Python深度学习物体实战，该套课程一共有40节课，为视频课程，附带数据代码及课件，总大小为：6.4G。
目录
1-4 参数配置.mp4 [62.2M]
1-3 开源项目数据集.mp4 [23.4M]
1-2 Mask-Rcnn开源项目简介.mp4 [40.1M]
1-1 课程简介.mp4 [12.1M]
2-9 正负样本选择与标签定义.mp4 [27.1M]
2-8 DetectionTarget层的作用.mp4 [26.7M]
2-7 Proposal层实现方法.mp4 [33.1M]
2-6 候选框过滤方法.mp4 [15.8M]
2-5 RPN层的作用与实现解读.mp4 [30.6M]
2-4 基于不同尺度特征图生成所有框.mp4 [33.4M]
2-3 生成框比例设置.mp4 [30.6M]
2-2 FPN层特征提取原理解读.mp4 [44.5M]
2-12 整体框架回顾.mp4 [30.9M]
2-11 RorAlign操作的效果.mp4 [27.4M]
2-10 RoiPooling层的作用与目的.mp4 [36.9M]
2-1 FPN网络架构实现解读.mp4 [58.7M]
3-6 测试与展示模块.mp4 [28.2M]
3-5 基于标注数据训练所需任务.mp4 [33.4M]
3-4 maskrcnn源码修改方法.mp4 [54.8M]
3-3 完成训练数据准备工作.mp4 [24.9M]
3-2 使用labelme进行数据与标签标注.mp4 [22.2M]
3-1 Labelme工具安装.mp4 [12.2M]
4-3 流程与结果演示.mp4 [41.1M]
4-2 网络架构概述.mp4 [33.4M]
4-1 COCO数据集与人体姿态识别简介.mp4 [34.9M]
5-8 迁移学习效果对比.mp4 [42.6M]
5-7 加载训练好的权重.mp4 [31.7M]
5-6 shortcut模块.mp4 [37.4M]
5-5 Resnet基本处理操作.mp4 [25.7M]
5-4 Resnet网络细节.mp4 [38.1M]
5-3 Resnet原理.mp4 [60.2M]
5-2 迁移学习策略.mp4 [16.1M]
5-1 迁移学习的目标.mp4 [13.3M]
6-7 网络细节.mp4 [80.1M]
6-6 损失函数定义.mp4 [101.1M]
6-5 RPN网络架构.mp4 [70.5M]
6-4 论文解读.mp4 [79.8M]
6-3 faster-rcnn概述.mp4 [31.1M]
