—/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
请先 ！