|
|
├─1-AI课程所需安装软件教程) H( W$ X/ m* ]; [7 h; K
│ └─1-AI课程所需安装软件教程5 C7 @7 J0 f7 B% m Q( p. z; M1 _
│ 1-AI课程所需安装软件教程.mp42 X" g* B9 }/ k# X- m
│
U1 d) M0 G9 ?4 g├─2-深度学习必备核?算法
! J8 C4 g( C- p" ^# ~5 c│ ├─1-神经网络结构
7 r& L" T/ L% d│ │ 1-神经网络结构.mp4
8 U2 e; j4 O0 Z, j3 ]3 L4 {│ │1 l# K( ?5 k8 A8 \( k8 d* g
│ ├─2-卷积神经网络1 ^3 `1 d* S5 x% n( A) c6 y' b# k
│ │ 1-卷积神经网络.mp44 e" t0 s& X: e' ?
│ │( H/ E1 y5 { L6 c
│ ├─3-Transformer4 U' e* F( g2 m
│ │ 1-Transformer.mp4
; c) T4 z9 U! o+ H" s+ O│ │
^) {# h+ ?3 y! L. R- M. {│ └─4-VIT源码解读
# b. K- X) X! D$ B│ 1-VIT源码解读.mp4
- [" v C! A& _6 B t│
4 U& Z5 v! F6 H8 |) J6 l4 T6 B) Z│
2 j& F9 Y4 l M" |2 ]2 O5 B├─3-深度学习核心框架PyTorch
; }5 K+ k# c( P9 j8 {7 a/ d! M│ ├─3-1 节PyTorch框架介绍与配置安装8 S. _5 {6 ~8 a& u) Y
│ │ 1-PyTorch框架与其他框架区别分析.mp4
: `* F8 Y$ ?& P0 \6 c│ │ 2-CPU与GPU版本安装方法解读.mp4! u- j. G# n9 g- n; Y* q
│ │
3 b% ~4 u8 ~" N/ ]│ ├─3-2 节使用神经网络进行分类任务
- g8 ^, h2 t* B1 G" t0 j/ \│ │ 1-数据集与任务概述.mp4
% x; p& T2 ?5 L6 P. @; x# w2 @│ │ 2-基本模块应用测试.mp4
( N9 l {( }9 o9 [0 t- I+ V│ │ 3-网络结构定义方法.mp4
+ N8 j( p2 D; A$ X, J4 p│ │ 4-数据源定义简介.mp4
) N: Z) l; x/ A* d│ │ 5-损失与训练模块分析.mp4! S& u. V. ^5 m& A5 R
│ │ 6-训练一个基本的分类模型.mp4
' d3 Z( a3 Y/ w! u│ │ 7-参数对结果的影响.mp4+ A. H7 h$ j4 d: N7 f7 [( t$ ?
│ │
$ n6 B) y' F% }5 x. T' w│ ├─3-3 节神经网络回归任务-气温预测, @2 ~. K7 o) ?/ K
│ │ 神经网络回归任务-气温预测.mp4
9 ~% m3 R# w* b9 z. y, V* b- {/ X│ │
: G. y) G. T# C4 a0 S$ d│ ├─3-4 节卷积网络参数解读分析2 ]* t' ?; V( ^$ `. N
│ │ 1-输入特征通道分析.mp4% S; w' n/ b0 _; R
│ │ 2-卷积网络参数解读.mp4- A+ P$ l, b2 [. B! t2 O
│ │ 3-卷积网络模型训练.mp4; `( r. z: ~: G
│ │2 N; } \# O; l! E( Y& R
│ ├─3-5 节图像识别模型与训练策略（重点）
# k- w N) B# |2 L- ^6 ?│ │ 1-任务分析与图像数据基本处理.mp4
8 d% _6 m' t6 H6 M│ │ 2-数据增强模块.mp4! Q- Z) |- G/ e4 l0 x8 |. J
│ │ 3-数据集与模型选择.mp4
- @) h7 U3 n! x4 L! L; y1 e│ │ 4-迁移学习方法解读.mp40 q, H* \2 G( `+ a6 b4 c _* U
│ │ 5-输出层与梯度设置.mp4
% i5 Q% A( j+ z$ W│ │ 6-输出类别个数修改.mp49 m3 n6 d0 C; L- e( x. [2 |
│ │ 7-优化器与学习率衰减.mp4
/ G1 M3 p1 S0 r│ │ 8-模型训练方法.mp4
1 l/ l- w& [) I4 Y6 h( Y+ Q% q6 j1 o│ │ 9-重新训练全部模型.mp4
5 Y% _0 E6 S9 u- K* S( J; `! C│ │ 10-测试结果演示分析.mp43 d6 _) V* U3 u% D# F
│ │& D& y' Z" @ l7 Y; Q
│ ├─3-6 节DataLoader自定义数据集制作
9 G$ `' Z8 c2 V3 z5 Y│ │ 1-Dataloader要完成的任务分析.mp4
* I6 d; N/ {$ v6 I1 R+ R8 e│ │ 2-图像数据与标签路径处理.mp46 \- m+ k( ^9 ]1 T8 p
│ │ 3-Dataloader中需要实现的方法分析.mp4
+ Q0 T! ^+ Z" V B1 X- R! g' z3 w│ │ 4-实用Dataloader加载数据并训练模型.mp4- w: A" U0 N( S* H0 w9 M8 c
│ │
, H% s# \* b4 r; m$ F│ ├─3-7 节LSTM文本分类实战 i' b# V; F) X) B/ C; B$ N
│ │ 1-数据集与任务目标分析.mp4
2 b* Y4 U) w) U9 _, l# m│ │ 2-文本数据处理基本流程分析.mp4+ a8 [4 s( c l' v& r
│ │ 3-命令行参数与DEBUG.mp4# W, x/ H5 C$ g8 C; F( {6 n
│ │ 4-训练模型所需基本配置参数分析.mp40 x% d8 c* [/ N6 f& d
│ │ 5-预料表与字符切分.mp4$ i6 O! Z5 f! n3 h; B! A
│ │ 6-字符预处理转换ID.mp4
. q& T3 |6 \" J( u$ B% o) O│ │ 7-LSTM网络结构基本定义.mp4! P- T8 ~; A4 H4 J- w; G: b0 p' {- S
│ │ 8-网络模型预测结果输出.mp4: z6 i, F- C" X0 F# c' o) V
│ │ 9-模型训练任务与总结.mp4
: N8 ]0 j6 N: ]! R: Q│ │
8 M' A, c" E- Z│ └─3-8 节PyTorch框架Flask部署例子
* E) m/ W" U$ t$ G! u* {7 v│ 1-基本结构与训练好的模型加载.mp4- M4 ~5 b) I1 A
│ 2-服务端处理与预测函数.mp4+ [0 s4 V2 d# F5 W; p% [5 {& K+ ?
│ 3-基于Flask测试模型预测结果.mp4' x) k' l( Z+ u% X
│
! v1 i6 k$ U7 C& F6 H├─4-Opencv图像处理框架实战 t k e* g& B) [# y& D: U+ o6 j
│ ├─5-1 节课程简介与环境配置% }7 a; ]# Q# J5 R
│ │ 1-课程简介.mp4! W4 }2 m3 p+ q+ x; l$ \
│ │ 2-Python与Opencv配置安装.mp4
8 f$ \2 G' [1 Y│ │ 3-Notebook与IDE环境.mp4
% G. }% c5 ]. ]4 D│ │
) J# }7 }- I1 K6 `4 \│ ├─5-2 节图像基本操作
; L# I7 Z5 u( @: S5 C│ │ 1-计算机眼中的图像.mp4, {: s1 C! [& x9 A& P, [
│ │ 2-视频的读取与处理.mp4
' X' v- c2 u5 p. ^│ │ 3-ROI区域.mp4
1 r N( M f/ s│ │ 4-边界填充.mp4
( Z+ X; D- z& v│ │ 5-数值计算.mp4; @8 E7 ^. _6 G. A9 {2 q
│ │4 h: ^3 u, Y5 `/ i' x; _4 r/ D
│ ├─5-3 节阈值与平滑处理6 X( e w. I4 O v1 @5 f: e( c" U. I
│ │ 1-图像阈值.mp49 ]5 o- i/ P: p3 J9 n$ @
│ │ 2-图像平滑处理.mp4
$ g" f3 E' e* Q│ │ 3-高斯与中值滤波.mp4) V) A+ w3 B3 }
│ │# y. i/ ]/ Z$ i" d- p' x) ~5 X+ h
│ ├─5-4 节图像形态学操作8 r1 D; d: J, @0 D( E7 H
│ │ 1-腐蚀操作.mp4
8 z& j$ B7 W) b/ ?. Q3 S- ?│ │ 2-膨胀操作.mp4
) x) o' ?5 a' ~! ]" I. o0 }│ │ 3-开运算与闭运算.mp4; r. b% {- a% t! q
│ │ 4-梯度计算.mp4
1 h6 v$ H2 _9 V│ │ 5-礼帽与黑帽.mp4
& H$ `- A& _ F* O X│ │+ X2 k/ R1 r3 K- j5 J- R
│ ├─5-5 节图像梯度计算/ I$ l1 v. C& p6 b- b
│ │ 1-Sobel算子.mp4
: w; v& f& p* q│ │ 2-梯度计算方法.mp4
6 x: e- ~. ]' `! g# [│ │ 3-scharr与lapkacian算子.mp4" a1 @3 V- ^9 O/ k- N6 s& F
│ │
! R" T R: q: g$ [4 s* [+ }: T│ ├─5-6 节边缘检测/ G# P q9 A0 B- l2 t
│ │ 1-Canny边缘检测流程.mp4
" X8 z: H8 J2 C8 c. L3 B4 w│ │ 2-非极大值抑制.mp47 T- \ ?6 J- M: \4 i f
│ │ 3-边缘检测效果.mp43 j) G( d% B, i; e' R
│ │5 B1 [! s: u0 }: q9 D& q
│ ├─5-7 节图像?字塔与轮廓检测5 i- T1 |8 c/ U% U( \6 \
│ │ 1-图像金字塔定义.mp40 }$ K! N2 i$ d D3 C% }( O3 z
│ │ 2-金字塔制作方法.mp4
: F& s7 t; q1 D* j) H│ │ 3-轮廓检测方法.mp4
' B3 X: d% F* G3 U, P! [1 D# L│ │ 4-轮廓检测结果.mp4$ w# H1 r; |, M9 G
│ │ 5-轮廓特征与近似.mp4
) |0 {) G2 I7 X4 r# x- B5 X│ │ 6-模板匹配方法.mp43 Y8 [, e7 N5 ]+ x
│ │ 7-匹配效果展示.mp4
8 S, l) ~! v9 E+ u! R│ │
( _. }1 H% h9 G│ ├─5-8 节直?图与傅?叶变换
3 Y0 i- D& E4 U│ │ 1-直方图定义.mp4; e. n. j9 C4 C
│ │ 2-均衡化原理.mp4* a6 p$ e) \6 B0 j# W7 T1 U! h
│ │ 3-均衡化效果.mp4
& k3 v5 l% L3 X9 B+ v1 {│ │ 4-傅里叶概述.mp4( R9 K$ X* @: Y5 Z. T7 z8 c
│ │ 5-频域变换结果.mp44 a8 l- t. z+ M9 k+ B C! X ?: Z2 B
│ │ 6-低通与高通滤波.mp4. n; t9 Q5 j# p- h$ F
│ │
0 X4 d: w% m9 d4 D5 E1 Y0 P% G│ ├─5-9 节信?卡数字识别: u, G* c5 ~7 g, }: n2 O- a+ e
│ │ 1-总体流程与方法讲解.mp4
5 }1 c, _4 h. G' @; X0 u- F3 \│ │ 2-环境配置与预处理.mp4
& }5 h' Y( ?: E- \│ │ 3-模板处理方法.mp4
_/ P) e: R2 ?) ?$ @│ │ 4-输入数据处理方法.mp4
$ e/ D, }. J- v& `9 ]$ t│ │ 5-模板匹配得出识别结果.mp4
! N+ u8 _+ r0 o* I% q│ │' ^! b# W# _" ~/ {/ o: A2 g
│ ├─5-10 节?档扫描OCR识别
$ R2 O+ }$ S% ~* W- [│ │ 1-整体流程演示.mp41 F$ E5 B* N3 z, n/ U9 }2 o. A
│ │ 2-文档轮廓提取.mp4/ J$ h# g, E8 O" E5 e8 E
│ │ 3-原始与变换坐标计算.mp4
: v4 x) @0 _0 u# Z$ d│ │ 4-透视变换结果.mp4! t' z( W3 F% E
│ │ 5-tesseract-ocr安装配置.mp4
2 b" ?3 y' Z' z/ J5 P│ │ 6-文档扫描识别效果.mp4& T/ j1 g4 V7 u' U4 \& R6 m! D$ ?
│ │
3 P3 @4 ^! t% D7 Q( v; }│ ├─5-11 节图像特征-harris9 `4 Z+ b4 k- O" v6 F- T7 T
│ │ 1-角点检测基本原理.mp4
4 d% `1 \, M) M│ │ 2-基本数学原理.mp4; q2 v, X H' Y. B7 R0 s! q
│ │ 3-求解化简.mp4 |' I3 u% [0 t. P
│ │ 4-特征归属划分.mp4
0 P; _" }8 s0 k& x% v│ │ 5-opencv角点检测效果.mp4
: V' |, D" ^- k5 Q. l% I│ │
% P' j4 Y b) E* W5 i' C: _│ ├─5-12 节图像特征-sift4 F ^! Z& B2 u8 J. t( u) m+ |
│ │ 1-尺度空间定义.mp4/ N9 n+ ]9 `( l' X
│ │ 2-高斯差分金字塔.mp4# q2 Z, _5 C5 _8 g9 z
│ │ 3-特征关键点定位.mp4' A( ~3 f; i1 J% H* x! `7 a
│ │ 4-生成特征描述.mp4
# ~3 u# n& a' O& I' [3 C# T│ │ 5-特征向量生成.mp4* @9 z$ U- } x; x. j8 c
│ │ 6-opencv中sift函数使用.mp4$ Y, N& E& \4 g6 K" b/ F
│ │
% L1 w. u$ G. P$ T) P│ ├─5-13 节全景图像拼接
, @2 ?# [# ?" c8 v3 c│ │ 1-特征匹配方法.mp4
" ^0 L; }) j! T9 f |4 {( e│ │ 2-RANSAC算法.mp46 T+ k" ]/ q3 G6 P, i: X4 Z' d# `. \
│ │ 3-图像拼接方法.mp4
" M# K g5 |1 V8 C) T2 P│ │ 4-流程解读.mp4+ \7 m! n: N1 g1 |. a6 g
│ │1 j9 k$ ^' E0 Z; B8 ^( _% b2 u
│ ├─5-14 节停?场?位识别 ~3 B& y& b+ `6 ]+ r
│ │ 1-任务整体流程.mp43 H# \8 w; _7 T' V
│ │ 2-所需数据介绍.mp4
9 w+ z: |. W; v* _5 U│ │ 3-图像数据预处理.mp4
2 V5 T0 S) a# G& M2 _. m7 s! a9 q7 I│ │ 4-车位直线检测.mp4
3 z* m& @8 Q' g- Q( T* Y4 n4 v$ ~5 K│ │ 5-按列划分区域.mp47 O2 j' [" F4 R. D# n/ j% d, O
│ │ 6-车位区域划分.mp4
& T; v! `! @# }│ │ 7-识别模型构建.mp4
+ m2 _' W9 V; @7 D7 A/ d│ │ 8-基于视频的车位检测.mp4" A8 O `* U, t4 u5 u W& i
│ │
( F0 o& `" \) l( O0 s│ ├─5-15 节答题卡识别判卷9 r7 ]) D" [5 T2 D4 i" ?
│ │ 1-整体流程与效果概述.mp4) J) a6 G3 \' D8 x
│ │ 2-预处理操作.mp47 f: W/ X8 o$ ~! p9 Y1 V% G* Z/ c
│ │ 3-填涂轮廓检测.mp4
- C3 W: j; H$ n│ │ 4-选项判断识别.mp4: E- u) G9 G& y* Q. f
│ │5 V( [/ H, @ w+ s
│ ├─5-16 节背景建模
: l4 k; r. B$ [) b, M6 X. w* a│ │ 1-背景消除-帧差法.mp41 |6 e) q7 O3 y- o* i/ }' s
│ │ 2-混合高斯模型.mp4
" C- [4 a5 D8 d│ │ 3-学习步骤.mp4' U! v! e; g' B* ~
│ │ 4-背景建模实战.mp47 c2 b; M3 W: I6 k* U4 F, ?6 |
│ │
# d2 P+ N2 L( l2 Y# H3 d/ g│ ├─5-17 节光流估计
5 f, A& Q: e. L7 ^/ D% a& z│ │ 1-基本概念.mp4
: O+ ^$ l) N9 U! @│ │ 2-Lucas-Kanade算法.mp40 e1 P( {% L- \
│ │ 3-推导求解.mp4' m, S7 J! J2 y5 Y
│ │ 4-光流估计实战.mp4
1 U/ K& R$ o" n4 p│ │
5 L ~1 m( q% D2 u9 D, {9 O│ ├─5-18 节Opencv的DNN模块
% m' ?: R" X# g ^, l│ │ 1-dnn模块.mp4
- g- t: f3 q6 |& I│ │ 2-模型加载结果输出.mp4( i7 \; _3 T5 [' N$ y
│ │
* k' @3 R4 q8 m' U& \; N r2 |│ ├─5-19 节?标追踪
8 H+ I3 _( @; M; h" s│ │ 1-目标追踪概述.mp44 h3 x7 r3 T9 p$ B* W! x
│ │ 2-多目标追踪实战.mp4
( \ a* v- ?; T! @6 E8 d- T# H' y│ │ 3-深度学习检测框架加载.mp4% k8 Z }5 U8 u: i' n9 O
│ │ 4-基于dlib与ssd的追踪.mp4
+ d( k2 a& N( @5 V& _* x│ │ 5-多进程目标追踪.mp41 g4 v q- ~/ d7 U7 i" d p
│ │ 6-多进程效率提升对比.mp4) V6 w$ h5 R2 M6 }# |7 U
│ │$ q, {2 e1 x( {2 m
│ ├─5-20 节卷积原理与操作, H! i; J& }9 I
│ │ 1-卷积神经网络的应用.mp4, m# `& \1 q( W& L+ l
│ │ 2-卷积层解释.mp4
b+ O1 i( p1 i* n; I│ │ 3-卷积计算过程.mp43 t, A& H! d5 u- @
│ │ 4-pading与stride.mp4% _' S9 p t6 m% d. p7 }/ U8 y# o" o# v
│ │ 5-卷积参数共享.mp4) G0 z; ]1 j1 u% U
│ │ 6-池化层原理.mp4
" b# }5 ^1 m$ f5 t. @3 H. I9 S│ │ 7-卷积效果演示.mp4
! |2 q; [4 j6 p" m; r, x. H2 T│ │ 8-卷积操作流程.mp4
6 h7 { r z8 n, K4 g( n. z│ │
+ l4 h c4 G: ~1 I0 p# B+ V% C# z│ └─5-21 节疲劳检测
. k. t7 X" i; a% K( ?1 u: L│ 1-关键点定位概述.mp4
( X+ W7 V$ O' h2 z( U│ 2-获取人脸关键点.mp4/ i8 d/ \; D/ O |; G9 o' x3 T
│ 3-定位效果演示.mp44 t% P; z; d# A4 N! J5 u
│ 4-闭眼检测.mp4
- j! I- D3 `: T2 t│ 5-检测效果.mp4* ~, U0 D! g( z9 M! ^
│+ X9 J, M9 g4 L- O+ I. |. M# R0 x
├─5-综合项目-物体检测经典算法实战+ b( V. E( q |7 S' g
│ └─1-YOLO V9
* d- [ z4 S* `7 F│ 1-YOLO V9.mp4. ]4 l8 {) {$ Z3 Q) b1 X# v
│+ S( `+ x0 p5 @- Y) Q, Q
├─6-图像分割实战$ H; V: i1 K1 D
│ ├─1-图像分割及其损失函数概述: d; V% X G0 j7 B/ o( f7 P$ ^
│ │ 1-语义分割与实例分割概述.mp4) \. |3 {! _% W! S: k
│ │ 2-分割任务中的目标函数定义.mp4; J2 a0 Z% _4 t7 W0 q7 a
│ │ 3-MIOU评估标准.mp4: o1 p4 A! [6 V' M4 O) H9 @7 [# q8 V
│ │0 m+ l! G* b4 U, A: v
│ ├─2-Unet系列算法讲解; ]. s' v' l+ E- {
│ │ 1-Unet网络编码与解码过程.mp43 F( n7 H% V) W. {; `
│ │ 2-网络计算流程.mp4
* j. V* C9 T; @( u6 m* H4 \│ │ 3-Unet升级版本改进.mp4
. q, V8 W( l% h5 _9 g* e" Z│ │ 4-后续升级版本介绍.mp4
# ^; {. e2 x0 |, _8 h│ │* S: P" V$ Y( T# t
│ ├─3-unet医学细胞分割实战: l4 [' c* \; `4 [
│ │ 1-医学细胞数据集介绍与参数配置.mp4
) H, D+ X( f' |8 q, K; ]( N│ │ 2-数据增强工具.mp4: q8 [; Z5 u- r+ D' o' n
│ │ 3-Debug模式演示网络计算流程.mp4
4 ~/ H/ R% [9 H│ │ 4-特征融合方法演示.mp4
* w' d4 I+ j3 X. X$ Z, g│ │ 5-迭代完成整个模型计算任务.mp4
$ {3 f6 M' j1 _: f' ~│ │ 6-模型效果验证.mp4
& X5 c) e' e# u│ │( ] u, `! O% X) j l2 V
│ ├─4-U2NET显著性检测实战1 B5 Q; {% \' @5 G
│ │ 1-任务目标与网络整体介绍.mp4
; p `6 R! G3 \$ N8 Q│ │ 2-显著性检测任务与目标概述.mp4
0 H% {0 ?6 a+ d& D2 o4 Y5 g│ │ 3-编码器模块解读.mp4/ m- l- I1 p) }! r& |2 _% a
│ │ 4-解码器输出结果.mp4
J. G7 v' K5 {│ │ 5-损失函数与应用效果.mp4
f" o9 z* s7 {- s) ]5 s; L' Y1 {│ │: {6 |6 ~! m, [3 J
│ ├─5-deeplab系列算法- \ D5 u- w2 q. M
│ │ 1-deeplab分割算法概述.mp4
+ Y5 Q! @ w X3 o; V O│ │ 2-空洞卷积的作用.mp4
0 w" I/ V$ B8 y* j│ │ 3-感受野的意义.mp4
$ ^+ k9 W) W* _( I; s4 b O│ │ 4-SPP层的作用.mp4% [ {, [) K+ `9 r7 O; g6 e
│ │ 5-ASPP特征融合策略.mp44 ?5 X* }6 A7 G* U# m2 h
│ │ 6-deeplabV3Plus版本网络架构.mp4; D7 \+ c1 z7 C; \6 q8 j1 J Y
│ │! I8 }6 O. C! i
│ ├─6-基于deeplabV3+版本进?VOC分割实战
' v4 ^5 x! }0 ?# A+ b* v" z│ │ 1-PascalVoc数据集介绍.mp4. W/ a: f8 M& ^, ?
│ │ 2-项目参数与数据集读取.mp4
& P2 e. n, R* f1 {" ]6 @2 F: G│ │ 3-网络前向传播流程.mp4
$ i' |& v& G- ~% P# U( k2 J3 |. z│ │ 4-ASPP层特征融合.mp4
) _$ _- f6 A# I8 {5 y% u' d│ │ 5-分割模型训练.mp4
" R, L6 C) _% z│ │* j+ r3 U4 }0 p/ c/ C& \5 b
│ ├─7-医学?脏视频数据集分割建模实战
- c) G, m$ V! I& ^, Y: f1 H' k r' G│ │ 1-数据集与任务概述.mp4
# T" l9 }& V# V$ K3 O│ │ 2-项目基本配置参数.mp4
7 _* c6 p: E; |$ Z8 w- ?& U│ │ 3-任务流程解读.mp41 G3 l0 X* R8 V/ O8 l
│ │ 4-文献报告分析.mp4
4 S; a. n; `% ]$ r7 r% j│ │ 5-补充：视频数据源特征处理方法概述.mp46 Y4 v4 O% c) p$ i7 }$ ]
│ │ 6-补充：R(2plus1)D处理方法分析.mp4 \- N5 G- I) T F. O, F+ t
│ │
" @ _* d! [1 O) S: `0 A: \( z│ ├─8-分割模型Maskformer系列$ c j6 z( o: T0 S2 V# B0 ]
│ │ 1-分割模型Maskformer系列.mp4( w% x, p% u( d
│ │2 ?( [) L" J- \! s: e z
│ ├─9-补充：Mask2former源码解读
4 C, D$ [; T) p# x! t5 B& i│ │ 1-Backbone获取多层级特征.mp4
& N" F; u) u0 @; j│ │ 2-多层级采样点初始化构建.mp4
' X; X3 w* @- [9 A│ │ 3-多层级输入特征序列创建方法.mp4# \2 w9 e% b/ ~8 q0 B+ y5 A
│ │ 4-偏移量与权重计算并转换.mp44 O z! @* L% I, I7 w
│ │ 5-Encoder特征构建方法实例.mp4/ G/ N8 F. J8 R" i
│ │ 6-query要预测的任务解读.mp46 V" r; ]* q4 F+ H
│ │ 7-Decoder中的AttentionMask方法.mp4! h/ j! r& a H8 @$ C4 M: b
│ │ 8-损失模块输入参数分析.mp4
+ P7 C( [$ D/ A. o- p│ │ 9-标签分配策略解读.mp4
* L2 x* @$ L2 j3 Y+ o9 P│ │ 10-正样本筛选损失计算.mp4
) i2 J# N6 a' W; k│ │ 11-标签分类匹配结果分析.mp4. t6 d% D2 N! @8 @9 d+ \2 Q
│ │ 12-最终损失计算流程.mp4* r4 X; N# S, y7 I+ B6 O
│ │ 13-汇总所有损失完成迭代.mp4
; S" ~$ e# V0 D6 M: b8 W│ │6 O5 G1 m$ X5 S8 o. f
│ ├─10-物体检测框架-MaskRcnn项目介绍与配置
]9 {4 S& o' n│ │ 1-Mask-Rcnn开源项目简介.mp4
" W% J1 R0 s1 J- |│ │ 2-开源项目数据集.mp4
8 e# D$ ~2 R: w. G7 E) X, O! p0 }7 U│ │ 3-开源项目数据集.mp4
% t. ?, r: C) c" E/ n│ │
3 F. I% I" \! h/ |│ ├─11-MaskRcnn网络框架源码详解
4 S; N9 M C7 i1 Z m+ e. j│ │ 1-FPN层特征提取原理解读.mp4
! V! h5 \/ `& ^/ u1 k# W│ │ 2-FPN网络架构实现解读.mp4 ^1 C+ H( ?/ t6 V/ |! U
│ │ 3-生成框比例设置.mp4! c9 x4 n% ?/ r" U% M. `
│ │ 4-基于不同尺度特征图生成所有框.mp4
1 ~4 Q: I: j" O# G& n│ │ 5-RPN层的作用与实现解读.mp4
[% z9 X9 x; f) \# V; Q$ L│ │ 6-候选框过滤方法.mp42 Q# k9 Y, b4 E. N5 a1 M8 B+ A
│ │ 7-Proposal层实现方法.mp4
+ o. {" u) C2 Y" Z% E8 E│ │ 8-DetectionTarget层的作用.mp41 d$ w2 h& r- x! Y3 F# q
│ │ 9-正负样本选择与标签定义.mp4: b% x+ P" }5 I' y6 S& x
│ │ 10-RoiPooling层的作用与目的.mp4
0 _$ H: K8 Y( o G9 t( ^│ │ 11-RorAlign操作的效果.mp4, e3 [+ e& r" j: s5 Y
│ │ 12-整体框架回顾.mp4
' x3 I8 j4 S+ Q4 _% Y│ │4 C8 [. s/ K1 R1 l& b- P
│ └─12-基于MASK-RCNN框架训练自己的数据与任务$ Z1 A! H" {: t6 e4 ]' T l. F! [
│ 1-Labelme工具安装.mp45 v# j7 r# x& z% P1 E
│ 2-使用labelme进行数据与标签标注.mp4: z6 O" M3 d; I, x3 ^
│ 3-完成训练数据准备工作.mp4
- ?0 ^' M# Q# q│ 4-maskrcnn源码修改方法.mp4
- e- W4 I2 O" r: Q: h$ b$ k│ 5-基于标注数据训练所需任务.mp46 y. S8 U# m4 u6 N8 y/ c$ v' h7 Q
│ 6-测试与展示模块.mp40 h0 m2 N* \) h- C4 H ~8 @/ s# ?9 j
│ F/ G' W( j1 j/ T
├─8-走向AI论文实验与项目实战的捷径-MMLAB实战系列
0 }: O. Q3 ^' c5 q' i# C/ y7 V│ ├─1-MMCV安装方法
0 ~& w$ n8 e5 w& e│ │ 1-MMCV安装方法.mp41 L/ y5 P% C$ g- l
│ │2 I1 T4 K' ?5 g/ a
│ ├─2-第一模块：分类任务基本操作) l6 k& I4 G" w& O
│ │ 1-MMCLS问题修正.mp4
' F0 G" H6 y7 } G│ │ 2-准备MMCLS项目.mp4
# A8 P- B* {! \. L$ q# C6 t! S│ │ 3-基本参数配置解读.mp4
( j1 _. k5 i9 ~5 b$ i8 Z8 U" z│ │ 4-各模块配置文件组成.mp4
( T* t9 ]! O( ]: v3 G1 [│ │ 5-生成完整配置文件.mp4
$ O9 L0 F' M/ A S$ q% e0 {│ │ 6-根据文件夹定义数据集.mp46 w; x# z6 J# W0 B/ h
│ │ 7-构建自己的数据集.mp4
/ j: R2 `, {8 J+ V/ k7 V2 Y) p4 Q8 n" v│ │ 8-训练自己的任务.mp4
" T% O( `- i2 M8 Q. n( [3 Y& r│ │( I& C& }! z& E3 C4 N
│ ├─3-第 |
|
发表于 2025-3-24 20:50:01
楼主