咕泡人工智能深度学习第10期
├──视频
| ├──1-AI课程所需安装软件教程
| | ├──1-AI课程所需安装软件教程
| | └──课程详细目录.txt 0.06kb
| ├──2-深度学习必备核⼼算法
| | ├──1-神经网络结构
| | ├──2-卷积神经网络
| | ├──3-Transformer
| | ├──4-VIT源码解读
| | └──课程详细目录.txt 0.06kb
| ├──3-深度学习核心框架PyTorch
| | ├──3-1 节PyTorch框架介绍与配置安装
| | ├──3-2 节使用神经网络进行分类任务
| | ├──3-3 节神经网络回归任务-气温预测
| | ├──3-4 节卷积网络参数解读分析
| | ├──3-5 节图像识别模型与训练策略(重点)
| | ├──3-6 节DataLoader自定义数据集制作
| | ├──3-7 节LSTM文本分类实战
| | ├──3-8 节PyTorch框架Flask部署例子
| | └──课程详细目录.txt 0.06kb
| ├──4-Opencv图像处理框架实战
| | ├──5-1 节课程简介与环境配置
| | ├──5-10 节⽂档扫描OCR识别
| | ├──5-11 节图像特征-harris
| | ├──5-12 节图像特征-sift
| | ├──5-13 节全景图像拼接
| | ├──5-14 节停⻋场⻋位识别
| | ├──5-15 节答题卡识别判卷
| | ├──5-16 节背景建模
| | ├──5-17 节光流估计
| | ├──5-18 节Opencv的DNN模块
| | ├──5-19 节⽬标追踪
| | ├──5-2 节图像基本操作
| | ├──5-20 节卷积原理与操作
| | ├──5-21 节疲劳检测
| | ├──5-3 节阈值与平滑处理
| | ├──5-4 节图像形态学操作
| | ├──5-5 节图像梯度计算
| | ├──5-6 节边缘检测
| | ├──5-7 节图像⾦字塔与轮廓检测
| | ├──5-8 节直⽅图与傅⾥叶变换
| | ├──5-9 节信⽤卡数字识别
| | └──课程详细目录.txt 0.06kb
| ├──5-综合项目-物体检测经典算法实战
| | ├──1-YOLO V9
| | └──课程详细目录.txt 0.06kb
| ├──6-图像分割实战
| | ├──1-图像分割及其损失函数概述
| | ├──10-物体检测框架-MaskRcnn项目介绍与配置
| | ├──11-MaskRcnn网络框架源码详解
| | ├──12-基于MASK-RCNN框架训练自己的数据与任务
| | ├──2-Unet系列算法讲解
| | ├──3-unet医学细胞分割实战
| | ├──4-U2NET显著性检测实战
| | ├──5-deeplab系列算法
| | ├──6-基于deeplabV3+版本进⾏VOC分割实战
| | ├──7-医学⼼脏视频数据集分割建模实战
| | ├──8-分割模型Maskformer系列
| | └──9-补充:Mask2former源码解读
| └──课程详细目录.txt 0.06kb
├──资料
| ├──2-深度学习必备核心算法
| | ├──transformer.pdf 1.99M
| | ├──Transformer在视觉中的应用VIT算法.pdf 1.24M
| | ├──ViT.zip 638.39M
| | ├──卷积神经网络.pdf 2.59M
| | └──神经网络.pdf 6.31M
| ├──3-深度学习框架PyTorch
| | ├──flask预测.zip 712.05M
| | ├──PyTorch.pdf 2.67M
| | ├──第二,三章:神经网络实战分类与回归任务.zip 15.82M
| | ├──第六章:DataLoader自定义数据集制作.zip 594.02M
| | ├──第七章:LSTM文本分类实战.zip 31.53M
| | ├──第四章:卷积网络参数解读.zip 33.37M
| | ├──第五章:图像识别模型与训练策略(重点).zip 449.77M
| | └──深度学习.pdf 9.93M
| ├──4-Opencv图像处理框架实战
| | ├──课件
| | └──源码资料
| └──课程详细目录.txt 0.06kb
└──课程详细目录.txt 0.06kb

RIPRO主题是一个优秀的主题,极致后台体验,无插件,集成会员系统
叶子it资源网 » 咕泡人工智能深度学习第10期(持续更新)

常见问题FAQ

免费下载或者VIP会员专享资源能否直接商用?
本站所有资源版权均属于原作者所有,这里所提供资源均只能用于参考学习用,请勿直接商用。若由于商用引起版权纠纷,一切责任均由使用者承担。更多说明请参考 VIP介绍。

发表回复

提供最优质的资源集合

立即查看 了解详情
开通VIP 享更多特权,建议使用QQ登录