AI贪心学院-CV计算机视觉集训营

AI-贪心学院-CV计算机视觉集训营

AI-贪心学院-CV计算机视觉集训营

AI-贪心学院-CV计算机视觉集训营

├──gitlab资料文档
| ├──Capstone.zip 1.10M
| ├──class-file.zip 0.50kb
| ├──course-info.zip 49.56M
| ├──homework.zip 32.03M
| └──Zhibo-Neural-Network-Optimizer.zip 5.58M
├──第01章 免费试学-SSD模型及训练讲解
| ├──任务1：ssd的简介 ssd与r-cnn的比较_1.mp4 49.09M
| ├──任务2：ssd的网络结构_1.mp4 46.14M
| ├──任务3：如何使用卷积作为最后的预测层_1.mp4 23.99M
| └──任务4：ssd的训练过程_1.mp4 77.96M
├──第02章 20190825 深度学习第一课暨开学典礼
| ├──任务10：gpu深度学习开发设置_1.mp4 57.61M
| ├──任务11：开放式项目_1.mp4 12.53M
| ├──任务12：课后答疑_1.mp4 147.78M
| ├──任务5：什么是深度学习, 为什么需要深度学习_1.mp4 30.30M
| ├──任务6：深度学习简史_1.mp4 72.85M
| ├──任务7：经典卷积神经网络回归_1.mp4 28.98M
| ├──任务8：深度学习在计算机视觉中的应用_1.mp4 40.96M
| └──任务9：设置开发环境, 学习python, numpy, keras, 完成pythonnumpy课后练习题_1.mp4 57.20M
├──第03章 20190828 逻辑回归
| ├──任务13：二元分类问题_1.mp4 20.88M
| ├──任务14：逻辑函数_1.mp4 21.02M
| ├──任务15：指数与对数 、逻辑回归_1.mp4 29.66M
| ├──任务16：示例_1.mp4 54.67M
| ├──任务17：损失函数_1.mp4 38.67M
| ├──任务18：损失函数推演_1.mp4 59.13M
| ├──任务19：梯度下降法_1.mp4 67.00M
| └──任务20：应用_1.mp4 69.99M
├──第04章 20190901 pbl.self.steering.introduction
| ├──任务21：基于深度学习的自动驾驶概述_1.mp4 27.04M
| ├──任务22：训练数据的收集, 神经网络用于自动驾驶的可行性_1.mp4 46.55M
| ├──任务23：自动驾驶模拟器的介绍_1.mp4 34.13M
| ├──任务24：数据预处理和数据增强_1.mp4 132.53M
| ├──任务25：用于自动驾驶的深度神经网络及其性能测试_1.mp4 42.73M
| ├──任务26：代码预览_1.mp4 32.62M
| └──任务27：课后答疑问答环节_1.mp4 163.21M
├──第05章 20190904 神经网络
| ├──任务28：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_1.mp4 52.91M
| ├──任务29：使用pandas读取鸢尾花数据集， 使用labelencoder对类别标签进行编码_1.mp4 24.71M
| ├──任务30：使用keras创建一个用于鸢尾花分类识别的神经网络_1.mp4 88.24M
| ├──任务31：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_1.mp4 45.50M
| ├──任务32：神经网络数学原理（1）： 神经网络的结点，权值，激活函数_1.mp4 39.34M
| ├──任务33：神经网络数学原理（2）： 神经网络的前馈（feed forward）算法_1.mp4 31.56M
| ├──任务34：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_1.mp4 29.54M
| ├──任务35：神经网络数学原理（4）：神经网络bp（误差反向传播）算法_1.mp4 35.35M
| ├──任务36：神经网络数学原理（5）：神经网络bp（误差反向传递）算法续_1.mp4 41.34M
| ├──任务37：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）_1.mp4 49.99M
| └──任务38：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_1.mp4 43.41M
├──第06章 20190908 Deep.Neural.Network.Loss
| ├──任务39：损失函数的定义, 特性, 在训练过程所起的作用_1.mp4 75.14M
| ├──任务40：用于回归的常用损失函数_1.mp4 20.08M
| ├──任务41：用于分类的hinge loss_1.mp4 58.71M
| ├──任务42： 用于分类的cross-entropy loss_1.mp4 57.42M
| ├──任务43：multi-label分类_1.mp4 11.75M
| ├──任务44：正则化 l1, l2, l1_l2_1.mp4 85.54M
| └──任务45：答疑_1.mp4 148.62M
├──第07章 20190911 深度神经网络
| ├──任务46：梯度消亡_1.mp4 37.03M
| ├──任务47：梯度消亡问题分析_1.mp4 38.27M
| ├──任务48：梯度消亡解决方案_1.mp4 28.16M
| ├──任务49：过拟合_1.mp4 34.15M
| ├──任务50：dropout 训练_1.mp4 24.33M
| ├──任务51：正则化_1.mp4 19.05M
| └──任务52：最大范数约束 神经元的初始化_1.mp4 36.88M
├──第08章 20190918 递归神经网络LSTM
| ├──任务53：为什么需要递归神经网络？_1.mp4 13.56M
| ├──任务54：递归神经网络介绍_1.mp4 63.61M
| ├──任务55：语言模型_1.mp4 46.41M
| ├──任务56：rnn的深度_1.mp4 10.53M
| ├──任务57：梯度爆炸和梯度消失_1.mp4 65.11M
| ├──任务58：gradient clipping_1.mp4 20.83M
| ├──任务59：lstm的介绍_1.mp4 40.80M
| ├──任务60： lstm的应用_1.mp4 44.51M
| ├──任务61：bi-directional lstm_1.mp4 26.04M
| ├──任务62：gated recurrent unit_1.mp4 24.15M
| ├──任务63：机器翻译_1.mp4 23.37M
| ├──任务64：multimodal learning_1.mp4 30.46M
| ├──任务65：seq2seq模型_1.mp4 59.51M
| ├──任务66：回顾rnn与lstm_1.mp4 31.17M
| ├──任务67：attention for image captioning_1.mp4 134.76M
| ├──任务68：attention for machine translation_1.mp4 77.06M
| ├──任务69：self-attention_1.mp4 77.67M
| └──任务70：attention总结_1.mp4 19.11M
├──第09章 20190922 梯度下降法
| ├──任务71：梯度下降法的综述_1.mp4 42.25M
| ├──任务72：批处理梯度下降法, 随机梯度下降法, 批处理梯度下降法_1.mp4 41.29M
| ├──任务73：学习率综述_1.mp4 74.22M
| ├──任务74：常用的优化算法详解_1.mp4 106.25M
| ├──任务75： 优化的小技巧_1.mp4 17.09M
| └──任务76：问答环节_1.mp4 164.76M
├──第10章 20190925 Project1：看图说话
| ├──任务77：项目介绍_1.mp4 4.66M
| ├──任务78：看图说话任务一-01_1.mp4 40.14M
| ├──任务79：看图说话任务一-02_1.mp4 28.38M
| ├──任务80：看图说话任务一-03_1.mp4 42.97M
| ├──任务81：任务介绍_1.mp4 35.57M
| ├──任务82：如何实现 load_img_as_np_array 这个函数_1.mp4 14.79M
| ├──任务83：如何实现“load_vgg16_model”函数_1.mp4 23.06M
| ├──任务84：如何实现“extract_features”函数_1.mp4 32.16M
| ├──任务85：创建tokenizer01_1.mp4 30.53M
| ├──任务86：创建tokenizer02_1.mp4 43.84M
| ├──任务87：产生模型需要的输入数据01_1.mp4 56.24M
| ├──任务88：产生模型需要的输入数据02_1.mp4 41.04M
| ├──任务89：任务的概述_1.mp4 13.53M
| ├──任务90：input embedding和dropout层介绍_1.mp4 32.78M
| ├──任务91：lstm add层的介绍_1.mp4 15.56M
| ├──任务92：如何训练模型_1.mp4 30.71M
| ├──任务93：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_1.mp4 21.13M
| ├──任务94：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_1.mp4 59.70M
| ├──任务95：如何调用generate_caption函数_1.mp4 17.18M
| └──任务96：如何评价标题生成模型的性能_1.mp4 60.90M
├──第11章 20191009 图像处理和计算机视觉简介
| ├──任务100：图像去噪声_1.mp4 49.22M
| ├──任务101：图像边缘检测_1.mp4 81.14M
| ├──任务102：图像关键点检测_1.mp4 17.68M
| ├──任务103：道路行车道检测简介_1.mp4 31.29M
| ├──任务104：canny边缘检测_1.mp4 37.75M
| ├──任务105：霍夫变换用于直线检测_1.mp4 72.46M
| ├──任务106：道路行车道检测代码讲解_1.mp4 126.38M
| ├──任务107：在图像和视频上面演示道路行车道检测_1.mp4 84.51M
| ├──任务97：读取和显示数字图像.mp4_1.mp4 61.93M
| ├──任务98：数字图像大小缩放_1.mp4 64.26M
| └──任务99：数字图像直方图均衡_1.mp4 60.27M
├──第12章 20191013 HyperParameterTuning
| ├──任务108：建立深度学习任务的评价指标_1.mp4 19.49M
| ├──任务109：建立深度学习任务合理的预期_1.mp4 54.68M
| ├──任务110：建立合理的数据集_1.mp4 18.12M
| ├──任务111：过拟合 欠拟合 bias variance_1.mp4 55.12M
| ├──任务112：通过损失函数曲线判断是否过拟合或者欠拟合_1.mp4 47.82M
| ├──任务113：超参优化在机器学习流程中的地位_1.mp4 20.51M
| ├──任务114：常用的调参方法 网格搜索 随机搜索 贝叶斯优化 进化算法_1.mp4 51.17M
| ├──任务115：神经网络调参之学习率学习率_1.mp4 22.14M
| ├──任务116：batchsize epochs 网络结点数的调参_1.mp4 32.81M
| ├──任务117：nas 神经架构搜索_1.mp4 6.78M
| └──任务118：课后答疑_1.mp4 101.52M
├──第13章 20191016 Project 2：自动驾驶之交通指示牌识别
| ├──任务119：项目介绍_1.mp4 6.01M
| ├──任务120：交通指示牌识别的简介_1.mp4 27.60M
| ├──任务121：交通指示牌识别课程的编程任务_1.mp4 19.02M
| ├──任务122：如何分析数据 (util.py 的详细介绍) _1.mp4 44.00M
| ├──任务123：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_1.mp4 50.37M
| ├──任务124：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_1.mp4 76.76M
| ├──任务125：色彩空间转换_1.mp4 31.85M
| ├──任务126：直方图均衡_1.mp4 53.82M
| ├──任务127：图像标准化_1.mp4 29.09M
| ├──任务128：使用imagedatagenerator做图像增强_1.mp4 32.77M
| ├──任务129：作业上传的要求_1.mp4 7.86M
| ├──任务130：介绍经典交通指示牌卷积神经网络模型_1.mp4 27.10M
| ├──任务131：代码实现经典交通指示牌识别卷积神经网络模型_1.mp4 39.63M
| ├──任务132：卷积神经网络的数学原理01_1.mp4 48.85M
| └──任务133：卷积神经网络的数学原理02_1.mp4 67.24M
├──第14章 20191020 Homework讲解
| ├──任务134：homework讲解01_1.mp4 168.38M
| ├──任务135：homework讲解02_1.mp4 144.29M
| └──任务136：homework讲解03_1.mp4 125.29M
├──第15章 20191023 用于视觉识别的卷积特征
| ├──任务137：基于深度学习的图像分类历史回顾_1.mp4 17.42M
| ├──任务138：alexnet的结构分析_1.mp4 12.30M
| ├──任务139：zfnet的结构分析_1.mp4 12.93M
| ├──任务140：vgg的结构分析_1.mp4 12.72M
| ├──任务141：googlenet inception的结构分析_1.mp4 17.92M
| ├──任务142：inception v3的结构分析_1.mp4 61.05M
| ├──任务143：resnet的结构分析_1.mp4 65.74M
| ├──任务144：resnet的代码实现_1.mp4 77.85M
| ├──任务145：基于内容的图像搜索理论基础_1.mp4 36.35M
| ├──任务146：基于去噪自动编码器的图像搜索代码实现_1.mp4 109.69M
| └──任务147：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_1.mp4 28.22M
├──第16章 20191027 目标检测(上)
| ├──任务148：目标检测简介_1.mp4 35.52M
| ├──任务149：基于滑动窗口的目标检测_1.mp4 21.21M
| ├──任务150：opencv内建的基于梯度直方图和svm的目标检测_1.mp4 56.17M
| ├──任务151：r-cnn 目标检测_1.mp4 96.97M
| ├──任务152：fast r-cnn 目标检测_1.mp4 81.84M
| ├──任务153：faster r-cnn 目标检测_1.mp4 73.17M
| └──任务154：答疑_1.mp4 82.31M
├──第17章 20191030 目标检测(下)
| ├──任务155：r-cnn家族的回顾_1.mp4 32.82M
| ├──任务156：ssd的简介 ssd与r-cnn的比较_1.mp4 49.08M
| ├──任务157：ssd的网络结构_1.mp4 46.14M
| ├──任务158：如何使用卷积作为最后的预测层_1.mp4 23.94M
| ├──任务159：ssd的训练过程_1.mp4 77.97M
| ├──任务160：ssd的实验结果分析_1.mp4 41.31M
| ├──任务161：vgg16到ssd网络的演化 l2normalization层的实现_1.mp4 67.53M
| ├──任务162：ssd各个技术对失败率的影响 atrous卷积层的原理_1.mp4 18.69M
| ├──任务163：使用卷积作为最后的预测层详解_1.mp4 24.70M
| ├──任务164：ssd定位损失函数详解_1.mp4 42.08M
| ├──任务165：ssd中anchor尺寸 宽高比 中心位置的确定_1.mp4 14.77M
| ├──任务166：ssd中分类损失函数详解_1.mp4 15.50M
| ├──任务167：non-max suppression的原理_1.mp4 18.99M
| └──任务168：ssd和yolo的比较 ssd的总结_1.mp4 15.93M
├──第18章 20191103 交通指示牌识别（侯老师）
| └──任务169：自动驾驶交通指示牌的识别_1.mp4 306.78M
├──第19章 20191106 图像分割和合成
| ├──任务170：图像分割简介_1.mp4 41.06M
| ├──任务171：基于深度学习的图像分割u-net的原理_1.mp4 22.03M
| ├──任务172：transposed convolution原理与运用_1.mp4 46.82M
| ├──任务173：u-net的代码讲解_1.mp4 59.71M
| ├──任务174：图像生成的原理_1.mp4 14.25M
| ├──任务175：使用深度学习自动图像生成手写数字的代码讲解_1.mp4 90.30M
| ├──任务176：图像风格转移的原理_1.mp4 48.90M
| └──任务177：使用深度学习实现图像风格转移的代码讲解_1.mp4 32.84M
├──第20章 20191110 CV SSD 项目直播
| ├──任务178：项目介绍 ssd回顾_1.mp4 22.78M
| ├──任务179：代码总体预览_1.mp4 25.24M
| ├──任务180：模型输入参数_1.mp4 93.09M
| ├──任务181：网络模型部分一 预测类别标签和坐标_1.mp4 66.28M
| ├──任务182：ssd 网络模型部分二 生成anchorboxes_1.mp4 120.16M
| ├──任务183：ssd 网络模型部分三 解码ssd网络的输出_1.mp4 147.69M
| ├──任务184：ssd 损失函数实现_1.mp4 55.68M
| ├──任务185：ssd 输入编码构造_1.mp4 13.20M
| └──任务186：直播答疑_1.mp4 76.37M
├──第21章 Project 5：二值化神经网络(BNNs)
| ├──任务187：二值化神经网络的简介_1.mp4 25.72M
| ├──任务188：二值化网络的前向后向传播, 梯度计算原理_1.mp4 21.75M
| ├──任务189：二值化网络的训练算法_1.mp4 69.72M
| ├──任务190：二值化网络的实验结果_1.mp4 24.82M
| ├──任务191：二值化全连接网络的代码讲解_1.mp4 36.47M
| ├──任务192：dropoutnoscale层的实现_1.mp4 19.19M
| ├──任务193：binarydense层的实现_1.mp4 45.75M
| ├──任务194：二值化卷积神经网络的代码讲解_1.mp4 27.02M
| └──任务195：项目作业要求_1.mp4 14.32M
├──第22章 20191116 轻量级神经网络
| ├──任务196：神经网络在商业应用中面临的挑战,轻量级神经网络的必要性_1.mp4 77.14M
| ├──任务197：depthwise seperable convolution 与 mobilenet_1.mp4 106.64M
| ├──任务198：group convolution channel shuffle 与 shufflenet_1.mp4 76.60M
| ├──任务199：spatial seperable convolution 与 effnet_1.mp4 83.89M
| └──任务200：在线答疑_1.mp4 25.55M
├──第23章 Project 6：效率网络EffNet(MobileNet的进步版本)
| ├──任务201：回顾effnet的原理_1.mp4 45.86M
| └──任务202：effnet的代码讲解_1.mp4 64.35M
├──第24章 20191123 直播课程
| ├──任务203：课前答疑_1.mp4 76.04M
| ├──任务204：one-shot learning 的功能和意义_1.mp4 58.82M
| ├──任务205：one-shot learning 的工作原理_1.mp4 19.08M
| ├──任务206：siamese network 的网络结构_1.mp4 40.29M
| ├──任务207：siamese network 的损失函数_1.mp4 37.91M
| ├──任务208：siamese network 的实验结果分析_1.mp4 17.49M
| └──任务209：课后答疑_1.mp4 66.75M
├──第25章 Project 7：孪生网络(SiameseNet)
| ├──任务210：使用 siamese 网络做门禁卡系统的入门介绍, 数据集的介绍_1.mp4 34.60M
| ├──任务211：pytorch 基础教程_1.mp4 59.51M
| ├──任务212：siamese one-shot learning 知识回顾_1.mp4 13.05M
| ├──任务213：使用 pytorch torchvision 库高效读取数据_1.mp4 36.11M
| ├──任务214：使用 pytorch 定义 siamese 网络结构_1.mp4 23.86M
| ├──任务215：使用 pytorch 写训练网络的代码_1.mp4 41.44M
| └──任务216：使用 pytorch 写测试网络的代码_1.mp4 58.92M
├──第26章 Project 8：胶囊网络(Capsule Neural Networks)
| ├──任务217：课前答疑_1.mp4 17.60M
| ├──任务218：胶囊网络的价值和借鉴意义_1.mp4 105.51M
| ├──任务219：胶囊网络的直观理解 与普通卷积神经网络的区别_1.mp4 95.72M
| ├──任务220：affine transform (仿射变换)_1.mp4 30.53M
| ├──任务221：胶囊网络的routing算法_1.mp4 30.61M
| ├──任务222：胶囊网络的decoder模块 损失函数和网络结构_1.mp4 69.63M
| ├──任务223：胶囊网络的代码实现讲解_1.mp4 75.60M
| └──任务224：课后答疑_1.mp4 112.50M
├──第27章 20200104 capstone项目展示
| ├──[SHANA]任务225：capstone项目展示-01_1.mp4 101.66M
| ├──[SHANA]任务226：capstone项目展示-02_1.mp4 85.52M
| ├──[SHANA]任务227：capstone项目展示-03天空之眼_1.mp4 150.53M
| └──[SHANA]任务228：capstone项目展示-04欧洲花园目标检测项目_1.mp4 135.75M
├──第28章 20200113 就业指导总结
| ├──任务229：深度学习500题, 概率面试题, 编程面试题, 内部推荐_1.mp4 60.20M
| ├──任务230：计算机视觉公司介绍, 职位需求分析_1.mp4 64.75M
| ├──任务231：计算机视觉案例推荐-人脸关键点检测, 图像分割, GAN, 图像细粒度识别, 网络Fine-Tun_1.mp4 49.30M
| ├──任务232：问题分解Tesla Vision_1.mp4 24.87M
| ├──任务233：集成学习用于神经网络_1.mp4 22.42M
| ├──任务234：硬件分析-ASIC, GPU, FPGA_1.mp4 28.88M
| ├──任务235：神经网络部署到Android, iPhone和Web_1.mp4 10.98M
| ├──任务236：持续学习需要关注的会议和期刊, 带Shift-Invariant的最大池化层案例分析_1.mp4 54.83M
| └──任务237：课后答疑_1.mp4 39.00M
└──cv8月18日就业指导课程_1.mp4 556.20M