响木SVIP目录
响木最新
响木众筹
响木众筹
当前目录
全盘
查全部
文件夹
文件
主页
/
我的资源
/
01 响木最新众筹课
/
2000-2999
/
2500-2599
/
2566.深度学习计算机视觉核心方法与实践
/
1. 0-课程介绍.mp4
1. 0-课程介绍_2023-05-21_01-15-42.mp4
1. 0_课程介绍.mp4
1. 0_课程内容.mp4
1. 《深度学习之目标检测》直播答疑03(直播).mp4
1. 《深度学习之数据使用》直播01-自动化数据标注(直播).mp4
1. 《深度学习之图像分类》直播答疑04(直播).mp4
1. 第1节-原理回顾.mp4.mp4
1. 第1节_Pytorch数据增强API介绍.mp4
1. 第1节_StyleGAN-v1原理详解.mp4
1. 第1节_多标签分类简介及算法简介.mp4
1. 第1节_课程简介.mp4
1. 第1节_模型原理简介.mp4
1. 第1节_内容简介.mp4
1. 第1节_任务解读.mp4
1. 第1节_数据准备与读取.mp4
1. 第1节_项目背景介绍.mp4
1. 第1节_项目简介.mp4
10. 1.2.3_梯度问题与ResNet.mp4
10. 1.6-传统检测算法流程.mp4
10. 3.3-从零完成表情识别实践（模型搭建与训练）.mp4
10. 4.1_缺陷分割实战_内容介绍.mp4
10. 5.2-StyleGAN-v2详解.mp4
10. 6.2-数据增强开源库imgaug使用.mp4
10. 7-优化器及损失函数.mp4
10. 第8节_TTA策略.mp4
10. 第9节_Kmeans聚类边界框.mp4
11. 1.3.1_ResNet垃圾分类任务介绍.mp4
11. 1.7-基于深度学习的目标检测流程和分类.mp4
11. 3.4-从零完成表情识别实践（模型测试）.mp4
11. 4.2_缺陷分割实战_模型搭建(理论).mp4
11. 6.1-StyleGAN-v1实战-模型解读.mp4
11. 8.1-数据读取及增强（上）.mp4
11. 第10节_热力图绘制.mp4
11. 数据和代码.html
11. 数据与代码.html
12. 1.3.2_ResNet垃圾分类数据集预处理.mp4
12. 1.8-脑图时刻.mp4
12. 4.1-简单图像分类数据增强实战（接口简介）.mp4
12. 4.3_缺陷分割实战_模型搭建(代码).mp4
12. 6.2--StyleGAN-v1实战-模型测试.mp4
12. 8.2-数据读取及增强（下）.mp4
12. 第11节_训练过程和检测结果可视化分析.mp4
13. 1.3.3_ResNet垃圾分类数据读取.mp4
13. 1.9-anchor-base算法结构.mp4
13. 4.2-简单图像分类数据增强实战（实验比较）.mp4
13. 4.4_缺陷分割实战_数据读取.mp4
13. 7-数据增强与仿真GAN理论.mp4
13. 9-模型读取和加载.mp4
13. 第12节_工程实践技巧.mp4
14. 1.3.4_ResNet垃圾分类模型训练.mp4
14. 10.1-从零完成表情识别（项目简介）.mp4
14. 2.1-RCNN详解.mp4
14. 4.5_缺陷分割实战_模型训练.mp4
14. 5.1-细粒度图像分类理论.mp4
14. 8.1-视频生成GAN（基础篇）.mp4
14. 数据与代码.html
15. 1.3.5_ResNet垃圾分类模型测试.mp4
15. 10.2-从零完成表情识别（数据读取）.mp4
15. 2.2-SPPNet详解.mp4
15. 4.6_缺陷分割实战_模型测试.mp4
15. 5.2-细粒度图像分类参考资料（图文）.html
15. 8.2-视频生成GAN（内容运动解耦篇）.mp4
16. 1.3.6_ResNet垃圾分类模型调优.mp4
16. 10.3-从零完成表情识别（模型搭建与训练）.mp4
16. 2.3-Fast-RCNN详解.mp4
16. 5.1_弱监督语义分割基础.mp4
16. 6.1-鸟类细粒度图像分类实战（项目简介）.mp4
16. 参考资料（图文）.html
17. 10.4-从零完成表情识别（模型测试）.mp4
17. 2.1.0_经典模型的宽度设计思想_简介.mp4
17. 2.4-Faster-RCNN详解.mp4
17. 5.2_弱监督语义分割模型.mp4
17. 6.2-鸟类细粒度图像分类实战（数据读取）.mp4
17. 数据和代码.html
18. 2.1.1_通道数量调整.mp4
18. 2.5-one-stage算法引入+脑图时刻.mp4
18. 5.3_弱监督语义分割参考资料（图文）.html
18. 6.3-鸟类细粒度图像分类实战（模型搭建与训练）.mp4
18. 代码与数据.html
19. 2.1.2_多分支网络结构.mp4
19. 2.6-二阶段目标检测参考资料（图文）.html
19. 6.1_Image-Matting基础.mp4
19. 7.1-多标签图像分类理论.mp4
2. 0-课程介绍.mp4
2. 1-PyTorch简介.mp4
2. 1-全卷积图像生成GAN理论.mp4
2. 1.1.0_经典浅层卷积网络设计_简介.mp4
2. 1_图像分割基础.mp4
2. 《深度学习之目标检测》直播答疑02(直播).mp4
2. 《深度学习之图像分类》直播答疑03(直播).mp4
2. 第2节-数据集介绍.mp4.mp4
2. 第2节_MMdetection简介与安装.mp4
2. 第2节_Pytorch图像分类数据增强代码实践.mp4
2. 第2节_StyleGAN-v1模型代码详解.mp4
2. 第2节_模型搭建.mp4
2. 第2节_模型搭建_2023-05-21_01-57-12.mp4
2. 第2节_数据处理.mp4
2. 第2节_数据处理与读取.mp4
2. 第2节_数据划分和读取.mp4
2. 第2节_数据集制作及读取.mp4
2. 第2节_思路分析.mp4
20. 2.1.3_通道补偿技术.mp4
20. 3.1-YOLOv1讲解.mp4
20. 6.2_基于Trimap预测的Image-Matting模型.mp4
20. 7.2-多标签图像分类参考资料（图文）.html
21. 2.2.0_网络宽度对模型性能影响_简介.mp4
21. 3.2-YOLOv2讲解.mp4
21. 6.3_Image-Matting模型改进（粗标签篇）.mp4
21. 8.1-生活用品多标签图像分类实战（多标签分类简介及算法简介）.mp4
22. 2.2.1_多通道的网络Inception-v1.mp4
22. 3.3-YOLOv3讲解.mp4
22. 6.4_Image-Matting参考资料（图文）.html
22. 8.2-生活用品多标签图像分类实战（数据集制作及读取）.mp4
23. 2.2.2_拓宽的残差网络ResNeXt.mp4
23. 3.4-YOLOv4讲解.mp4
23. 7.1_人像Image-Matting实战_模型简介.mp4
23. 8.3-生活用品多标签图像分类实战（训练）.mp4
24. 2.3.1_InceptionNet花卉分类实战-项目简介.mp4
24. 3.5-YOLOv5讲解.mp4
24. 7.2_人像Image-Matting实战_数据准备与读取.mp4
24. 8.4-生活用品多标签图像分类实战（测试）.mp4
25. 2.3.2_InceptionNet花卉分类实战-模型搭建（Inception-V1）.mp4
25. 3.6-一阶段目标检测参考资料（图文）.html
25. 7.3_人像Image-Matting实战_模型定义.mp4
25. 9.1-半监督与无监督分类理论.mp4
26. 2.3.3_InceptionNet花卉分类实战-模型搭建（Inception-V2V3）.mp4
26. 4.1-YOLO-v3工业缺陷检测实战-原理回顾.mp4
26. 7.4_人像Image-Matting实战模型_训练与测试.mp4
26. 9.2-半监督与无监督图像分类参考资料（图文）.html
27. 10.1-零样本分类理论.mp4
27. 2.3.4_InceptionNet花卉分类实战-模型搭建（Inception-V4）.mp4
27. 4.2-YOLO-v3工业缺陷检测实战-数据集介绍.mp4
27. 8.1_实例分割基础.mp4
28. 10.2-零样本图像分类参考资料（图文）.html
28. 2.3.5_InceptionNet花卉分类实战-模型训练.mp4
28. 4.3.1-YOLO-v3工业缺陷检测实战-主干网络代码讲解.mp4
28. 8.2_实例分割基础模型.mp4
29. 11.1-血红细胞图像分类竞赛（内容简介）.mp4
29. 2.3.6_InceptionNet花卉分类实战-模型测试.mp4
29. 4.3.2-YOLO-v3工业缺陷检测实战-Neck+Head部分代码讲解.mp4
29. 8.3_二阶段实例分割算法.mp4
3. 1-数据获取.mp4
3. 1.1.1_Neocognitron.mp4
3. 2.1-DCGAN图像生成实战-项目解读.mp4
3. 2.1-Windows系统下配置PyTorch环境.mp4
3. 2.1_语义分割基础模型.mp4
3. 《深度学习之目标检测》直播答疑01(直播).mp4
3. 《深度学习之图像分类》直播答疑02(直播).mp4
3. 代码和数据.mp4
3. 第3.1节-主干网络代码讲解.mp4.mp4
3. 第3.1节_基础功能实现（数据集统计分析）.mp4
3. 第3节_StyleGAN-v1人脸图像生成模型测试.mp4
3. 第3节_框架总体讲解.mp4
3. 第3节_模型创建与训练.mp4
3. 第3节_模型搭建.mp4
3. 第3节_模型搭建与训练.mp4
3. 第3节_模型搭建与训练_2023-05-21_01-54-38.mp4
3. 第3节_模型训练.mp4
3. 第3节_模型训练_2023-05-21_01-57-39.mp4
30. 11.2-血红细胞图像分类竞赛（思路分析）.mp4
30. 4.3.3-YOLO-v3工业缺陷检测实战-解码过程讲解.mp4
30. 8.4_一阶段实例分割算法.mp4
30. 经典模型参考资料（图文）.html
31. 11.3-血红细胞图像分类竞赛（基础功能实现-数据集的统计分析）.mp4
31. 3.1.1_STN.mp4
31. 4.3.4-YOLO-v3工业缺陷检测实战-前向推理代码讲解.mp4
31. 8.5_实例分割参考资料（图文）.html
32. 11.4-血红细胞图像分类竞赛（基础功能实现-网络模型构建）.mp4
32. 3.1.2_DynamicCapacityNetworks.mp4
32. 4.4-YOLO-v3工业缺陷检测实战-模型训练.mp4
32. 9.1_实例分割实战_数据读取.mp4
33. 11.5-血红细胞图像分类竞赛（基础功能实现-训练）.mp4
33. 3.1.3_Learn-to-Pay-Attention.mp4
33. 4.5-YOLO-v3工业缺陷检测实战-模型测试.mp4.mp4
33. 9.2_实例分割实战_评价指标编写.mp4
34. 11.6-血红细胞图像分类竞赛（学习率调整）.mp4
34. 3.2.1_SENet.mp4
34. 5.1-FasterRCNN原理回顾.mp4
34. 9.3_实例分割实战_网络模型搭建.mp4
35. 11.7-血红细胞图像分类竞赛（标签平滑）.mp4
35. 3.2.2_SKNet.mp4
35. 5.2-数据集介绍.mp4
35. 图像分割代码及数据.html
36. 11.8-血红细胞图像分类竞赛（知识蒸馏）.mp4
36. 3.2.3_ResNeSt.mp4
36. 5.3.1-主干网络代码讲解.mp4
37. 11.9-血红细胞图像分类竞赛（投票策略）.mp4
37. 3.3.1_CBAM.mp4
37. 5.3.2-RPN网络代码讲解.mp4
38. 11.10-血红细胞图像分类竞赛（TTA策略）.mp4
38. 3.3.2_BAM.mp4
38. 5.3.3-Head部分代码讲解.mp4
39. 3.3.3_ResidualAttention.mp4
39. 5.3.4-前向推理代码详解.mp4
39. 代码与数据.html
4. 0-课程简介.mp4
4. 1.1.2_TDNN.mp4
4. 2-数据整理.mp4
4. 2.2-DCGAN图像生成实战-模型搭建.mp4
4. 2.2-ubuntu系统下配置PyTorch环境.mp4
4. 2.2_语义分割模型改进.mp4
4. 《深度学习之图像分类》直播答疑01(直播).mp4
4. 第3.2节-Neck+Head部分讲解.mp4
4. 第3.2节_基础功能实现（网络模型搭建）.mp4
4. 第4.1节_配置文件讲解（上）.mp4
4. 第4节_模型测试.mp4
4. 第4节_模型测试_2023-05-21_01-54-52.mp4
4. 第4节_模型测试_2023-05-21_01-56-14.mp4
4. 第4节_模型测试_2023-05-21_01-57-51.mp4
4. 第4节_模型训练与测试.mp4
4. 数据和代码.html
4. 数据与代码.html
40. 3.3.4_Dual-Attention-Network.mp4
40. 5.3.5-训练部分详解.mp4
41. 3.4.1_基于SENet模型的人种分类-数据集介绍与读取.mp4
41. 5.4-权重文件处理知识+本期内容整体梳理.mp4
42. 3.4.2_基于SENet模型的人种分类-模型搭建通用模板.mp4
42. 6.1-Anchor-free引入.mp4
43. 3.4.3_基于SENet模型的人种分类-从零搭建ResNet模型.mp4
43. 6.2-Densebox详解（上）.mp4
44. 3.4.4_基于SENet模型的人种分类-模型训练通用模板.mp4
44. 6.2-Densebox详解（中）.mp4
45. 3.4.5_基于SENet模型的人种分类-SENet模型搭建与训练.mp4
45. 6.2-Densebox详解（下）.mp4
46. 6.3-CornerNet详解（上）.mp4
46. 注意力机制模型参考资料（图文）.html
47. 4.1.1_Xception理论介绍.mp4
47. 6.3-CornerNet详解（中）.mp4
48. 4.1.2_Xception代码讲解.mp4
48. 6.3-CornerNet详解（下）.mp4
49. 4.2.1_MobileNet-V1理论介绍.mp4
49. 6.4-CenterNet详解（上）.mp4
5. 0-课程简介.mp4
5. 1.1-问题定义.mp4
5. 1.1.3_Cresceptron.mp4
5. 2.3-DCGAN图像生成实战-模型训练.mp4
5. 2.3_语义分割参考资料（图文）.html
5. 3-数据标注.mp4
5. 3.1-张量（上）.mp4
5. 第3.3节-解码过程讲解.mp4.mp4
5. 第3.3节_基础功能实现（模型训练）.mp4
5. 第4.2节_配置文件讲解（下）.mp4
5. 数据及代码.html
5. 数据与代码.1.html
5. 数据与代码.2.html
5. 数据与代码.3.html
5. 数据与代码.html
50. 4.2.2_MobileNet-V1代码讲解.mp4
50. 6.4-CenterNet详解（中）.mp4
51. 4.3.1_MobileNet-V2理论介绍.mp4
51. 6.4-CenterNet详解（下）.mp4
52. 4.3.2_MobileNet-V2代码讲解.mp4
52. 6.5-Anchor-free参考资料（图文）.html
53. 4.4.1_shufflenetv1_理论.mp4
53. 7.1-印刷电路板数据集介绍.mp4
54. 4.4.2_shufflenetv1_代码.mp4
54. 7.2-CenterNet原理回顾（上）.mp4
55. 4.5.1_shufflenetv2理论.mp4
55. 7.2-CenterNet原理回顾（下）.mp4
56. 4.5.2_shufflenetv2代码.mp4
56. 7.3-前向推理代码详解.mp4
57. 4.6.1_squeezenet理论.mp4
57. 7.4-训练过程代码详解（上）.mp4
58. 4.6.2_squeezenet代码.mp4
58. 7.4-训练过程代码详解（下）.mp4
59. 7.5-内容总结.mp4
59. 轻量级模型设计参考资料（图文）.html
6. 1-图像分类基础.mp4
6. 1.1.4_LeNet.mp4
6. 1.2-数据集.mp4
6. 2.4-DCGAN图像生成实战-模型测试.mp4
6. 3.1_简单模型嘴唇分割_数据获取与整理.mp4
6. 3.2-张量（下）.mp4
6. 4-数据增强方法.mp4
6. 第3.4节-前向推理代码讲解.mp4.mp4
6. 第4节_学习率调整.mp4
6. 第5节_推理相关源码分析.mp4
60. 5.1.1_通用的分类任务训练代码.mp4
60. 8.1_MMdetection简介与安装.mp4
61. 5.1.2_利用Tensorboard监控训练速度.mp4
61. 8.2_MMdetection框架总体讲解.mp4
62. 5.1.3_通用的分类任务预测代码.mp4
62. 8.3_配置文件讲解（上）.mp4
63. 5.2.1_Pytorch模型格式转换与优化.mp4
63. 8.3_配置文件讲解（下）.mp4
64. 5.2.2_安卓部署单张图片识别app.mp4
64. 8.4_推理相关源码分析.mp4
65. 5.2.3_安卓部署实时识别app.mp4
65. 8.5_训练相关源码分析.mp4
66. 8.6_自定义数据集.mp4
66. 数据与代码.html
67. 8.7_COCO与VOC格式转化.mp4
68. 8.8_Kmeans聚类边界框.mp4
69. 8.9_热力图绘制.mp4
7. 1.2.0_网络深度对分类模型的影响_简介.mp4
7. 1.3-评价指标.mp4
7. 2-多类别图像分类理论.mp4
7. 3-条件生成GAN理论.mp4
7. 3.2_简单模型嘴唇分割_模型搭建.mp4
7. 4-层结构基本介绍.mp4
7. 5.1-Pytorch图像分类数据增强实践-数据增强接口介绍.mp4
7. 第4节-模型训练.mp4.mp4
7. 第5节_标签平滑.mp4
7. 第6节_训练相关源码分析.mp4
70. 8.10_训练过程和检测结果可视化分析.mp4
71. 8.11_工程实践技巧.mp4
72. 数据与代码.html
8. 1.2.1_经典的网络AlexNet.mp4
8. 1.4-脑图时刻.mp4
8. 3.1-从零完成表情识别实践（项目背景）.mp4
8. 3.3_简单模型嘴唇分割_模型训练.mp4
8. 4-多尺度生成GAN理论.mp4
8. 5-网络结构搭建方法.mp4
8. 5.2-Pytorch图像分类数据增强实践-实验结果.mp4
8. 第5节-模型测试.mp4.mp4
8. 第6节_知识蒸馏.mp4
8. 第7节_自定义数据集.mp4
9. 1.2.2_更深的网络VGGNet.mp4
9. 1.5-算法发展总览.mp4
9. 3.2-从零完成表情识别实践（数据处理与读取）.mp4
9. 3.4_简单模型嘴唇分割_模型测试.mp4
9. 5.1-StyleGAN-v1详解.mp4
9. 6-经典分类网络介绍.mp4
9. 6.1-数据增强开源库imgaug介绍.mp4
9. 第7节_投票策略.mp4
9. 第8节_COCO与VOC格式转化.mp4
9. 数据与代码.html
Copyright © All rights reserved.
信息加载中,请等待...
