人工智能深度学习高薪就业班P5第5期（2022年） 百度网盘下载 会员免费 - 蓝天教育
本文链接：蓝天资源网 http://lt.zxj6009.xyz/古泡学院人工智能课程，本课程共32.8GB，VIP会员可通过百度网盘转存下载或者在线播放。此“人工智能深度学习高薪就业班P5第5期（2022年）”课程由蓝天资源网 http://lt.zxj6009.xyz/收集整理。
课程内容全面覆盖深度学习算法及其项目实战，主要应用于计算机视觉与自然语言处理两大核心领域，配套实战案例与项目全部基于真实数据集与实际任务展开。大型项目完美结合当下行业趋势，培养满足企业就业需求的中高级人工智能算法工程师。
课程目录
├──01_直播课回放
| ├──1_直播1：开班典礼
| | └──1人工智能CV NLP高薪实战班.mp41.88G
| ├──2_Pycharm环境配置与Debug演示(没用过的同学必看)
| | └──Pycharm环境配置与Debug演示(没用过的同学必看).mp4125.43M
| ├──3_直播2：深度学习必备基础-神经网络与卷积网络
| | └──1.深度学习必备基础-神经网络与卷积网络.mp4937.96M
| ├──4_直播3：Transformer原理及其各领域应用分析
| | └──Transformer原理及其各领域应用分析.mp4517.79M
| ├──5_额外补充：时间序列预测
| | └──额外补充：时间序列预测.mp4526.75M
| └──6_直播4：Informer时间序列预测源码解读
| | └──Informer时间序列预测源码解读.mp42.04G
├──02_深度学习必备核心算法
| ├──1_神经网络算法解读
| | └──1-神经网络算法解读.mp4860.40M
| ├──2_卷积神经网络算法解读
| | └──2-卷积神经网络算法解读.mp4557.80M
| └──3_递归神经网络算法解读
| | └──3-递归神经网络算法解读.mp4457.19M
├──03_深度学习核心框架PyTorch
| ├──1_PyTorch框架介绍与配置安装
| | ├──1-PyTorch框架与其他框架区别分析1.mp4.mp433.28M
| | └──2-CPU与GPU版本安装方法解读1.mp4.mp4100.62M
| ├──2_使用神经网络进行分类任务
| | ├──1-数据集与任务概述2.mp4.mp443.39M
| | ├──2-基本模块应用测试2.mp4.mp447.67M
| | ├──3-网络结构定义方法2.mp4.mp455.64M
| | ├──4-数据源定义简介2.mp4.mp439.02M
| | ├──5-损失与训练模块分析2.mp4.mp442.36M
| | ├──6-训练一个基本的分类模型2.mp4.mp454.64M
| | └──7-参数对结果的影响2.mp4.mp451.69M
| ├──3_神经网络回归任务-气温预测
| | └──神经网络回归任务-气温预测1.mp4.mp4254.20M
| ├──4_卷积网络参数解读分析
| | ├──1-输入特征通道分析2.mp4.mp456.09M
| | ├──2-卷积网络参数解读2.mp4.mp440.61M
| | └──3-卷积网络模型训练2.mp4.mp477.40M
| ├──5_图像识别模型与训练策略（重点）
| | ├──1-任务分析与图像数据基本处理2.mp4.mp451.97M
| | ├──10-测试结果演示分析1.mp4.mp4151.05M
| | ├──2-数据增强模块2.mp4.mp454.62M
| | ├──3-数据集与模型选择1.mp4.mp451.69M
| | ├──4-迁移学习方法解读1.mp4.mp467.99M
| | ├──5-输出层与梯度设置1.mp4.mp479.62M
| | ├──6-输出类别个数修改1.mp4.mp463.17M
| | ├──7-优化器与学习率衰减1.mp4.mp466.24M
| | ├──8-模型训练方法1.mp4.mp468.12M
| | └──9-重新训练全部模型1.mp4.mp459.90M
| ├──6_DataLoader自定义数据集制作
| | ├──1-Dataloader要完成的任务分析1.mp4.mp443.31M
| | ├──2-图像数据与标签路径处理1.mp4.mp458.77M
| | ├──3-Dataloader中需要实现的方法分析1.mp4.mp446.99M
| | └──4-实用Dataloader加载数据并训练模型1.mp4.mp477.87M
| ├──7_LSTM文本分类实战
| | ├──1-数据集与任务目标分析1.mp4.mp452.85M
| | ├──2-文本数据处理基本流程分析1.mp4.mp456.02M
| | ├──3-命令行参数与DEBUG1.mp4.mp436.56M
| | ├──4-训练模型所需基本配置参数分析1.mp4.mp440.96M
| | ├──5-预料表与字符切分1.mp4.mp432.02M
| | ├──6-字符预处理转换ID1.mp4.mp434.42M
| | ├──7-LSTM网络结构基本定义1.mp4.mp434.77M
| | ├──8-网络模型预测结果输出1.mp4.mp439.15M
| | └──9-模型训练任务与总结1.mp4.mp445.20M
| └──8_PyTorch框架Flask部署例子
| | ├──1-基本结构与训练好的模型加载.mp4.mp421.06M
| | ├──2-服务端处理与预测函数.mp4.mp440.97M
| | └──3-基于Flask测试模型预测结果.mp4.mp446.30M
├──04_MMLAB实战系列
| ├──10_第四模块：DBNET文字检测
| | ├──1-文字检测数据概述与配置文件.mp4.mp456.65M
| | ├──2-配置文件参数设置.mp4.mp438.79M
| | ├──3-Neck层特征组合.mp4.mp432.09M
| | ├──4-损失函数模块概述.mp4.mp443.16M
| | └──5-损失计算方法.mp4.mp459.39M
| ├──11_第四模块：ANINET文字识别
| | ├──1-数据集与环境概述.mp4.mp455.62M
| | ├──2-配置文件修改方法.mp4.mp452.54M
| | ├──3-Bakbone模块得到特征.mp4.mp442.15M
| | ├──4-视觉Transformer模块的作用.mp4.mp446.02M
| | ├──5-视觉模型中的编码与解码的效果.mp4.mp454.54M
| | ├──6-文本模型中的结构分析.mp4.mp438.70M
| | ├──7-迭代修正模块.mp4.mp438.18M
| | └──8-输出层与损失计算.mp4.mp452.85M
| ├──12_第四模块：KIE基于图模型的关键信息抽取
| | ├──1-配置文件以及要完成的任务解读.mp4.mp451.60M
| | ├──2-KIE数据集格式调整方法.mp4.mp469.50M
| | ├──3-配置文件与标签要进行处理操作.mp4.mp447.88M
| | ├──4-边框要计算的特征分析.mp4.mp435.62M
| | ├──5-标签数据处理与关系特征提取.mp4.mp456.52M
| | ├──6-特征合并处理.mp4.mp443.79M
| | ├──7-准备拼接边与点特征.mp4.mp441.42M
| | └──8-整合得到图模型输入特征.mp4.mp472.02M
| ├──12_第五模块：stylegan2源码解读
| | ├──1-要完成的任务与基本思想概述.mp4.mp457.84M
| | ├──2-得到style特征编码.mp4.mp469.56M
| | ├──3-特征编码风格拼接.mp4.mp436.81M
| | ├──4-基础风格特征卷积模块.mp454.74M
| | ├──5-上采样得到输出结果.mp4.mp440.79M
| | └──6-损失函数概述.mp4.mp426.60M
| ├──13_第六模块：BasicVSR++视频超分辨重构源码解读
| | ├──1-要完成的任务分析与配置文件.mp4.mp427.40M
| | ├──10-传播流程整体完成一圈.mp461.59M
| | ├──11-完成输出结果.mp4.mp451.61M
| | ├──2-特征基础提取模块.mp444.62M
| | ├──3-光流估计网络模块.mp425.71M
| | ├──4-基于光流完成对齐操作.mp440.28M
| | ├──5-偏移量计算方法1.mp4.mp432.52M
| | ├──6-双向计算特征对齐.mp437.02M
| | ├──7-提特征传递流程分析.mp437.28M
| | ├──8-序列传播计算.mp439.92M
| | └──9-准备变形卷积模块的输入.mp4.mp444.76M
| ├──14_第七模块：多模态3D目标检测算法源码解读
| | ├──1-环境配置与数据集概述.mp451.56M
| | ├──10-3D卷积特征融合.mp456.81M
| | ├──11-输出层预测结果.mp480.85M
| | ├──2-数据与标注文件介绍.mp437.53M
| | ├──3-基本流程梳理并进入debug模式.mp450.38M
| | ├──4-数据与图像特征提取模块.mp458.07M
| | ├──5-体素索引位置获取.mp4.mp464.77M
| | ├──6-体素特征提取方法解读.mp437.62M
| | ├──7-体素特征计算方法分析.mp470.76M
| | ├──8-全局体素特征提取.mp496.00M
| | └──9-多模态特征融合.mp468.41M
| ├──15_第八模块：模型蒸馏应用实例
| | ├──1-任务概述与工具使用.mp439.69M
| | ├──2-Teacher与Student网络结构定义.mp446.30M
| | ├──3-训练T与S得到蒸馏模型.mp470.67M
| | ├──4-开始模型训练过程与问题修正.mp457.31M
| | ├──5-日志输出与模型分离.mp470.30M
| | ├──6-分别得到Teacher与Student模型.mp445.78M
| | └──7-实际测试效果演示.mp439.06M
| ├──16_第八模块：模型剪枝方法概述分析
| | ├──1-SuperNet网络结构分析与剪枝概述.mp440.62M
| | └──2-搜索匹配到符合计算量的模型并训练.mp446.88M
| ├──17_第九模块：mmaction行为识别
| | └──创建自己的行为识别标注数据集.mp4232.78M
| ├──18_额外补充
| | └──在源码中加入各种注意力机制方法.mp4122.52M
| ├──1_MMCV安装方法
| | └──MMCV安装方法.mp455.80M
| ├──2_第一模块：分类任务基本操作
| | ├──1-准备MMCLS项目.mp432.30M
| | ├──2-基本参数配置解读.mp434.57M
| | ├──3-各模块配置文件组成.mp435.85M
| | ├──4-生成完整配置文件.mp424.49M
| | ├──5-根据文件夹定义数据集.mp440.31M
| | ├──6-构建自己的数据集.mp436.38M
| | ├──7-训练自己的任务.mp439.36M
| | └──MMCLS问题修正1.mp423.54M
| ├──3_第一模块：训练结果测试与验证
| | ├──1-测试DEMO效果.mp425.54M
| | ├──2-测试评估模型效果.mp427.62M
| | ├──3-MMCLS中增加一个新的模块.mp462.65M
| | ├──4-修改配置文件中的参数.mp467.76M
| | ├──5-数据增强流程可视化展示.mp437.44M
| | ├──6-Grad-Cam可视化方法.mp441.22M
| | ├──7-可视化细节与效果分析.mp4124.24M
| | ├──8-MMCLS可视化模块应用.mp472.11M
| | └──9-模型分析脚本使用.mp436.41M
| ├──4_第一模块：模型源码DEBUG演示
| | ├──1-VIT任务概述.mp430.01M
| | ├──2-数据增强模块概述分析.mp449.62M
| | ├──3-PatchEmbedding层.mp425.34M
| | ├──4-前向传播基本模块.mp438.92M
| | └──5-CLS与输出模块.mp444.08M
| ├──5_第二模块：使用分割模块训练自己的数据集
| | ├──1-项目配置基本介绍.mp474.27M
| | ├──2-数据集标注与制作方法.mp456.89M
| | ├──3-跟别预测类别数修改配置文件.mp439.53M
| | ├──4-加载预训练模型开始训练.mp486.57M
| | └──5-预测DEMO演示.mp421.93M
| ├──6_第二模块：基于Unet进行各种策略修改
| | ├──1-配置文件解读.mp432.16M
| | ├──2-编码层模块.mp432.51M
| | ├──3-上采样与输出层.mp428.30M
| | ├──4-辅助层的作用.mp419.87M
| | ├──5-给Unet添加一个neck层.mp430.41M
| | ├──6-如何修改参数适配网络结构.mp421.77M
| | ├──7-将Unet特征提取模块替换成transformer.mp422.46M
| | └──8-VIT模块源码分析.mp445.52M
| ├──7_第二模块：分割任务CVPR最新Backbone设计及其应用
| | ├──1-注册自己的Backbone模块.mp4.mp434.35M
| | ├──10-汇总多层级特征进行输出.mp4.mp443.39M
| | ├──2-配置文件指定.mp4.mp435.89M
| | ├──3-DEBUG解读Backbone设计.mp4.mp440.49M
| | ├──4-PatchEmbedding的作用与实现.mp4.mp444.92M
| | ├──5-卷积位置编码计算方法.mp4.mp453.94M
| | ├──6-近似Attention模块实现.mp4.mp479.54M
| | ├──7-完成特征提取与融合模块.mp4.mp455.73M
| | ├──8-分割任务输出模块.mp4.mp457.77M
| | └──9-全局特征的作用与实现.mp4.mp456.38M
| ├──8_第三模块：mmdet训练自己的数据任务
| | ├──1-数据集标注与标签获取.mp4.mp431.39M
| | ├──2-COCO数据标注格式.mp4.mp428.21M
| | ├──3-通过脚本生成COCO数据格式.mp4.mp438.60M
| | ├──4-配置文件数据增强策略分析.mp4.mp445.64M
| | ├──5-训练所需配置说明.mp4(1).mp456.04M
| | ├──5-训练所需配置说明.mp4.mp456.04M
| | ├──6-模型训练与DEMO演示.mp4.mp435.31M
| | ├──7-模型测试与可视化分析模块.mp4.mp477.66M
| | └──8-补充：评估指标.mp4.mp414.11M
| └──9_第三模块：DeformableDetr物体检测源码分析
| | ├──1-特征提取与位置编码.mp438.20M
| | ├──10-分类与回归输出模块.mp449.77M
| | ├──11-预测输出结果与标签匹配模块.mp444.36M
| | ├──2-序列特征展开并叠加.mp451.11M
| | ├──3-得到相对位置点编码.mp428.85M
| | ├──4-准备Encoder编码层所需全部输入.mp437.96M
| | ├──5-编码层中的序列分析.mp439.77M
| | ├──6-偏移量offset计算.mp446.14M
| | ├──7-偏移量对齐操作.mp439.85M
| | ├──8-Encoder层完成特征对齐.mp451.88M
| | └──9-Decoder要完成的操作.mp439.02M
├──05_Opencv图像处理框架实战
| ├──10_项目实战-文档扫描OCR识别
| | ├──1-整体流程演示.mp4.mp421.54M
| | ├──2-文档轮廓提取.mp4.mp427.85M
| | ├──3-原始与变换坐标计算.mp4.mp426.28M
| | ├──4-透视变换结果.mp4.mp432.92M
| | ├──5-tesseract-ocr安装配置.mp4.mp441.28M
| | └──6-文档扫描识别效果.mp4.mp428.90M
| ├──11_图像特征-harris
| | ├──1-角点检测基本原理.mp4.mp415.57M
| | ├──2-基本数学原理.mp4.mp430.62M
| | ├──3-求解化简.mp4.mp431.84M
| | ├──4-特征归属划分.mp4.mp443.27M
| | └──5-opencv角点检测效果.mp4.mp431.08M
| ├──12_图像特征-sift
| | ├──1-尺度空间定义.mp4.mp420.08M
| | ├──2-高斯差分金字塔.mp4.mp421.72M
| | ├──3-特征关键点定位.mp4.mp448.20M
| | ├──4-生成特征描述.mp4.mp424.70M
| | ├──5-特征向量生成.mp4.mp443.78M
| | └──6-opencv中sift函数使用.mp4.mp428.84M
| ├──13_案例实战-全景图像拼接
| | ├──1-特征匹配方法.mp4.mp428.61M
| | ├──2-RANSAC算法.mp4.mp434.54M
| | ├──2-图像拼接方法.mp4.mp445.01M
| | └──4-流程解读.mp4.mp421.70M
| ├──14_项目实战-停车场车位识别
| | ├──1-任务整体流程.mp4.mp471.44M
| | ├──2-所需数据介绍.mp4.mp434.36M
| | ├──3-图像数据预处理.mp4.mp456.79M
| | ├──4-车位直线检测.mp4.mp461.49M
| | ├──5-按列划分区域.mp4.mp454.71M
| | ├──6-车位区域划分.mp4.mp457.38M
| | ├──7-识别模型构建.mp4.mp441.24M
| | └──8-基于视频的车位检测.mp4.mp4135.65M
| ├──15_项目实战-答题卡识别判卷
| | ├──1-整体流程与效果概述.mp429.54M
| | ├──2-预处理操作.mp4.mp424.12M
| | ├──3-填涂轮廓检测.mp4.mp425.71M
| | └──4-选项判断识别.mp4.mp457.16M
| ├──16_背景建模
| | ├──1-背景消除-帧差法.mp4.mp420.84M
| | ├──2-混合高斯模型.mp4.mp426.43M
| | ├──3-学习步骤.mp4.mp431.80M
| | └──4-背景建模实战.mp4.mp451.21M
| ├──17_光流估计
| | ├──1-基本概念.mp4.mp420.25M
| | ├──2-Lucas-Kanade算法.mp4.mp419.72M
| | ├──3-推导求解.mp4.mp425.99M
| | └──4-光流估计实战.mp4.mp464.27M
| ├──18_Opencv的DNN模块
| | ├──1-dnn模块.mp4.mp428.64M
| | └──2-模型加载结果输出.mp4.mp440.54M
| ├──19_项目实战-目标追踪
| | ├──1-目标追踪概述.mp4.mp449.79M
| | ├──2-多目标追踪实战.mp4.mp434.67M
| | ├──3-深度学习检测框架加载.mp4.mp443.67M
| | ├──4-基于dlib与ssd的追踪.mp4.mp473.06M
| | ├──5-多进程目标追踪.mp4.mp425.77M
| | └──6-多进程效率提升对比.mp4.mp478.17M
| ├──1_课程简介与环境配置
| | ├──0-课程简介2.mp4.mp45.42M
| | ├──2-Notebook与IDE环境.mp4.mp484.44M
| | └──2-Python与Opencv配置安装.mp4.mp433.33M
| ├──20_卷积原理与操作
| | ├──1-卷积神经网络的应用.mp4.mp436.23M
| | ├──1-卷积效果演示.mp4.mp424.63M
| | ├──2-卷积操作流程.mp4.mp441.19M
| | ├──2-卷积层解释.mp4.mp422.35M
| | ├──3-卷积计算过程.mp4.mp427.65M
| | ├──4-pading与stride.mp4.mp426.17M
| | ├──5-卷积参数共享.mp4.mp417.74M
| | └──6-池化层原理.mp4.mp416.14M
| ├──21_项目实战-疲劳检测
| | ├──1-关键点定位概述.mp4.mp428.50M
| | ├──2-获取人脸关键点.mp4.mp436.12M
| | ├──3-定位效果演示.mp4.mp445.47M
| | ├──4-闭眼检测.mp4.mp471.12M
| | └──5-检测效果.mp4.mp440.65M
| ├──2_图像基本操作
| | ├──1-计算机眼中的图像.mp4.mp430.92M
| | ├──2-视频的读取与处理.mp4.mp447.01M
| | ├──3-ROI区域.mp4.mp415.42M
| | ├──4-边界填充.mp4.mp421.50M
| | └──5-数值计算.mp4.mp440.09M
| ├──3_阈值与平滑处理
| | ├──1-图像平滑处理.mp4.mp424.74M
| | ├──2-高斯与中值滤波.mp4.mp420.60M
| | └──图像阈值.mp4.mp430.82M
| ├──4_图像形态学操作
| | ├──1-腐蚀操作.mp4.mp421.04M
| | ├──2-膨胀操作.mp4.mp412.30M
| | ├──3-开运算与闭运算.mp4.mp49.37M
| | ├──4-梯度计算.mp4.mp47.90M
| | └──5-礼帽与黑帽.mp4.mp415.92M
| ├──5_图像梯度计算
| | ├──1-Sobel算子.mp4.mp427.05M
| | ├──2-梯度计算方法.mp4.mp430.34M
| | └──3-scharr与lapkacian算子.mp4.mp427.44M
| ├──6_边缘检测
| | ├──1-Canny边缘检测流程.mp4.mp419.01M
| | ├──2-非极大值抑制.mp4.mp418.37M
| | └──3-边缘检测效果.mp4.mp436.68M
| ├──7_图像金字塔与轮廓检测
| | ├──1-轮廓检测方法.mp4.mp419.36M
| | ├──1-模板匹配方法.mp4.mp447.39M
| | ├──1-图像金字塔定义.mp4.mp419.73M
| | ├──2-金字塔制作方法.mp4.mp425.52M
| | ├──2-轮廓检测结果.mp4.mp434.41M
| | ├──2-匹配效果展示.mp4.mp421.19M
| | └──3-轮廓特征与近似.mp4.mp437.56M
| ├──8_直方图与傅里叶变换
| | ├──1-傅里叶概述.mp4.mp438.84M
| | ├──1-直方图定义.mp4.mp423.68M
| | ├──2-均衡化原理.mp4.mp431.40M
| | ├──2-频域变换结果.mp4.mp426.30M
| | ├──3-低通与高通滤波.mp4.mp427.38M
| | └──3-均衡化效果.mp4.mp427.26M
| └──9_项目实战-信用卡数字识别
| | ├──2-环境配置与预处理.mp4.mp434.89M
| | ├──3-模板处理方法.mp4.mp423.73M
| | ├──4-输入数据处理方法.mp4.mp428.93M
| | ├──5-模板匹配得出识别结果.mp4.mp447.77M
| | └──总体流程与方法讲解.mp4.mp420.70M
├──06_综合项目-物体检测经典算法实战
| ├──10_EfficientNet网络
| | └──第八课：EfficientNet网络模型.mp4.mp4538.52M
| ├──11_EfficientDet检测算法
| | └──第十一章：EfficientDet检测算法.mp4.mp4448.05M
| ├──12_基于Transformer的detr目标检测算法
| | ├──1-DETR目标检测基本思想解读.mp4.mp419.39M
| | ├──2-整体网络架构分析.mp4.mp431.68M
| | ├──3-位置信息初始化query向量.mp4.mp420.01M
| | ├──4-注意力机制的作用方法.mp4.mp420.90M
| | └──5-训练过程的策略.mp4.mp428.45M
| ├──13_detr目标检测源码解读
| | ├──1-项目环境配置解读.mp4.mp440.46M
| | ├──2-数据处理与dataloader.mp4.mp464.15M
| | ├──3-位置编码作用分析.mp4.mp448.00M
| | ├──4-backbone特征提取模块.mp4.mp435.66M
| | ├──5-mask与编码模块.mp4.mp434.80M
| | ├──6-编码层作用方法.mp4.mp442.90M
| | ├──7-Decoder层操作与计算.mp4.mp430.19M
| | ├──8-输出预测结果.mp4.mp441.33M
| | └──9-损失函数与预测输出.mp4.mp441.23M
| ├──1_深度学习经典检测方法概述
| | ├──1-检测任务中阶段的意义.mp4.mp415.19M
| | ├──2-不同阶段算法优缺点分析.mp4.mp410.72M
| | ├──3-IOU指标计算.mp4.mp411.78M
| | ├──4-评估所需参数计算.mp4.mp426.28M
| | └──5-map指标计算.mp4.mp419.68M
| ├──2_YOLO-V1整体思想与网络架构
| | ├──2-检测算法要得到的结果.mp4.mp413.67M
| | ├──3-整体网络架构解读.mp4.mp430.72M
| | ├──4-位置损失计算.mp4.mp419.02M
| | ├──5-置信度误差与优缺点分析.mp4.mp426.90M
| | └──YOLO算法整体思路解读.mp4.mp414.73M
| ├──3_YOLO-V2改进细节详解
| | ├──2-网络结构特点.mp4.mp415.74M
| | ├──3-架构细节解读.mp4.mp418.96M
| | ├──4-基于聚类来选择先验框尺寸.mp4.mp424.28M
| | ├──5-偏移量计算方法.mp4.mp427.59M
| | ├──6-坐标映射与还原.mp4.mp410.12M
| | ├──7-感受野的作用.mp4.mp428.16M
| | ├──8-特征融合改进.mp4.mp419.25M
| | └──V2版本细节升级概述.mp4.mp413.42M
| ├──4_YOLO-V3核心网络模型
| | ├──1-V3版本改进概述.mp4.mp418.32M
| | ├──2-多scale方法改进与特征融合.mp4.mp417.12M
| | ├──3-经典变换方法对比分析.mp4.mp410.88M
| | ├──4-残差连接方法解读.mp4.mp418.69M
| | ├──5-整体网络模型架构分析.mp4.mp412.98M
| | ├──6-先验框设计改进.mp4.mp413.08M
| | └──7-sotfmax层改进.mp4.mp410.65M
| ├──5_项目实战-基于V3版本进行源码解读
| | ├──1-数据与环境配置.mp4.mp465.57M
| | ├──10-网格偏移计算.mp4.mp433.97M
| | ├──11-模型要计算的损失概述.mp4.mp423.18M
| | ├──12-标签值格式修改.mp4.mp428.31M
| | ├──13-坐标相对位置计算.mp4.mp432.84M
| | ├──14-完成所有损失函数所需计算指标.mp4.mp435.37M
| | ├──15-模型训练与总结.mp4.mp472.95M
| | ├──16-预测效果展示.mp4.mp434.56M
| | ├──2-训练参数设置.mp4.mp423.90M
| | ├──3-数据与标签读取.mp4.mp442.55M
| | ├──4-标签文件读取与处理.mp4.mp427.52M
| | ├──5-debug模式介绍.mp4.mp427.29M
| | ├──6-基于配置文件构建网络模型.mp4.mp442.08M
| | ├──7-路由层与shortcut层的作用.mp4.mp433.77M
| | ├──8-YOLO层定义解析.mp4.mp461.13M
| | └──9-预测结果计算.mp4.mp446.05M
| ├──6_基于YOLO-V3训练自己的数据集与任务
| | ├──1-Labelme工具安装.mp4.mp414.33M
| | ├──2-数据信息标注.mp4.mp432.14M
| | ├──3-完成标签制作.mp4.mp431.79M
| | ├──4-生成模型所需配置文件.mp4.mp436.75M
| | ├──5-json格式转换成yolo-v3所需输入.mp4.mp421.00M
| | ├──6-完成输入数据准备工作.mp4.mp440.14M
| | ├──7-训练代码与参数配置更改.mp4.mp444.34M
| | └──8-训练模型并测试效果.mp4.mp438.54M
| ├──7_YOLO-V4版本算法解读
| | ├──1-V4版本整体概述.mp4.mp415.10M
| | ├──10-PAN模块解读.mp4.mp420.68M
| | ├──11-激活函数与整体架构总结.mp4.mp419.23M
| | ├──2-V4版本贡献解读.mp4.mp410.10M
| | ├──3-数据增强策略分析.mp4.mp424.74M
| | ├──4-DropBlock与标签平滑方法.mp4.mp419.41M
| | ├──5-损失函数遇到的问题.mp4.mp414.30M
| | ├──6-CIOU损失函数定义.mp4.mp410.87M
| | ├──7-NMS细节改进.mp4.mp416.70M
| | ├──8-SPP与CSP网络结构.mp4.mp414.86M
| | └──9-SAM注意力机制模块.mp4.mp422.53M
| ├──8_V5版本项目配置
| | ├──1-整体项目概述.mp4.mp435.81M
| | ├──2-训练自己的数据集方法.mp4.mp441.37M
| | ├──3-训练数据参数配置.mp4.mp451.53M
| | └──4-测试DEMO演示.mp4.mp450.52M
| └──9_V5项目工程源码解读
| | ├──1-数据源DEBUG流程解读.mp4.mp448.18M
| | ├──10-完成配置文件解析任务.mp4.mp458.85M
| | ├──11-前向传播计算.mp4.mp430.84M
| | ├──12-BottleneckCSP层计算方法.mp4.mp433.86M
| | ├──13-1 SPP层计算细节分析.mp4.mp429.21M
| | ├──13-Head层流程解读.mp4.mp429.16M
| | ├──14-上采样与拼接操作.mp4.mp421.52M
| | ├──15-输出结果分析.mp4.mp441.76M
| | ├──16-超参数解读.mp4.mp434.98M
| | ├──17-命令行参数介绍.mp4.mp444.30M
| | ├──18-训练流程解读.mp4.mp446.85M
| | ├──19-各种训练策略概述.mp4.mp438.47M
| | ├──2-图像数据源配置.mp4.mp434.70M
| | ├──20-模型迭代过程.mp4.mp438.46M
| | ├──3-加载标签数据.mp4.mp426.38M
| | ├──4-Mosaic数据增强方法.mp4.mp428.23M
| | ├──5-数据四合一方法与流程演示.mp4.mp441.73M
| | ├──6-getItem构建batch.mp4.mp433.08M
| | ├──7-网络架构图可视化工具安装.mp4.mp434.37M
| | ├──8-V5网络配置文件解读.mp4.mp435.79M
| | └──9-Focus模块流程分析.mp4.mp421.97M
├──07_图像分割实战
| ├──10_MaskRcnn网络框架源码详解
| | ├──1-FPN层特征提取原理解读.mp4.mp442.35M
| | ├──10-RoiPooling层的作用与目的.mp4.mp433.49M
| | ├──11-RorAlign操作的效果.mp4.mp425.75M
| | ├──12-整体框架回顾.mp4.mp428.90M
| | ├──2-FPN网络架构实现解读.mp4.mp455.81M
| | ├──3-生成框比例设置.mp4.mp428.29M
| | ├──4-基于不同尺度特征图生成所有框.mp4.mp432.98M
| | ├──5-RPN层的作用与实现解读.mp4.mp430.94M
| | ├──6-候选框过滤方法.mp4.mp415.63M
| | ├──7-Proposal层实现方法.mp4.mp433.36M
| | ├──8-DetectionTarget层的作用.mp4.mp425.74M
| | └──9-正负样本选择与标签定义.mp4.mp427.64M
| ├──11_基于MASK-RCNN框架训练自己的数据与任务
| | ├──1-Labelme工具安装.mp4.mp414.33M
| | ├──2-使用labelme进行数据与标签标注.mp426.34M
| | ├──3-完成训练数据准备工作.mp4.mp426.65M
| | ├──4-maskrcnn源码修改方法.mp4.mp463.60M
| | ├──5-基于标注数据训练所需任务.mp4.mp439.77M
| | └──6-测试与展示模块.mp4.mp438.65M
| ├──1_图像分割及其损失函数概述
| | ├──1-语义分割与实例分割概述.mp4.mp420.29M
| | ├──2-分割任务中的目标函数定义.mp4.mp420.04M
| | └──3-MIOU评估标准.mp4.mp49.07M
| ├──2_卷积神经网络原理与参数解读
| | ├──1-卷积神经网络应用领域.mp4.mp421.25M
| | ├──10-VGG网络架构.mp4.mp419.38M
| | ├──11-残差网络Resnet.mp4.mp418.06M
| | ├──12-感受野的作用.mp4.mp416.91M
| | ├──2-卷积的作用.mp4.mp422.71M
| | ├──3-卷积特征值计算方法.mp4.mp421.27M
| | ├──4-得到特征图表示.mp4.mp418.28M
| | ├──5-步长与卷积核大小对结果的影响.mp4.mp419.91M
| | ├──6-边缘填充方法.mp4.mp417.32M
| | ├──7-特征图尺寸计算与参数共享.mp4.mp422.03M
| | ├──8-池化层的作用.mp4.mp411.36M
| | └──9-1整体网络架构.mp4.mp417.03M
| ├──3_Unet系列算法讲解
| | ├──1-Unet网络编码与解码过程.mp4.mp418.34M
| | ├──2-网络计算流程.mp416.18M
| | ├──3-Unet升级版本改进.mp4.mp415.79M
| | └──4-后续升级版本介绍.mp4.mp418.42M
| ├──4_unet医学细胞分割实战
| | ├──1-医学细胞数据集介绍与参数配置.mp4.mp471.25M
| | ├──2-数据增强工具.mp4.mp461.52M
| | ├──3-Debug模式演示网络计算流程.mp4.mp441.41M
| | ├──4-特征融合方法演示.mp4.mp430.09M
| | ├──5-迭代完成整个模型计算任务.mp4.mp433.59M
| | └──6-模型效果验证.mp4.mp447.33M
| ├──5_U2NET显著性检测实战
| | ├──1-任务目标与网络整体介绍.mp4.mp458.71M
| | ├──2-显著性检测任务与目标概述.mp4.mp454.00M
| | ├──3-编码器模块解读.mp4.mp443.71M
| | ├──4-解码器输出结果.mp4.mp427.95M
| | └──5-损失函数与应用效果.mp4.mp434.39M
| ├──6_deeplab系列算法
| | ├──1-deeplab分割算法概述.mp4.mp413.85M
| | ├──2-空洞卷积的作用.mp4.mp416.78M
| | ├──3-感受野的意义.mp4.mp419.42M
| | ├──4-SPP层的作用.mp4.mp419.07M
| | ├──5-ASPP特征融合策略.mp4.mp413.50M
| | └──6-deeplabV3Plus版本网络架构.mp4.mp424.12M
| ├──7_基于deeplabV3+版本进行VOC分割实战
| | ├──1-PascalVoc数据集介绍.mp4.mp470.17M
| | ├──2-项目参数与数据集读取.mp4.mp460.36M
| | ├──3-网络前向传播流程.mp4.mp433.14M
| | ├──4-ASPP层特征融合.mp4.mp451.23M
| | └──5-分割模型训练.mp4.mp435.01M
| ├──8_医学心脏视频数据集分割建模实战
| | ├──1-数据集与任务概述.mp4.mp445.59M
| | ├──2-项目基本配置参数.mp4.mp433.36M
| | ├──3-任务流程解读.mp4.mp469.17M
| | ├──4-文献报告分析.mp4.mp4122.71M
| | ├──5-补充：视频数据源特征处理方法概述.mp4.mp426.37M
| | └──6-补充：R(2plus1)D处理方法分析.mp4.mp418.92M
| └──9_物体检测框架-MaskRcnn项目介绍与配置
| | ├──0-Mask-Rcnn开源项目简介.mp4.mp488.22M
| | ├──0-参数配置.mp4.mp497.90M
| | └──0-开源项目数据集.mp4.mp442.53M
├──08_行为识别实战
| ├──1_slowfast算法知识点通俗解读
| | ├──1-slowfast核心思想解读.mp4.mp474.90M
| | ├──2-核心网络结构模块分析.mp4.mp421.03M
| | ├──3-数据采样曾的作用.mp4.mp418.31M
| | ├──4-模型网络结构设计.mp4.mp419.34M
| | └──5-特征融合模块与总结分析.mp4.mp439.34M
| ├──2_slowfast项目环境配置与配置文件
| | ├──1-环境基本配置解读.mp4.mp445.39M
| | ├──2-目录各文件分析.mp4.mp436.89M
| | ├──3-配置文件作用解读.mp4.mp450.94M
| | ├──4-测试DEMO演示1.mp4.mp466.82M
| | ├──5-训练所需标签文件说明.mp4.mp448.82M
| | ├──6-训练所需视频数据准备.mp4.mp447.44M
| | ├──7-视频数据集切分操作.mp4.mp439.70M
| | └──8-完成视频分帧操作.mp4.mp432.82M
| ├──3_slowfast源码详细解读
| | ├──1-模型所需配置文件参数读取1.mp4.mp433.29M
| | ├──10-RoiAlign与输出层1.mp4.mp478.97M
| | ├──2-数据处理概述1.mp4.mp449.76M
| | ├──3-dataloader数据遍历方法1.mp4.mp456.90M
| | ├──4-数据与标签读取实例1.mp4.mp452.27M
| | ├──5-图像数据所需预处理方法1.mp4.mp466.81M
| | ├──6-slow与fast分别执行采样操作1.mp4.mp466.39M
| | ├──7-分别计算特征图输出结果1.mp4.mp456.69M
| | ├──8-slow与fast特征图拼接操作1.mp4.mp449.74M
| | └──9-resnetBolock操作1.mp4.mp453.66M
| ├──4_基于3D卷积的视频分析与动作识别
| | ├──1-3D卷积原理解读.mp4.mp420.66M
| | ├──2-UCF101动作识别数据集简介.mp4.mp451.73M
| | ├──3-测试效果与项目配置.mp4.mp455.64M
| | ├──4-视频数据预处理方法.mp432.30M
| | ├──5-数据Batch制作方法.mp4.mp446.71M
| | ├──6-3D卷积网络所涉及模块.mp4.mp437.81M
| | └──7-训练网络模型.mp4.mp438.85M
| ├──5_视频异常检测算法与元学习
| | ├──1-异常检测要解决的问题与数据集介绍.mp4.mp421.53M
| | ├──2-基本思想与流程分析.mp4.mp424.31M
| | ├──3-预测与常见问题.mp4.mp426.63M
| | ├──4-Meta-Learn要解决的问题.mp4.mp420.82M
| | ├──5-学习能力与参数定义.mp4.mp414.21M
| | ├──6-如何找到合适的初始化参数.mp4.mp423.41M
| | └──7-MAML算法流程解读.mp4.mp429.03M
| ├──6_视频异常检测CVPR2021论文及其源码解读
| | ├──1-论文概述与环境配置.mp4.mp426.66M
| | ├──2-数据集配置与读取.mp4.mp438.79M
| | ├──3-模型编码与解码结构.mp4.mp433.42M
| | ├──4-注意力机制模块打造.mp4.mp461.16M
| | ├──5-损失函数的目的.mp4.mp458.01M
| | ├──6-特征图生成.mp4.mp438.07M
| | └──7-MetaLearn与输出.mp4.mp429.84M
| └──7_基础补充-Resnet模型及其应用实例
| | ├──1-医学疾病数据集介绍.mp4.mp418.89M
| | ├──2-Resnet网络架构原理分析.mp4.mp424.85M
| | ├──3-dataloader加载数据集.mp4.mp464.83M
| | ├──4-Resnet网络前向传播.mp4.mp435.86M
| | ├──5-残差网络的shortcut操作.mp4.mp447.39M
| | ├──6-特征图升维与降采样操作.mp4.mp426.94M
| | └──7-网络整体流程与训练演示.mp4.mp467.49M
├──09_2022论文必备-Transformer实战系列
| ├──10_MedicalTransformer源码解读
| | ├──1-项目环境配置1.mp4.mp425.33M
| | ├──2-医学数据介绍与分析1.mp4.mp456.73M
| | ├──3-基本处理操作1.mp4.mp425.81M
| | ├──4-AxialAttention实现过程1.mp4.mp436.92M
| | ├──5-位置编码向量解读1.mp4.mp427.85M
| | ├──6-注意力计算过程与方法1.mp4.mp452.18M
| | └──7-局部特征提取与计算1.mp4.mp440.96M
| ├──11_商汤LoFTR算法解读
| | ├──1-特征匹配的应用场景.mp4.mp487.39M
| | ├──10-总结分析.mp4.mp439.47M
| | ├──2-特征匹配的基本流程分析.mp4.mp415.96M
| | ├──3-整体流程梳理分析.mp4.mp416.50M
| | ├──4-CrossAttention的作用与效果.mp4.mp415.73M
| | ├──5-transformer构建匹配特征.mp4.mp433.83M
| | ├──6-粗粒度匹配过程与作用.mp4.mp426.05M
| | ├──7-特征图拆解操作.mp4.mp414.38M
| | ├──8-细粒度匹配的作用与方法.mp4.mp419.91M
| | └──9-基于期望预测最终位置.mp4.mp423.13M
| ├──12_局部特征关键点匹配实战
| | ├──1-项目与参数配置解读1.mp4.mp444.53M
| | ├──10-得到精细化输出结果1.mp4.mp419.39M
| | ├──11-通过期望计算最终输出1.mp4.mp440.29M
| | ├──2-DEMO效果演示1.mp4.mp439.61M
| | ├──3-backbone特征提取模块1.mp4.mp428.69M
| | ├──4-注意力机制的作用与效果分析1.mp4.mp431.02M
| | ├──5-特征融合模块实现方法1.mp4.mp429.34M
| | ├──6-cross关系计算方法实例1.mp4.mp429.34M
| | ├──7-粗粒度匹配过程1.mp4.mp449.84M
| | ├──8-完成基础匹配模块1.mp4.mp463.37M
| | └──9-精细化调整方法与实例1.mp4.mp442.77M
| ├──13_项目补充-谷歌开源项目BERT源码解读与应用实例
| | ├──1-BERT开源项目简介1.mp4.mp441.30M
| | ├──10-构建QKV矩阵1.mp4.mp450.69M
| | ├──11-完成Transformer模块构建1.mp4.mp440.77M
| | ├──12-训练BERT模型1.mp4.mp454.63M
| | ├──2-项目参数配置1.mp4.mp4106.71M
| | ├──3-数据读取模块1.mp4.mp454.24M
| | ├──4-数据预处理模块1.mp440.05M
| | ├──6-Embedding层的作用1.mp4.mp430.95M
| | ├──7-加入额外编码特征1.mp4.mp442.41M
| | ├──8-加入位置编码特征1.mp4.mp423.61M
| | ├──9-mask机制1.mp4.mp436.74M
| | └──tfrecord制作1.mp4.mp451.44M
| ├──14_项目补充-基于BERT的中文情感分析实战
| | ├──1-中文分类数据与任务概述1.mp4.mp483.52M
| | ├──2-读取处理自己的数据集1.mp4.mp453.05M
| | └──3-训练BERT中文分类模型1.mp4.mp472.25M
| ├──1_课程介绍
| | └──课程介绍1.mp4.mp414.86M
| ├──2_自然语言处理通用框架BERT原理解读
| | ├──1-BERT任务目标概述.mp4.mp411.51M
| | ├──10-训练实例.mp4.mp424.14M
| | ├──2-传统解决方案遇到的问题1.mp4.mp422.63M
| | ├──3-注意力机制的作用1.mp4.mp414.76M
| | ├──4-self-attention计算方法1.mp4.mp423.74M
| | ├──5-特征分配与softmax机制1.mp4.mp421.28M
| | ├──6-Multi-head的作用1.mp4.mp419.34M
| | ├──7-位置编码与多层堆叠1.mp4.mp416.81M
| | ├──8-transformer整体架构梳理.mp4.mp422.29M
| | └──9-BERT模型训练方法.mp4.mp420.63M
| ├──3_Transformer在视觉中的应用VIT算法
| | ├──1-transformer发家史介绍1.mp4.mp415.88M
| | ├──2-对图像数据构建patch序列1.mp4.mp422.22M
| | ├──3-VIT整体架构解读1.mp4.mp424.37M
| | ├──4-CNN遇到的问题与窘境1.mp4.mp422.39M
| | ├──5-计算公式解读1.mp4.mp424.15M
| | ├──6-位置编码与TNT模型1.mp4.mp425.25M
| | └──7-TNT模型细节分析1.mp4.mp427.59M
| ├──4_VIT算法模型源码解读
| | ├──1-项目配置说明1.mp4.mp443.32M
| | ├──2-输入序列构建方法解读1.mp4.mp429.85M
| | ├──3-注意力机制计算1.mp4.mp428.08M
| | └──4-输出层计算结果1.mp4.mp437.77M
| ├──5_swintransformer算法原理解析
| | ├──1-swintransformer整体概述1.mp4.mp414.81M
| | ├──10-分层计算方法1.mp4.mp421.75M
| | ├──2-要解决的问题及其优势分析1.mp4.mp422.38M
| | ├──3-一个block要完成的任务1.mp4.mp417.41M
| | ├──4-获取各窗口输入特征1.mp4.mp419.04M
| | ├──5-基于窗口的注意力机制解读1.mp4.mp429.57M
| | ├──6-窗口偏移操作的实现1.mp4.mp424.32M
| | ├──7-偏移细节分析及其计算量概述1.mp4.mp420.46M
| | ├──8-整体网络架构整合1.mp4.mp420.93M
| | └──9-下采样操作实现方法1.mp4.mp422.29M
| ├──6_swintransformer源码解读
| | ├──1-数据与环境配置解读1.mp4.mp459.64M
| | ├──2-图像数据patch编码1.mp4.mp437.67M
| | ├──3-数据按window进行划分计算1.mp4.mp431.50M
| | ├──4-基础attention计算模块1.mp4.mp427.63M
| | ├──5-窗口位移模块细节分析1.mp4.mp436.86M
| | ├──6-patchmerge下采样操作1.mp4.mp425.28M
| | ├──7-各block计算方法解读1.mp4.mp427.95M
| | └──8-输出层概述1.mp4.mp441.16M
| ├──7_基于Transformer的detr目标检测算法
| | ├──1-DETR目标检测基本思想解读1.mp4.mp419.32M
| | ├──2-整体网络架构分析1.mp4.mp431.59M
| | ├──3-位置信息初始化query向量1.mp4.mp419.95M
| | ├──4-注意力机制的作用方法1.mp4.mp420.83M
| | └──5-训练过程的策略1.mp4.mp428.39M
| ├──8_detr目标检测源码解读
| | ├──1-项目环境配置解读2.mp4.mp440.38M
| | ├──2-数据处理与dataloader2.mp4.mp464.03M
| | ├──3-位置编码作用分析2.mp4.mp447.90M
| | ├──4-backbone特征提取模块1.mp4.mp435.58M
| | ├──5-mask与编码模块1.mp4.mp434.73M
| | ├──6-编码层作用方法1.mp4.mp442.82M
| | ├──7-Decoder层操作与计算1.mp4.mp430.13M
| | ├──8-输出预测结果1.mp4.mp441.25M
| | └──9-损失函数与预测输出1.mp441.23M
| └──9_MedicalTrasnformer论文解读
| | ├──1-论文整体分析.mp4.mp423.77M
| | ├──2-核心思想分析.mp4.mp454.31M
| | ├──3-网络结构计算流程概述.mp4.mp444.51M
| | ├──4-论文公式计算分析.mp4.mp446.97M
| | ├──5-位置编码的作用与效果.mp4.mp446.59M
| | └──6-拓展应用分析.mp4.mp456.57M
└──10_图神经网络实战
| ├──1_图神经网络基础
| | ├──1-图神经网络应用领域分析.mp4.mp426.44M
| | ├──2-图基本模块定义.mp4.mp410.56M
| | ├──3-邻接矩阵的定义.mp4.mp416.11M
| | ├──4-GNN中常见任务.mp4.mp419.22M
| | ├──5-消息传递计算方法.mp4.mp414.27M
| | └──6-多层GCN的作用.mp4.mp413.04M
| ├──2_图卷积GCN模型
| | ├──1-GCN基本模型概述.mp4.mp413.29M
| | ├──2-图卷积的基本计算方法.mp4.mp412.60M
| | ├──3-邻接的矩阵的变换.mp4.mp418.42M
| | └──4-GCN变换原理解读.mp4.mp421.16M
| ├──3_图模型必备神器PyTorch Geometric安装与使用
| | ├──1-PyTorch Geometric工具包安装与配置方法.mp4.mp445.11M
| | ├──2-数据集与邻接矩阵格式.mp4.mp451.97M
| | ├──3-模型定义与训练方法.mp4.mp441.96M
| | └──4-文献引用数据集分类案例实战.mp4.mp447.79M
| ├──4_使用PyTorch Geometric构建自己的图数据集
| | ├──1-构建数据集基本方法.mp4.mp413.52M
| | ├──2-数据集与任务背景概述.mp4.mp421.68M
| | ├──3-数据集基本预处理.mp4.mp431.55M
| | ├──4-用户行为图结构创建.mp4.mp436.72M
| | ├──5-数据集创建函数介绍.mp4.mp434.91M
| | ├──6-网络结构定义模块.mp4.mp436.92M
| | ├──7-TopkPooling进行下采样任务.mp4.mp431.35M
| | ├──8-获取全局特征.mp4.mp425.75M
| | └──9-模型训练与总结.mp4.mp435.88M
| ├──5_图注意力机制与序列图模型
| | ├──1-图注意力机制的作用与方法.mp4.mp416.58M
| | ├──2-邻接矩阵计算图Attention.mp4.mp421.44M
| | ├──3-序列图神经网络TGCN应用.mp4.mp412.63M
| | └──4-序列图神经网络细节.mp4.mp423.72M
| ├──6_图相似度论文解读
| | ├──1-要完成的任务分析.mp4.mp447.84M
| | ├──2-基本方法概述解读.mp4.mp452.72M
| | ├──3-图模型提取全局与局部特征.mp4.mp447.46M
| | ├──4-NTN模块的作用与效果.mp4.mp441.14M
| | ├──5-点之间的对应关系计算.mp4.mp451.26M
| | └──6-结果输出与总结.mp4.mp471.22M
| ├──7_图相似度计算实战
| | ├──1-数据集与任务概述3.mp4.mp418.16M
| | ├──2-图卷积特征提取模块3.mp4.mp455.97M
| | ├──3-分别计算不同Batch点的分布3.mp4.mp431.75M
| | ├──4-获得直方图特征结果.mp421.16M
| | ├──5-图的全局特征构建.mp4.mp431.49M
| | ├──6-NTN图相似特征提取.mp4.mp439.29M
| | └──7-预测得到相似度结果.mp4.mp418.68M
| ├──8_基于图模型的轨迹估计
| | ├──1-数据集与标注信息解读.mp4.mp457.58M
| | ├──2-整体三大模块分析.mp4.mp471.88M
| | ├──3-特征工程的作用与效果.mp4.mp441.79M
| | ├──4-传统方法与现在向量空间对比.mp4.mp451.87M
| | ├──5-输入细节分析.mp4.mp450.00M
| | ├──6-子图模块构建方法.mp4.mp442.59M
| | ├──7-特征融合模块分析.mp4.mp447.71M
| | └──8-VectorNet输出层分析.mp4.mp485.50M
| └──9_图模型轨迹估计实战
| | ├──1-数据与环境配置4.mp4.mp435.41M
| | ├──2-训练数据准备4.mp4.mp427.74M
| | ├──3-Agent特征提取方法4.mp4.mp437.92M
| | ├──4-DataLoader构建图结构4.mp4.mp428.65M
| | └──5-SubGraph与Attention模型流程4.mp4.mp434.60M
end
本文链接：蓝天资源网 http://lt.zxj6009.xyz/
本文链接：蓝天资源网 http://lt.zxj6009.xyz/
本文链接：蓝天资源网 http://lt.zxj6009.xyz/
页:
[1]