Java学习者论坛

 找回密码
 立即注册

QQ登录

只需一步,快速开始

手机号码,快捷登录

恭喜Java学习者论坛(https://www.javaxxz.com)已经为数万Java学习者服务超过8年了!积累会员资料超过10000G+
成为本站VIP会员,下载本站10000G+会员资源,购买链接:点击进入购买VIP会员
JAVA高级面试进阶视频教程Java架构师系统进阶VIP课程

分布式高可用全栈开发微服务教程

Go语言视频零基础入门到精通

Java架构师3期(课件+源码)

Java开发全终端实战租房项目视频教程

SpringBoot2.X入门到高级使用教程

大数据培训第六期全套视频教程

深度学习(CNN RNN GAN)算法原理

Java亿级流量电商系统视频教程

互联网架构师视频教程

年薪50万Spark2.0从入门到精通

年薪50万!人工智能学习路线教程

年薪50万!大数据从入门到精通学习路线年薪50万!机器学习入门到精通视频教程
仿小米商城类app和小程序视频教程深度学习数据分析基础到实战最新黑马javaEE2.1就业课程从 0到JVM实战高手教程 MySQL入门到精通教程
查看: 17568|回复: 395

【No795】2019年最新greedy计算机视觉CV课程

[复制链接]
  • TA的每日心情
    开心
    2021-12-13 21:45
  • 签到天数: 15 天

    [LV.4]偶尔看看III

    发表于 2019-11-5 15:10:16 | 显示全部楼层 |阅读模式

    资源名称:

    【No795】2019年最新greedy计算机视觉CV课程

    下载地址:

    网盘链接:请先登录后查看此内容

    失效声明:

    如果资料失效,VIP和荣耀会员或者使用金币兑换的普通会员,可以直接联系资料客服QQ索取:QQ。在线时间为:8:00-23:30。请下载后24小时内删除,若侵权请联系客服删除该资料。

    如何获取:

    1,本资料VIP会员下载地址直接可见,购买VIP:点击购买会员>>,开通后可下载全站所有资料。
    2,非荣耀会员使用50000Java金币兑换,金币充值:点击进入充值页面

    资源描述及截图:

    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

    回复

    使用道具 举报

    该用户从未签到

    发表于 2019-11-6 14:59:53 | 显示全部楼层
    楼主推荐的资料下载看看
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    开心
    2021-10-29 10:35
  • 签到天数: 5 天

    [LV.2]偶尔看看I

    发表于 2019-11-7 10:41:29 | 显示全部楼层
    资料不错!买个会员很值。
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    发表于 2019-11-7 22:34:01 | 显示全部楼层
    很不错的哦,支持,加油
    回复 支持 反对

    使用道具 举报

  • TA的每日心情
    奋斗
    2022-10-22 13:20
  • 签到天数: 10 天

    [LV.3]偶尔看看II

    发表于 2019-11-8 11:45:42 | 显示全部楼层
    我表示压力很大
    回复 支持 反对

    使用道具 举报

  • TA的每日心情

    2020-8-19 16:47
  • 签到天数: 1 天

    [LV.1]初来乍到

    发表于 2019-11-9 10:45:46 | 显示全部楼层
    楼主真是好人
    回复 支持 反对

    使用道具 举报

  • TA的每日心情

    2024-2-4 23:47
  • 签到天数: 38 天

    [LV.5]常住居民I

    发表于 2019-11-10 06:27:28 | 显示全部楼层
    楼主真是好人
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    发表于 2019-11-10 19:45:25 | 显示全部楼层
    楼主真是好人
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    发表于 2019-11-11 17:36:55 | 显示全部楼层
    学习学习,谢谢站长的平台
    回复 支持 反对

    使用道具 举报

    该用户从未签到

    发表于 2019-11-12 11:19:30 | 显示全部楼层
    不错哦  喜欢 嘿嘿
    回复 支持 反对

    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

    QQ|手机版|Java学习者论坛 ( 声明:本站资料整理自互联网,用于Java学习者交流学习使用,对资料版权不负任何法律责任,若有侵权请及时联系客服屏蔽删除 )

    GMT+8, 2024-3-29 14:16 , Processed in 0.424252 second(s), 64 queries .

    Powered by Discuz! X3.4

    © 2001-2017 Comsenz Inc.

    快速回复 返回顶部 返回列表