gp学院-人工智能深度学习系统班（第14期）

热带果林

├─01-【直播课】直播回放
( b( R1 S6 c6 l6 E" K│   1.开班典礼：如何学好人工智能学科.mp4
1 e, |) }7 a' n) g: |0 w│   2.神经网络.mp4
* l" c" L+ p& t' V│   3.卷积神经网络.mp4
│   4.transformer解读.mp4
│
├─02-【基础模块】Al课程所需安装软件教程
│   1.AI课程所需安装软件教程.mp4
│   2.Python环境安装和搭建.mp4
) f+ E3 A5 D5 T│   3.Anaconda基础讲解和使用的教程.mp4
0 }% j% y4 i- v/ e│   4.PyTorch框架与其他框架区别分析.mp4
+ L) \; j2 `/ p% M/ Q2 R│   5.CPU与GPU版本安装方法解读.mp4
│
9 M6 g1 b; N9 q3 J$ k: `  t' M├─03-【基础模块】深度学习基础与框架
( z6 }' \% n7 k, A8 Q│   ├─1.神经网络结构
│   │   神经网络结构.mp4
│   │
│   ├─2.PyTorch框架必备核心模块解读
│   │   1-PyTorch实战课程简介.mp4
│   │   2-PyTorch框架发展趋势简介.mp4
# d# I/ |" T6 m5 v  x│   │   3-框架安装方法（CPU与GPU版本）.mp4
; |8 |# q) Q$ C│   │   4-PyTorch基本操作简介.mp4
│   │   5-自动求导机制.mp4
│   │   6-线性回归DEMO-数据与参数配置.mp4
! O9 k) q) _# Z) P7 n1 C" K│   │   7-线性回归DEMO-训练回归模型.mp4
& ^) a# N( Z9 z│   │   8-补充：常见tensor格式.mp4
* U$ ?6 l0 C( M1 w* K8 R│   │   9-补充：Hub模块简介.mp4
4 L, U8 F; Y4 R7 P6 |│   │
2 M( _5 q, h$ V│   ├─3.神经网络分类任务
8 b0 _* [4 M( C& p│   │   1-数据集与任务概述.mp4
│   │   2-基本模块应用测试.mp4
│   │   3-网络结构定义方法.mp4
│   │   4-数据源定义简介.mp4
│   │   5-损失与训练模块分析.mp4
│   │   6-训练一个基本的分类模型.mp4
│   │   7-参数对结果的影响.mp4
│   │
5 K, z, G6 U# z" z│   ├─4.神经网络回归：气温预测
: _% h2 N" q# ]: M# Q& p& m│   │   神经网络回归任务-气温预测.mp4
│   │
│   └─5.Pycharm环境配置与Debug演示
│       Pycharm环境配置与Debug演示(没用过的同学必看).mp4
; n( f: W: \$ ^- x/ F1 A│      
│
$ }( q3 t. y* r2 I├─04-【基础模块】深度学习核心算法与实践
│   ├─1.卷积神经网络深度解析
│   │   卷积神经网络.mp4
│   │
│   ├─2.卷积网络参数分析与优化
│   │   1-输入特征通道分析.mp4
! o9 D& r! _2 n; g│   │   2-卷积网络参数解读.mp4
, o( O6 r# V9 _2 d│   │   3-卷积网络模型训练.mp4
( r: j2 H! r: R& \│   │
- o# j2 O' t' O7 M' a4 z4 n, W│   ├─3.ResNet模型及其应用
│   │   1-医学疾病数据集介绍.mp4
+ {4 M# H' P2 N) Q│   │   2-Resnet网络架构原理分析.mp4
│   │   3-dataloader加载数据集.mp4
- E* z' ^/ [' F0 p│   │   4-Resnet网络前向传播.mp4
│   │   5-残差网络的shortcut操作.mp4
│   │   6-特征图升维与降采样操作.mp4
│   │   7-网络整体流程与训练演示.mp4
│   │
│   ├─4.图像识别模型与训练策略（重点）
9 H6 O! M- \0 w: \% R│   │   1-任务分析与图像数据基本处理.mp4
0 M: E; R* K$ G4 X% s│   │   2-数据增强模块.mp4
│   │   3-数据集与模型选择.mp4
/ v. S) H  K3 y│   │   4-迁移学习方法解读.mp4
2 B" z7 ~0 z! y│   │   5-输出层与梯度设置.mp4
│   │   6-输出类别个数修改.mp4
& s# l4 |) z% Z& H& x│   │   7-优化器与学习率衰减.mp4
7 O  V# Z- x! J0 l  ^5 |│   │   8-模型训练方法.mp4
5 a$ T5 a. E2 W% i+ p; m8 D│   │   9-重新训练全部模型.mp4
│   │   10-测试结果演示分析.mp4
7 l& A2 ~6 `& L: l6 N│   │
! B9 M- d$ y  S$ v# |8 E│   ├─5.DataLoader自定义数据集制作
; d3 Y) x  ]! c. V+ T3 s9 @│   │   1-Dataloader要完成的任务分析.mp4
│   │   2-图像数据与标签路径处理.mp4
│   │   3-Dataloader中需要实现的方法分析.mp4
│   │   4-实用Dataloader加载数据并训练模型.mp4
8 t$ D1 V( a6 ~- t. R- o4 T│   │
│   ├─6.RNN网络架构
; Q. x! k& c0 i- s. T- D│   │   RNN网络架构.mp4
0 k1 ]: P3 w1 c- o0 H! ~8 H+ @│   │
# g; x  J* i7 X# ~, [│   ├─7.LSTM网络架构
& z6 B7 m- h+ W- x) G│   │   LSTM网络架构.mp4
4 V4 f% X9 F6 V/ G% U+ M! e│   │
, z; l. \- p7 D│   ├─8.LSTM文本分类
│   │   1-数据集与任务目标分析.mp4
│   │   2-文本数据处理基本流程分析.mp4
% M+ E& M; s  ^6 e( S│   │   3-命令行参数与DEBUG.mp4
│   │   4-训练模型所需基本配置参数分析.mp4
9 F+ p: T- H& f8 U  v│   │   5-预料表与字符切分.mp4
│   │   6-字符预处理转换ID.mp4
│   │   7-LSTM网络结构基本定义.mp4
│   │   8-网络模型预测结果输出.mp4
% m# u; Z( Y$ a$ E│   │   9-模型训练任务与总结.mp4
│   │
│   └─9.Transformer基础
& M3 R6 K" X' Q0 U& q3 h│       1-Transformer.mp4
$ V6 \- ?3 s' Y/ A& y: f; Q/ N- v│       2-transformer-VIT源码解读.mp4
│       3-GITHUB开源项目使用方法.mp4
│      
│
├─05-【方向A：CV方向】图像处理基础
8 P" p  ?, m2 |! }# S& R│   ├─1.课程介绍与环境配置
│   │   1-课程简介.mp4
# h2 o# P: m" V/ M& Q' B│   │   2-Python与Opencv配置安装.mp4
│   │   3-Notebook与IDE环境.mp4
│   │
8 S- O, [5 z& [( _1 ^3 k' N│   ├─2.OpenCV图像常⽤处理⽅法实例
│   │   1-计算机眼中的图像.mp4
│   │   2-视频的读取与处理.mp4
: I! q% P6 f' S│   │   3-ROI区域.mp4
│   │   4-边界填充.mp4
" s9 @7 f2 X9 @1 X( c# `│   │   5-数值计算.mp4
$ r5 T% Z4 }8 W% Z│   │   6-图像阈值.mp4
- T9 V- h% ]8 Y' H8 k% o" i  p│   │   7-图像平滑处理.mp4
│   │   8-高斯与中值滤波.mp4
│   │   9-腐蚀操作.mp4
- C8 ^0 J: }) A: G, Z: f│   │   10-膨胀操作.mp4
+ D0 m' g$ B4 K' n) _4 |6 v" X│   │   11-开运算与闭运算.mp4
│   │   12-梯度计算.mp4
+ i6 ?3 K: y3 t" v- K, g│   │   13-礼帽与黑帽.mp4
) S( H$ ]0 |4 f0 ~│   │
! d0 M# \9 ^% L│   ├─3.OpenCV梯度计算与边缘检测实例
│   │   1-Canny边缘检测流程.mp4
4 ]6 F, r/ ]" M7 W! C│   │   2-非极大值抑制.mp4
│   │   3-边缘检测效果.mp4
│   │   4-Sobel算子.mp4
& ^, P% S. P# W│   │   5-梯度计算方法.mp4
1 P# Y) W/ ~1 t+ Z( K$ C/ ]' g9 ]$ x- P│   │   6-scharr与lapkacian算子.mp4
% I2 H0 [5 k% K$ Q0 ^4 O│   │
7 Z8 ]! B/ W& e4 R* u& m│   ├─4.OpenCV轮廓检测与直⽅图
│   │   1-图像金字塔定义.mp4
: G3 s' _$ h' o: d- g│   │   2-金字塔制作方法.mp4
9 a% ?% K' s. c  o' q│   │   3-轮廓检测方法.mp4
5 y+ m8 N* A5 Q" x2 h│   │   4-轮廓检测结果.mp4
+ x. T' o, i+ c' C3 x│   │   5-轮廓特征与近似.mp4
│   │   6-模板匹配方法.mp4
│   │   7-匹配效果展示.mp4
# w; d& J( h9 s# D│   │   8-直方图定义.mp4
' c' t5 F% W6 g2 V- j│   │   9-均衡化原理.mp4
│   │   10-均衡化效果.mp4
8 Z: X$ e! g% _/ z  h│   │   11-傅里叶概述.mp4
. C/ M3 H& \# R4 C│   │   12-频域变换结果.mp4
7 ?3 X+ m0 R& k3 E│   │   13-低通与高通滤波.mp4
1 F! i/ N% |2 }- T% g# O, W; T│   │
│   ├─5.OpenCV角点检测
, k# d1 W, V, h; i4 o, k# Z│   │   1-角点检测基本原理.mp4
│   │   2-基本数学原理.mp4
│   │   3-求解化简.mp4
│   │   4-特征归属划分.mp4
+ t: V6 U: F1 A' j│   │   5-opencv角点检测效果.mp4
│   │
│   ├─6.OpenCV尺度空间
│   │   1-尺度空间定义.mp4
│   │   2-高斯差分金字塔.mp4
* j1 j" L; R0 R1 y1 B3 \/ z6 d│   │   3-特征关键点定位.mp4
1 G, @! ~1 |. I/ s1 ?/ c9 P9 c│   │   4-生成特征描述.mp4
2 M; j$ q: g5 B7 S. u1 c. y│   │   5-特征向量生成.mp4
9 A  O* N2 h% }/ q5 U2 L│   │   6-opencv中sift函数使用.mp4
│   │
│   ├─7.OpenCV高级图像处理技术
│   │   1-特征匹配方法.mp4
% N' `! f: V% f6 v2 B8 |0 J9 u│   │   2-RANSAC算法.mp4
│   │   3-图像拼接方法.mp4
' n% X/ V3 B2 L0 d3 _0 ]# W% D5 j│   │   4-流程解读.mp4
* b. ^$ T) j* h# Y( p0 p% G/ Z│   │   5-背景消除-帧差法.mp4
│   │   6-混合高斯模型.mp4
9 j" F( A- |7 F  E│   │   7-学习步骤.mp4
6 c! P+ P" R) r; p$ b│   │   8-背景建模实战.mp4
│   │   9-基本概念.mp4
│   │   10-Lucas-Kanade算法.mp4
* p, P6 F4 S% a1 w1 |7 b& C5 L│   │   11-推导求解.mp4
' q! k* K7 J" V( q6 _1 ]│   │   12-光流估计实战.mp4
│   │   13-dnn模块.mp4
$ B( `7 W0 S9 w2 M7 s$ w│   │   14-模型加载结果输出.mp4
- r7 r; j3 L3 d8 y1 X- I2 X│   │
│   ├─8.OpenCV项目实战-信用卡数字识别
( M4 Q; ]% O7 b9 |# P" U& I│   │   1-总体流程与方法讲解.mp4
3 t" y- u: t( l9 l1 Y+ |│   │   2-环境配置与预处理.mp4
) l# C- Y/ w* ?* M! t. j; c│   │   3-模板处理方法.mp4
2 E1 Y: y: ?; ~! Q+ K│   │   4-输入数据处理方法.mp4
│   │   5-模板匹配得出识别结果.mp4
5 j$ w3 N  g; H6 o; c: @* n/ q│   │
│   ├─9.OpenCV项目实战-文档扫描OCR识别
│   │   1-整体流程演示.mp4
│   │   2-文档轮廓提取.mp4
. Y' R, J3 X: i! M3 D( D* ]│   │   3-原始与变换坐标计算.mp4
# N2 r+ z2 l3 d- [│   │   4-透视变换结果.mp4
8 H. }1 H7 b8 N6 P│   │   5-tesseract-ocr安装配置.mp4
! S; D4 A  R% t3 R' S9 R# M$ u8 l│   │   6-文档扫描识别效果.mp4
│   │
│   ├─10.OpenCV项目实战-停车场车位识别
2 c' c! X% P$ R3 K1 z│   │   1-任务整体流程.mp4
! x& y, _7 j3 K8 Z5 \9 A( P( m3 O. j8 q│   │   2-所需数据介绍.mp4
│   │   3-图像数据预处理.mp4
$ r: L& j- ]# ^) e7 K2 b7 Z. w+ k│   │   4-车位直线检测.mp4
│   │   5-按列划分区域.mp4
# V9 w! M0 R" p! k│   │   6-车位区域划分.mp4
│   │   7-识别模型构建.mp4
" V7 O, i6 c: k│   │   8-基于视频的车位检测.mp4
5 V5 H" b' n% R│   │
  J8 n# B! U6 |  c/ Z( W& N│   ├─11.OpenCV项目实战-答题卡识别判卷
4 D3 N+ L2 ^8 B7 I' t1 x0 f8 x│   │   1-整体流程与效果概述.mp4
│   │   2-预处理操作.mp4
/ x* R0 A( [( S) Q7 l│   │   3-填涂轮廓检测.mp4
│   │   4-选项判断识别.mp4
│   │
6 X! U2 ^' R8 \. C│   ├─12.OpenCV项目实战-目标追踪
' l3 |7 A2 X! }  t4 I$ p1 a+ e│   │   1-目标追踪概述.mp4
9 [% {( ?+ \* p0 @  w) z│   │   2-多目标追踪实战.mp4
' o/ ^* d4 N  I. d│   │   3-深度学习检测框架加载.mp4
% \7 r$ V  w0 @. ]; [7 M, Z; t│   │   4-基于dlib与ssd的追踪.mp4
  N( G. T) O- J" l" R│   │   5-多进程目标追踪.mp4
│   │   6-多进程效率提升对比.mp4
│   │
! Z7 `5 x& L6 z* y* l+ F! ?│   └─13.OpenCV项目实战-疲劳检测
  X8 i! v, p5 G" q" a3 r9 l$ y+ g│       1-关键点定位概述.mp4
│       2-获取人脸关键点.mp4
│       3-定位效果演示.mp4
4 v8 w8 G( X6 F. _: s" N" ~│       4-闭眼检测.mp4
7 @1 ]+ Z& ?) e3 ?. e2 j│       5-检测效果.mp4
9 ]; _6 z9 g* f( x9 z, O3 W│      
│
3 y& C+ p: E6 f0 x( b  f├─06-【方向A：CV方向】目标检测算法
9 a; m; o: @( x5 s9 @│   ├─1.物体检测评估指标
; y& L% t+ _+ X# H│   │   物体检测评估指标.mp4
│   │
│   ├─2.YOLO系列大串讲(可刷这个快速过)
. l+ k# [* Y( X1 R" m3 E+ a│   │   YOLO系列大串讲(可刷这个快速过).mp4
- A! U0 P* M3 Y% q  C* ~' O8 X8 \│   │
│   ├─3.经典物体检测算法
1 J& K4 r5 M* T# g7 p8 f│   │   1-半监督物体检测.mp4
│   │   2-EfficientNet网络模型.mp4
; v+ h, V6 a6 R6 h8 o│   │   3-EfficientDet检测算法.mp4
9 I: X$ o( F4 d│   │
+ z) H/ G; [1 K# |" ]: C; y│   ├─4.YOLOv1检测算法深度解析
│   │   1-YOLO算法整体思路解读.mp4
│   │   2-检测算法要得到的结果.mp4
│   │   3-整体网络架构解读.mp4
│   │   4-位置损失计算.mp4
! {8 z; F7 M# c4 K4 B7 H: }│   │   5-置信度误差与优缺点分析.mp4
% P+ P( {9 k+ s. ?│   │
│   ├─5.YOLOv2检测算法深度解析
% F* u1 B% Z0 @8 {: C# M: _│   │   1-V2版本细节升级概述.mp4
│   │   2-网络结构特点.mp4
4 ~- W) n6 r; {9 i& l% d' {│   │   3-架构细节解读.mp4
│   │   4-基于聚类来选择先验框尺寸.mp4
& e' D4 C! U  Q- W6 Z7 w│   │   5-偏移量计算方法.mp4
9 w) A4 J& N$ u8 p5 G* R1 T  K│   │   6-坐标映射与还原.mp4
│   │   7-感受野的作用.mp4
│   │   8-特征融合改进.mp4
8 p) C  F$ r/ G│   │
│   ├─6.YOLOv3检测算法深度解析
│   │   1-V3版本改进概述.mp4
│   │   2-多scale方法改进与特征融合.mp4
' r+ G  g, N5 l3 [& e, Z% X│   │   3-经典变换方法对比分析.mp4
0 J1 D$ Q: S  p" l) }# E* \% T9 _5 r│   │   4-残差连接方法解读.mp4
│   │   5-整体网络模型架构分析.mp4
. b6 h5 A7 V2 L, d) R( d│   │   6-先验框设计改进.mp4
│   │   7-sotfmax层改进.mp4
; d2 |# d7 {" p: H) ~│   │   8-数据与环境配置.mp4
│   │   9-训练参数设置.mp4
│   │   10-COCO图像数据读取与处理.mp4
│   │   11-标签文件读取与处理.mp4
" M0 l# c3 Y8 W8 H4 x3 Y) h│   │   12-debug模式介绍.mp4
│   │   13-基于配置文件构建网络模型.mp4
$ Y# r2 C+ D' C9 p│   │   14-路由层与shortcut层的作用.mp4
( c  X' K1 ?# v6 q6 u) [0 F│   │   15-YOLO层定义解析.mp4
│   │   16-预测结果计算.mp4
1 z7 p7 S" y. d7 R& V│   │   17-网格偏移计算.mp4
9 {3 k- F7 f( ]2 r2 t│   │   18-模型要计算的损失概述.mp4
│   │   19-标签值格式修改.mp4
│   │   20-坐标相对位置计算.mp4
# ]& {, B9 Y. j/ u6 k2 [/ _│   │   21-完成所有损失函数所需计算指标.mp4
│   │   22-模型训练与总结.mp4
+ \( v. u/ ~3 ~) D% X( V│   │   23-预测效果展示.mp4
- |9 Q6 |& d& c6 `│   │
│   ├─7.YOLO模型数据标注与训练
( f/ j/ H5 _# V│   │   1-Labelme工具安装.mp4
│   │   2-数据信息标注.mp4
│   │   3-完成标签制作.mp4
│   │   4-生成模型所需配置文件.mp4
& f/ A. X4 ]6 A+ i( Z7 Z( w│   │   5-json格式转换成yolo-v3所需输入.mp4
│   │   6-完成输入数据准备工作.mp4
│   │   7-训练代码与参数配置更改.mp4
│   │   8-训练模型并测试效果.mp4
│   │
6 c3 F  x; g: ~% K│   ├─8.YOLOv4版本算法解读
│   │   1-V4版本整体概述.mp4
│   │   2-V4版本贡献解读.mp4
9 c5 x0 |  [6 `( n2 L6 P; x│   │   3-数据增强策略分析.mp4
│   │   4-DropBlock与标签平滑方法.mp4
│   │   5-损失函数遇到的问题.mp4
│   │   6-CIOU损失函数定义.mp4
│   │   7-NMS细节改进.mp4
│   │   8-SPP与CSP网络结构.mp4
│   │   9-SAM注意力机制模块.mp4
- m! ]1 \) I, x2 P│   │   10-PAN模块解读.mp4
│   │   11-激活函数与整体架构总结.mp4
│   │
│   ├─9.YOLOv5检测算法深度解析
" D: ]$ ^# R, d  S│   │   1-整体项目概述.mp4
# I3 C6 n  x' z- G8 _8 d│   │   2-训练自己的数据集方法.mp4
$ g, \6 K3 h3 k" \│   │   3-训练数据参数配置.mp4
│   │   4-测试DEMO演示.mp4
* c2 n" r% J/ c* T│   │   5-数据源DEBUG流程解读.mp4
  O& d4 U# ]; E9 Q, k/ w│   │   6-图像数据源配置.mp4
│   │   7-加载标签数据.mp4
- \3 A) @+ s+ L' o. k: m│   │   8-Mosaic数据增强方法.mp4
5 R- }0 \+ m6 ?│   │   9-数据四合一方法与流程演示.mp4
│   │   10-getItem构建batch.mp4
6 F, ?( k$ T- A- b: f: x7 ~, o│   │   11-网络架构图可视化工具安装.mp4
│   │   12-V5网络配置文件解读.mp4
│   │   13-Focus模块流程分析.mp4
+ ]& _/ [* }( a- J% G8 q│   │   14-完成配置文件解析任务.mp4
│   │   15-前向传播计算.mp4
( X- {- N" z+ x+ ?3 O" T& a│   │   16-BottleneckCSP层计算方法.mp4
│   │   17-SPP层计算细节分析.mp4
) l2 a& X) J7 P: v% K% a: m│   │   18-Head层流程解读.mp4
│   │   19-上采样与拼接操作.mp4
│   │   20-输出结果分析.mp4
│   │   21-超参数解读.mp4
  G- z2 Q4 I  v. j6 F│   │   22-命令行参数介绍.mp4
. W- U, O# t" W! g8 W" N│   │   23-训练流程解读.mp4
│   │   24-各种训练策略概述.mp4
│   │   25-模型迭代过程.mp4
: x9 G% s, r, V& p3 C│   │
│   ├─10.YOLOv7检测算法深度解析
5 \4 }0 R. m/ B! M, w4 s) q│   │   1-YOLO系列（V7）算法解读.mp4
. a9 [/ a  S8 c* e│   │   2-命令行参数介绍.mp4
│   │   3-基本参数作用.mp4
│   │   4-EMA等训练技巧

网盘链接开通VIP可见

紫倍儿

gp
& V" N1 w1 w; `2 \4 o" E! k0 n; @rengongzhinneg

枸杞

888888888

主持人如意

6666666666666666666666666

自闭范二青年

666

自闭范二青年

g模式

江湖双雄

111

绿色原野

规划计划

黑色美文

OTA模型架构精读.mp4

天中湖

55555555555555555