首页 IT教程机器学习正文

greedy计算机视觉CV课程资料全

action 机器学习 2020-04-22 10:34:07 1110 0

 greedy计算机视觉CV课程资料全

课时1:机器学习、深度学习简介.mp4
课时2:深度学习的发展历史.mp4
课时3:现代深度学习的典型例子.mp4
课时4:深度学习在计算机视觉中的应用.mp4
课时5:深度学习的总结.mp4
课时6:开发环境的配置, Python, Numpy, Keras入门教程.mp4
课时7:GPU驱动程序安装.mp4
课时8:CUDA的安装.mp4
课时9:cuDNN的安装, Tensorflow, PyTorch的GPU测试.mp4
课时10:问答环节.mp4
课时11:环境安装.mp4
课时12:二元分类问题.mp4
课时13:逻辑函数.mp4
课时14:指数与对数 、逻辑回归.mp4
课时15:示例.mp4
课时16:损失函数.mp4
课时17:损失函数推演.mp4
课时18:梯度下降法.mp4
课时19:应用.mp4
课时20:直播答疑.mp4
课时21:自动驾驶方向盘预测论文分析.mp4
课时22:使用PyCharm Keras建立深度网络模型.mp4
课时23:数据预处理 数据增强.mp4
课时24:建立BatchGenerator高效读取数据.mp4
课时25:训练网络 保存训练的中间过程数据.mp4
课时26:查看网络训练过程 判断网络是否过拟合 欠拟合.mp4
课时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
课时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
课时29:使用Keras创建一个用于鸢尾花分类识别的神经网络.mp4
课时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
课时31:神经网络数学原理(1): 神经网络的结点,权值,激活函数.mp4
课时32:神经网络数学原理(2): 神经网络的前馈(Feed Forward)算法.mp4
课时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
课时34:神经网络数学原理(4):神经网络BP(误差反向传播)算法.mp4
课时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
课时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
课时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
课时38:Neural.Network.Loss-直播01.mp4
课时39:Neural.Network.Loss-直播02.mp4
课时40:Neural.Network.Loss-直播03.mp4
课时41:梯度消亡.mp4
课时42:梯度消亡问题分析.mp4
课时43:梯度消亡解决方案.mp4
课时44:过拟合.mp4
课时45:DropOut 训练.mp4
课时46:正则化.mp4
课时47:最大范数约束 神经元的初始化.mp4
课时48:作业讲解与答疑-01.mp4
课时49:作业讲解与答疑-02.mp4
课时50:为什么需要递归神经网络?.mp4
课时51:递归神经网络介绍.mp4
课时52:语言模型.mp4
课时53:RNN的深度.mp4
课时54:梯度爆炸和梯度消失.mp4
课时55:Gradient Clipping.mp4
课时56:LSTM的介绍.mp4
课时57:LSTM的应用.mp4
课时58:Bi-Directional LSTM.mp4
课时59:Gated Recurrent Unit.mp4
课时60:机器翻译.mp4
课时61:Multimodal Learning.mp4
课时62:Seq2Seq模型.mp4
课时63:回顾RNN与LSTM.mp4
课时64:Attention for Image Captioning.mp4
课时65:Attention for Machine Translation.mp4
课时66:Self-Attention.mp4
课时67:Attention总结.mp4
课时68:neural network optimizer直播-01.mp4
课时69:neural network optimizer直播-02.mp4
课时70:neural network optimizer直播-03.mp4
课时71:项目介绍.mp4
课时72:看图说话课时一-01.mp4
课时73:看图说话课时一-02.mp4
课时74:看图说话课时一-03.mp4
课时75:课时介绍.mp4
课时76:如何实现 load_img_as_np_array 这个函数.mp4
课时77:如何实现“load_vgg16_model”函数.mp4
课时78:如何实现“extract_features”函数.mp4
课时79:创建Tokenizer01.mp4
课时80:创建Tokenizer02.mp4
课时81:产生模型需要的输入数据01.mp4
课时82:产生模型需要的输入数据02.mp4
课时83:课时的概述.mp4
课时84:Input Embedding和Dropout层介绍.mp4
课时85:LSTM Add层的介绍.mp4
课时86:如何训练模型.mp4
课时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
课时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
课时89:如何调用generate_caption函数.mp4
课时90:如何评价标题生成模型的性能.mp4
课时91:读取和显示数字图像.mp4
课时92:数字图像大小缩放.mp4
课时93:数字图像直方图均衡.mp4
课时94:图像去噪声.mp4
课时95:图像边缘检测.mp4
课时96:图像关键点检测.mp4
课时97:道路行车道检测简介.mp4
课时98:Canny边缘检测.mp4
课时99:霍夫变换用于直线检测.mp4
课时101:在图像和视频上面演示道路行车道检测.mp4
课时102:项目介绍.mp4
课时103:交通指示牌识别的简介.mp4
课时104:交通指示牌识别课程的编程课时.mp4
课时105:如何分析数据 (util.py 的详细介绍).mp4
课时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
课时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
课时108:色彩空间转换.mp4
课时109:直方图均衡.mp4
课时110:图像标准化.mp4
课时111:使用ImageDataGenerator做图像增强.mp4
课时112:作业上传的要求.mp4
课时113:介绍经典交通指示牌卷积神经网络模型.mp4
课时114:代码实现经典交通指示牌识别卷积神经网络模型.mp4
课时115:卷积神经网络的数学原理01.mp4
课时116:卷积神经网络的数学原理02.mp4
课时117:深度学习调参-直播-01.mp4
课时118:深度学习调参-直播-02.mp4
课时119:深度学习调参-直播-03.mp4
课时120:卷积层的启发.mp4
课时121:卷积层的定量分析.mp4
课时122:单通道输入 单通道输出的卷积层的实例.mp4
课时123:多通道输入 多通道输出的卷积层的实例.mp4
课时124:池化层的原理 定量分析.mp4
课时125:卷积神经网络和全连接神经网络的比较.mp4
课时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
课时127:基于深度学习的图像分类历史回顾.mp4
课时128:AlexNet的结构分析.mp4
课时129:ZFNet的结构分析.mp4
课时130:VGG的结构分析.mp4
课时131:GoogleNet Inception的结构分析.mp4
课时132:Inception V3的结构分析.mp4
课时133:ResNet的结构分析.mp4
课时134:ResNet的代码实现.mp4
课时135:基于内容的图像搜索理论基础.mp4
课时136:基于去噪自动编码器的图像搜索代码实现.mp4
课时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
课时138:项目1-看图说话(助教)讲解和答疑-01.mp4
课时139:项目1-看图说话(助教)讲解和答疑-02.mp4
课时140:项目介绍.mp4
课时141:自动驾驶方向盘转动方向预测的背景知识.mp4
课时142:如何收集训练数据.mp4
课时143:理解分析训练数据.mp4
课时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
课时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
课时146:探索数据01.mp4
课时147:探索数据02.mp4
课时148:图像增强01.mp4
课时149:图像增强02.mp4
课时150:解决数据不平衡的问题 DataGenerator的应用.mp4
课时151:网络结构实例.mp4
课时152: 图像增强部分的代码讲解.mp4
课时153:DataGenerator部分的代码讲解.mp4
课时154:网络结构实现部分的代码讲解.mp4
课时155:方向盘转动方向预测网络模型的性能评估方法.mp4
课时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
课时157:模拟器自动驾驶的展示.mp4
课时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
课时159:如何安装Python 连接模拟器的Python 库.mp4
课时160:windows 下面使用自动驾驶模拟器的教程.mp4
课时161:mac 下面使用自动驾驶模拟器的教程.mp4
课时162:目标识别综述.mp4
课时163:基于HOG(梯度直方图)的目标识别.mp4
课时164:Non-Max Suppression IoU 和 Hard Negative Mining.mp4
课时165:R-CNN的工作原理.mp4
课时166:R-CNN中的边界框(Bounding Box)预测原理.mp4
课时167:R-CNN的不足之处.mp4
课时168:Fast R-CNN详解.mp4
课时169:Faster R-CNN Region Proposal Network.mp4
课时170:R-CNN Fast R-CNN Faster R-CNN的总结.mp4
课时171:目标识别 R-CNN家族的回顾.mp4
课时172:SSD的简介 SSD与R-CNN的比较.mp4
课时173:SSD的网络结构.mp4
课时174:如何使用卷积作为最后的预测层.mp4
课时175:SSD的训练过程.mp4
课时176:SSD的实验结果分析.mp4
课时177:VGG16到SSD网络的演化 L2Normalization层的实现.mp4
课时178:SSD各个技术对失败率的影响 Atrous卷积层的原理.mp4
课时179:使用卷积作为最后的预测层详解.mp4
课时180:SSD定位损失函数详解.mp4
课时181:SSD中Anchor尺寸 宽高比 中心位置的确定.mp4
课时182:SSD中分类损失函数详解.mp4
课时183:Non-Max Suppression的原理.mp4
课时184:SSD和YOLO的比较 SSD的总结.mp4
课时185:图像分割简介.mp4
课时186:基于深度学习的图像分割U-Net的原理.mp4
课时187:Transposed Convolution原理与运用.mp4
课时188:U-Net的代码讲解.mp4
课时189:图像生成的原理.mp4
课时190:使用深度学习自动图像生成手写数字的代码讲解.mp4
课时191:图像风格转移的原理.mp4
课时192:使用深度学习实现图像风格转移的代码讲解.mp4
课时193:SSD的原理回顾.mp4
课时194:编程项目的训练数据介绍.mp4
课时195:对SSD模型对产生Anchor有影响的参数讲解.mp4
课时196:对候选框精选处理有影响的参数讲解.mp4
课时197:对输入模型参数的合法性检测和转换.mp4
课时198:具有7层的SSD的网络结构讲解.mp4
课时199:编译模型, 使用模型做预测.mp4
课时200:SSD解码的实现.mp4
课时201:帮助函数IoU, 坐标转换, SSD损失函数, Non-Max-Suppression的实现.mp4
课时202:二值化神经网络的简介.mp4
课时203:二值化网络的前向后向传播, 梯度计算原理.mp4
课时204:二值化网络的训练算法.mp4
课时205:二值化网络的实验结果.mp4
课时206:二值化全连接网络的代码讲解.mp4
课时207:DropoutNoScale层的实现.mp4
课时208:BinaryDense层的实现.mp4
课时209:二值化卷积神经网络的代码讲解.mp4
课时210:项目作业要求.mp4
课时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
课时212:MobileNet, Depthwise Seperable Convolution的原理计算量分析.mp4
课时213:ShuffleNet, Group Convolution, Channel Shuffle的原理.mp4
课时214:EffNet, Spatial Seperable Convolution的原理计算量分析和实验效果.mp4
课时215:lightweight-network答疑时间.mp4
课时216:回顾EffNet的原理.mp4
课时217:EffNet的代码讲解.mp4
课时218:One-Shot Learning 的意义和工作原理.mp4
课时219:用于One-Shot Learning 的Siamese 深度神经网络的介绍.mp4
课时220:Siamese 深度神经网络的实验和结果分析.mp4
课时221:Transposed Convolution 的应用, 算法回顾, 以及使用矩阵乘法实现.mp4
课时222:Transposed Convolution 的梯度推导.mp4
课时223:将卷积核转换为Toeplitz Matrix用于矩阵乘法实现Transposed.mp4
课时224:同学对课程的效果反馈调查.mp4
课时225:使用 Siamese 网络做门禁卡系统的入门介绍, 数据集的介绍.mp4
课时226:PyTorch 基础教程.mp4
课时227:Siamese One-Shot learning 知识回顾.mp4
课时228:使用 PyTorch torchvision 库高效读取数据.mp4
课时229:使用 PyTorch 定义 Siamese 网络结构.mp4
课时230:使用 PyTorch 写训练网络的代码.mp4
课时231:使用 PyTorch 写测试网络的代码.mp4
课件源码资料[1.24G].zip

此处内容已经被作者隐藏,需要登录才能查看。
点击登陆 注册账号?


 
QQ在线咨询
永久VIP会员
现在加入
即可学习全站课程
绝无二次收费