贪心学院CV计算机视觉集训营视频课程

贪心学院CV计算机视觉集训营视频课程,该套课程为视频课程,共231个章节,讲解的课程非常详细。

贪心学院CV计算机视觉集训营视频课程

目录

任务1:机器学习、深度学习简介
任务2:深度学习的发展历史
任务3:现代深度学习的典型例子
任务4:深度学习在计算机视觉中的应用
任务5:深度学习的总结
任务6:开发环境的配置, Pythn, Nupy, Kas入门教程
任务7:GPU驱动程序安装
任务8:CUDA的安装
任务9:uDNN的安装, Tnsf, PyTh的GPU测试
任务10:问答环节
任务11:环境安装
任务12:二元分类问题
任务13:逻辑函数
任务14:指数与对数 、逻辑回归
任务15:示例
任务16:损失函数
任务17:损失函数推演
任务18:梯度下降法
任务19:应用
任务20:直播答疑
任务21:自动驾驶方向盘预测论文分析
任务23:数据预处理 数据增强
任务24:建立BathGnat高效读取数据
任务25:训练网络 保存训练的中间过程数据
任务26:查看网络训练过程 判断网络是否过拟合 欠拟合
任务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Pythn库Kas的介绍
任务28:使用Pandas读取鸢尾花数据集, 使用LaEnd对类别标签进行编码
任务29:使用Kas创建一个用于鸢尾花分类识别的神经网络
任务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
任务31:神经网络数学原理(1): 神经网络的结点,权值,激活函数
任务32:神经网络数学原理(2): 神经网络的前馈(Fd Fad)算法
任务33:神经网络数学原理(3):神经网络的前馈(Fd Fad)算法续,Sftax层的数值问题
任务34:神经网络数学原理(4):神经网络BP(误差反向传播)算法
任务35:神经网络数学原理(5):神经网络BP(误差反向传递)算法续
任务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)
任务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
任务38:NuaNtkLss-直播01
任务39:NuaNtkLss-直播02
任务40:NuaNtkLss-直播03
任务41:梯度消亡
任务42:梯度消亡问题分析
任务43:梯度消亡解决方案
任务44:过拟合
任务45:DpOut 训练
任务46:正则化
任务47:最大范数约束 神经元的初始化
任务48:作业讲解与答疑-01
任务49:作业讲解与答疑-02
任务50:为什么需要递归神经网络?
任务51:递归神经网络介绍
任务52:语言模型
任务53:RNN的深度
任务54:梯度爆炸和梯度消失
任务55:Gadnt Cppn
任务56:LSTM的介绍
任务57:LSTM的应用
任务58:B-Dtna LSTM
任务59:Gatd Runt Unt
任务60:机器翻译
任务61:Mutda Lann
任务62:Sq2Sq模型
任务63:回顾RNN与LSTM
任务64:Attntn f Ia Captnn
任务65:Attntn f Mahn Tansatn
任务66:Sf-Attntn
任务67:Attntn总结
任务68:nua ntk ptz直播-01
任务69:nua ntk ptz直播-02
任务70:nua ntk ptz直播-03
任务71:项目介绍
任务72:看图说话任务一-01
任务73:看图说话任务一-02
任务74:看图说话任务一-03
任务75:任务介绍
任务76:如何实现 ad__as_np_aay 这个函数
任务77:如何实现“ad_v16_d”函数
任务78:如何实现“xtat_fatus”函数
任务79:创建Tknz01
任务80:创建Tknz02
任务81:产生模型需要的输入数据01
任务82:产生模型需要的输入数据02
任务83:任务的概述
任务84:Input Eddn和Dput层介绍
任务85:LSTM Add层的介绍
任务86:如何训练模型
任务87:如何使用深度神经网络模型做预测 产生标题 完成nat_aptn函数01
任务88:如何使用深度神经网络模型做预测 产生标题 完成nat_aptn函数02
任务89:如何调用nat_aptn函数
任务90:如何评价标题生成模型的性能
任务91:读取和显示数字图像
任务92:数字图像大小缩放
任务93:数字图像直方图均衡
任务94:图像去噪声
任务95:图像边缘检测
任务96:图像关键点检测
任务97:道路行车道检测简介
任务98:Canny边缘检测
任务99:霍夫变换用于直线检测
任务100:道路行车道检测代码讲解
任务101:在图像和视频上面演示道路行车道检测
任务102:项目介绍
任务103:交通指示牌识别的简介
任务104:交通指示牌识别课程的编程任务
任务105:如何分析数据 (utpy 的详细介绍)
任务106:如何预处理图像数据、建立神经网络模型、训练网络模型 (tanpy 的详细介绍)01
任务107:如何预处理图像数据、建立神经网络模型、训练网络模型 (tanpy 的详细介绍)02
任务108:色彩空间转换
任务109:直方图均衡
任务110:图像标准化
任务111:使用IaDataGnat做图像增强
任务112:作业上传的要求
任务113:介绍经典交通指示牌卷积神经网络模型
任务114:代码实现经典交通指示牌识别卷积神经网络模型
任务115:卷积神经网络的数学原理01
任务116:卷积神经网络的数学原理02
任务117:深度学习调参-直播-01
任务118:深度学习调参-直播-02
任务119:深度学习调参-直播-03
任务120:卷积层的启发
任务121:卷积层的定量分析
任务122:单通道输入 单通道输出的卷积层的实例
任务123:多通道输入 多通道输出的卷积层的实例
任务124:池化层的原理 定量分析
任务125:卷积神经网络和全连接神经网络的比较
任务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
任务127:基于深度学习的图像分类历史回顾
任务128:AxNt的结构分析
任务129:ZFNt的结构分析
任务130:VGG的结构分析
任务131:GNt Inptn的结构分析
任务132:Inptn V3的结构分析
任务133:RsNt的结构分析
任务134:RsNt的代码实现
任务135:基于内容的图像搜索理论基础
任务136:基于去噪自动编码器的图像搜索代码实现
任务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
任务138:项目1-看图说话(助教)讲解和答疑-01
任务139:项目1-看图说话(助教)讲解和答疑-02
任务140:项目介绍
任务141:自动驾驶方向盘转动方向预测的背景知识
任务142:如何收集训练数据
任务143:理解分析训练数据
任务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
任务145:提高网络性能的思路 图像处理、数据增强、网络结构优化
任务146:探索数据01
任务147:探索数据02
任务148:图像增强01
任务149:图像增强02
任务150:解决数据不平衡的问题 DataGnat的应用
任务151:网络结构实例
任务152: 图像增强部分的代码讲解
任务153:DataGnat部分的代码讲解
任务154:网络结构实现部分的代码讲解
任务155:方向盘转动方向预测网络模型的性能评估方法
任务156:使用模拟器定性的判断网络性能的方法以及代码讲解
任务157:模拟器自动驾驶的展示
任务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
任务159:如何安装Pythn 连接模拟器的Pythn 库
任务160:nds 下面使用自动驾驶模拟器的教程
任务161:a 下面使用自动驾驶模拟器的教程
任务162:目标识别综述
任务163:基于HOG(梯度直方图)的目标识别
任务164:Nn-Max Suppssn IU 和 Had Natv Mnn
任务165:R-CNN的工作原理
任务166:R-CNN中的边界框(Bundn Bx)预测原理
任务167:R-CNN的不足之处
任务168:Fast R-CNN详解
任务169:Fast R-CNN Rn Ppsa Ntk
任务170:R-CNN Fast R-CNN Fast R-CNN的总结
任务171:目标识别 R-CNN家族的回顾
任务172:SSD的简介 SSD与R-CNN的比较
任务173:SSD的网络结构
任务174:如何使用卷积作为最后的预测层
任务175:SSD的训练过程
任务176:SSD的实验结果分析
任务177:VGG16到SSD网络的演化 L2Nazatn层的实现
任务178:SSD各个技术对失败率的影响 Atus卷积层的原理
任务179:使用卷积作为最后的预测层详解
任务180:SSD定位损失函数详解
任务181:SSD中Anh尺寸 宽高比 中心位置的确定
任务182:SSD中分类损失函数详解
任务183:Nn-Max Suppssn的原理
任务184:SSD和YOLO的比较 SSD的总结
任务185:图像分割简介
任务186:基于深度学习的图像分割U-Nt的原理
任务187:Tanspsd Cnvutn原理与运用
任务188:U-Nt的代码讲解
任务189:图像生成的原理
任务190:使用深度学习自动图像生成手写数字的代码讲解
任务191:图像风格转移的原理
任务192:使用深度学习实现图像风格转移的代码讲解
任务193:SSD的原理回顾
任务194:编程项目的训练数据介绍
任务195:对SSD模型对产生Anh有影响的参数讲解
任务196:对候选框精选处理有影响的参数讲解
任务197:对输入模型参数的合法性检测和转换
任务198:具有7层的SSD的网络结构讲解
任务199:编译模型, 使用模型做预测
任务200:SSD解码的实现
任务201:帮助函数IU, 坐标转换, SSD损失函数, Nn-Max-Suppssn的实现
任务202:二值化神经网络的简介
任务203:二值化网络的前向后向传播, 梯度计算原理
任务204:二值化网络的训练算法
任务205:二值化网络的实验结果
任务206:二值化全连接网络的代码讲解
任务207:DputNSa层的实现
任务208:BnayDns层的实现
任务209:二值化卷积神经网络的代码讲解
任务210:项目作业要求
任务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
任务212:MNt, Dpths Spa Cnvutn的原理计算量分析
任务213:ShuffNt, Gup Cnvutn, Chann Shuff的原理
任务214:EffNt, Spata Spa Cnvutn的原理计算量分析和实验效果
任务215:htht-ntk答疑时间
任务216:回顾EffNt的原理
任务217:EffNt的代码讲解
任务218:On-Sht Lann 的意义和工作原理
任务219:用于On-Sht Lann 的Sas 深度神经网络的介绍
任务220:Sas 深度神经网络的实验和结果分析
任务221:Tanspsd Cnvutn 的应用, 算法回顾, 以及使用矩阵乘法实现
任务222:Tanspsd Cnvutn 的梯度推导
任务223:将卷积核转换为Tptz Matx用于矩阵乘法实现Tanspsd
任务224:同学对课程的效果反馈调查
任务225:使用 Sas 网络做门禁卡系统的入门介绍, 数据集的介绍
任务226:PyTh 基础教程
任务227:Sas On-Sht ann 知识回顾
任务228:使用 PyTh thvsn 库高效读取数据
任务229:使用 PyTh 定义 Sas 网络结构
任务230:使用 PyTh 写训练网络的代码
任务231:使用 PyTh 写测试网络的代码

传送门

下载权限
查看
  • 免费下载
    评论并刷新后下载
    登录后下载
  • {{attr.name}}:
您当前的等级为
登录后免费下载登录 小黑屋反思中,不准下载! 评论后刷新页面下载评论 支付以后下载 请先登录 您今天的下载次数(次)用完了,请明天再来 支付积分以后下载立即支付 支付以后下载立即支付 您当前的用户组不允许下载升级会员
您已获得下载权限 您可以每天下载资源次,今日剩余

给TA打赏
共{{data.count}}人
人已打赏
个人中心
今日签到
有新私信 私信列表
搜索