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
/
3000-3999
/
3400-3499
/
3498.有三AI终身VIP-计算机视觉方向
/
OpenCV使用.=-=.001.深度学习之图像基础-OpenCV篇.mp4
Python基础篇.=-=.001.1-开场白：编程概论.mp4
Python基础篇.=-=.002.2-元素型数据.mp4
Python基础篇.=-=.003.3-容器型数据：字符串-元组-列表-字典-集合.mp4
Python基础篇.=-=.004.4-流程控制：条件-循环-异常处理.mp4
Python基础篇.=-=.005.5-低阶函数：普通和匿名.mp4
Python基础篇.=-=.006.6-高阶函数：参数和返回.mp4
Python基础篇.=-=.007.7-类和对象：封装-继承-多态-组合.mp4
Python基础篇.=-=.008.8-字符串专场：格式化和正则.mp4
Python基础篇.=-=.009.9-解析表达式：简约也简单.mp4
Python基础篇.=-=.010.10-迭代器和生成器：简约不简单.mp4
Python基础篇.=-=.011.11-装饰器：高端不简单.mp4
（预定课程）深度学习之人脸三维重建—理论与实践.=-=.001.三维重建算法.mp4
（预定课程）深度学习之人脸三维重建—理论与实践.=-=.002.GAN外篇：GAN在人脸图像中的应用.mp4
（预定课程）深度学习之图像增强—理论与实践.=-=.001.1 图像降噪基础.mp4
（预定课程）深度学习之图像增强—理论与实践.=-=.002.2.1 单帧图像降噪模型（基础篇）.mp4
（预定课程）深度学习之图像增强—理论与实践.=-=.003.2.2 单帧图像降噪模型（RAW篇）.mp4
（预定课程）深度学习之图像增强—理论与实践.=-=.008.4.1 人像超分辨实战-原理解读.mp4
（预定课程）深度学习之图像增强—理论与实践.=-=.009.4.2 人像超分辨实战-数据读取.mp4
（预定课程）深度学习之图像增强—理论与实践.=-=.010.4.3 人像超分辨实战-模型搭建与训练.mp4
（预定课程）深度学习之图像增强—理论与实践.=-=.011.4.4 人像超分辨实战-模型测试.mp4
（预定课程）深度学习之图像增强—理论与实践.=-=.012.GAN外篇：GAN在图像质量提升中的应用.mp4
基于3DCNN的视频分类与行为识别实战.=-=.001.第1节_项目介绍.mp4
基于3DCNN的视频分类与行为识别实战.=-=.002.第2节_数据处理.mp4
基于3DCNN的视频分类与行为识别实战.=-=.003.第3节_模型搭建.mp4
基于3DCNN的视频分类与行为识别实战.=-=.004.第4节_模型训练.mp4
基于3DCNN的视频分类与行为识别实战.=-=.005.第5节_模型测试.mp4
基于CNN-LSTM的视频分类与行为识别实战.=-=.001.第1节_项目介绍.mp4
基于CNN-LSTM的视频分类与行为识别实战.=-=.002.第2节_数据处理.mp4
基于CNN-LSTM的视频分类与行为识别实战.=-=.003.第3节_模型搭建.mp4
基于CNN-LSTM的视频分类与行为识别实战.=-=.004.第4节_模型训练.mp4
基于CNN-LSTM的视频分类与行为识别实战.=-=.005.第5节_模型测试.mp4
基于KL散度的8bit对称模型量化原理与实战（NCNN篇）.=-=.001.第1节_基于KL散度的8bit模型量化原理.mp4
基于KL散度的8bit对称模型量化原理与实战（NCNN篇）.=-=.002.第2节_量化校准表生成.mp4
基于KL散度的8bit对称模型量化原理与实战（NCNN篇）.=-=.003.第3节_ncnn框架简介.mp4
基于KL散度的8bit对称模型量化原理与实战（NCNN篇）.=-=.004.第4节_ncnn模型转换.mp4
基于KL散度的8bit对称模型量化原理与实战（NCNN篇）.=-=.005.第5节_ncnn量化推理.mp4
深度学习之Pytorch—入门及实战.=-=.001.0-课程介绍.mp4
深度学习之Pytorch—入门及实战.=-=.002.1-PyTorch简介.mp4
深度学习之Pytorch—入门及实战.=-=.003.2.1-Windows系统下配置PyTorch环境.mp4
深度学习之Pytorch—入门及实战.=-=.004.2.2-ubuntu系统下配置PyTorch环境.mp4
深度学习之Pytorch—入门及实战.=-=.005.3.1-张量（上）.mp4
深度学习之Pytorch—入门及实战.=-=.006.3.2-张量（下）.mp4
深度学习之Pytorch—入门及实战.=-=.007.4-层结构基本介绍.mp4
深度学习之Pytorch—入门及实战.=-=.008.5-网络结构搭建方法.mp4
深度学习之Pytorch—入门及实战.=-=.009.6-经典分类网络介绍.mp4
深度学习之Pytorch—入门及实战.=-=.010.7-优化器及损失函数.mp4
深度学习之Pytorch—入门及实战.=-=.011.8.1-数据读取及增强（上）.mp4
深度学习之Pytorch—入门及实战.=-=.012.8.2-数据读取及增强（下）.mp4
深度学习之Pytorch—入门及实战.=-=.013.9-模型读取和加载.mp4
深度学习之Pytorch—入门及实战.=-=.014.10.1-从零完成表情识别（项目简介）.mp4
深度学习之Pytorch—入门及实战.=-=.015.10.2-从零完成表情识别（数据读取）.mp4
深度学习之Pytorch—入门及实战.=-=.016.10.3-从零完成表情识别（模型搭建与训练）.mp4
深度学习之Pytorch—入门及实战.=-=.017.10.4-从零完成表情识别（模型测试）.mp4
深度学习之模型部署—移动端与服务端.=-=.001.模型部署基础.mp4
深度学习之模型部署—移动端与服务端.=-=.002.【Pytorch安卓部署】课程介绍.mp4
深度学习之模型部署—移动端与服务端.=-=.003.【Pytorch安卓部署】1_手机打开调试模式.mp4
深度学习之模型部署—移动端与服务端.=-=.004.【Pytorch安卓部署】2_如何创建安卓虚拟机.mp4
深度学习之模型部署—移动端与服务端.=-=.005.【Pytorch安卓部署】3_创建HelloWorld程序.mp4
深度学习之模型部署—移动端与服务端.=-=.006.【Pytorch安卓部署】4_创建Button并进行布局.mp4
深度学习之模型部署—移动端与服务端.=-=.007.【Pytorch安卓部署】5_按钮逻辑实现与Toast提示.mp4
深度学习之模型部署—移动端与服务端.=-=.008.【Pytorch安卓部署】6_在界面中显示图片.mp4
深度学习之模型部署—移动端与服务端.=-=.009.【Pytorch安卓部署】7_如何将模型转换为手机可读取的格式.mp4
深度学习之模型部署—移动端与服务端.=-=.010.【Pytorch安卓部署】8_用自己的模型进行预测.mp4
深度学习之模型部署—移动端与服务端.=-=.011.【Pytorch安卓部署】9_文件对话框的使用.mp4
深度学习之模型部署—移动端与服务端.=-=.012.【Pytorch安卓部署】10_如何选择多个模型.mp4
深度学习之模型部署—移动端与服务端.=-=.013.【Pytorch安卓部署】11_如何实现拍照识别功能.mp4
深度学习之模型部署—移动端与服务端.=-=.014.【Pytorch安卓部署】12_如何实现界面切换.mp4
深度学习之模型部署—移动端与服务端.=-=.015.【Pytorch安卓部署】13_实时摄像头画面显示.mp4
深度学习之模型部署—移动端与服务端.=-=.016.【Pytorch安卓部署】14_实时识别.mp4
深度学习之模型部署—移动端与服务端.=-=.017.【Pytorch安卓部署】15_使用不同模型进行实时识别.mp4
深度学习之模型部署—移动端与服务端.=-=.018.【Pytorch安卓部署】16_创建登录界面.mp4
深度学习之模型部署—移动端与服务端.=-=.019.【Pytorch安卓部署】17_限制游客部分功能.mp4
深度学习之模型部署—移动端与服务端.=-=.020.【Pytorch安卓部署】18_软件名和app图标制作.mp4
深度学习之模型部署—移动端与服务端.=-=.021.【Pytorch安卓部署】19_软件功能完善.mp4
深度学习之模型部署—移动端与服务端.=-=.022.【Pytorch安卓部署】20_制作apk.mp4
深度学习之模型部署—移动端与服务端.=-=.023.【通用模型部署】1_NCNN简介.mp4
深度学习之模型部署—移动端与服务端.=-=.024.【通用模型部署】2_NCNN部署.mp4
深度学习之模型部署—移动端与服务端.=-=.025.【嵌入式平台部署】1_Tengine简介.mp4
深度学习之模型部署—移动端与服务端.=-=.026.【嵌入式平台部署】2_Tengine部署.mp4
深度学习之模型部署—移动端与服务端.=-=.027.【微信小程序部署】1_服务端环境准备.mp4
深度学习之模型部署—移动端与服务端.=-=.028.【微信小程序部署】2_服务端功能实现.mp4
深度学习之模型部署—移动端与服务端.=-=.029.【微信小程序部署】3_前端功能实现.mp4
深度学习之模型部署—移动端与服务端.=-=.030.【MNN安卓部署】1.1_推理框架介绍.mp4
深度学习之模型部署—移动端与服务端.=-=.031.【MNN安卓部署】1.2_模型转化与量化加速.mp4
深度学习之模型部署—移动端与服务端.=-=.032.【MNN安卓部署】1.3_实践操作.mp4
深度学习之模型部署—移动端与服务端.=-=.033.【TensorRT部署】1_入门介绍.mp4
深度学习之模型部署—移动端与服务端.=-=.034.【TensorRT部署】2_环境配置与安装.mp4
深度学习之模型部署—移动端与服务端.=-=.035.【TensorRT部署】3.1_网络加速ONNX实战.mp4
深度学习之模型部署—移动端与服务端.=-=.036.【TensorRT部署】3.2_ 网络加速Python实战.mp4
深度学习之模型部署—移动端与服务端.=-=.037.【TensorRT部署】3.3_ 网络C++加速实战.mp4
深度学习之模型部署—移动端与服务端.=-=.038.【TensorRT部署】4_课程总结.mp4
深度学习之模型分析—理论与实践.=-=.001.0 课程介绍.mp4
深度学习之模型分析—理论与实践.=-=.002.1.1 模型可视化分析(结构篇）.mp4
深度学习之模型分析—理论与实践.=-=.003.1.2 模型可视化分析(权重篇).mp4
深度学习之模型分析—理论与实践.=-=.004.1.3 模型可视化分析(反卷积篇).mp4
深度学习之模型分析—理论与实践.=-=.005.1.4 模型可视化分析实践(反卷积篇).mp4
深度学习之模型分析—理论与实践.=-=.006.1.5 模型可视化分析(激活热图篇).mp4
深度学习之模型分析—理论与实践.=-=.007.1.6 模型可视化分析实践(激活热图篇).mp4
深度学习之模型分析—理论与实践.=-=.008.2 模型复杂度分析.mp4
深度学习之模型分析—理论与实践.=-=.009.3 模型速度分析.mp4
深度学习之模型设计—理论与实践.=-=.001.0_课程介绍.mp4
深度学习之模型设计—理论与实践.=-=.002.1.1.0_经典浅层卷积网络设计_简介.mp4
深度学习之模型设计—理论与实践.=-=.003.1.1.1_Neocognitron.mp4
深度学习之模型设计—理论与实践.=-=.004.1.1.2_TDNN.mp4
深度学习之模型设计—理论与实践.=-=.005.1.1.3_Cresceptron.mp4
深度学习之模型设计—理论与实践.=-=.006.1.1.4_LeNet.mp4
深度学习之模型设计—理论与实践.=-=.007.1.2.0_网络深度对分类模型的影响_简介.mp4
深度学习之模型设计—理论与实践.=-=.008.1.2.1_经典的网络AlexNet.mp4
深度学习之模型设计—理论与实践.=-=.009.1.2.2_更深的网络VGGNet.mp4
深度学习之模型设计—理论与实践.=-=.010.1.2.3_梯度问题与ResNet.mp4
深度学习之模型设计—理论与实践.=-=.011.1.3.1_ResNet垃圾分类任务介绍.mp4
深度学习之模型设计—理论与实践.=-=.012.1.3.2_ResNet垃圾分类数据集预处理.mp4
深度学习之模型设计—理论与实践.=-=.013.1.3.3_ResNet垃圾分类数据读取.mp4
深度学习之模型设计—理论与实践.=-=.014.1.3.4_ResNet垃圾分类模型训练.mp4
深度学习之模型设计—理论与实践.=-=.015.1.3.5_ResNet垃圾分类模型测试.mp4
深度学习之模型设计—理论与实践.=-=.016.1.3.6_ResNet垃圾分类模型调优.mp4
深度学习之模型设计—理论与实践.=-=.017.2.1.0_经典模型的宽度设计思想_简介.mp4
深度学习之模型设计—理论与实践.=-=.018.2.1.1_通道数量调整.mp4
深度学习之模型设计—理论与实践.=-=.019.2.1.2_多分支网络结构.mp4
深度学习之模型设计—理论与实践.=-=.020.2.1.3_通道补偿技术.mp4
深度学习之模型设计—理论与实践.=-=.021.2.2.0_网络宽度对模型性能影响_简介.mp4
深度学习之模型设计—理论与实践.=-=.022.2.2.1_多通道的网络Inception-v1.mp4
深度学习之模型设计—理论与实践.=-=.023.2.2.2_拓宽的残差网络ResNeXt.mp4
深度学习之模型设计—理论与实践.=-=.024.2.3.1_InceptionNet花卉分类实战-项目简介.mp4
深度学习之模型设计—理论与实践.=-=.025.2.3.2_InceptionNet花卉分类实战-模型搭建（Inception V1）.mp4
深度学习之模型设计—理论与实践.=-=.026.2.3.3_InceptionNet花卉分类实战-模型搭建（Inception V2V3）.mp4
深度学习之模型设计—理论与实践.=-=.027.2.3.4_InceptionNet花卉分类实战-模型搭建（Inception V4）.mp4
深度学习之模型设计—理论与实践.=-=.028.2.3.5_InceptionNet花卉分类实战-模型训练.mp4
深度学习之模型设计—理论与实践.=-=.029.2.3.6_InceptionNet花卉分类实战-模型测试.mp4
深度学习之模型设计—理论与实践.=-=.031.3.1.1_STN.mp4
深度学习之模型设计—理论与实践.=-=.032.3.1.2_DynamicCapacityNetworks.mp4
深度学习之模型设计—理论与实践.=-=.033.3.1.3_Learn to Pay Attention.mp4
深度学习之模型设计—理论与实践.=-=.034.3.2.1_SENet.mp4
深度学习之模型设计—理论与实践.=-=.035.3.2.2_SKNet.mp4
深度学习之模型设计—理论与实践.=-=.036.3.2.3_ResNeSt.mp4
深度学习之模型设计—理论与实践.=-=.037.3.3.1_CBAM.mp4
深度学习之模型设计—理论与实践.=-=.038.3.3.2_BAM.mp4
深度学习之模型设计—理论与实践.=-=.039.3.3.3_ResidualAttention.mp4
深度学习之模型设计—理论与实践.=-=.040.3.3.4_Dual Attention Network.mp4
深度学习之模型设计—理论与实践.=-=.041.3.4.1_基于SENet模型的人种分类-数据集介绍与读取.mp4
深度学习之模型设计—理论与实践.=-=.042.3.4.2_基于SENet模型的人种分类-模型搭建通用模板.mp4
深度学习之模型设计—理论与实践.=-=.043.3.4.3_基于SENet模型的人种分类-从零搭建ResNet模型.mp4
深度学习之模型设计—理论与实践.=-=.044.3.4.4_基于SENet模型的人种分类-模型训练通用模板.mp4
深度学习之模型设计—理论与实践.=-=.045.3.4.5_基于SENet模型的人种分类-SENet模型搭建与训练.mp4
深度学习之模型设计—理论与实践.=-=.047.4.1.1_Xception理论介绍.mp4
深度学习之模型设计—理论与实践.=-=.048.4.1.2_Xception代码讲解.mp4
深度学习之模型设计—理论与实践.=-=.049.4.2.1_MobileNet V1理论介绍.mp4
深度学习之模型设计—理论与实践.=-=.050.4.2.2_MobileNet V1代码讲解.mp4
深度学习之模型设计—理论与实践.=-=.051.4.3.1_MobileNet V2理论介绍.mp4
深度学习之模型设计—理论与实践.=-=.052.4.3.2_MobileNet V2代码讲解.mp4
深度学习之模型设计—理论与实践.=-=.053.4.4.1_shufflenetv1_理论.mp4
深度学习之模型设计—理论与实践.=-=.054.4.4.2_shufflenetv1_代码.mp4
深度学习之模型设计—理论与实践.=-=.055.4.5.1_shufflenetv2理论.mp4
深度学习之模型设计—理论与实践.=-=.056.4.5.2_shufflenetv2代码.mp4
深度学习之模型设计—理论与实践.=-=.057.4.6.1_squeezenet理论.mp4
深度学习之模型设计—理论与实践.=-=.058.4.6.2_squeezenet代码.mp4
深度学习之模型设计—理论与实践.=-=.060.5.1.1_通用的分类任务训练代码.mp4
深度学习之模型设计—理论与实践.=-=.061.5.1.2_利用Tensorboard监控训练速度.mp4
深度学习之模型设计—理论与实践.=-=.062.5.1.3_通用的分类任务预测代码.mp4
深度学习之模型设计—理论与实践.=-=.063.5.2.1_Pytorch模型格式转换与优化.mp4
深度学习之模型设计—理论与实践.=-=.064.5.2.2_安卓部署单张图片识别app.mp4
深度学习之模型设计—理论与实践.=-=.065.5.2.3_安卓部署实时识别app.mp4
深度学习之模型优化—理论与实践.=-=.001.0 课程介绍.mp4
深度学习之模型优化—理论与实践.=-=.002.1 模型剪枝基础.mp4
深度学习之模型优化—理论与实践.=-=.003.2 非结构化模型剪枝.mp4
深度学习之模型优化—理论与实践.=-=.004.3.1 结构化模型剪枝(幅度篇).mp4
深度学习之模型优化—理论与实践.=-=.005.3.2 结构化模型剪枝(稀疏权重篇).mp4
深度学习之模型优化—理论与实践.=-=.006.3.3 结构化模型剪枝(稀疏因子篇).mp4
深度学习之模型优化—理论与实践.=-=.007.3.4 结构化模型剪枝(重建篇).mp4
深度学习之模型优化—理论与实践.=-=.009.4 模型量化基础.mp4
深度学习之模型优化—理论与实践.=-=.010.5.1 二值模型量化(基础篇).mp4
深度学习之模型优化—理论与实践.=-=.011.5.2 二值模型量化(重建篇).mp4
深度学习之模型优化—理论与实践.=-=.012.6.1 8位量化(KL散度篇).mp4
深度学习之模型优化—理论与实践.=-=.013.6.2 8位量化(非对称篇).mp4
深度学习之模型优化—理论与实践.=-=.014.7 混合量化(基础篇).mp4
深度学习之模型优化—理论与实践.=-=.016.8 知识蒸馏基础.mp4
深度学习之模型优化—理论与实践.=-=.017.9.1 知识蒸馏框架(特征匹配篇).mp4
深度学习之模型优化—理论与实践.=-=.018.9.2 知识蒸馏框架(优化目标篇).mp4
深度学习之模型优化—理论与实践.=-=.019.9.3 知识蒸馏框架(自蒸馏篇).mp4
深度学习之模型优化—理论与实践.=-=.021.10 神经网络搜索基础.mp4
深度学习之模型优化—理论与实践.=-=.022.11.1 神经网络搜索(栅格搜索篇).mp4
深度学习之模型优化—理论与实践.=-=.023.11.2 神经网络搜索(强化学习篇).mp4
深度学习之模型优化—理论与实践.=-=.024.11.3 神经网络搜索(进化学习篇).mp4
深度学习之模型优化—理论与实践.=-=.026.12.1 Distiller框架(简介).mp4
深度学习之模型优化—理论与实践.=-=.027.12.2 Distiller框架(模型剪枝模块).mp4
深度学习之模型优化—理论与实践.=-=.028.12.3 Distiller框架(模型量化模块).mp4
深度学习之模型优化—理论与实践.=-=.029.13.1 结构化模型剪枝实战(项目背景).mp4
深度学习之模型优化—理论与实践.=-=.030.13.2 结构化模型剪枝实战(模型训练).mp4
深度学习之模型优化—理论与实践.=-=.031.13.3 结构化模型剪枝实战(剪枝与结果).mp4
深度学习之模型优化—理论与实践.=-=.032.14.1 8位模型量化实战(校准表生成).mp4
深度学习之模型优化—理论与实践.=-=.033.14.2 8位模型量化实战(ncnn框架简介).mp4
深度学习之模型优化—理论与实践.=-=.034.14.3 8位模型量化实战(ncnn模型转换).mp4
深度学习之模型优化—理论与实践.=-=.035.14.4 8位模型量化实战(ncnn量化与推理).mp4
深度学习之模型优化—理论与实践.=-=.036.15.1 知识蒸馏实战(原理简介).mp4
深度学习之模型优化—理论与实践.=-=.037.15.2 知识蒸馏实践(模型训练与蒸馏).mp4
深度学习之目标检测—理论与实践.=-=.001.《深度学习之目标检测》直播答疑03.mp4
深度学习之目标检测—理论与实践.=-=.002.《深度学习之目标检测》直播答疑02.mp4
深度学习之目标检测—理论与实践.=-=.003.《深度学习之目标检测》直播答疑01.mp4
深度学习之目标检测—理论与实践.=-=.004.0-课程简介.mp4
深度学习之目标检测—理论与实践.=-=.005.1.1-问题定义.mp4
深度学习之目标检测—理论与实践.=-=.006.1.2-数据集.mp4
深度学习之目标检测—理论与实践.=-=.007.1.3-评价指标.mp4
深度学习之目标检测—理论与实践.=-=.008.1.4-脑图时刻.mp4
深度学习之目标检测—理论与实践.=-=.009.1.5-算法发展总览.mp4
深度学习之目标检测—理论与实践.=-=.010.1.6-传统检测算法流程.mp4
深度学习之目标检测—理论与实践.=-=.011.1.7-基于深度学习的目标检测流程和分类.mp4
深度学习之目标检测—理论与实践.=-=.012.1.8-脑图时刻.mp4
深度学习之目标检测—理论与实践.=-=.013.1.9-anchor-base算法结构.mp4
深度学习之目标检测—理论与实践.=-=.014.2.1-RCNN详解.mp4
深度学习之目标检测—理论与实践.=-=.015.2.2-SPPNet详解.mp4
深度学习之目标检测—理论与实践.=-=.016.2.3-Fast RCNN详解.mp4
深度学习之目标检测—理论与实践.=-=.017.2.4-Faster RCNN详解.mp4
深度学习之目标检测—理论与实践.=-=.018.2.5-one-stage算法引入+脑图时刻.mp4
深度学习之目标检测—理论与实践.=-=.020.3.1-YOLOv1讲解.mp4
深度学习之目标检测—理论与实践.=-=.021.3.2-YOLOv2讲解.mp4
深度学习之目标检测—理论与实践.=-=.022.3.3-YOLOv3讲解.mp4
深度学习之目标检测—理论与实践.=-=.023.3.4-YOLOv4讲解.mp4
深度学习之目标检测—理论与实践.=-=.024.3.5-YOLOv5讲解.mp4
深度学习之目标检测—理论与实践.=-=.026.4.1-YOLO v3工业缺陷检测实战-原理回顾.mp4
深度学习之目标检测—理论与实践.=-=.027.4.2-YOLO v3工业缺陷检测实战-数据集介绍.mp4
深度学习之目标检测—理论与实践.=-=.028.4.3.1-YOLO v3工业缺陷检测实战-主干网络代码讲解.mp4
深度学习之目标检测—理论与实践.=-=.029.4.3.2-YOLO v3工业缺陷检测实战-Neck+Head部分代码讲解.mp4
深度学习之目标检测—理论与实践.=-=.030.4.3.3-YOLO v3工业缺陷检测实战-解码过程讲解.mp4
深度学习之目标检测—理论与实践.=-=.031.4.3.4-YOLO v3工业缺陷检测实战-前向推理代码讲解.mp4
深度学习之目标检测—理论与实践.=-=.032.4.4-YOLO v3工业缺陷检测实战-模型训练.mp4
深度学习之目标检测—理论与实践.=-=.033.4.5-YOLO v3工业缺陷检测实战-模型测试.mp4.mp4
深度学习之目标检测—理论与实践.=-=.034.5.1-FasterRCNN原理回顾.mp4
深度学习之目标检测—理论与实践.=-=.035.5.2-数据集介绍.mp4
深度学习之目标检测—理论与实践.=-=.036.5.3.1-主干网络代码讲解.mp4
深度学习之目标检测—理论与实践.=-=.037.5.3.2-RPN网络代码讲解.mp4
深度学习之目标检测—理论与实践.=-=.038.5.3.3-Head部分代码讲解.mp4
深度学习之目标检测—理论与实践.=-=.039.5.3.4-前向推理代码详解.mp4
深度学习之目标检测—理论与实践.=-=.040.5.3.5-训练部分详解.mp4
深度学习之目标检测—理论与实践.=-=.041.5.4-权重文件处理知识+本期内容整体梳理.mp4
深度学习之目标检测—理论与实践.=-=.042.6.1-Anchor free引入.mp4
深度学习之目标检测—理论与实践.=-=.043.6.2-Densebox详解（上）.mp4
深度学习之目标检测—理论与实践.=-=.044.6.2-Densebox详解（中）.mp4
深度学习之目标检测—理论与实践.=-=.045.6.2-Densebox详解（下）.mp4
深度学习之目标检测—理论与实践.=-=.046.6.3-CornerNet详解（上）.mp4
深度学习之目标检测—理论与实践.=-=.047.6.3-CornerNet详解（中）.mp4
深度学习之目标检测—理论与实践.=-=.048.6.3-CornerNet详解（下）.mp4
深度学习之目标检测—理论与实践.=-=.049.6.4-CenterNet详解（上）.mp4
深度学习之目标检测—理论与实践.=-=.050.6.4-CenterNet详解（中）.mp4
深度学习之目标检测—理论与实践.=-=.051.6.4-CenterNet详解（下）.mp4
深度学习之目标检测—理论与实践.=-=.053.7.1-印刷电路板数据集介绍.mp4
深度学习之目标检测—理论与实践.=-=.054.7.2-CenterNet原理回顾（上）.mp4
深度学习之目标检测—理论与实践.=-=.055.7.2-CenterNet原理回顾（下）.mp4
深度学习之目标检测—理论与实践.=-=.056.7.3-前向推理代码详解.mp4
深度学习之目标检测—理论与实践.=-=.057.7.4-训练过程代码详解（上）.mp4
深度学习之目标检测—理论与实践.=-=.058.7.4-训练过程代码详解（下）.mp4
深度学习之目标检测—理论与实践.=-=.059.7.5-内容总结.mp4
深度学习之目标检测—理论与实践.=-=.060.8.1_MMdetection简介与安装.mp4
深度学习之目标检测—理论与实践.=-=.061.8.2_MMdetection框架总体讲解.mp4
深度学习之目标检测—理论与实践.=-=.062.8.3_配置文件讲解（上）.mp4
深度学习之目标检测—理论与实践.=-=.063.8.3_配置文件讲解（下）.mp4
深度学习之目标检测—理论与实践.=-=.064.8.4_推理相关源码分析.mp4
深度学习之目标检测—理论与实践.=-=.065.8.5_训练相关源码分析.mp4
深度学习之目标检测—理论与实践.=-=.066.8.6_自定义数据集.mp4
深度学习之目标检测—理论与实践.=-=.067.8.7_COCO与VOC格式转化.mp4
深度学习之目标检测—理论与实践.=-=.068.8.8_Kmeans聚类边界框.mp4
深度学习之目标检测—理论与实践.=-=.069.8.9_热力图绘制.mp4
深度学习之目标检测—理论与实践.=-=.070.8.10_训练过程和检测结果可视化分析.mp4
深度学习之目标检测—理论与实践.=-=.071.8.11_工程实践技巧.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.001.0_课程介绍.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.002.第1.1节-人脸检测核心算法（上）.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.003.第1.2节-人脸检测核心算法（下）.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.005.第2.1节-人脸关键点检测核心算法.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.007.第3.1节-RetinaFace人脸检测实战_人脸检测简介.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.008.第3.2节-RetinaFace人脸检测实战 _常见人脸数据集.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.009.第3.3节-RetinaFace人脸检测实战_数据集读取模块.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.010.第3.4节-RetinaFace人脸检测实战_模型解读.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.011.第3.5节-RetinaFace人脸检测实战_MultiBox损失函数.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.012.第3.6节-RetinaFace人脸检测实战_测试与推理.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.013.第4.1节-PFLD人脸关键点检测实战_项目背景.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.014.第4.2节-PFLD人脸关键点检测实战_数据读取.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.015.第4.3节-PFLD人脸关键点检测实战_模型搭建.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.016.第4.4节-PFLD人脸关键点检测实战_模型训练.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.017.第4.5节-PFLD人脸关键点检测实战_模型测试.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.018.第5.1节-人脸识别核心算法（上）.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.019.第5.2节-人脸识别核心算法（下）.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.021.第6.1节-MTCNN-VGG人脸识别项目背景.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.022.第6.2节-MTCNN-VGG人脸识别数据预处理.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.023.第6.3节-MTCNN-VGG人脸识别数据读取.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.024.第6.4节-MTCNN-VGG人脸识别模型搭建.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.025.第6.5节-MTCNN-VGG人脸识别模型训练.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.026.第6.6节-MTCNN-VGG人脸识别模型测试.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.027.第7.1节-人脸属性识别算法.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.029.第8.1节-人脸表情识别项目背景.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.030.第8.2节-人脸表情识别数据处理与读取.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.031.第8.3节-人脸表情识别模型搭建与训练.mp4
深度学习之人脸图像检测与识别—理论与实践.=-=.032.第8.4节-人脸表情识别模型测试.mp4
深度学习之人脸属性编辑—理论与实践.=-=.001.课程介绍.mp4
深度学习之人脸属性编辑—理论与实践.=-=.002.1 人脸属性编辑基础.mp4
深度学习之人脸属性编辑—理论与实践.=-=.003.2.1 StyleGAN人脸属性编辑原理.mp4
深度学习之人脸属性编辑—理论与实践.=-=.004.2.2 StyleGAN人脸属性编辑实战-内容简介.mp4
深度学习之人脸属性编辑—理论与实践.=-=.005.2.3 StyleGAN人脸属性编辑实战-人脸属性向量生成.mp4
深度学习之人脸属性编辑—理论与实践.=-=.006.2.4 StyleGAN人脸属性编辑实战-人脸样式混合与插值.mp4
深度学习之人脸属性编辑—理论与实践.=-=.007.2.5 StyleGAN人脸属性编辑实战-人脸属性方向向量生成.mp4
深度学习之人脸属性编辑—理论与实践.=-=.008.2.6 StyleGAN人脸属性编辑实战-人脸表情、年龄、性别编辑.mp4
深度学习之人脸属性编辑—理论与实践.=-=.009.2.7 StyleGAN人脸属性编辑实战-人脸表情添加与去除.mp4
深度学习之人脸属性编辑—理论与实践.=-=.010.3.1 StarGAN v1原理.mp4
深度学习之人脸属性编辑—理论与实践.=-=.011.3.2 StarGAN v2原理.mp4
深度学习之人脸属性编辑—理论与实践.=-=.012.3.3 StarGAN表情编辑实战-内容简介.mp4
深度学习之人脸属性编辑—理论与实践.=-=.013.3.4 StarGAN表情编辑实战-数据读取.mp4
深度学习之人脸属性编辑—理论与实践.=-=.014.3.5 StarGAN表情编辑实战-模型搭建.mp4
深度学习之人脸属性编辑—理论与实践.=-=.015.3.6 StarGAN表情编辑实战-模型训练.mp4
深度学习之人脸属性编辑—理论与实践.=-=.016.3.7 StarGAN表情编辑实战-模型测试.mp4
深度学习之人脸属性编辑—理论与实践.=-=.017.4.1 人脸年龄编辑（基础篇）.mp4
深度学习之人脸属性编辑—理论与实践.=-=.018.4.2人脸年龄编辑（进阶篇）.mp4
深度学习之人脸属性编辑—理论与实践.=-=.019.5.1 人脸表情编辑（基础篇）.mp4
深度学习之人脸属性编辑—理论与实践.=-=.020.6.1 人脸姿态编辑（基础篇）.mp4
深度学习之人脸属性编辑—理论与实践.=-=.021.7.1 人脸妆造编辑（基础篇）.mp4
深度学习之人脸属性编辑—理论与实践.=-=.022.7.2 BeautyGAN人脸美妆实战-项目简介.mp4
深度学习之人脸属性编辑—理论与实践.=-=.023.7.3 BeautyGAN人脸美妆实战-数据读取.mp4
深度学习之人脸属性编辑—理论与实践.=-=.024.7.4 BeautyGAN人脸美妆实战-模型搭建.mp4
深度学习之人脸属性编辑—理论与实践.=-=.025.7.5 BeautyGAN人脸美妆实战-模型训练.mp4
深度学习之人脸属性编辑—理论与实践.=-=.026.7.6 BeautyGAN人脸美妆实战-模型测试.mp4
深度学习之视频分类—理论与实践.=-=.001.0 课程介绍.mp4
深度学习之视频分类—理论与实践.=-=.002.1 视频分类基础.mp4
深度学习之视频分类—理论与实践.=-=.003.2.1 3D卷积模型_基础篇.mp4
深度学习之视频分类—理论与实践.=-=.004.2.2 3D卷积模型_分解篇.mp4
深度学习之视频分类—理论与实践.=-=.006.3.1 3D卷积视频分类实战_项目介绍.mp4
深度学习之视频分类—理论与实践.=-=.007.3.2 3D卷积视频分类实战_数据处理.mp4
深度学习之视频分类—理论与实践.=-=.008.3.3 3D卷积视频分类实战_模型搭建.mp4
深度学习之视频分类—理论与实践.=-=.009.3.4 3D卷积视频分类实战_模型训练.mp4
深度学习之视频分类—理论与实践.=-=.010.3.5 3D卷积视频分类实战_模型测试.mp4
深度学习之视频分类—理论与实践.=-=.011.4.1 双流模型_基础篇.mp4
深度学习之视频分类—理论与实践.=-=.012.4.2 双流模型_采样策略篇.mp4
深度学习之视频分类—理论与实践.=-=.014.5.1 双流模型视频分类实战_项目简介.mp4
深度学习之视频分类—理论与实践.=-=.015.5.2 双流模型视频分类实战_数据处理.mp4
深度学习之视频分类—理论与实践.=-=.016.5.3 双流模型视频分类实战_模型搭建.mp4
深度学习之视频分类—理论与实践.=-=.017.5.4 双流模型视频分类实战_模型训练.mp4
深度学习之视频分类—理论与实践.=-=.018.5.5 双流模型视频分类实战_模型测试.mp4
深度学习之视频分类—理论与实践.=-=.019.6.1 时序模型.mp4
深度学习之视频分类—理论与实践.=-=.021.7.1 时序模型视频分类实战_项目简介.mp4
深度学习之视频分类—理论与实践.=-=.022.7.2 时序模型视频分类实战_数据处理.mp4
深度学习之视频分类—理论与实践.=-=.023.7.3 时序模型视频分类实战_模型搭建.mp4
深度学习之视频分类—理论与实践.=-=.024.7.4 时序模型视频分类实战_模型训练.mp4
深度学习之视频分类—理论与实践.=-=.025.7.5 时序模型视频分类实战_模型测试.mp4
深度学习之数据使用—理论实践篇.=-=.001.《深度学习之数据使用》直播01-自动化数据标注.mp4
深度学习之数据使用—理论实践篇.=-=.002.0 课程介绍.mp4
深度学习之数据使用—理论实践篇.=-=.003.1 数据获取.mp4
深度学习之数据使用—理论实践篇.=-=.004.2 数据整理.mp4
深度学习之数据使用—理论实践篇.=-=.005.3 数据标注.mp4
深度学习之数据使用—理论实践篇.=-=.006.4 数据增强方法.mp4
深度学习之数据使用—理论实践篇.=-=.007.5.1 Pytorch图像分类数据增强实践-数据增强接口介绍.mp4
深度学习之数据使用—理论实践篇.=-=.008.5.2 Pytorch图像分类数据增强实践-实验结果.mp4
深度学习之数据使用—理论实践篇.=-=.009.6.1 数据增强开源库imgaug介绍.mp4
深度学习之数据使用—理论实践篇.=-=.010.6.2 数据增强开源库imgaug使用.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.001.0 课程介绍.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.002.1 图像翻译与风格迁移基础.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.003.2 有监督图像翻译模型.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.004.3 无监督图像翻译模型.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.005.4.1 Pix2Pix图像上色实战（项目简介与原理回顾）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.006.4.2 Pix2Pix图像上色实战（数据读取）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.007.4.3 Pix2Pix图像上色实战（模型搭建）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.008.4.4 Pix2Pix图像上色实战（模型训练）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.009.4.5 Pix2Pix图像上色实战（模型测试）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.010.5.1 多域图像翻译模型（上）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.011.5.2 多域图像翻译模型（下）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.012.6.1 StarGAN人脸表情编辑实战（项目简介与原理回顾）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.013.6.2 StarGAN人脸表情编辑实战（数据读取）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.014.6.3 StarGAN人脸表情编辑实战（模型搭建）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.015.6.4 StarGAN人脸表情编辑实战（模型训练）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.016.6.5 StarGAN人脸表情编辑实战（模型测试）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.017.7.1 BeautyGAN人脸美妆实战（项目简介）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.018.7.2 BeautyGAN人脸美妆实战（数据读取）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.019.7.3 BeautyGAN人脸美妆实战（模型搭建）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.020.7.4 BeautyGAN人脸美妆实战（模型训练）.mp4
深度学习之图像翻译与风格化GAN—理论与实践.=-=.021.7.5 BeautyGAN人脸美妆实战（模型测试）.mp4
深度学习之图像分割—理论与实践.=-=.001.0_课程内容.mp4
深度学习之图像分割—理论与实践.=-=.002.1_图像分割基础.mp4
深度学习之图像分割—理论与实践.=-=.003.2.1_语义分割基础模型.mp4
深度学习之图像分割—理论与实践.=-=.004.2.2_语义分割模型改进.mp4
深度学习之图像分割—理论与实践.=-=.006.3.1_简单模型嘴唇分割_数据获取与整理.mp4
深度学习之图像分割—理论与实践.=-=.007.3.2_简单模型嘴唇分割_模型搭建.mp4
深度学习之图像分割—理论与实践.=-=.008.3.3_简单模型嘴唇分割_模型训练.mp4
深度学习之图像分割—理论与实践.=-=.009.3.4_简单模型嘴唇分割_模型测试.mp4
深度学习之图像分割—理论与实践.=-=.010.4.1_缺陷分割实战_内容介绍.mp4
深度学习之图像分割—理论与实践.=-=.011.4.2_缺陷分割实战_模型搭建(理论).mp4
深度学习之图像分割—理论与实践.=-=.012.4.3_缺陷分割实战_模型搭建(代码).mp4
深度学习之图像分割—理论与实践.=-=.013.4.4_缺陷分割实战_数据读取.mp4
深度学习之图像分割—理论与实践.=-=.014.4.5_缺陷分割实战_模型训练.mp4
深度学习之图像分割—理论与实践.=-=.015.4.6_缺陷分割实战_模型测试.mp4
深度学习之图像分割—理论与实践.=-=.016.5.1_弱监督语义分割基础.mp4
深度学习之图像分割—理论与实践.=-=.017.5.2_弱监督语义分割模型.mp4
深度学习之图像分割—理论与实践.=-=.019.6.1_Image Matting基础.mp4
深度学习之图像分割—理论与实践.=-=.020.6.2_基于Trimap预测的Image Matting模型.mp4
深度学习之图像分割—理论与实践.=-=.021.6.3_Image Matting模型改进（粗标签篇）.mp4
深度学习之图像分割—理论与实践.=-=.023.7.1_人像Image Matting实战_模型简介.mp4
深度学习之图像分割—理论与实践.=-=.024.7.2_人像Image Matting实战_数据准备与读取.mp4
深度学习之图像分割—理论与实践.=-=.025.7.3_人像Image Matting实战_模型定义.mp4
深度学习之图像分割—理论与实践.=-=.026.7.4_人像Image Matting实战模型_训练与测试.mp4
深度学习之图像分割—理论与实践.=-=.027.8.1_实例分割基础.mp4
深度学习之图像分割—理论与实践.=-=.028.8.2_实例分割基础模型.mp4
深度学习之图像分割—理论与实践.=-=.029.8.3_二阶段实例分割算法.mp4
深度学习之图像分割—理论与实践.=-=.030.8.4_一阶段实例分割算法.mp4
深度学习之图像分割—理论与实践.=-=.032.9.1_实例分割实战_数据读取.mp4
深度学习之图像分割—理论与实践.=-=.033.9.2_实例分割实战_评价指标编写.mp4
深度学习之图像分割—理论与实践.=-=.034.9.3_实例分割实战_网络模型搭建.mp4
深度学习之图像分类—理论与实践.=-=.001.《深度学习之图像分类》直播答疑04.mp4
深度学习之图像分类—理论与实践.=-=.002.《深度学习之图像分类》直播答疑03.mp4
深度学习之图像分类—理论与实践.=-=.003.《深度学习之图像分类》直播答疑02.mp4
深度学习之图像分类—理论与实践.=-=.004.《深度学习之图像分类》直播答疑01.mp4
深度学习之图像分类—理论与实践.=-=.005.0 课程简介.mp4
深度学习之图像分类—理论与实践.=-=.006.1 图像分类基础.mp4
深度学习之图像分类—理论与实践.=-=.007.2 多类别图像分类理论.mp4
深度学习之图像分类—理论与实践.=-=.008.3.1 从零完成表情识别实践（项目背景）.mp4
深度学习之图像分类—理论与实践.=-=.009.3.2 从零完成表情识别实践（数据处理与读取）.mp4
深度学习之图像分类—理论与实践.=-=.010.3.3 从零完成表情识别实践（模型搭建与训练）.mp4
深度学习之图像分类—理论与实践.=-=.011.3.4 从零完成表情识别实践（模型测试）.mp4
深度学习之图像分类—理论与实践.=-=.012.4.1 简单图像分类数据增强实战（接口简介）.mp4
深度学习之图像分类—理论与实践.=-=.013.4.2 简单图像分类数据增强实战（实验比较）.mp4
深度学习之图像分类—理论与实践.=-=.014.5.1 细粒度图像分类理论.mp4
深度学习之图像分类—理论与实践.=-=.016.6.1 鸟类细粒度图像分类实战（项目简介）.mp4
深度学习之图像分类—理论与实践.=-=.017.6.2 鸟类细粒度图像分类实战（数据读取）.mp4
深度学习之图像分类—理论与实践.=-=.018.6.3 鸟类细粒度图像分类实战（模型搭建与训练）.mp4
深度学习之图像分类—理论与实践.=-=.019.7.1 多标签图像分类理论.mp4
深度学习之图像分类—理论与实践.=-=.021.8.1 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
深度学习之图像分类—理论与实践.=-=.022.8.2 生活用品多标签图像分类实战（数据集制作及读取）.mp4
深度学习之图像分类—理论与实践.=-=.023.8.3 生活用品多标签图像分类实战（训练）.mp4
深度学习之图像分类—理论与实践.=-=.024.8.4 生活用品多标签图像分类实战（测试）.mp4
深度学习之图像分类—理论与实践.=-=.025.9.1 半监督与无监督分类理论.mp4
深度学习之图像分类—理论与实践.=-=.027.10.1 零样本分类理论.mp4
深度学习之图像分类—理论与实践.=-=.029.11.1 血红细胞图像分类竞赛（内容简介）.mp4
深度学习之图像分类—理论与实践.=-=.030.11.2 血红细胞图像分类竞赛（思路分析）.mp4
深度学习之图像分类—理论与实践.=-=.031.11.3 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
深度学习之图像分类—理论与实践.=-=.032.11.4 血红细胞图像分类竞赛（基础功能实现-网络模型构建）.mp4
深度学习之图像分类—理论与实践.=-=.033.11.5 血红细胞图像分类竞赛（基础功能实现-训练）.mp4
深度学习之图像分类—理论与实践.=-=.034.11.6 血红细胞图像分类竞赛（学习率调整）.mp4
深度学习之图像分类—理论与实践.=-=.035.11.7 血红细胞图像分类竞赛（标签平滑）.mp4
深度学习之图像分类—理论与实践.=-=.036.11.8 血红细胞图像分类竞赛（知识蒸馏）.mp4
深度学习之图像分类—理论与实践.=-=.037.11.9 血红细胞图像分类竞赛（投票策略）.mp4
深度学习之图像分类—理论与实践.=-=.038.11.10 血红细胞图像分类竞赛（TTA策略）.mp4
深度学习之图像生成GAN—理论与实践.=-=.001.0 课程介绍.mp4
深度学习之图像生成GAN—理论与实践.=-=.002.1 全卷积图像生成GAN理论.mp4
深度学习之图像生成GAN—理论与实践.=-=.003.2.1 DCGAN图像生成实战-项目解读.mp4
深度学习之图像生成GAN—理论与实践.=-=.004.2.2 DCGAN图像生成实战-模型搭建.mp4
深度学习之图像生成GAN—理论与实践.=-=.005.2.3 DCGAN图像生成实战-模型训练.mp4
深度学习之图像生成GAN—理论与实践.=-=.006.2.4 DCGAN图像生成实战-模型测试.mp4
深度学习之图像生成GAN—理论与实践.=-=.007.3 条件生成GAN理论.mp4
深度学习之图像生成GAN—理论与实践.=-=.008.4 多尺度生成GAN理论.mp4
深度学习之图像生成GAN—理论与实践.=-=.009.5.1 StyleGAN v1详解.mp4
深度学习之图像生成GAN—理论与实践.=-=.010.5.2 StyleGAN v2详解.mp4
深度学习之图像生成GAN—理论与实践.=-=.011.6.1 StyleGAN v1实战-模型解读.mp4
深度学习之图像生成GAN—理论与实践.=-=.012.6.2 StyleGAN v1实战-模型测试.mp4
深度学习之图像生成GAN—理论与实践.=-=.013.7 数据增强与仿真GAN理论.mp4
深度学习之图像生成GAN—理论与实践.=-=.014.8.1 视频生成GAN（基础篇）.mp4
深度学习之图像生成GAN—理论与实践.=-=.015.8.2 视频生成GAN（内容运动解耦篇）.mp4
深度学习之图像增强GAN—理论与实践.=-=.001.课程介绍.mp4
深度学习之图像增强GAN—理论与实践.=-=.002.第1.1节-图像降噪（基础篇）.mp4
深度学习之图像增强GAN—理论与实践.=-=.003.第1.2节-图像降噪（进阶篇）.mp4
深度学习之图像增强GAN—理论与实践.=-=.004.第1.3节-DANet图像降噪实战（项目介绍）.mp4
深度学习之图像增强GAN—理论与实践.=-=.005.第1.4节-DANet图像降噪实战（数据读取）.mp4
深度学习之图像增强GAN—理论与实践.=-=.006.第1.5节-DANet图像降噪实战（模型搭建）.mp4
深度学习之图像增强GAN—理论与实践.=-=.007.第1.6节-DANet图像降噪实战（模型训练）.mp4
深度学习之图像增强GAN—理论与实践.=-=.008.第1.7节-DANet图像降噪实战（模型测试）.mp4
深度学习之图像增强GAN—理论与实践.=-=.009.第2.1节-色调映射（基础篇）.mp4
深度学习之图像增强GAN—理论与实践.=-=.010.第2.2节-色调映射（进阶篇）.mp4
深度学习之图像增强GAN—理论与实践.=-=.011.第2.3节-EnlightenGAN图像增强实战（项目介绍）.mp4
深度学习之图像增强GAN—理论与实践.=-=.012.第2.4节-EnlightenGAN图像增强实战（数据读取）.mp4
深度学习之图像增强GAN—理论与实践.=-=.013.第2.5节-EnlightenGAN图像增强实战（模型搭建）.mp4
深度学习之图像增强GAN—理论与实践.=-=.014.第2.6节-EnlightenGAN图像增强实战（模型训练）.mp4
深度学习之图像增强GAN—理论与实践.=-=.015.第2.7节-EnlightenGAN图像增强实战（模型测试）.mp4
深度学习之图像增强GAN—理论与实践.=-=.016.第3.1节-图像超分辨（基础篇）.mp4
深度学习之图像增强GAN—理论与实践.=-=.017.第3.2节-图像超分辨（进阶篇）.mp4
深度学习之图像增强GAN—理论与实践.=-=.018.第3.3节-SRGAN超分辨实战（项目简介）.mp4
深度学习之图像增强GAN—理论与实践.=-=.019.第3.4节-SRGAN超分辨实战（数据处理）.mp4
深度学习之图像增强GAN—理论与实践.=-=.020.第3.5节-SRGAN超分辨实战（模型搭建与训练）.mp4
深度学习之图像增强GAN—理论与实践.=-=.021.第3.6节-SRGAN超分辨实战（模型测试）.mp4
深度学习之图像增强GAN—理论与实践.=-=.022.第4.1节-图像去模糊（基础篇）.mp4
深度学习之图像增强GAN—理论与实践.=-=.023.第4.2节-图像去模糊（进阶篇）.mp4
深度学习之图像增强GAN—理论与实践.=-=.024.第5.1节-图像修复（基础篇）.mp4
深度学习之图像增强GAN—理论与实践.=-=.025.第5.2节-图像修复（进阶篇）.mp4
Copyright © All rights reserved.
信息加载中,请等待...
