人工智能深度学习-第七期，资料齐全

—/人工智能深度学习-第七期/
├──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11章 Transformer实战解读
|   |   └──transformer系列
|   ├──第12章 图神经⽹络实战
|   |   ├──10-基于图模型的时间序列预测
|   |   ├──11-异构图神经网络
|   |   ├──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
|   ├──第13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14章 对比学习与多模态任务实战
|   |   ├──ANINET源码解读
|   |   ├──CLIP系列
|   |   ├──对比学习算法与实例
|   |   ├──多模态3D目标检测算法源码解读
|   |   └──多模态文字识别
|   ├──第15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16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
|   |   ├──static.zip  1.26M
|   |   ├──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17章 强化学习实战系列
|   |   ├──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18章 AI黑科技实例
|   |   ├──1 节GPT系列生成模型
|   |   ├──2 节GPT建模与预测流程
|   |   ├──3 节CLIP系列
|   |   ├──4 节Diffusion模型解读
|   |   ├──5 节Dalle2及其源码解读
|   |   └──6 节ChatGPT
|   ├──第19章 深度学习模型部署与剪枝优化实战
|   |   ├──tensorRT
|   |   ├──嵌入式AI
|   |   ├──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1章 直播回放
|   |   └──1-1 节开班典礼等多个文件
|   ├──第20章 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21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22章 自然语言处理必备神器Huggingface系列实战
|   |   ├──第八章：GPT训练与预测部署流程
|   |   ├──第二章：Transformer工具包基本操作实例解读
|   |   ├──第九章：文本摘要建模
|   |   ├──第六章：文本预训练模型构建实例
|   |   ├──第七章：GPT系列算法
|   |   ├──第三章：Transformer核心架构
|   |   ├──第十一章：补充Huggingface数据集制作方法实例
|   |   ├──第十章：图谱知识抽取实战
|   |   ├──第四章：BERT系列算法解读
|   |   ├──第五章：文本标注工具与NER实例
|   |   └──第一章：Huggingface与NLP介绍解读
|   ├──第23章 ⾃然语⾔处理通⽤框架-BERT实战
|   |   ├──课后作业
|   |   └──课件、源码
|   ├──第24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25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26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2章 AI课程所需安装软件教程
|   |   ├──Anaconda3-2020.07-Windows-x86_64.exe  467.49M
|   |   ├──cuda_11.3.0_465.89_win10.exe  2.68G
|   |   ├──mmcv_full-1.4.7-cp38-cp38-win_amd64.whl  12.75M
|   |   ├──notepadplusplus-8-4.exe  4.28M
|   |   ├──pycharm-community-2022.1.2.exe  378.78M
|   |   ├──torch-1.10.0+cu113-cp38-cp38-win_amd64.whl  2.27G
|   |   ├──torchvision-0.11.0+cu113-cp38-cp38-win_amd64.whl  3.04M
|   |   └──VisualStudioSetup.exe  1.60M
|   ├──第3章 深度学习必备核⼼算法
|   |   └──课件
|   ├──第4章 深度学习核⼼框架PyTorch
|   |   ├──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5章 Opencv图像处理框架实战
|   |   ├──课件
|   |   └──源码资料
|   ├──第6章 综合项⽬-物体检测经典算法实战
|   |   └──6.第六章 综合项⽬-物体检测经典算法实战
|   ├──第7章 图像分割实战
|   |   └──7.第七章 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
|   |   ├──DeformableDetr算法解读
|   |   ├──KIE关键信息抽取与视频超分辨率重构
|   |   ├──OCR算法解读
|   |   ├──mask2former(mmdetection).zip  192.38M
|   |   ├──ner.zip  121.60M
|   |   ├──第八模块：mmrazor-模型蒸馏.zip  1.00G
|   |   ├──第二模块：mmsegmentation-0.20.2.zip  2.80G
|   |   ├──第二模块：MPViT-main.zip  924.77M
|   |   ├──第九模块：mmaction2-master.zip  827.76M
|   |   ├──第六模块：mmediting-master.zip  107.78M
|   |   ├──第七模块：mmdetection3d-1.0.0rc0.zip  395.05M
|   |   ├──第三模块：mmdetection-master.zip  1.46G
|   |   ├──第四模块：mmocr-main.zip  381.72M
|   |   ├──第五模块：mmgeneration-master.zip  746.81M
|   |   └──第一模块：mmclassification-master.zip  912.00M
|   └──第9章 经典视觉项目实战-行为识别
|   |   ├──slowfast-add
|   |   ├──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
└──视频
|   ├──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 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