数据集进行动手实践。不要只看视频演示,要尝试解析 CSV 格式的标注文件,理清每一行数据对应的视频片段、位置坐标及动作类别。通过处理这些真实的大规模训练集和验证集,你能够独立完成从数据清洗、模型加载、训练调优到性能评估的全过程。最终目标是能够针对特定业务需求,选择合适的基础网络,并完成一个可运行的视觉识别 Demo。

课程目录

person_box_67091280_iou9028 集
  • ava_detection_train_boxes_and_labels_include_negative.csv [52.2 MB]
  • ava_detection_val_for_training_boxes_and_labels_include_negative.csv [14.9 MB]
  • ava_detection_val_for_training_boxes_and_labels_include_negative_v2.2.csv [15.2 MB]
  • ava_train_v2.1.csv [35.1 MB]
  • ava_train_predicted_boxes.csv [52.2 MB]
  • ava_val_excluded_timestamps_v2.1.csv [629.0 B]
  • ava_detection_val_for_training_boxes_and_labels_include_negative_v2.1.csv [14.9 MB]
  • test.csv [198.4 MB]
  • ava_detection_train_boxes_and_labels_include_negative_v2.2.csv [53.3 MB]
  • ava_detection_val_boxes_and_labels.csv [7.6 MB]
  • ava_detection_train_boxes_and_labels_include_negative_v2.1.csv [52.2 MB]
  • val.csv [98.3 MB]
  • ava_detection_test_boxes_and_labels.csv [14.6 MB]
  • ava_val_v2.1.csv [9.9 MB]
  • train.csv [358.1 MB]
  • ava_action_list_v2.1_for_activitynet_2018.pbtxt [2.6 KB]
  • ava_val_predicted_boxes.csv [7.6 MB]
  • ava_train_v2.2.csv [39.2 MB]
  • ava_train_v2.1.csv [35.1 MB]
  • ava_val_v2.2.csv [11.1 MB]
  • _Ca3gOdOHxU.mp4 [516.8 MB]
  • -5KQ66BBWC4.mkv [251.0 MB]
  • -5KQ66BBWC4.mkv.1 [251.0 MB]
  • 1j20qq1JyX4.mp4 [240.5 MB]
  • _145Aa_xkuE.mp4 [313.3 MB]
  • val.csv [1.5 MB]
  • train.csv [1.5 MB]
  • avademo.zip [2.1 GB]
基础补充-Resnet模型及其应用实例1 条
  • Resnet.pdf [207.9 KB]
COCO-DATA1 条
  • COCO数据集.txt [96.0 B]
训练自己的数据集13 条
  • 构建自己的数据集.pdf [403.8 KB]
  • json2yolo.py [1.5 KB]
  • NEU-DET.zip [26.7 MB]
  • YOLO新版.pdf [3.6 MB]
  • 第一章:姿态估计OpenPose系列算法解读.pdf [2.4 MB]
  • 基于3D卷积的视频分析与动作识别.zip [845.8 MB]
  • OpenPose算法源码分析.zip [243.9 MB]
  • 视频异常检测CVPR2021论文及其源码解读.zip [243.8 MB]
  • Deepsort算法知识点解读.pdf [1.6 MB]
  • Deepsort源码解读.zip [107.9 MB]
  • slowfast论文.pdf [1.4 MB]
  • 1-slowfast算法知识点通俗解读.pdf [572.3 KB]
  • 5-视频异常检测算法与元学习.pdf [1.1 MB]
1-通用创新点20 集
  • 4-SPD(可替换下采样).mp4 [45.0 MB]
  • 12-损失函数约束项.mp4 [8.4 MB]
  • 18-在源码中加入各种注意力机制方法.mp4 [122.5 MB]
  • 6-mobileOne(加速).mp4 [45.3 MB]
  • 13-自适应可学习参数.mp4 [14.3 MB]
  • 11-结合GNN构建局部特征.mp4 [25.9 MB]
  • 3-Coordinate_attention.mp4 [74.9 MB]
  • 1-ACMIX(卷积与注意力融合).mp4 [86.0 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]
  • 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]
  • 5-SPP改进.mp4 [17.0 MB]
  • 7-Deformable(替换selfAttention).mp4 [44.9 MB]
  • 14-Coarse2Fine大框架.mp4 [40.5 MB]
  • 2-GCnet(全局特征融合).mp4 [74.3 MB]
  • 课程详细目录.txt [59.0 B]
  • 咨询VX ETH22009.txt [21.0 B]
4 节Diffusion模型解读1 条
  • annotated_diffusion.ipynb [4.4 MB]
1 节GPT系列生成模型2 条
  • GPT系列.pdf [1.2 MB]
  • GPT.zip [1.2 GB]
6 节ChatGPT1 条
  • GPT系列.pdf [1.8 MB]
3 节CLIP系列2 条
  • CLIP.zip [679.4 KB]
  • CLIP及其应用.pdf [1.8 MB]
5 节Dalle2及其源码解读2 条
  • dalle2.pdf [40.9 MB]
  • DALLE2-pytorch-main.zip [4.2 MB]
2 节GPT建模与预测流程8 条
  • ChinesePretrainedModels.zip [1.6 GB]
  • 第1节:强化学习简介及其应用.pdf [738.7 KB]
  • 第5节:DQN算法实例演示.zip [2.0 KB]
  • 第3节:策略梯度实战-月球登陆器训练实例.zip [4.3 MB]
  • 第8节:A3C算法玩转超级马里奥.zip [97.6 MB]
  • 第4节:DQN算法.pdf [1.4 MB]
  • 第7节:Actor-Critic算法分析(A3C).pdf [560.3 KB]
  • 第2节:PPO算法与公式推导.pdf [899.2 KB]
5-语音分离ConvTasnet模型6 集
  • 4-TasNet编码器结构分析.mp4 [41.6 MB]
  • 2-经典语音分离模型概述.mp4 [18.1 MB]
  • 1-语音分离任务分析.mp4 [9.2 MB]
  • 6-基于Mask得到分离结果.mp4 [19.2 MB]
  • 5-DW卷积的作用与效果.mp4 [10.2 MB]
  • 3-DeepClustering论文解读.mp4 [16.3 MB]
2-LAS模型语音识别实战9 集
  • 3-制作json标注数据.mp4 [37.8 MB]
  • 4-声音数据处理模块解读.mp4 [62.8 MB]
  • 6-编码器模块整体流程.mp4 [31.4 MB]
  • 1-数据源与环境配置.mp4 [32.2 MB]
  • 2-语料表制作方法.mp4 [25.5 MB]
  • 9-解码器与训练过程演示.mp4 [43.8 MB]
  • 8-计算得到每个输出的attention得分.mp4 [36.4 MB]
  • 7-加入注意力机制.mp4 [33.3 MB]
  • 5-Pack与Pad操作解析.mp4 [35.9 MB]
3-starganvc2变声器论文原理解读7 集
  • 4-生成器模型架构分析.mp4 [15.8 MB]
  • 2-VCC2016输入数据.mp4 [20.8 MB]
  • 1-论文整体思路与架构解读.mp4 [34.7 MB]
  • 7-判别器模块分析.mp4 [114.0 MB]
  • 6-AdaIn的目的与效果.mp4 [13.2 MB]
  • 5-InstanceNorm的作用解读.mp4 [18.6 MB]
  • 3-语音特征提取.mp4 [30.6 MB]
1-seq2seq序列网络模型6 集
  • 3-注意力机制的作用.mp4 [14.9 MB]
  • 4-加入attention的序列模型整体架构.mp4 [20.6 MB]
  • 5-TeacherForcing的作用与训练策略.mp4 [16.6 MB]
  • 2-工作原理概述.mp4 [9.0 MB]
  • 6-额外补充-RNN网络模型解读.mp4 [23.8 MB]
  • 1-序列网络模型概述分析.mp4 [17.3 MB]
6-ConvTasnet语音分离实战8 集
  • 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]
  • 4-采样数据特征编码.mp4 [37.7 MB]
  • 6-构建更大的感受区域.mp4 [53.5 MB]
  • 3-DataLoader定义.mp4 [38.0 MB]
  • 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]
  • 5-编码器特征提取.mp4 [55.0 MB]
7-语音合成tacotron最新版实战12 集
  • 8-解码器流程梳理.mp4 [41.4 MB]
  • 2-所需数据集介绍.mp4 [52.7 MB]
  • 5-编码层要完成的任务.mp4 [46.4 MB]
  • 4-Dataloader构建数据与标签.mp4 [66.7 MB]
  • 3-路径配置与整体流程解读.mp4 [70.1 MB]
  • 12-损失函数与预测.mp4 [48.0 MB]
  • 11-模型输出结果.mp4 [53.3 MB]
  • 9-注意力机制应用方法.mp4 [43.7 MB]
  • 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]
  • 1-语音合成项目所需环境配置.mp4 [44.5 MB]
  • 6-得到编码特征向量.mp4 [28.5 MB]
4-staeganvc2变声器源码实战13 集
  • 11-测试模块-生成转换语音.mp4 [47.2 MB]
  • 8-判别器模块解读.mp4 [35.2 MB]
  • 9-论文损失函数.mp4 [100.5 MB]
  • 4-生成器构造模块解读.mp4 [41.3 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]
  • 2-环境配置与工具包安装.mp4 [37.1 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]
  • 10-源码损失计算流程.mp4 [34.8 MB]
  • 3-数据预处理与声音特征提取.mp4 [88.5 MB]
  • 课程详细目录.txt [59.0 B]
  • 咨询VX ETH22009.txt [21.0 B]
第9节:基于GAN的图像补全实战2 条
  • glcic图像补全.zip [178.8 MB]
  • 图像补全人脸数据.zip [1.3 GB]
第4节:stargan论文架构解析2 条
  • stargan.pdf [936.9 KB]
  • 1912.01865.pdf [5.4 MB]
第8节:图像超分辨率重构实战2 条
  • srgan超分辨率重构.zip [532.6 MB]
  • srdata.zip [4.0 GB]
第6节:基于starganvc2的变声器论文原理解读8 条
  • 1907.12279.pdf [451.5 KB]
  • stargan-vc2.pdf [788.6 KB]
  • 第7节:starganvc2变声器项目实战及其源码解读.zip [485.0 MB]
  • 第5节:stargan项目实战及其源码解读.zip [869.4 MB]
  • 第3节:基于CycleGan开源项目实战图像合成.zip [1.6 GB]
  • static.zip [1.3 MB]
  • 第2节:对抗生成网络架构原理与实战解析.zip [35.3 MB]
  • cyclegan.pdf [2.7 MB]
第十二,十三章2 条
  • Loftr.pdf [1.5 MB]
  • 2104.00680.pdf [7.8 MB]
基础补充-Resnet模型及其应用实例7 条
  • Resnet.pdf [207.9 KB]
  • 第七章:detr目标检测源码解读.zip [108.3 KB]
  • BEV.pdf [998.2 KB]
  • 第六章:基于Transformer的detr目标检测算法.pdf [885.7 KB]
  • Loftr.pdf [1.5 MB]
  • 第四章:swintransformer算法原理解析.pdf [807.8 KB]
  • Informer.pdf [1.1 MB]
  • … 其余 3342 项略,目录共 3542 项