搜索

【0050】2019年8月新贪心学院CV计算机视觉集训营(价值11980元)

[复制链接]
查看1167 | 回复0 | 8-16 14:46:44 | 显示全部楼层 |阅读模式
【0050】2019年8月新贪心学院CV计算机视觉集训营(价值11980元)
【课程目录】
联系qq2954529884
├──第一章
|  ├──任务10:问答环节  57.01M
|  ├──任务1:机器学习、深度学习简介  23.94M
|  ├──任务2:深度学习的发展历史  23.13M
|  ├──任务3:现代深度学习的典型例子  18.72M
|  ├──任务4:深度学习在计算机视觉中的应用  24.35M
|  ├──任务5:深度学习的总结  10.52M
Hougejiaocheng.com整理分享
|  ├──任务6:开发环境的配置, Python,Numpy, Keras入门教程 46.96M
|  ├──任务7:GPU驱动程序安装  17.72M
|  ├──任务8:CUDA的安装  21.37M
|  └──任务9:cuDNN的安装, Tensorflow, PyTorch的GPU测试  31.36M
├──第二章
|  └──任务11:环境安装  106.83M
├──第三章
|  ├──任务12:二元分类问题  32.51M
|  ├──任务13:逻辑函数  32.14M
|  ├──任务14:指数与对数 、逻辑回归  43.69M
|  ├──任务15:示例  84.03M
|  ├──任务16:损失函数  59.35M
|  ├──任务17:损失函数推演  83.23M
|  ├──任务18:梯度下降法  104.83M
|  └──任务19:应用  110.34M
├──第四章
|  ├──任务20:直播答疑  19.46M
|   ├──任务21:自动驾驶方向盘预测论文分析  65.08M
|  ├──任务22:使用PyCharm Keras建立深度网络模型  257.80M
|  ├──任务23:数据预处理 数据增强  62.68M
|  ├──任务24:建立BatchGenerator高效读取数据  105.63M
|  ├──任务25:训练网络 保存训练的中间过程数据  139.64M
|  └──任务26:查看网络训练过程 判断网络是否过拟合 欠拟合  46.23M
├──第五章
|  ├──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Python库Keras的介绍  81.21M
|  ├──任务28:使用Pandas读取鸢尾花数据集,使用LabelEncoder对类别标签进行编码  38.26M
|  ├──任务29:使用Keras创建一个用于鸢尾花分类识别的神经网络  135.25M
|  ├──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  70.12M
|  ├──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  60.38M
|  ├──任务32:神经网络数学原理(2)  48.15M
|  ├──任务33:神经网络数学原理(3)  45.98M
Hougejiaocheng.com整理分享
|  ├──任务34:神经网络数学原理(4):神经网络BP(误差反向传播)算 55.20M
|  ├──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  64.40M
|  ├──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) 75.68M
|  └──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  68.20M
├──第六章
|  ├──任务38:Neural.Network.Loss-直播01  69.64M
|  ├──任务39:Neural.Network.Loss-直播02  60.68M
|  └──任务40:Neural.Network.Loss-直播03  107.73M
├──第七章
|  ├──任务41:梯度消亡  56.26M
|   ├──任务42:梯度消亡问题分析 61.28M
|  ├──任务43:梯度消亡解决方案  43.85M
|  ├──任务44:过拟合  55.03M
|  ├──任务45:DropOut 训练  38.05M
|  ├──任务46:正则化  25.16M
|  └──任务47:最大范数约束 神经元的初始化  57.91M
├──第八章
|  ├──任务48:作业讲解与答疑-01  98.24M
|  ├──任务49:作业讲解与答疑-02  85.30M
|  └──任务50:为什么需要递归神经网络?  28.11M
Hougejiaocheng.com整理分享
├──第二次解析
|  ├──任务100:道路行车道检测代码讲解  132.52M
|  ├──任务101:在图像和视频上面演示道路行车道检测  69.89M
|  ├──任务102:项目介绍  25.88M
|  ├──任务103:交通指示牌识别的简介  28.70M
|  ├──任务104:交通指示牌识别课程的编程任务  27.57M
|  ├──任务105:如何分析数据 (util.py的详细介绍)  70.56M
|  ├──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 (train.py 的详细介绍)01  88.95M
|  ├──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 (train.py 的详细介绍)02  157.17M
|  ├──任务108:色彩空间转换  51.88M
|  ├──任务109:直方图均衡  80.66M
|  ├──任务110:图像标准化  45.78M
|  ├──任务111:使用ImageDataGenerator做图像增强  51.47M
|  ├──任务112:作业上传的要求  16.79M
|  ├──任务113:介绍经典交通指示牌卷积神经网络模型  28.90M
|  ├──任务114:代码实现经典交通指示牌识别卷积神经网络模型  68.98M
|  ├──任务115:卷积神经网络的数学原理01  37.80M
|  ├──任务116:卷积神经网络的数学原理02  75.42M
|  ├──任务51:递归神经网络介绍  140.55M
|  ├──任务52:语言模型  102.78M
|   ├──任务54:梯度爆炸和梯度消失 141.55M
|  ├──任务55:GradientClipping  38.90M
|  ├──任务56:LSTM的介绍  89.61M
|  ├──任务57:LSTM的应用  56.57M
|  ├──任务58:Bi-DirectionalLSTM  48.07M
Hougejiaocheng.com整理分享
|  ├──任务59:Gated RecurrentUnit  52.17M
|  ├──任务60:机器翻译  40.34M
|  ├──任务61:MultimodalLearning  66.90M
|  ├──任务62:Seq2Seq模型  131.30M
|  ├──任务63:回顾RNN与LSTM  20.77M
|  ├──任务64:Attention forImage Captioning  102.71M
|  ├──任务65:Attention forMachine Translation  46.02M
|  ├──任务66:Self-Attention  51.72M
|  ├──任务67:Attention总结  20.17M
|  ├──任务68:neural networkoptimizer直播-01 112.63M
|  ├──任务69:neural networkoptimizer直播-02 75.51M
|  ├──任务70:neural networkoptimizer直播-03 143.80M
|  ├──任务71:项目介绍  26.95M
|  ├──任务72:看图说话任务一-01  40.12M
|  ├──任务73:看图说话任务一-02  35.52M
|   ├──任务74:看图说话任务一-03  57.93M
|  ├──任务75:任务介绍  36.38M
|  ├──任务76:如何实现load_img_as_np_array 这个函数  16.53M
|  ├──任务77:如何实现“load_vgg16_model”函数  27.36M
|  ├──任务78:如何实现“extract_features”函数  34.81M
|  ├──任务79:创建Tokenizer01  20.90M
|   ├──任务80:创建Tokenizer02  62.39M
|  ├──任务81:产生模型需要的输入数据01  77.25M
|  ├──任务82:产生模型需要的输入数据02  56.69M
|  ├──任务83:任务的概述  16.63M
|  ├──任务84:Input Embedding和Dropout层介绍 64.30M
|  ├──任务85:LSTM Add层的介绍  29.32M
|  ├──任务86:如何训练模型  65.14M
|  ├──任务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  22.75M
|  ├──任务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  114.68M
|  ├──任务89:如何调用generate_caption函数  32.12M
|  ├──任务90:如何评价标题生成模型的性能  86.94M
|  ├──任务91:读取和显示数字图像  35.92M
|  ├──任务92:数字图像大小缩放  37.27M
|  ├──任务93:数字图像直方图均衡  35.04M
|  ├──任务94:图像去噪声  43.61M
|  ├──任务95:图像边缘检测  47.39M
|  ├──任务96:图像关键点检测  11.74M
|  ├──任务97:道路行车道检测简介  17.73M
|  ├──任务98:Canny边缘检测  31.41M
|  └──任务99:霍夫变换用于直线检测  55.65M
Hougejiaocheng.com整理分享
├──第三次解析
|  ├──任务117:深度学习调参-直播-01  55.54M
|   ├──任务118:深度学习调参-直播-02 45.49M
|  ├──任务119:深度学习调参-直播-03  55.61M
|  ├──任务120:卷积层的启发  16.55M
|  ├──任务121:卷积层的定量分析  17.26M
|  ├──任务122:单通道输入 单通道输出的卷积层的实例  12.05M
|  ├──任务123:多通道输入 多通道输出的卷积层的实例  12.14M
|  ├──任务124:池化层的原理 定量分析  9.49M
|   ├──任务125:卷积神经网络和全连接神经网络的比较  22.97M
|  ├──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 18-ecv9a2  25.62M
|  ├──任务127:基于深度学习的图像分类历史回顾  11.31M
|  ├──任务128:AlexNet的结构分析  8.75M
|  ├──任务129:ZFNet的结构分析  8.18M
|  ├──任务130:VGG的结构分析  8.52M
|  ├──任务131:GoogleNetInception的结构分析 12.09M
|  ├──任务132:Inception V3的结构分析  43.77M
|  ├──任务133:ResNet的结构分析  40.48M
|  ├──任务134:ResNet的代码实现  154.17M
|  ├──任务135:基于内容的图像搜索理论基础  29.35M
|  ├──任务136:基于去噪自动编码器的图像搜索代码实现  203.81M
|  ├──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  18.29M
|  ├──任务138:项目1-看图说话(助教)讲解和答疑-01  164.04M
|  ├──任务139:项目1-看图说话(助教)讲解和答疑-02  202.70M
|  ├──任务140:项目介绍  15.11M
|  ├──任务141:自动驾驶方向盘转动方向预测的背景知识  33.42M
|  ├──任务142:如何收集训练数据  35.74M
|  ├──任务143:理解分析训练数据  25.74M
|  ├──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  181.49M
|  ├──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  38.70M
|  ├──任务146:探索数据01  39.46M
|  ├──任务147:探索数据02  15.19M
|  ├──任务148:图像增强01  62.70M
|  ├──任务149:图像增强02  11.46M
|  ├──任务150:解决数据不平衡的问题DataGenerator的应用 18.01M
|   ├──任务151:网络结构实例 8.61M
|  ├──任务152:图像增强部分的代码讲解  99.54M
|  ├──任务153:DataGenerator部分的代码讲解  64.11M
|  ├──任务154:网络结构实现部分的代码讲解  84.24M
|  ├──任务155:方向盘转动方向预测网络模型的性能评估方法  9.74M
|  ├──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  69.93M
|  ├──任务157:模拟器自动驾驶的展示  75.25M
|   ├──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  63.98M
|  ├──任务159:如何安装Python 连接模拟器的Python 库 22.23M
|  ├──任务160:windows 下面使用自动驾驶模拟器的教程  46.40M
|  ├──任务161:mac 下面使用自动驾驶模拟器的教程  33.52M
|  ├──任务162:目标识别综述  37.66M
|  ├──任务163:基于HOG(梯度直方图)的目标识别 31.28M
|  ├──任务164:Non-MaxSuppression IoU 和 Hard Negative Mining  82.87M
|  ├──任务165:R-CNN的工作原理  129.65M
|  ├──任务166:R-CNN中的边界框(Bounding Box)预测原理  24.09M
|  ├──任务167:R-CNN的不足之处  4.33M
|  ├──任务168:Fast R-CNN详解  40.00M
|  ├──任务169:Faster R-CNNRegion Proposal Network  37.14M
|  ├──任务170:R-CNN FastR-CNN Faster R-CNN的总结 23.03M
|  ├──任务171:目标识别 R-CNN家族的回顾  22.39M
|  ├──任务172:SSD的简介 SSD与R-CNN的比较  32.96M
|  ├──任务173:SSD的网络结构  130.75M
|  ├──任务174:如何使用卷积作为最后的预测层  13.88M
|  ├──任务175:SSD的训练过程  53.43M
|  ├──任务176:SSD的实验结果分析  24.10M
|  ├──任务177:VGG16到SSD网络的演化 L2Normalization层的实现  131.50M
|  ├──任务178:SSD各个技术对失败率的影响 Atrous卷积层的原理  13.64M
|  ├──任务179:使用卷积作为最后的预测层详解  17.42M
|  ├──任务180:SSD定位损失函数详解  35.31M
|  ├──任务181:SSD中Anchor尺寸 宽高比 中心位置的确定  10.26M
|   ├──任务182:SSD中分类损失函数详解  11.61M
|  └──任务183:Non-MaxSuppression的原理 12.91M
├──第四次解析
|  ├──任务185:图像分割简介  36.55M
|  ├──任务186:基于深度学习的图像分割U-Net的原理  79.41M
|  ├──任务187:TransposedConvolution原理与运用 123.00M
|  ├──任务188:U-Net的代码讲解  71.11M
|  ├──任务189:图像生成的原理  10.28M
|  ├──任务190:使用深度学习自动图像生成手写数字的代码讲解  84.30M
|  ├──任务191:图像风格转移的原理  38.26M
|  ├──任务192:使用深度学习实现图像风格转移的代码讲解  52.42M
|  ├──任务193:SSD的原理回顾  47.70M
|  ├──任务194:编程项目的训练数据介绍  58.74M
|  ├──任务195:对SSD模型对产生Anchor有影响的参数讲解  134.64M
|  ├──任务196:对候选框精选处理有影响的参数讲解  49.65M
|  ├──任务197:对输入模型参数的合法性检测和转换  28.30M
|  ├──任务198:具有7层的SSD的网络结构讲解 147.83M
|  ├──任务199:编译模型, 使用模型做预测  180.43M
|  ├──任务200:SSD解码的实现  111.40M
|  ├──任务201:帮助函数IoU, 坐标转换, SSD损失函数, Non-Max-Suppression的实现  227.61M
|  ├──任务202:二值化神经网络的简介  37.18M
|  ├──任务203:二值化网络的前向后向传播, 梯度计算原理  16.30M
|  ├──任务204:二值化网络的训练算法  145.29M
|  ├──任务205:二值化网络的实验结果  22.57M
|  ├──任务206:二值化全连接网络的代码讲解  46.55M
|  ├──任务207:DropoutNoScale层的实现  23.58M
|  ├──任务208:BinaryDense层的实现  61.53M
|   ├──任务209:二值化卷积神经网络的代码讲解  48.49M
|  ├──任务210:项目作业要求  22.57M
|  ├──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 207.59M
|  ├──任务212:MobileNet,Depthwise Seperable Convolution的原理计算量分析  56.95M
|  ├──任务213:ShuffleNet,Group Convolution, Channel Shuffle的原理  53.39M
|  ├──任务214:EffNet, SpatialSeperable Convolution的原理计算量分析和实验效果  167.51M
|  ├──任务215:lightweight-network答疑时间  20.59M
|  ├──任务216:回顾EffNet的原理  31.30M
|  ├──任务217:EffNet的代码讲解  75.70M
|  ├──任务218:One-ShotLearning 的意义和工作原理 23.77M
|  ├──任务219:用于One-Shot Learning的Siamese 深度神经网络的介绍  21.67M
|  ├──任务220:Siamese 深度神经网络的实验和结果分析  65.28M
|  ├──任务221:TransposedConvolution 的应用, 算法回顾, 以及使用矩阵乘法实现  34.20M
|  └──任务222:TransposedConvolution 的梯度推导 22.10M
├──第五次解析
|  ├──任务184:SSD和YOLO的比较 SSD的总结  12.18M
|  ├──任务196:对候选框精选处理有影响的参数讲解.mp4  49.65M
|  ├──任务223:将卷积核转换为ToeplitzMatrix用于矩阵乘法实现Transposed.mp4  37.83M
|  ├──任务224:同学对课程的效果反馈调查  322.30M
|  ├──任务225:使用 Siamese 网络做门禁卡系统的入门介绍, 数据集的介绍 72.24M
|  ├──任务226:PyTorch 基础教程  47.82M
|  ├──任务227:SiameseOne-Shot learning 知识回顾 14.32M
|  ├──任务228:使用 PyTorchtorchvision 库高效读取数据 70.92M
|  ├──任务229:使用 PyTorch 定义 Siamese 网络结构  49.43M
|  ├──任务230:使用 PyTorch 写训练网络的代码  86.85M
|  ├──任务231:使用 PyTorch 写测试网络的代码   82.30M
|  └──任务53:RNN的深度  19.73M
├──完整课件代码数据
└──CVSource.zip  841.59M


回复

使用道具 举报

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

335

主题

335

帖子

108

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
108