GP-人工智能深度学习系统班第9期
├──1-直播回放
| ├──1-开班典礼
| | └──1-开班典礼.mp4 1.41G
| ├──10-YOLO V9
| | └──1-YOLO V9.mp4 1.42G
| ├──12-CVPR2024：YOLO- World
| | └──1-CVPR2024：YOLO- World.mp4 1.55G
| ├──2-Pycharm环境配置与Debug演示(没用过的同学必看)
| | └──1-Pycharm环境配置与Debug演示(没用过的同学必看).mp4 125.39M
| ├──3-神经网络
| | └──1-神经网络.mp4 1.38G
| ├──4-卷积神经网络
| | └──1-卷积神经网络.mp4 1.31G
| ├──5-Transformer
| | └──1-Transformer.mp4 1.27G
| ├──6-视觉Transformer Vit Debug解读
| | └──1-视觉Transformer Vit Debug解读.mp4 1.22G
| ├──7-密集场景计数统计实战
| | └──1-密集场景计数统计实战.mp4 835.21M
| ├──8-智能体
| | └──1-智能体.mp4 1.42G
| └──9-Agent应用实战
| | └──1-Agent应用实战.mp4 1.43G
├──A03 Gupao AI Issue 7
| ├──第0章 课件及代码
| | ├──第10章 经典视觉项目实战-目标追踪与姿态估计
| | ├──第11章 Transformer实战解读
| | ├──第12章 图神经网络实战
| | ├──第13章 面向深度学习的无人驾驶实战
| | ├──第14章 对比学习与多模态任务实战
| | ├──第15章 行人重识别实战
| | ├──第16章 对抗生成网络实战
| | ├──第17章 强化学习实战系列
| | ├──第18章 AI黑科技实例
| | ├──第19章 深度学习模型部署与剪枝优化实战
| | ├──第1章 直播回放
| | ├──第20章 面向医学领域的深度学习实战
| | ├──第21章 自然语言处理经典案例实战
| | ├──第22章 自然语言处理必备神器Huggingface系列实战
| | ├──第23章 自然语言处理通用框架-BERT实战
| | ├──第24章 知识图谱实战系列
| | ├──第25章 语音识别实战系列
| | ├──第26章 推荐系统实战系列
| | ├──第2章 AI课程所需安装软件教程
| | ├──第3章 深度学习必备核心算法
| | ├──第4章 深度学习核心框架PyTorch
| | ├──第5章 Opencv图像处理框架实战
| | ├──第6章 综合项目-物体检测经典算法实战
| | ├──第7章 图像分割实战
| | ├──第8章 走向AI论文实验与项目实战的捷径-MMLAB实战系列
| | └──第9章 经典视觉项目实战-行为识别
| ├──第10章 经典视觉项目实战-目标追踪与姿态估计
| | ├──10-1 节课程介绍
| | ├──10-2 节姿态估计OpenPose系列算法解读
| | ├──10-3 节OpenPose算法源码分析
| | ├──10-4 节deepsort算法知识点解读
| | ├──10-5 节deepsort源码解读
| | ├──10-6 节YOLO-V4版本算法解读
| | ├──10-7 节V5版本项目配置
| | └──10-8 节V5项目工程源码解读
| ├──第11章 Transformer实战解读
| | ├──11-1 节Transformer算法解读
| | ├──11-10 节MedicalTrasnformer论文解读
| | ├──11-11 节MedicalTransformer源码解读
| | ├──11-12 节商汤LoFTR算法解读
| | ├──11-13 节局部特征关键点匹配实战
| | ├──11-14 节分割模型Maskformer系列
| | ├──11-15 节Mask2former源码解读
| | ├──11-16 节BEV特征空间
| | ├──11-17 节BevFormer源码解读
| | ├──11-18 节时间序列预测
| | ├──11-19 节Informer时间序列源码解读
| | ├──11-2 节视觉Transformer及其源码分析
| | ├──11-20 节Huggingface与NLP（讲故事）
| | ├──11-3 节VIT算法模型源码解读
| | ├──11-4 节swintransformer算法原理解析
| | ├──11-5 节swintransformer源码解读
| | ├──11-6 节基于Transformer的detr⽬标检测算法
| | ├──11-7 节detr⽬标检测源码解读
| | ├──11-8 节DeformableDetr算法解读
| | └──11-9 节DeformableDetr物体检测源码分析
| ├──第12章 图神经网络实战
| | ├──12-1 节图神经网络基础
| | ├──12-10 节基于图模型的时间序列预测
| | ├──12-11 节异构图神经网络
| | ├──12-2 节图卷积GCN模型
| | ├──12-3 节图模型必备神器PyTorch Geometric安装与使用
| | ├──12-4 节使用PyTorch Geometric构建自己的图数据集
| | ├──12-5 节图注意力机制与序列图模型
| | ├──12-6 节图相似度论文解读
| | ├──12-7 节图相似度计算实战
| | ├──12-8 节基于图模型的轨迹估计
| | └──12-9 节图模型轨迹估计实战
| ├──第13章 -面向深度学习的无人驾驶实战
| | ├──13-1 节深度估计算法原理解读
| | ├──13-10 节NeuralRecon项目源码解读
| | ├──13-11 节TSDF算法与应用
| | ├──13-12 节TSDF实战案例
| | ├──13-13 节轨迹估计算法与论文解读
| | ├──13-14 节轨迹估计预测实战
| | ├──13-15 节特斯拉无人驾驶解读
| | ├──13-2 节深度估计项目实战
| | ├──13-3 节车道线检测算法与论文解读
| | ├──13-4 节基于深度学习的车道线检测项目实战
| | ├──13-5 节商汤LoFTR算法解读
| | ├──13-6 节局部特征关键点匹配实战
| | ├──13-7 节三维重建应用与坐标系基础
| | ├──13-8 节NeuralRecon算法解读
| | └──13-9 节NeuralRecon项目环境配置
| ├──第14章 对比学习与多模态任务实战
| | ├──14-1 节对比学习算法与实例
| | ├──14-2 节CLIP系列
| | ├──14-3 节多模态3D目标检测算法源码解读
| | ├──14-4 节多模态文字识别
| | └──14-5 节ANINET源码解读
| ├──第15章 x行人重识别实战
| | ├──15-1 节行人重识别原理及其应用
| | ├──15-2 节基于注意力机制的Reld模型论文解读
| | ├──15-3 节基于Attention的行人重识别项目实战
| | ├──15-4 节AAAI2020顶会算法精讲
| | ├──15-5 节项目实战-基于行人局部特征融合的再识别实战
| | ├──15-6 节旷视研究院最新算法解读（基于图模型）
| | └──15-7 节基于拓扑图的行人重识别项目实战
| ├──第16章 对抗生成网络实战
| | ├──16-1 节课程介绍
| | ├──16-2 节对抗生成网络架构原理与实战解析
| | ├──16-3 节基于CycleGan开源项目实战图像合成
| | ├──16-4 节stargan论文架构解析
| | ├──16-5 节stargan项目实战及其源码解读
| | ├──16-6 节基于starganvc2的变声器论文原理解读
| | ├──16-7 节starganvc2变声器项目实战及其源码解读
| | ├──16-8 节图像超分辨率重构实战
| | └──16-9 节基于GAN的图像补全实战
| ├──第17章 强化学习实战系列
| | ├──17-1 节强化学习简介及其应用
| | ├──17-2 节PPO算法与公式推导
| | ├──17-3 节PPO实战-月球登陆器训练实例
| | ├──17-4 节Q-learning与DQN算法
| | ├──17-5 节DQN算法实例演示
| | ├──17-6 节DQN改进与应用技巧
| | ├──17-7 节Actor-Critic算法分析（A3C）
| | └──17-8 节用A3C玩转超级马里奥
| ├──第18章 AI黑科技实例
| | ├──18-1 节GPT系列生成模型
| | ├──18-2 节GPT建模与预测流程
| | ├──18-3 节CLIP系列
| | ├──18-4 节Diffusion模型解读
| | ├──18-5 节Dalle2及其源码解读
| | └──18-6 节ChatGPT
| ├──第19章 深度学习模型部署与剪枝优化实战
| | ├──19-1 节AIoT人工智能物联网之认识 jetson nano
| | ├──19-10 节模型剪枝-Network Slimming实战解读
| | ├──19-11 节Mobilenet三代网络模型架构
| | ├──19-2 节AIoT人工智能物联网之AI 实战
| | ├──19-3 节AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
| | ├──19-4 节 AIoT人工智能物联网之deepstream
| | ├──19-5 节pyTorch框架部署实践
| | ├──19-6 节YOLO-V3物体检测部署实例
| | ├──19-7 节docker实例演示
| | ├──19-8 节tensorflow-serving实战
| | └──19-9 节模型剪枝-Network Slimming算法分析
| ├──第1章 直播回放
| | ├──1-1 节开班典礼
| | ├──1-10 节直播8：图神经网络
| | ├──1-11 节直播9：LangChain与VQA任务
| | ├──1-12 节直播10：EfficientVIT与DINOV2
| | ├──1-13 节直播11：对比学习与自监督任务
| | ├──1-14 节直播12：注意力机制串讲
| | ├──1-15 节直播13：BEITV2-3与Mmlab自监督源码解读
| | ├──1-16 节直播14：Bev特征空间与知识蒸馏
| | ├──1-17 节直播15：总结与论文和简历
| | ├──1-2 节Pycharm环境配置与Debug演示(没用过的同学必看)
| | ├──1-3 节直播1：神经网络结构
| | ├──1-4 节直播2：卷积神经网络
| | ├──1-5 节直播3：Transformer
| | ├──1-6 节直播4：VIT源码解读
| | ├──1-7 节直播5：Segment anything
| | ├──1-8 节直播6：时间序列timesnet
| | └──1-9 节直播7：文本大模型下游任务一条龙
| ├──第20章 -面向医学领域的深度学习实战
| | ├──20-1 节卷积神经网络原理与参数解读
| | ├──20-10 节基于deeplab的心脏视频数据诊断分析
| | ├──20-11 节YOLO系列物体检测算法原理解读
| | ├──20-12 节基于YOLO5细胞检测实战
| | ├──20-13 节知识图谱原理解读
| | ├──20-14 节Neo4j数据库实战
| | ├──20-15 节基于知识图谱的医药问答系统实战
| | ├──20-16 节词向量模型与RNN网络架构
| | ├──20-17 节医学糖尿病数据命名实体识别
| | ├──20-2 节PyTorch框架基本处理操作
| | ├──20-3 节PyTorch框架必备核心模块解读
| | ├──20-4 节基于Resnet的医学数据集分类实战
| | ├──20-5 节图像分割及其损失函数概述
| | ├──20-6 节Unet系列算法讲解
| | ├──20-7 节unet医学细胞分割实战
| | ├──20-8 节deeplab系列算法
| | └──20-9 节基于deeplabV3+版本进行VOC分割实战
| ├──第21章 -自然语言处理经典案例实战
| | ├──21-1 节NLP常用工具包实战
| | ├──21-10 节NLP-文本特征方法对比
| | ├──21-11 节NLP-相似度模型
| | ├──21-12 节LSTM情感分析
| | ├──21-13 节机器人写唐诗
| | ├──21-14 节对话机器人
| | ├──21-2 节商品信息可视化与文本分析
| | ├──21-3 节贝叶斯算法
| | ├──21-4 节新闻分类任务实战
| | ├──21-5 节HMM隐马尔科夫模型
| | ├──21-6 节HMM工具包实战
| | ├──21-7 节语言模型
| | ├──21-8 节使用Gemsim构建词向量
| | └──21-9 节基于word2vec的分类任务
| ├──第22章 自然语言处理必备神器Huggingface系列实战
| | ├──22-1 节Huggingface与NLP介绍解读
| | ├──22-10 节补充Huggingface数据集制作方法实例
| | ├──22-2 节Transformer工具包基本操作实例解读
| | ├──22-3 节BERT系列算法解读
| | ├──22-4 节文本标注工具与NER实例
| | ├──22-5 节文本预训练模型构建实例
| | ├──22-6 节GPT系列算法
| | ├──22-7 节GPT训练与预测部署流程
| | ├──22-8 节文本摘要建模
| | └──22-9 节图谱知识抽取实战
| ├──第23章 自然语言处理通用框架-BERT实战
| | ├──23-1 节自然语言处理通用框架BERT原理解读
| | ├──23-2 节谷歌开源项目BERT源码解读与应用实例
| | ├──23-3 节项目实战-基于BERT的中文情感分析实战
| | ├──23-4 节项目实战-基于BERT的中文命名实体识别识别实战
| | ├──23-5 节必备基础知识点-woed2vec模型通俗解读
| | ├──23-6 节必备基础-掌握Tensorflow如何实现word2vec模型
| | ├──23-7 节必备基础知识点-RNN网络架构与情感分析应用实例
| | └──23-8 节医学糖尿病数据命名实体识别
| ├──第24章 知识图谱实战系列
| | ├──24-1 节知识图谱介绍及其应用领域分析
| | ├──24-2 节知识图谱涉及技术点分析
| | ├──24-3 节Neo4j数据库实战
| | ├──24-4 节使用python操作neo4j实例
| | ├──24-5 节基于知识图谱的医药问答系统实战
| | ├──24-6 节文本关系抽取实践
| | ├──24-7 节金融平台风控模型实践
| | └──24-8 节医学糖尿病数据命名实体识别
| ├──第25章 语音识别实战系列
| | ├──25-1 节seq2seq序列网络模型
| | ├──25-2 节LAS模型语音识别实战
| | ├──25-3 节starganvc2变声器论文原理解读
| | ├──25-4 节staeganvc2变声器源码实战
| | ├──25-5 节语音分离ConvTasnet模型
| | ├──25-6 节ConvTasnet语音分离实战
| | └──25-7 节语音合成tacotron最新版实战
| ├──第26章 推荐系统实战系列
| | ├──26-1 节推荐系统介绍及其应用
| | ├──26-10 节基本统计分析的电影推荐
| | ├──26-11 节补充-基于相似度的酒店推荐系统
| | ├──26-2 节协同过滤与矩阵分解
| | ├──26-3 节音乐推荐系统实战
| | ├──26-4 节知识图谱与Neo4j数据库实例
| | ├──26-5 节基于知识图谱的电影推荐实战
| | ├──26-6 节点击率估计FM与DeepFM算法
| | ├──26-7 节DeepFM算法实战
| | ├──26-8 节推荐系统常用工具包演示
| | └──26-9 节基于文本数据的推荐实例
| ├──第27章 其它期
| | ├──E Gupao AI Issue 4
| | ├──E Gupao AI Issue 5
| | └──E Gupao AI Issue 6
| ├──第2章 AI课程所需安装软件教程
| | └──2-1 节AI课程所需安装软件教程
| ├──第3章 深度学习必备核心算法
| | ├──3-1 节神经网络算法解读
| | ├──3-2 节卷积神经网络算法解读
| | ├──3-3 节递归神经网络算法解读
| | └──3-4 节额外补充
| ├──第4章 深度学习核心框架PyTorch
| | ├──4-1 节PyTorch框架介绍与配置安装
| | ├──4-2 节使用神经网络进行分类任务
| | ├──4-3 节神经网络回归任务-气温预测
| | ├──4-4 节卷积网络参数解读分析
| | ├──4-5 节图像识别模型与训练策略（重点）
| | ├──4-6 节DataLoader自定义数据集制作
| | ├──4-7 节LSTM文本分类实战
| | └──4-8 节PyTorch框架Flask部署例子
| ├──第5章 Opencv图像处理框架实战
| | ├──5-1 节课程简介与环境配置
| | ├──5-10 节⽂档扫描OCR识别
| | ├──5-11 节图像特征-harris
| | ├──5-12 节图像特征-sift
| | ├──5-13 节全景图像拼接
| | ├──5-14 节停⻋场⻋位识别
| | ├──5-15 节答题卡识别判卷
| | ├──5-16 节背景建模
| | ├──5-17 节光流估计
| | ├──5-18 节Opencv的DNN模块
| | ├──5-19 节⽬标追踪
| | ├──5-2 节图像基本操作
| | ├──5-20 节卷积原理与操作
| | ├──5-21 节疲劳检测
| | ├──5-3 节阈值与平滑处理
| | ├──5-4 节图像形态学操作
| | ├──5-5 节图像梯度计算
| | ├──5-6 节边缘检测
| | ├──5-7 节图像⾦字塔与轮廓检测
| | ├──5-8 节直⽅图与傅⾥叶变换
| | └──5-9 节信⽤卡数字识别
| ├──第6章 综合项目-物体检测经典算法实战
| | ├──6-1 节深度学习经典检测方法概述
| | ├──6-10 节YOLO系列（V7）算法解读
| | ├──6-11 节V7源码解读
| | ├──6-12 节基于Transformer的detr目标检测算法
| | ├──6-13 节detr目标检测源码解读
| | ├──6-14 节DeformableDetr算法解读
| | ├──6-15 节半监督物体检测
| | ├──6-16 节EfficientNet网络
| | ├──6-17 节EfficientDet检测算法
| | ├──6-2 节YOLO-V1整体思想与网络架构
| | ├──6-3 节YOLO-V2改进细节详解
| | ├──6-4 节YOLO-V3核心网络模型
| | ├──6-5 节基于V3版本进行源码解读
| | ├──6-6 节基于YOLO-V3训练⾃⼰的数据集与任务
| | ├──6-7 节YOLO-V4版本算法解读
| | ├──6-8 节V5版本项目配置
| | └──6-9 节V5项目工程源码解读
| ├──第7章 图像分割实战
| | ├──7-1 节图像分割及其损失函数概述
| | ├──7-10 节物体检测框架-MaskRcnn项目介绍与配置
| | ├──7-11 节MaskRcnn网络框架源码详解
| | ├──7-12 节基于MASK-RCNN框架训练自己的数据与任务
| | ├──7-2 节Unet系列算法讲解
| | ├──7-3 节unet医学细胞分割实战
| | ├──7-4 节U2NET显著性检测实战
| | ├──7-5 节deeplab系列算法
| | ├──7-6 节基于deeplabV3+版本进⾏VOC分割实战
| | ├──7-7 节医学⼼脏视频数据集分割建模实战
| | ├──7-8 节分割模型Maskformer系列
| | └──7-9 节补充：Mask2former源码解读
| ├──第8章 走向AI论文实验与项目实战的捷径-MMLAB实战系列
| | ├──8-1 节MMCV安装方法
| | ├──8-10 节补充：Mask2former源码解读
| | ├──8-11 节第三模块：DeformableDetr算法解读
| | ├──8-12 节KIE关键信息抽取与视频超分辨率重构
| | ├──8-13 节第四模块：DBNET文字检测
| | ├──8-14 节第四模块：ANINET文字识别
| | ├──8-15 节第四模块：KIE基于图模型的关键信息抽取
| | ├──8-16 节第五模块：stylegan2源码解读
| | ├──8-17 节第六模块：BasicVSR++视频超分辨重构源码解读
| | ├──8-18 节第七模块：多模态3D目标检测算法源码解读
| | ├──8-19 节第八模块：模型蒸馏应用实例
| | ├──8-2 节第一模块：分类任务基本操作
| | ├──8-20 节第八模块：模型剪枝方法概述分析
| | ├──8-21 节第九模块：mmaction行为识别
| | ├──8-22 节OCR算法解读
| | ├──8-23 节额外补充-在源码中加入各种注意力机制方法
| | ├──8-3 节第一模块：训练结果测试与验证
| | ├──8-4 节第一模块：模型源码DEBUG演示
| | ├──8-5 节第二模块：使用分割模块训练自己的数据集
| | ├──8-6 节第二模块：基于Unet进行各种策略修改
| | ├──8-7 节第二模块：分割任务CVPR最新Backbone设计及其应用
| | ├──8-8 节第三模块：mmdet训练自己的数据任务
| | └──8-9 节第三模块：DeformableDetr物体检测源码分析
| └──第9章 经典视觉项目实战-行为识别
| | ├──9-1 节slowfast算法知识点通俗解读
| | ├──9-2 节slowfast项目环境配置与配置文件
| | ├──9-3 节slowfast源码详细解读
| | ├──9-4 节基于3D卷积的视频分析与动作识别
| | ├──9-5 节视频异常检测算法与元学习
| | ├──9-6 节视频异常检测CVPR2021论文及其源码解读
| | └──9-7 节基础补充-Resnet模型及其应用实例
├──第九期
| ├──0咕泡机器学习
| | ├──01-第一模块：Python快速入门
| | ├──02-第二模块：Python数据科学必备工具包实战
| | ├──03-第三模块：人工智能-必备数学课程
| | ├──04-第四模块：机器学习算法精讲及其案例应用
| | ├──05-第五模块：机器学习算法建模实战项目
| | ├──06-第六模块：机器学习案例实战应用集锦
| | ├──07-第七模块：机器学习竞赛优胜解决方案实战
| | ├──08-第八模块：Python金融分析与量化交易实战
| | ├──09-第九模块：深度学习经典算法解析
| | ├──10-选修：Python数据分析案例实战
| | ├──11-选修：机器学习进阶实战
| | ├──数学基础课件
| | └──资料
| ├──1-直播回放
| | ├──1-直播：开班典礼
| | ├──10-直播：对比学习与多模态任务
| | ├──11-直播：GPT与Hugging face
| | ├──12-直播：自监督任务
| | ├──13-直播：知识蒸馏
| | ├──14-直播：分割Mask2former算法
| | ├──15-直播：多模态与交叉注意力应用
| | ├──16-直播：时间序列timesnet与地理分类任务
| | ├──17-直播：论文写作与就业简历
| | ├──18-直播：知识图谱与LORA
| | ├──2-直播：Pycharm环境配置与Debug演示(没用过的同学必看)
| | ├──3-直播：神经网络
| | ├──4-直播：卷积神经网络
| | ├──5-直播：Transformer
| | ├──6-直播：视觉Transformer Vit Debug解读
| | ├──7-直播：密集场景计数统计实战
| | ├──8-直播：图神经网络
| | └──9-直播：Transformer Decoder在视觉任务的应用
| ├──10-2022论⽂必备-Transformer实战系列
| | ├──1-Transformer算法解读
| | ├──10-MedicalTrasnformer论文解读
| | ├──11-MedicalTransformer源码解读
| | ├──12-商汤LoFTR算法解读
| | ├──13-局部特征关键点匹配实战
| | ├──14-分割模型Maskformer系列
| | ├──15-Mask2former源码解读
| | ├──16-BEV特征空间
| | ├──17-BevFormer源码解读
| | ├──18-时间序列预测
| | ├──19-Informer时间序列源码解读
| | ├──2-视觉Transformer及其源码分析
| | ├──20-Huggingface与NLP（讲故事）
| | ├──3-VIT算法模型源码解读
| | ├──4-swintransformer算法原理解析
| | ├──5-swintransformer源码解读
| | ├──6-基于Transformer的detr目标检测算法
| | ├──7-detr目标检测源码解读
| | ├──8-DeformableDetr算法解读
| | └──9-DeformableDetr物体检测源码分析
| ├──11-图神经网络实战
| | ├──1-图神经网络基础
| | ├──10-基于图模型的时间序列预测
| | ├──11-异构图神经网络
| | ├──2-图卷积GCN模型
| | ├──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
| ├──12-3D点云实战
| | ├──1-3D点云实战 3D点云应用领域分析
| | ├──2-3D点云PointNet算法
| | ├──3-PointNet++算法解读
| | ├──4-Pointnet++项目实战
| | ├──5-点云补全PF-Net论文解读
| | ├──6-点云补全实战解读
| | ├──7-点云配准及其案例实战
| | └──8-基础补充-对抗生成网络架构原理与实战解析
| ├──13-面向深度学习的无人驾驶实战
| | ├──1-深度估计算法原理解读
| | ├──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
| | ├──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-对比学习与多模态任务实战
| | ├──1-对比学习算法与实例
| | ├──2-CLIP系列
| | ├──3-多模态3D目标检测算法源码解读
| | ├──4-多模态文字识别
| | └──5-ANINET源码解读
| ├──15-缺陷检测实战
| | ├──1-课程介绍
| | ├──10-基于Opencv缺陷检测项⽬实战
| | ├──11-基于视频流⽔线的Opencv缺陷检测项⽬
| | ├──12-图像分割deeplab系列算法
| | ├──13-基于deeplabV3+版本进⾏VOC分割实战
| | ├──14-Deeplab铁质材料缺陷检测与开源项⽬应⽤流程
| | ├──2-物体检框架YOLO-V4版本算法解读
| | ├──3-物体检测框架YOLOV5版本项目配置
| | ├──4-物体检测框架YOLOV5项目工程源码解读
| | ├──5-基于YOLOV5的钢材缺陷检测实战
| | ├──6-Semi-supervised布料缺陷检测实战
| | ├──7-Opencv图像常⽤处理⽅法实例
| | ├──8-Opencv梯度计算与边缘检测实例
| | └──9-Opencv轮廓检测与直⽅图
| ├──16-行人重识别实战
| | ├──1-行人重识别原理及其应用
| | ├──2-基于注意力机制的Reld模型论文解读
| | ├──3-基于Attention的行人重识别项目实战
| | ├──4-AAAI2020顶会算法精讲
| | ├──5-项目实战-基于行人局部特征融合的再识别实战
| | ├──6-旷视研究院最新算法解读（基于图模型）
| | ├──7-基于拓扑图的行人重识别项目实战
| | └──8-额外补充：行人搜索源码分析
| ├──17-对抗生成网络实战
| | ├──1-课程介绍
| | ├──2-对抗生成网络架构原理与实战解析
| | ├──3-基于CycleGan开源项目实战图像合成
| | ├──4-stargan论文架构解析
| | ├──5-stargan项目实战及其源码解读
| | ├──6-基于starganvc2的变声器论文原理解读
| | ├──7-starganvc2变声器项目实战及其源码解读
| | ├──8-图像超分辨率重构实战
| | └──9-基于GAN的图像补全实战
| ├──18-强化学习与AI黑科技实例
| | ├──1-强化学习简介及其应用
| | ├──10-CLIP系列
| | ├──11-Diffusion模型解读
| | ├──12-Dalle2及其源码解读
| | ├──13-ChatGPT
| | ├──2-PPO算法与公式推导
| | ├──3-PPO实战-月球登陆器训练实例
| | ├──4-Q-learning与DQN算法
| | ├──5-DQN改进与应用技巧
| | ├──6-Actor-Critic算法分析（A3C）
| | ├──7-用A3C玩转超级马里奥
| | ├──8-GPT系列生成模型
| | └──9-GPT建模与预测流程
| ├──2-AI课程所需安装软件教程
| | └──1-AI课程所需安装软件教程
| ├──20-CV与NLP经典大模型解读
| | ├──1-课程简介
| | ├──10-openai-dalle2论文解读
| | ├──11-openai-dalle2源码解读
| | ├──12-自监督任务-对比学习思想
| | ├──13-视觉自监督BEIT算法解读
| | ├──14-视觉自监督任务BEITV2论文解读
| | ├──15-视觉自监督任务BEITV2源码解读
| | ├──16-BEV感知特征空间算法解读
| | ├──17-BEVformer项目源码解读
| | ├──18-补充-视觉大模型基础-deformableAttention
| | ├──2-GPT系列算法解读
| | ├──3-GPT2训练与预测部署流程
| | ├──4-chatgpt算法解读分析
| | ├──5-LLM与LORA微调策略解读
| | ├──6-LLM下游任务训练自己模型实战
| | ├──7-视觉大模型SAM
| | ├──8-视觉QA算法与论文解读
| | └──9-扩散模型diffusion架构算法解读
| ├──20-面向医学领域的深度学习实战
| | ├──1-卷积神经网络原理与参数解读
| | ├──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
| | ├──16-词向量模型与RNN网络架构
| | ├──17-医学糖尿病数据命名实体识别
| | ├──2-PyTorch框架基本处理操作
| | ├──3-PyTorch框架必备核心模块解读
| | ├──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
| ├──2024Ai必会Agent(应用解读+项目实战)
| | ├──001-课程介绍.mp4 74.82M
| | ├──002-1-Agent要解决的问题分析.mp4 21.66M
| | ├──003-2-Agent需要具备的基本能力.mp4 21.18M
| | ├──004-3-与大模型的关系分析.mp4 18.35M
| | ├──005-4-多智能体定义分析.mp4 17.06M
| | ├──006-5-框架的作用和能解决的问题.mp4 26.34M
| | ├──007-6-整体总结分析.mp4 12.99M
| | ├──008-7-GPTS分析一波.mp4 30.61M
| | ├──009-8-经典任务分析.mp4 25.44M
| | ├──010-1-GPTS任务流程概述分析.mp4 47.78M
| | ├──011-2-调用API的控制方式.mp4 20.84M
| | ├──012-3-API相关配置完成.mp4 28.98M
| | ├──013-4-完成指令与脚本并生成.mp4 49.13M
| | ├──014-1-DEMO演示与整体架构分析.mp4 60.73M
| | ├──015-2-后端GPT项目部署启动.mp4 51.37M
| | ├──016-3-前端助手API与流程图配置.mp4 56.36M
| | ├──017-4-接入外部API的方法与流程.mp4 40.71M
| | ├──018-5-GPT中加入外部API调用方法.mp4 46.15M
| | ├──019-6-指令提示构建.mp4 24.49M
| | ├──020-1-论文概述分析.mp4 37.87M
| | ├──021-2-整体框架逻辑介绍.mp4 52.22M
| | ├──022-3-项目环境配置.mp4 60.39M
| | ├──023-4-基础解读-动作定义方式.mp4 15.72M
| | ├──024-5-基础解读-角色定义.mp4 13.34M
| | ├──025-6-单动作智能体实现方法.mp4 20.16M
| | ├──026-7-多动作配置方法.mp4 18.19M
| | ├──027-8-定时器任务环境配置.mp4 36.54M
| | ├──028-9-定时器任务流程解读分析.mp4 44.89M
| | ├──029-0-基本Agent的组成.mp4 43.11M
| | ├──030-1-Agent要完成的任务和业务逻辑定义.mp4 45.89M
| | ├──031-2-问题拆解与执行流程.mp4 61.54M
| | ├──032-3-检索得到重要的URL.mp4 30.41M
| | ├──033-4-子问题生成总结结果.mp4 47.26M
| | ├──034-5-总结与结果输出.mp4 23.43M
| | ├──035-1-RAG要完成的任务解读.mp4 14.28M
| | ├──036-2-RAG整体流程解读.mp4 18.02M
| | ├──037-3-召回优化策略分析.mp4 17.57M
| | ├──038-4-召回改进方案解读.mp4 23.11M
| | ├──039-5-评估工具RAGAS.mp4 34.62M
| | ├──040-6-外接本地数据库工具.mp4 19.47M
| | ├──041-1-整体故事解读.mp4 35.47M
| | ├──042-2-要解决的问题和整体框架分析.mp4 48.80M
| | ├──043-3-论文基本框架分析.mp4 81.31M
| | ├──044-4-Agent的记忆信息.mp4 61.90M
| | ├──045-5-感知与反思模块构建流程.mp4 21.35M
| | ├──046-6-计划模块实现细节.mp4 29.96M
| | ├──047-7-整体流程框架图.mp4 19.73M
| | ├──048-8-感知模块解读.mp4 38.05M
| | ├──049-9-思考模块解读.mp4 40.37M
| | ├──050-10-项目环境配置方法解读.mp4 39.58M
| | ├──051-1-langchain框架解读.mp4 20.18M
| | ├──052-2-基本API调用方法.mp4 40.13M
| | ├──053-3-数据文档切分操作.mp4 35.52M
| | ├──054-4-样本索引与向量构建.mp4 39.13M
| | ├──055-5-数据切块方法.mp4 40.65M
| | ├──056-1-MOE概述分析.mp4 19.57M
| | ├──057-2-MOE模块实现方法解读.mp4 29.67M
| | ├──058-3-效果分析与总结.mp4 41.43M
| | ├──059-1-大模型如何做下游任务.mp4 27.81M
| | ├──060-2-LLM落地微调分析.mp4 33.70M
| | ├──061-3-LLAMA与LORA介绍.mp4 27.13M
| | ├──062-4-LORA微调的核心思想.mp4 20.57M
| | ├──063-5-LORA模型实现细节.mp4 36.76M
| | ├──064-1-提示工程的作用.mp4 37.72M
| | ├──065-2-项目数据解读.mp4 37.77M
| | ├──066-3-源码调用DEBUG解读.mp4 35.11M
| | ├──067-4-训练流程演示.mp4 43.75M
| | ├──068-5-效果演示与总结分析.mp4 29.12M
| | ├──069-1-RAG与微调可以解决与无法解决的问题.mp4 19.56M
| | ├──070-2-RAG实践策略.mp4 16.47M
| | └──071-3-微调要解决的问题.mp4 14.59M
| ├──21-深度学习模型部署与剪枝优化实战
| | ├──1-AIoT人工智能物联网之认识 jetson nano
| | ├──10-模型剪枝-Network Slimming算法分析
| | ├──11-模型剪枝-Network Slimming实战解读
| | ├──12-Mobilenet三代网络模型架构
| | ├──2-AIoT人工智能物联网之AI 实战
| | ├──3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
| | ├──4- AIoT人工智能物联网之deepstream
| | ├──6-pyTorch框架部署实践
| | ├──7-YOLO-V3物体检测部署实例
| | ├──8-docker实例演示
| | └──9-tensorflow-serving实战
| ├──22-自然语言处理经典案例实战
| | ├──1-NLP常用工具包实战
| | ├──10-NLP-文本特征方法对比
| | ├──11-NLP-相似度模型
| | ├──12-LSTM情感分析
| | ├──13-机器人写唐诗
| | ├──14-对话机器人
| | ├──2-商品信息可视化与文本分析
| | ├──3-贝叶斯算法
| | ├──4-新闻分类任务实战
| | ├──5-HMM隐马尔科夫模型
| | ├──6-HMM工具包实战
| | ├──7-语言模型
| | ├──8-使用Gemsim构建词向量
| | └──9-基于word2vec的分类任务
| ├──23-自然语言处理必备神器Huggingface系列实战
| | ├──1-Huggingface与NLP介绍解读
| | ├──10-图谱知识抽取实战
| | ├──11-补充Huggingface数据集制作方法实例
| | ├──2-Transformer工具包基本操作实例解读
| | ├──3-transformer原理解读
| | ├──4-BERT系列算法解读
| | ├──5-文本标注工具与NER实例
| | ├──6-文本预训练模型构建实例
| | ├──7-GPT系列算法
| | ├──8-GPT训练与预测部署流程
| | └──9-文本摘要建模
| ├──24-时间序列预测
| | ├──1-Informer原理解读
| | ├──2-Informer源码解读
| | └──3-Timesnet时序预测
| ├──25-自然语言处理通用框架-BERT实战
| | ├──1-自然语言处理通用框架BERT原理解读
| | ├──2-谷歌开源项目BERT源码解读与应用实例
| | ├──3-项目实战-基于BERT的中文情感分析实战
| | ├──4-项目实战-基于BERT的中文命名实体识别识别实战
| | ├──5-必备基础知识点-woed2vec模型通俗解读
| | ├──6-必备基础-掌握Tensorflow如何实现word2vec模型
| | ├──7-必备基础知识点-RNN网络架构与情感分析应用实例
| | └──8-医学糖尿病数据命名实体识别
| ├──26-知识图谱实战系列
| | ├──1-知识图谱介绍及其应用领域分析
| | ├──2-知识图谱涉及技术点分析
| | ├──3-Neo4j数据库实战
| | ├──4-使用python操作neo4j实例
| | ├──5-基于知识图谱的医药问答系统实战
| | ├──6-文本关系抽取实践
| | ├──7-金融平台风控模型实践
| | └──8-医学糖尿病数据命名实体识别
| ├──27-语音识别实战系列
| | ├──1-seq2seq序列网络模型
| | ├──2-LAS模型语音识别实战
| | ├──3-starganvc2变声器论文原理解读
| | ├──4-staeganvc2变声器源码实战
| | ├──5-语音分离ConvTasnet模型
| | ├──6-ConvTasnet语音分离实战
| | └──7-语音合成tacotron最新版实战
| ├──28-推荐系统实战系列
| | ├──1-推荐系统介绍及其应用
| | ├──10-基本统计分析的电影推荐
| | ├──11-补充-基于相似度的酒店推荐系统
| | ├──2-协同过滤与矩阵分解
| | ├──3-音乐推荐系统实战
| | ├──4-知识图谱与Neo4j数据库实例
| | ├──5-基于知识图谱的电影推荐实战
| | ├──6-点击率估计FM与DeepFM算法
| | ├──7-DeepFM算法实战
| | ├──8-推荐系统常用工具包演示
| | └──9-基于文本数据的推荐实例
| ├──29-论文创新点常用方法及其应用实例
| | └──1-通用创新点
| ├──3-深度学习必备核⼼算法
| | ├──1-神经网络结构
| | ├──2-卷积神经网络
| | ├──3-Transformer
| | └──4-VIT源码解读
| ├──4-深度学习框架PyTorch
| | ├──1-PyTorch框架介绍与配置安装
| | ├──2-使用神经网络进行分类任务
| | ├──3-神经网络回归任务-气温预测
| | ├──4-卷积网络参数解读分析
| | ├──5-图像识别模型与训练策略（重点）
| | ├──6-DataLoader自定义数据集制作
| | └──7-LSTM文本分类实战
| ├──5-Opencv图像处理框架实战
| | ├──1-课程简介与环境配置
| | ├──10-项目实战-文档扫描OCR识别
| | ├──11-图像特征-harris
| | ├──12-图像特征-sift
| | ├──13-案例实战-全景图像拼接
| | ├──14-项目实战-停车场车位识别
| | ├──15-项目实战-答题卡识别判卷
| | ├──16-背景建模
| | ├──17-光流估计
| | ├──18-Opencv的DNN模块
| | ├──19-项目实战-目标追踪
| | ├──2-图像基本操作
| | ├──20-卷积原理与操作
| | ├──21-项目实战-疲劳检测
| | ├──3-阈值与平滑处理
| | ├──4-图像形态学操作
| | ├──5-图像梯度计算
| | ├──6-边缘检测
| | ├──7-图像金字塔与轮廓检测
| | ├──8-直方图与傅里叶变换
| | └──9-项目实战-信用卡数字识别
| ├──6-综合项目-物体检测经典算法实战
| | ├──1-物体检测评估指标
| | ├──10-V5项目工程源码解读
| | ├──11-YOLO系列（V7）算法解读
| | ├──12-V7源码解读
| | ├──13-基于Transformer的detr目标检测算法
| | ├──14-detr目标检测源码解读
| | ├──15-DeformableDetr算法解读
| | ├──16-半监督物体检测
| | ├──17-EfficientNet网络
| | ├──18-EfficientDet检测算法
| | ├──2-深度学习经典检测⽅法概述
| | ├──3-YOLO-V1整体思想与网络架构
| | ├──4-YOLO-V2改进细节详解
| | ├──5-YOLO-V3核心网络模型
| | ├──6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本）
| | ├──7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）
| | ├──8-YOLO-V4版本算法解读
| | └──9-V5版本项目配置
| ├──7-图像分割实战
| | ├──1-图像分割及其损失函数概述
| | ├──10-物体检测框架-MaskRcnn项目介绍与配置
| | ├──11-MaskRcnn网络框架源码详解
| | ├──12-基于MASK-RCNN框架训练自己的数据与任务
| | ├──2-Unet系列算法讲解
| | ├──3-unet医学细胞分割实战
| | ├──4-U2NET显著性检测实战
| | ├──5-deeplab系列算法
| | ├──6-基于deeplabV3+版本进⾏VOC分割实战
| | ├──7-医学⼼脏视频数据集分割建模实战
| | ├──8-分割模型Maskformer系列
| | └──9-补充：Mask2former源码解读
| ├──8-走向AI论文实验与项目实战的捷径-MMLAB实战系列
| | ├──1-MMCV安装方法
| | ├──10-第三模块：DeformableDetr算法解读
| | ├──11-补充：Mask2former源码解读
| | ├──12-KIE关键信息抽取与视频超分辨率重构
| | ├──13-第四模块：DBNET文字检测
| | ├──14-第四模块：ANINET文字识别
| | ├──15-第四模块：KIE基于图模型的关键信息抽取
| | ├──16-第五模块：stylegan2源码解读
| | ├──17-第六模块：BasicVSR++视频超分辨重构源码解读
| | ├──18-第七模块：多模态3D目标检测算法源码解读
| | ├──19-第八模块：模型蒸馏应用实例
| | ├──2-第一模块：分类任务基本操作
| | ├──20-第八模块：模型剪枝方法概述分析
| | ├──21-第九模块：mmaction行为识别
| | ├──22-OCR算法解读
| | ├──23-额外补充-在源码中加入各种注意力机制方法
| | ├──3-第一模块：训练结果测试与验证
| | ├──4-第一模块：模型源码DEBUG演示
| | ├──5-第二模块：使用分割模块训练自己的数据集
| | ├──6-第二模块：基于Unet进行各种策略修改
| | ├──7-第二模块：分割任务CVPR最新Backbone设计及其应用
| | ├──8-第三模块：mmdet训练自己的数据任务
| | └──9-第三模块：DeformableDetr物体检测源码分析
| ├──9-经典视觉项目实战：行为识别、姿态估计、目标追踪
| | ├──1-slowfast算法知识点通俗解读
| | ├──10-OpenPose算法源码分析
| | ├──11-deepsort算法知识点解读
| | ├──12-deepsort源码解读
| | ├──13-YOLO-V4版本算法解读
| | ├──14-V5版本项目配置
| | ├──15-V5项目工程源码解读
| | ├──2-slowfast项目环境配置与配置文件
| | ├──3-slowfast源码详细解读
| | ├──4-基于3D卷积的视频分析与动作识别
| | ├──5-视频异常检测算法与元学习
| | ├──6-视频异常检测CVPR2021论文及其源码解读
| | ├──7-基础补充-Resnet模型及其应用实例
| | ├──8-课程介绍
| | └──9-姿态估计OpenPose系列算法解读
| └──源码-人工智能深度学习系统班（第9期录播）.java 125.75kb
└──第九期资料
| ├──1-18 节直播13：对比学习
| | ├──trainCLIP.py 1.56kb
| | └──对比学习.pdf 1.96M
| ├──第八章 行为识别实战
| | ├──基础补充-Resnet模型及其应用实例
| | ├──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
| | ├──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
| ├──第二十二章 知识图谱实战系列
| | ├──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
| ├──第二十三章 语⾳识别实战系列
| | ├──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
| ├──第二十四章 推荐系统实战系列
| | ├──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
| ├──第二十一章 ⾃然语⾔处理通⽤框架-BERT实战
| | ├──666JAVA下载必看
| | ├──课后作业
| | └──课件、源码
| ├──第二十章 ⾃然语⾔处理经典案例实战
| | ├──NLP常用工具包
| | ├──课后作业
| | ├──课件
| | └──源码、数据集等
| ├──第九章 2022论⽂必备-Transformer实战系列
| | └──transformer系列
| ├──第六章 综合项⽬-物体检测经典算法实战
| | ├──YOLO系列（PyTorch）
| | ├──detr目标检测源码解读.zip 108.29kb
| | ├──EfficientDet.zip 80.48M
| | ├──EfficientNet.pdf 943.23kb
| | ├──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
| ├──第七章 图像分割实战
| | ├──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
| ├──第三章 深度学习核⼼框架PyTorch
| | ├──666JAVA下载必看
| | ├──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
| ├──第四章 MMLAB实战系列
| | ├──mmaction2-master.zip 827.76M
| | ├──mmclassification-master.zip 912.00M
| | ├──mmdetection-master.zip 1.46G
| | ├──mmdetection3d-1.0.0rc0.zip 395.05M
| | ├──mmediting-master.zip 107.78M
| | ├──mmgeneration-master.zip 746.81M
| | ├──mmocr-main.zip 381.72M
| | ├──mmrazor-master.zip 1.00G
| | ├──mmsegmentation-0.20.2.zip 2.80G
| | ├──MPViT-main.zip 924.77M
| | └──ner.zip 121.60M
| ├──第五章 Opencv图像处理框架实战
| | ├──课件
| | └──源码资料
| ├──第一十二章 ⽬标追踪与姿态估计实战
| | ├──第五六七章：YOLO目标检测
| | ├──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
| ├──第一十二章 第十模块：缺陷检测实战
| | └──缺陷检测实战
| ├──第一十九章 深度学习模型部署与剪枝优化实战
| | ├──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
| ├──第一十六章 第十四模块：面向医学领域的深度学习实战
| | ├──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
| ├──第一十六章 对抗⽣成⽹络实战
| | ├──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
| | ├──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
| ├──第一十三章 ⾯向深度学习的⽆⼈驾驶实战
| | ├──1.深度估计算法解读
| | ├──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
| | ├──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
| ├──第一十四章 缺陷检测实战
| | ├──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
| ├──第一十五章 ⾏⼈重识别实战
| | ├──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
| ├──第一十五章 第十三模块：强化学习实战
| | ├──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
| ├──第一十一章 3D点云实战
| | ├──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
| ├──第一十章 图神经⽹络实战
| | ├──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
| | ├──第二章：图卷积GCN模型
| | └──第一章：图神经网络基础
| └──直播
| | ├──1-10 节直播7：GPT系列算法与实战
| | ├──1-11 节额外补充：GPT建模与预测流程
| | ├──1-12 节额外补充：文本摘要建模
| | ├──1-13 节直播8：知识抽取实战
| | ├──1-14 节直播9：Openai CLIP模型
| | ├──1-15 节直播10：DeformableDetr算法解读
| | ├──1-16 节直播11：OCR算法解读
| | ├──1-17 节直播12：KIE关键信息抽取与视频超分辨率重构
| | ├──1-3 节直播2：深度学习必备基础-神经网络与卷积网络
| | ├──1-4 节直播3：Transformer原理及其各领域应用分析
| | ├──1-6 节直播4：Informer时间序列预测源码解读
| | ├──1-8 节直播5：Huggingface核心模块解读
| | └──1-9 节直播6：BERT系列模型与命名实体识别实例
评论(0)