贪心学院-CV计算机视觉集训营2期

【贪心科技】CV计算机视觉集训营 - 带源码课件/

│   └── CV计算机视觉集训营（视频）/

│   │   ├── 任务1：机器学习、深度学习简介.mp4 (23.93 MB)

│   │   ├── 任务2：深度学习的发展历史.mp4 (23.12 MB)

│   │   ├── 任务3：现代深度学习的典型例子.mp4 (18.71 MB)

│   │   ├── 任务4：深度学习在计算机视觉中的应用.mp4 (24.34 MB)

│   │   ├── 任务5：深度学习的总结.mp4 (10.51 MB)

│   │   ├── 任务6：开发环境的配置, Python, Numpy, Keras入门教程.mp4 (46.95 MB)

│   │   ├── 任务7：GPU驱动程序安装.mp4 (17.71 MB)

│   │   ├── 任务8：CUDA的安装.mp4 (21.36 MB)

│   │   ├── 任务9：cuDNN的安装, Tensorflow, PyTorch的GPU测试.mp4 (31.35 MB)

│   │   ├── 任务10：问答环节.mp4 (57.00 MB)

│   │   ├── 任务11：环境安装.mp4 (106.82 MB)

│   │   ├── 任务12：二元分类问题.mp4 (32.50 MB)

│   │   ├── 任务13：逻辑函数.mp4 (32.13 MB)

│   │   ├── 任务14：指数与对数 、逻辑回归.mp4 (43.68 MB)

│   │   ├── 任务15：示例.mp4 (84.02 MB)

│   │   ├── 任务16：损失函数.mp4 (59.35 MB)

│   │   ├── 任务17：损失函数推演.mp4 (83.23 MB)

│   │   ├── 任务18：梯度下降法.mp4 (104.82 MB)

│   │   ├── 任务19：应用.mp4 (110.33 MB)

│   │   ├── 任务20：直播答疑.mp4 (19.46 MB)

│   │   ├── 任务21：自动驾驶方向盘预测论文分析.mp4 (65.07 MB)

│   │   ├── 任务22：使用PyCharm Keras建立深度网络模型.mp4 (257.79 MB)

│   │   ├── 任务23：数据预处理 数据增强.mp4 (62.67 MB)

│   │   ├── 任务24：建立BatchGenerator高效读取数据.mp4 (105.62 MB)

│   │   ├── 任务25：训练网络 保存训练的中间过程数据.mp4 (139.63 MB)

│   │   ├── 任务26：查看网络训练过程 判断网络是否过拟合 欠拟合.mp4 (46.22 MB)

│   │   ├── 任务27：神经网络分类问题的经典数据（集鸢尾花数据集）介绍，神经网络Python库Keras的介绍.mp4 (81.20 MB)

│   │   ├── 任务28：使用Pandas读取鸢尾花数据集， 使用LabelEncoder对类别标签进行编码.mp4 (38.26 MB)

│   │   ├── 任务29：使用Keras创建一个用于鸢尾花分类识别的神经网络.mp4 (135.24 MB)

│   │   ├── 任务30：训练用于鸢尾花分类的神经网络 解读训练输出的日志 了解如何评价神经网络的性能.mp4 (70.11 MB)

│   │   ├── 任务31：神经网络数学原理（1）： 神经网络的结点，权值，激活函数.mp4 (60.37 MB)

│   │   ├── 任务32：神经网络数学原理（2）： 神经网络的前馈（Feed Forward）算法.mp4 (48.14 MB)

│   │   ├── 任务33：神经网络数学原理（3）：神经网络的前馈（Feed Forward）算法续，Softmax层的数值问题.mp4 (45.97 MB)

│   │   ├── 任务34：神经网络数学原理（4）：神经网络BP（误差反向传播）算法.mp4 (55.20 MB)

│   │   ├── 任务35：神经网络数学原理（5）：神经网络BP（误差反向传递）算法续.mp4 (64.39 MB)

│   │   ├── 任务36：神经网络数学原理（6）：手动演算神经网络BP算法（误差向后传递）.mp4 (75.67 MB)

│   │   ├── 任务37：神经网络数学原理（7）：手动演算神经网络BP算法（误差向后传递）续.mp4 (68.19 MB)

│   │   ├── 任务38：Neural.Network.Loss-直播01.mp4 (69.63 MB)

│   │   ├── 任务39：Neural.Network.Loss-直播02.mp4 (60.67 MB)

│   │   ├── 任务40：Neural.Network.Loss-直播03.mp4 (107.72 MB)

│   │   ├── 任务41：梯度消亡.mp4 (56.25 MB)

│   │   ├── 任务42：梯度消亡问题分析.mp4 (61.27 MB)

│   │   ├── 任务43：梯度消亡解决方案.mp4 (43.84 MB)

│   │   ├── 任务44：过拟合.mp4 (55.02 MB)

│   │   ├── 任务45：DropOut 训练.mp4 (38.04 MB)

│   │   ├── 任务46：正则化.mp4 (25.16 MB)

│   │   ├── 任务47：最大范数约束 神经元的初始化.mp4 (57.90 MB)

│   │   ├── 任务48：作业讲解与答疑-01.mp4 (98.23 MB)

│   │   ├── 任务49：作业讲解与答疑-02.mp4 (85.29 MB)

│   │   ├── 任务50：为什么需要递归神经网络？.mp4 (28.10 MB)

│   │   ├── 任务51：递归神经网络介绍.mp4 (140.55 MB)

│   │   ├── 任务52：语言模型.mp4 (102.77 MB)

│   │   ├── 任务53：RNN的深度.mp4 (19.72 MB)

│   │   ├── 任务54：梯度爆炸和梯度消失.mp4 (141.54 MB)

│   │   ├── 任务55：Gradient Clipping.mp4 (38.89 MB)

│   │   ├── 任务56：LSTM的介绍.mp4 (89.60 MB)

│   │   ├── 任务57：LSTM的应用.mp4 (56.57 MB)

│   │   ├── 任务58：Bi-Directional LSTM.mp4 (48.06 MB)

│   │   ├── 任务59：Gated Recurrent Unit.mp4 (52.16 MB)

│   │   ├── 任务60：机器翻译.mp4 (40.33 MB)

│   │   ├── 任务61：Multimodal Learning.mp4 (66.89 MB)

│   │   ├── 任务62：Seq2Seq模型.mp4 (131.29 MB)

│   │   ├── 任务63：回顾RNN与LSTM.mp4 (20.76 MB)

│   │   ├── 任务64：Attention for Image Captioning.mp4 (102.70 MB)

│   │   ├── 任务65：Attention for Machine Translation.mp4 (46.01 MB)

│   │   ├── 任务66：Self-Attention.mp4 (51.71 MB)

│   │   ├── 任务67：Attention总结.mp4 (20.16 MB)

│   │   ├── 任务68：neural network optimizer直播-01.mp4 (112.62 MB)

│   │   ├── 任务69：neural network optimizer直播-02.mp4 (75.50 MB)

│   │   ├── 任务70：neural network optimizer直播-03.mp4 (143.79 MB)

│   │   ├── 任务71：项目介绍.mp4 (26.94 MB)

│   │   ├── 任务72：看图说话任务一-01.mp4 (40.11 MB)

│   │   ├── 任务73：看图说话任务一-02.mp4 (35.51 MB)

│   │   ├── 任务74：看图说话任务一-03.mp4 (57.92 MB)

│   │   ├── 任务75：任务介绍.mp4 (36.37 MB)

│   │   ├── 任务76：如何实现 load_img_as_np_array 这个函数.mp4 (16.52 MB)

│   │   ├── 任务77：如何实现“load_vgg16_model”函数.mp4 (27.36 MB)

│   │   ├── 任务78：如何实现“extract_features”函数.mp4 (34.80 MB)

│   │   ├── 任务79：创建Tokenizer01.mp4 (20.89 MB)

│   │   ├── 任务80：创建Tokenizer02.mp4 (62.38 MB)

│   │   ├── 任务81：产生模型需要的输入数据01.mp4 (77.24 MB)

│   │   ├── 任务82：产生模型需要的输入数据02.mp4 (56.68 MB)

│   │   ├── 任务83：任务的概述.mp4 (16.62 MB)

│   │   ├── 任务84：Input Embedding和Dropout层介绍.mp4 (64.29 MB)

│   │   ├── 任务85：LSTM Add层的介绍.mp4 (29.31 MB)

│   │   ├── 任务86：如何训练模型.mp4 (65.14 MB)

│   │   ├── 任务87：如何使用深度神经网络模型做预测 产生标题 完成generate_caption函数01.mp4 (22.74 MB)

│   │   ├── 任务88：如何使用深度神经网络模型做预测 产生标题 完成generate_caption函数02.mp4 (114.67 MB)

│   │   ├── 任务89：如何调用generate_caption函数.mp4 (32.11 MB)

│   │   ├── 任务90：如何评价标题生成模型的性能.mp4 (86.93 MB)

│   │   ├── 任务91：读取和显示数字图像.mp4 (35.91 MB)

│   │   ├── 任务92：数字图像大小缩放.mp4 (37.26 MB)

│   │   ├── 任务93：数字图像直方图均衡.mp4 (35.03 MB)

│   │   ├── 任务94：图像去噪声.mp4 (43.60 MB)

│   │   ├── 任务95：图像边缘检测.mp4 (47.38 MB)

│   │   ├── 任务96：图像关键点检测.mp4 (11.74 MB)

│   │   ├── 任务97：道路行车道检测简介.mp4 (17.72 MB)

│   │   ├── 任务98：Canny边缘检测.mp4 (31.40 MB)

│   │   ├── 任务99：霍夫变换用于直线检测.mp4 (55.64 MB)

│   │   ├── 任务100：道路行车道检测代码讲解.mp4 (132.51 MB)

│   │   ├── 任务101：在图像和视频上面演示道路行车道检测.mp4 (69.88 MB)

│   │   ├── 任务102：项目介绍.mp4 (25.87 MB)

│   │   ├── 任务103：交通指示牌识别的简介.mp4 (28.69 MB)

│   │   ├── 任务104：交通指示牌识别课程的编程任务.mp4 (27.56 MB)

│   │   ├── 任务105：如何分析数据 (util.py 的详细介绍).mp4 (70.55 MB)

│   │   ├── 任务106：如何预处理图像数据、建立神经网络模型、训练网络模型 (train.py 的详细介绍)01.mp4 (88.95 MB)

│   │   ├── 任务107：如何预处理图像数据、建立神经网络模型、训练网络模型 (train.py 的详细介绍)02.mp4 (157.16 MB)

│   │   ├── 任务108：色彩空间转换.mp4 (51.87 MB)

│   │   ├── 任务109：直方图均衡.mp4 (80.65 MB)

│   │   ├── 任务110：图像标准化.mp4 (45.77 MB)

│   │   ├── 任务111：使用ImageDataGenerator做图像增强.mp4 (51.46 MB)

│   │   ├── 任务112：作业上传的要求.mp4 (16.78 MB)

│   │   ├── 任务113：介绍经典交通指示牌卷积神经网络模型.mp4 (28.89 MB)

│   │   ├── 任务114：代码实现经典交通指示牌识别卷积神经网络模型.mp4 (68.98 MB)

│   │   ├── 任务115：卷积神经网络的数学原理01.mp4 (37.79 MB)

│   │   ├── 任务116：卷积神经网络的数学原理02.mp4 (75.41 MB)

│   │   ├── 任务117：深度学习调参-直播-01.mp4 (55.54 MB)

│   │   ├── 任务118：深度学习调参-直播-02.mp4 (45.48 MB)

│   │   ├── 任务119：深度学习调参-直播-03.mp4 (55.60 MB)

│   │   ├── 任务120：卷积层的启发.mp4 (16.54 MB)

│   │   ├── 任务121：卷积层的定量分析.mp4 (17.25 MB)

│   │   ├── 任务122：单通道输入 单通道输出的卷积层的实例.mp4 (12.04 MB)

│   │   ├── 任务123：多通道输入 多通道输出的卷积层的实例.mp4 (12.13 MB)

│   │   ├── 任务124：池化层的原理 定量分析.mp4 (9.49 MB)

│   │   ├── 任务125：卷积神经网络和全连接神经网络的比较.mp4 (22.97 MB)

│   │   ├── 任务126：卷积神经网络在围棋 语言识别和自然语言处理中的应用.mp4 (25.62 MB)

│   │   ├── 任务127：基于深度学习的图像分类历史回顾.mp4 (11.30 MB)

│   │   ├── 任务128：AlexNet的结构分析.mp4 (8.75 MB)

│   │   ├── 任务129：ZFNet的结构分析.mp4 (8.17 MB)

│   │   ├── 任务130：VGG的结构分析.mp4 (8.51 MB)

│   │   ├── 任务131：GoogleNet Inception的结构分析.mp4 (12.08 MB)

│   │   ├── 任务132：Inception V3的结构分析.mp4 (43.76 MB)

│   │   ├── 任务133：ResNet的结构分析.mp4 (40.47 MB)

│   │   ├── 任务134：ResNet的代码实现.mp4 (154.16 MB)

│   │   ├── 任务135：基于内容的图像搜索理论基础.mp4 (29.34 MB)

│   │   ├── 任务136：基于去噪自动编码器的图像搜索代码实现.mp4 (203.80 MB)

│   │   ├── 任务137：使用卷积神经网络进行语义图像嵌入在目标检测, 自动驾驶, 图像超分辨率重构, 工业探伤等等领域的应用.mp4 (18.28 MB)

│   │   ├── 任务138：项目1-看图说话（助教）讲解和答疑-01.mp4 (164.03 MB)

│   │   ├── 任务139：项目1-看图说话（助教）讲解和答疑-02.mp4 (202.69 MB)

│   │   ├── 任务140：项目介绍.mp4 (15.10 MB)

│   │   ├── 任务141：自动驾驶方向盘转动方向预测的背景知识.mp4 (33.42 MB)

│   │   ├── 任务142：如何收集训练数据.mp4 (35.73 MB)

│   │   ├── 任务143：理解分析训练数据.mp4 (25.73 MB)

│   │   ├── 任务144：自动驾驶方向盘转动方向预测的网络结构和网络训练代码讲解.mp4 (181.48 MB)

│   │   ├── 任务145：提高网络性能的思路 图像处理、数据增强、网络结构优化.mp4 (38.69 MB)

│   │   ├── 任务146：探索数据01.mp4 (39.45 MB)

│   │   ├── 任务147：探索数据02.mp4 (15.18 MB)

│   │   ├── 任务148：图像增强01.mp4 (62.69 MB)

│   │   ├── 任务149：图像增强02.mp4 (11.45 MB)

│   │   ├── 任务150：解决数据不平衡的问题 DataGenerator的应用.mp4 (18.01 MB)

│   │   ├── 任务151：网络结构实例.mp4 (8.60 MB)

│   │   ├── 任务152： 图像增强部分的代码讲解.mp4 (99.53 MB)

│   │   ├── 任务153：DataGenerator部分的代码讲解.mp4 (64.10 MB)

│   │   ├── 任务154：网络结构实现部分的代码讲解.mp4 (84.23 MB)

│   │   ├── 任务155：方向盘转动方向预测网络模型的性能评估方法.mp4 (9.73 MB)

│   │   ├── 任务156：使用模拟器定性的判断网络性能的方法以及代码讲解.mp4 (69.92 MB)

│   │   ├── 任务157：模拟器自动驾驶的展示.mp4 (75.24 MB)

│   │   ├── 任务158：通过损失函数的变化判断网络性能、识别和解决过拟合和欠拟合的问题.mp4 (63.97 MB)

│   │   ├── 任务159：如何安装Python 连接模拟器的Python 库.mp4 (22.22 MB)

│   │   ├── 任务160：windows 下面使用自动驾驶模拟器的教程.mp4 (46.39 MB)

│   │   ├── 任务161：mac 下面使用自动驾驶模拟器的教程.mp4 (33.51 MB)

│   │   ├── 任务162：目标识别综述.mp4 (37.65 MB)

│   │   ├── 任务163：基于HOG(梯度直方图)的目标识别.mp4 (31.28 MB)

│   │   ├── 任务164：Non-Max Suppression IoU 和 Hard Negative Mining.mp4 (82.86 MB)

│   │   ├── 任务165：R-CNN的工作原理.mp4 (129.64 MB)

│   │   ├── 任务166：R-CNN中的边界框(Bounding Box)预测原理.mp4 (24.09 MB)

│   │   ├── 任务167：R-CNN的不足之处.mp4 (4.32 MB)

│   │   ├── 任务168：Fast R-CNN详解.mp4 (39.99 MB)

│   │   ├── 任务169：Faster R-CNN Region Proposal Network.mp4 (37.13 MB)

│   │   ├── 任务170：R-CNN Fast R-CNN Faster R-CNN的总结.mp4 (23.02 MB)

│   │   ├── 任务171：目标识别 R-CNN家族的回顾.mp4 (22.38 MB)

│   │   ├── 任务172：SSD的简介 SSD与R-CNN的比较.mp4 (32.95 MB)

│   │   ├── 任务173：SSD的网络结构.mp4 (130.74 MB)

│   │   ├── 任务173：SSD的网络结构(1).mp4 (130.74 MB)

│   │   ├── 任务174：如何使用卷积作为最后的预测层.mp4 (13.87 MB)

│   │   ├── 任务175：SSD的训练过程.mp4 (53.42 MB)

│   │   ├── 任务176：SSD的实验结果分析.mp4 (24.09 MB)

│   │   ├── 任务177：VGG16到SSD网络的演化 L2Normalization层的实现.mp4 (131.49 MB)

│   │   ├── 任务178：SSD各个技术对失败率的影响 Atrous卷积层的原理.mp4 (13.63 MB)

│   │   ├── 任务179：使用卷积作为最后的预测层详解.mp4 (17.41 MB)

│   │   ├── 任务180：SSD定位损失函数详解.mp4 (35.31 MB)

│   │   ├── 任务181：SSD中Anchor尺寸 宽高比 中心位置的确定.mp4 (10.25 MB)

│   │   ├── 任务182：SSD中分类损失函数详解.mp4 (11.60 MB)

│   │   ├── 任务183：Non-Max Suppression的原理.mp4 (12.90 MB)

│   │   ├── 任务184：SSD和YOLO的比较 SSD的总结.mp4 (12.17 MB)

│   │   ├── 任务185：图像分割简介.mp4 (36.55 MB)

│   │   ├── 任务186：基于深度学习的图像分割U-Net的原理.mp4 (79.40 MB)

│   │   ├── 任务187：Transposed Convolution原理与运用.mp4 (122.99 MB)

│   │   ├── 任务188：U-Net的代码讲解.mp4 (71.10 MB)

│   │   ├── 任务189：图像生成的原理.mp4 (10.27 MB)

│   │   ├── 任务190：使用深度学习自动图像生成手写数字的代码讲解.mp4 (84.29 MB)

│   │   ├── 任务191：图像风格转移的原理.mp4 (38.25 MB)

│   │   ├── 任务192：使用深度学习实现图像风格转移的代码讲解.mp4 (52.41 MB)

│   │   ├── 任务193：SSD的原理回顾.mp4 (47.70 MB)

│   │   ├── 任务194：编程项目的训练数据介绍.mp4 (58.73 MB)

│   │   ├── 任务195：对SSD模型对产生Anchor有影响的参数讲解.mp4 (134.63 MB)

│   │   ├── 任务196：对候选框精选处理有影响的参数讲解.mp4 (49.65 MB)

│   │   ├── 任务197：对输入模型参数的合法性检测和转换.mp4 (28.30 MB)

│   │   ├── 任务198：具有7层的SSD的网络结构讲解.mp4 (147.82 MB)

│   │   ├── 任务199：编译模型, 使用模型做预测.mp4 (180.42 MB)

│   │   ├── 任务200：SSD解码的实现.mp4 (111.39 MB)

│   │   ├── 任务201：帮助函数IoU, 坐标转换, SSD损失函数, Non-Max-Suppression的实现.mp4 (227.60 MB)

│   │   ├── 任务202：二值化神经网络的简介.mp4 (37.17 MB)

│   │   ├── 任务203：二值化网络的前向后向传播, 梯度计算原理.mp4 (16.29 MB)

│   │   ├── 任务204：二值化网络的训练算法.mp4 (145.29 MB)

│   │   ├── 任务205：二值化网络的实验结果.mp4 (22.56 MB)

│   │   ├── 任务206：二值化全连接网络的代码讲解.mp4 (46.54 MB)

│   │   ├── 任务207：DropoutNoScale层的实现.mp4 (23.57 MB)

│   │   ├── 任务208：BinaryDense层的实现.mp4 (61.52 MB)

│   │   ├── 任务209：二值化卷积神经网络的代码讲解.mp4 (48.48 MB)

│   │   ├── 任务210：项目作业要求.mp4 (22.56 MB)

│   │   ├── 任务211：神经网络在实际应用中面临的挑战, 轻量级深度神经网络的必要性.mp4 (207.58 MB)

│   │   ├── 任务212：MobileNet, Depthwise Seperable Convolution的原理计算量分析.mp4 (56.94 MB)

│   │   ├── 任务213：ShuffleNet, Group Convolution, Channel Shuffle的原理.mp4 (53.38 MB)

│   │   ├── 任务214：EffNet, Spatial Seperable Convolution的原理计算量分析和实验效果.mp4 (167.50 MB)

│   │   ├── 任务215：lightweight-network答疑时间.mp4 (20.58 MB)

│   │   ├── 任务216：回顾EffNet的原理.mp4 (31.29 MB)

│   │   ├── 任务217：EffNet的代码讲解.mp4 (75.69 MB)

│   │   ├── 任务218：One-Shot Learning 的意义和工作原理.mp4 (23.76 MB)

│   │   ├── 任务219：用于One-Shot Learning 的Siamese 深度神经网络的介绍.mp4 (21.66 MB)

│   │   ├── 任务220：Siamese 深度神经网络的实验和结果分析.mp4 (65.27 MB)

│   │   ├── 任务221：Transposed Convolution 的应用, 算法回顾, 以及使用矩阵乘法实现.mp4 (34.19 MB)

│   │   ├── 任务222：Transposed Convolution 的梯度推导.mp4 (22.09 MB)

│   │   ├── 任务223：将卷积核转换为Toeplitz Matrix用于矩阵乘法实现Transposed.mp4 (37.83 MB)

│   │   ├── 任务224：同学对课程的效果反馈调查.mp4 (322.29 MB)

│   │   ├── 任务225：使用 Siamese 网络做门禁卡系统的入门介绍, 数据集的介绍.mp4 (72.23 MB)

│   │   ├── 任务226：PyTorch 基础教程.mp4 (47.81 MB)

│   │   ├── 任务227：Siamese One-Shot learning 知识回顾.mp4 (14.32 MB)

│   │   ├── 任务228：使用 PyTorch torchvision 库高效读取数据.mp4 (70.91 MB)

│   │   ├── 任务229：使用 PyTorch 定义 Siamese 网络结构.mp4 (49.42 MB)

│   │   ├── 任务230：使用 PyTorch 写训练网络的代码.mp4 (86.85 MB)

│   │   └── 任务231：使用 PyTorch 写测试网络的代码.mp4 (82.29 MB)