贪心学院计算机视觉CV课程

课程目录
任务100:道路行车道检测代码讲解.mp4

任务101:在图像和视频上面演示道路行车道检测.mp4

任务102:项目介绍.mp4

任务103:交通指示牌识别的简介.mp4

任务104:交通指示牌识别课程的编程任务.mp4

任务105:如何分析数据 (util.py 的详细介绍).mp4

任务106:如何预处理图像数据、建立神经网络模型、训练网络模型 (train.py 的详细介绍)01.mp4

任务107:如何预处理图像数据、建立神经网络模型、训练网络模型 (train.py 的详细介绍)02.mp4

任务108:色彩空间转换.mp4

任务109:直方图均衡.mp4

任务10:问答环节.mp4

任务110:图像标准化.mp4

任务111:使用ImageDataGenerator做图像增强.mp4

任务112:作业上传的要求.mp4

任务113:介绍经典交通指示牌卷积神经网络模型.mp4

任务114:代码实现经典交通指示牌识别卷积神经网络模型.mp4

任务115:卷积神经网络的数学原理01.mp4

任务116:卷积神经网络的数学原理02.mp4

任务117:深度学习调参-直播-01.mp4

任务118:深度学习调参-直播-02.mp4

任务119:深度学习调参-直播-03.mp4

任务11:环境安装.mp4

任务120:卷积层的启发.mp4

任务121:卷积层的定量分析.mp4

任务122:单通道输入 单通道输出的卷积层的实例.mp4

任务123:多通道输入 多通道输出的卷积层的实例.mp4

任务124:池化层的原理 定量分析.mp4

任务125:卷积神经网络和全连接神经网络的比较.mp4

任务126:卷积神经网络在围棋 语言识别和自然语言处理中的应用.mp4

任务127:基于深度学习的图像分类历史回顾.mp4

任务128:AlexNet的结构分析.mp4

任务129:ZFNet的结构分析.mp4

任务12:二元分类问题.mp4

任务130:VGG的结构分析.mp4

任务131:GoogleNet Inception的结构分析.mp4

任务132:Inception V3的结构分析.mp4

任务133:ResNet的结构分析.mp4

任务134:ResNet的代码实现.mp4

任务135:基于内容的图像搜索理论基础.mp4

任务136:基于去噪自动编码器的图像搜索代码实现.mp4

任务137:使用卷积神经网络进行语义图像嵌入在目标检测, 自动驾驶, 图像超分辨率重构, 工业探伤等等领域的应用.mp4

任务138:项目1-看图说话(助教)讲解和答疑-01.mp4

任务139:项目1-看图说话(助教)讲解和答疑-02.mp4

任务13:逻辑函数.mp4

任务140:项目介绍.mp4

任务141:自动驾驶方向盘转动方向预测的背景知识.mp4

任务142:如何收集训练数据.mp4
任务143:理解分析训练数据.mp4
任务144:自动驾驶方向盘转动方向预测的网络结构和网络训练代码讲解.mp4
任务145:提高网络性能的思路 图像处理、数据增强、网络结构优化.mp4
任务146:探索数据01.mp4
任务147:探索数据02.mp4
任务148:图像增强01.mp4
任务149:图像增强02.mp4
任务14:指数与对数 、逻辑回归.mp4
任务150:解决数据不平衡的问题 DataGenerator的应用.mp4
任务151:网络结构实例.mp4
任务152: 图像增强部分的代码讲解.mp4
任务153:DataGenerator部分的代码讲解.mp4
任务154:网络结构实现部分的代码讲解.mp4
任务155:方向盘转动方向预测网络模型的性能评估方法.mp4
任务156:使用模拟器定性的判断网络性能的方法以及代码讲解.mp4
任务157:模拟器自动驾驶的展示.mp4
任务158:通过损失函数的变化判断网络性能、识别和解决过拟合和欠拟合的问题.mp4
任务159:如何安装Python 连接模拟器的Python 库.mp4
任务15:示例.mp4
任务160:windows 下面使用自动驾驶模拟器的教程.mp4
任务161:mac 下面使用自动驾驶模拟器的教程.mp4
任务162:目标识别综述.mp4
任务163:基于HOG(梯度直方图)的目标识别.mp4
任务164:Non-Max Suppression IoU 和 Hard Negative Mining.mp4
任务165:R-CNN的工作原理.mp4

任务166:R-CNN中的边界框(Bounding Box)预测原理.mp4

任务167:R-CNN的不足之处.mp4

任务168:Fast R-CNN详解.mp4

任务169:Faster R-CNN Region Proposal Network.mp4

任务16:损失函数.mp4

任务170:R-CNN Fast R-CNN Faster R-CNN的总结.mp4

任务171:目标识别 R-CNN家族的回顾.mp4

任务172:SSD的简介 SSD与R-CNN的比较.mp4

任务173:SSD的网络结构.mp4

任务174:如何使用卷积作为最后的预测层.mp4

任务175:SSD的训练过程.mp4

任务176:SSD的实验结果分析.mp4

任务177:VGG16到SSD网络的演化 L2Normalization层的实现.mp4

任务178:SSD各个技术对失败率的影响 Atrous卷积层的原理.mp4

任务179:使用卷积作为最后的预测层详解.mp4

任务17:损失函数推演.mp4

任务180:SSD定位损失函数详解.mp4

任务181:SSD中Anchor尺寸 宽高比 中心位置的确定.mp4

任务182:SSD中分类损失函数详解.mp4

任务183:Non-Max Suppression的原理.mp4

任务184:SSD和YOLO的比较 SSD的总结.mp4

任务185:图像分割简介.mp4

任务186:基于深度学习的图像分割U-Net的原理.mp4

任务187:Transposed Convolution原理与运用.mp4

任务188:U-Net的代码讲解.mp4

任务189:图像生成的原理.mp4

任务18:梯度下降法.mp4

任务190:使用深度学习自动图像生成手写数字的代码讲解.mp4

任务191:图像风格转移的原理.mp4

任务192:使用深度学习实现图像风格转移的代码讲解.mp4

任务193:SSD的原理回顾.mp4

任务194:编程项目的训练数据介绍.mp4

任务195:对SSD模型对产生Anchor有影响的参数讲解.mp4

任务196:对候选框精选处理有影响的参数讲解.mp4

任务197:对输入模型参数的合法性检测和转换.mp4
任务198:具有7层的SSD的网络结构讲解.mp4
任务199:编译模型, 使用模型做预测.mp4
任务19:应用.mp4
任务1:机器学习、深度学习简介.mp4
任务200:SSD解码的实现.mp4
任务201:帮助函数IoU, 坐标转换, SSD损失函数, Non-Max-Suppression的实现.mp4
任务202:二值化神经网络的简介.mp4
任务203:二值化网络的前向后向传播, 梯度计算原理.mp4
任务204:二值化网络的训练算法.mp4
任务205:二值化网络的实验结果.mp4
任务206:二值化全连接网络的代码讲解.mp4
任务207:DropoutNoScale层的实现.mp4
任务208:BinaryDense层的实现.mp4
任务209:二值化卷积神经网络的代码讲解.mp4
任务20:直播答疑.mp4
任务210:项目作业要求.mp4
任务211:神经网络在实际应用中面临的挑战, 轻量级深度神经网络的必要性.mp4
任务212:MobileNet, Depthwise Seperable Convolution的原理计算量分析.mp4
任务213:ShuffleNet, Group Convolution, Channel Shuffle的原理.mp4
任务214:EffNet, Spatial Seperable Convolution的原理计算量分析和实验效果.mp4
任务215:lightweight-network答疑时间.mp4
任务216:回顾EffNet的原理.mp4
任务217:EffNet的代码讲解.mp4
任务218:One-Shot Learning 的意义和工作原理.mp4
任务219:用于One-Shot Learning 的Siamese 深度神经网络的介绍.mp4
任务21:自动驾驶方向盘预测论文分析.mp4
任务220:Siamese 深度神经网络的实验和结果分析.mp4
任务221:Transposed Convolution 的应用, 算法回顾, 以及使用矩阵乘法实现.mp4
任务222:Transposed Convolution 的梯度推导.mp4
任务223:将卷积核转换为Toeplitz Matrix用于矩阵乘法实现Transposed.mp4
任务224:同学对课程的效果反馈调查.mp4
任务225:使用 Siamese 网络做门禁卡系统的入门介绍, 数据集的介绍.mp4
任务226:PyTorch 基础教程.mp4
任务227:Siamese One-Shot learning 知识回顾.mp4
任务228:使用 PyTorch torchvision 库高效读取数据.mp4
任务229:使用 PyTorch 定义 Siamese 网络结构.mp4
任务22:使用PyCharm Keras建立深度网络模型.mp4
任务230:使用 PyTorch 写训练网络的代码.mp4
任务231:使用 PyTorch 写测试网络的代码.mp4
任务23:数据预处理 数据增强.mp4
任务24:建立BatchGenerator高效读取数据.mp4
任务25:训练网络 保存训练的中间过程数据.mp4
任务26:查看网络训练过程 判断网络是否过拟合 欠拟合.mp4
任务27:神经网络分类问题的经典数据(集鸢尾花数据集)介绍,神经网络Python库Keras的介绍.mp4
任务28:使用Pandas读取鸢尾花数据集, 使用LabelEncoder对类别标签进行编码.mp4
任务29:使用Keras创建一个用于鸢尾花分类识别的神经网络.mp4
任务2:深度学习的发展历史.mp4
任务30:训练用于鸢尾花分类的神经网络 解读训练输出的日志 了解如何评价神经网络的性能.mp4
任务31:神经网络数学原理(1): 神经网络的结点,权值,激活函数.mp4
任务32:神经网络数学原理(2): 神经网络的前馈(Feed Forward)算法.mp4
任务33:神经网络数学原理(3):神经网络的前馈(Feed Forward)算法续,Softmax层的数值问题.mp4
任务34:神经网络数学原理(4):神经网络BP(误差反向传播)算法.mp4
任务35:神经网络数学原理(5):神经网络BP(误差反向传递)算法续.mp4
任务36:神经网络数学原理(6):手动演算神经网络BP算法(误差向后传递).mp4
任务37:神经网络数学原理(7):手动演算神经网络BP算法(误差向后传递)续.mp4
任务38:Neural.Network.Loss-直播01.mp4
任务39:Neural.Network.Loss-直播02.mp4
任务3:现代深度学习的典型例子.mp4
任务40:Neural.Network.Loss-直播03.mp4
任务41:梯度消亡.mp4
任务42:梯度消亡问题分析.mp4
任务43:梯度消亡解决方案.mp4
任务44:过拟合.mp4
任务45:DropOut 训练.mp4
任务46:正则化.mp4
任务47:最大范数约束 神经元的初始化.mp4
任务48:作业讲解与答疑-01.mp4
任务49:作业讲解与答疑-02.mp4
任务4:深度学习在计算机视觉中的应用.mp4
任务50:为什么需要递归神经网络?.mp4
任务51:递归神经网络介绍.mp4
任务52:语言模型.mp4
任务53:RNN的深度.mp4
任务54:梯度爆炸和梯度消失.mp4
任务55:Gradient Clipping.mp4
任务56:LSTM的介绍.mp4
任务57:LSTM的应用.mp4
任务58:Bi-Directional LSTM.mp4
任务59:Gated Recurrent Unit.mp4
任务5:深度学习的总结.mp4
任务60:机器翻译.mp4
任务61:Multimodal Learning.mp4
任务62:Seq2Seq模型.mp4
任务63:回顾RNN与LSTM.mp4
任务64:Attention for Image Captioning.mp4
任务65:Attention for Machine Translation.mp4
任务66:Self-Attention.mp4
任务67:Attention总结.mp4
任务68:neural network optimizer直播-01.mp4
任务69:neural network optimizer直播-02.mp4
任务6:开发环境的配置, Python, Numpy, Keras入门教程.mp4
任务70:neural network optimizer直播-03.mp4
任务71:项目介绍.mp4

任务72:看图说话任务一-01.mp4

任务73:看图说话任务一-02.mp4

任务74:看图说话任务一-03.mp4

任务75:任务介绍.mp4

任务76:如何实现 load_img_as_np_array 这个函数.mp4

任务77:如何实现“load_vgg16_model”函数.mp4

任务78:如何实现“extract_features”函数.mp4

任务79:创建Tokenizer01.mp4

任务7:GPU驱动程序安装.mp4

任务80:创建Tokenizer02.mp4

任务81:产生模型需要的输入数据01.mp4

任务82:产生模型需要的输入数据02.mp4

任务83:任务的概述.mp4

任务84:Input Embedding和Dropout层介绍.mp4

任务85:LSTM Add层的介绍.mp4

任务86:如何训练模型.mp4

任务87:如何使用深度神经网络模型做预测 产生标题 完成generate_caption函数01.mp4

任务88:如何使用深度神经网络模型做预测 产生标题 完成generate_caption函数02.mp4

任务89:如何调用generate_caption函数.mp4

任务8:CUDA的安装.mp4

任务90:如何评价标题生成模型的性能.mp4

任务91:读取和显示数字图像.mp4

任务92:数字图像大小缩放.mp4

任务93:数字图像直方图均衡.mp4

任务94:图像去噪声.mp4

任务95:图像边缘检测.mp4

任务96:图像关键点检测.mp4

任务97:道路行车道检测简介.mp4

任务98:Canny边缘检测.mp4

任务99:霍夫变换用于直线检测.mp4

任务9:cuDNN的安装, Tensorflow, PyTorch的GPU测试.mp4

此资源下载价格为10猫币,请先
下载价格:10 猫币
VIP优惠:免费
0
分享到:

评论2

请先

  1. 文件不存在???
    Annln96125已购买2020-04-27 17:08:19
没有账号? 忘记密码?