人工智能深度学习系统班第9期

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