CV计算机视觉训练营CV工程师实战教程

 CV计算机视觉训练营课程目录

任务1：机器学习、深度学习简介.mp4

任务2：深度学习的发展历史.mp4

任务3：现代深度学习的典型例子.mp4

任务4：深度学习在计算机视觉中的应用.mp4

任务5：深度学习的总结.mp4

任务6：开发环境的配置, Python, Numpy, Keras入门教程.mp4

任务7：GPU驱动程序安装.mp4

任务8：CUDA的安装.mp4

任务9：cuDNN的安装, Tensorflow, PyTorch的GPU测试.mp4

任务10：问答环节.mp4

任务11：环境安装.mp4

任务12：二元分类问题.mp4

任务13：逻辑函数.mp4

任务14：指数与对数 、逻辑回归.mp4

任务15：示例.mp4

任务16：损失函数.mp4

任务17：损失函数推演.mp4

任务18：梯度下降法.mp4

任务19：应用.mp4

任务20：直播答疑.mp4

任务21：自动驾驶方向盘预测论文分析.mp4

任务22：使用PyCharm Keras建立深度网络模型.mp4

任务23：数据预处理 数据增强.mp4

任务24：建立BatchGenerator高效读取数据.mp4

任务25：训练网络 保存训练的中间过程数据.mp4

任务26：查看网络训练过程 判断网络是否过拟合 欠拟合.mp4

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.mp4

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.mp4

任务29：使用Keras创建一个用于鸢尾花分类识别的神经网络.mp4

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.mp4

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.mp4

任务32：神经网络数学原理（2）： 神经网络的前馈（Feed Forward）算法.mp4

任务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

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.mp4

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.mp4

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）.mp4

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.mp4

任务38：Neural.Network.Loss-直播01.mp4

任务39：Neural.Network.Loss-直播02.mp4

任务40：Neural.Network.Loss-直播03.mp4

任务41：梯度消亡.mp4

任务42：梯度消亡问题分析.mp4

任务43：梯度消亡解决方案.mp4

任务44：过拟合.mp4

任务45：DropOut 训练.mp4

任务46：正则化.mp4

任务47：最大范数约束 神经元的初始化.mp4

任务48：作业讲解与答疑-01.mp4

任务49：作业讲解与答疑-02.mp4

任务50：为什么需要递归神经网络？.mp4

任务51：递归神经网络介绍.mp4

任务52：语言模型.mp4

任务53：RNN的深度.mp4

任务54：梯度爆炸和梯度消失.mp4

任务55：Gradient Clipping.mp4

任务56：LSTM的介绍.mp4

任务57：LSTM的应用.mp4

任务58：Bi-Directional LSTM.mp4

任务59：Gated Recurrent Unit.mp4

任务60：机器翻译.mp4

任务61：Multimodal Learning.mp4

任务62：Seq2Seq模型.mp4

任务63：回顾RNN与LSTM.mp4

任务64：Attention for Image Captioning.mp4

任务65：Attention for Machine Translation.mp4

任务66：Self-Attention.mp4

任务67：Attention总结.mp4

任务68：neural network optimizer直播-01.mp4

任务69：neural network optimizer直播-02.mp4

任务70：neural network optimizer直播-03.mp4

任务71：项目介绍.mp4

任务72：看图说话任务一-01.mp4

任务73：看图说话任务一-02.mp4

任务74：看图说话任务一-03.mp4

任务75：任务介绍.mp4

任务76：如何实现 load_img_as_np_array 这个函数.mp4

任务77：如何实现“load_vgg16_model”函数.mp4

任务78：如何实现“extract_features”函数.mp4

任务79：创建Tokenizer01.mp4

任务80：创建Tokenizer02.mp4

任务81：产生模型需要的输入数据01.mp4

任务82：产生模型需要的输入数据02.mp4

任务83：任务的概述.mp4

任务84：Input Embedding和Dropout层介绍.mp4

任务85：LSTM Add层的介绍.mp4

任务86：如何训练模型.mp4

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.mp4

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.mp4

任务89：如何调用generate_caption函数.mp4

任务90：如何评价标题生成模型的性能.mp4

任务91：读取和显示数字图像.mp4

任务92：数字图像大小缩放.mp4

任务93：数字图像直方图均衡.mp4

任务94：图像去噪声.mp4

任务95：图像边缘检测.mp4

任务96：图像关键点检测.mp4

任务97：道路行车道检测简介.mp4

任务98：Canny边缘检测.mp4

任务99：霍夫变换用于直线检测.mp4

任务100：道路行车道检测代码讲解.mp4

任务101：在图像和视频上面演示道路行车道检测.mp4

任务102：项目介绍.mp4

任务103：交通指示牌识别的简介.mp4

任务104：交通指示牌识别课程的编程任务.mp4

任务105：如何分析数据 (util.py 的详细介绍).mp4

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.mp4

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.mp4

任务108：色彩空间转换.mp4

任务109：直方图均衡.mp4

任务110：图像标准化.mp4

任务111：使用ImageDataGenerator做图像增强.mp4

任务112：作业上传的要求.mp4

任务113：介绍经典交通指示牌卷积神经网络模型.mp4

任务114：代码实现经典交通指示牌识别卷积神经网络模型.mp4

任务115：卷积神经网络的数学原理01.mp4

任务116：卷积神经网络的数学原理02.mp4

任务117：深度学习调参-直播-01.mp4

任务118：深度学习调参-直播-02.mp4

任务119：深度学习调参-直播-03.mp4

任务120：卷积层的启发.mp4

任务121：卷积层的定量分析.mp4

任务122：单通道输入 单通道输出的卷积层的实例.mp4

任务123：多通道输入 多通道输出的卷积层的实例.mp4

任务124：池化层的原理 定量分析.mp4

任务125：卷积神经网络和全连接神经网络的比较.mp4

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.mp4

任务127：基于深度学习的图像分类历史回顾.mp4

任务128：AlexNet的结构分析.mp4

任务129：ZFNet的结构分析.mp4

任务130：VGG的结构分析.mp4

任务131：GoogleNet Inception的结构分析.mp4

任务132：Inception V3的结构分析.mp4

任务133：ResNet的结构分析.mp4

任务134：ResNet的代码实现.mp4

任务135：基于内容的图像搜索理论基础.mp4

任务136：基于去噪自动编码器的图像搜索代码实现.mp4

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.mp4

任务138：项目1-看图说话（助教）讲解和答疑-01.mp4

任务139：项目1-看图说话（助教）讲解和答疑-02.mp4

任务140：项目介绍.mp4

任务141：自动驾驶方向盘转动方向预测的背景知识.mp4

任务142：如何收集训练数据.mp4

任务143：理解分析训练数据.mp4

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.mp4

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.mp4

任务146：探索数据01.mp4

任务147：探索数据02.mp4

任务148：图像增强01.mp4

任务149：图像增强02.mp4

任务150：解决数据不平衡的问题 DataGenerator的应用.mp4

任务151：网络结构实例.mp4

任务152： 图像增强部分的代码讲解.mp4

任务153：DataGenerator部分的代码讲解.mp4

任务154：网络结构实现部分的代码讲解.mp4

任务155：方向盘转动方向预测网络模型的性能评估方法.mp4

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.mp4

任务157：模拟器自动驾驶的展示.mp4

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.mp4

任务159：如何安装Python 连接模拟器的Python 库.mp4

任务160：windows 下面使用自动驾驶模拟器的教程.mp4

任务161：mac 下面使用自动驾驶模拟器的教程.mp4

任务162：目标识别综述.mp4

任务163：基于HOG(梯度直方图)的目标识别.mp4

任务164：Non-Max Suppression IoU 和 Hard Negative Mining.mp4

任务165：R-CNN的工作原理.mp4

任务166：R-CNN中的边界框(Bounding Box)预测原理.mp4

任务167：R-CNN的不足之处.mp4

任务168：Fast R-CNN详解.mp4

任务169：Faster R-CNN Region Proposal Network.mp4

任务170：R-CNN Fast R-CNN Faster R-CNN的总结.mp4

任务171：目标识别 R-CNN家族的回顾.mp4

任务172：SSD的简介 SSD与R-CNN的比较.mp4

任务173：SSD的网络结构(1).mp4

任务173：SSD的网络结构.mp4

任务174：如何使用卷积作为最后的预测层.mp4

任务175：SSD的训练过程.mp4

任务176：SSD的实验结果分析.mp4

任务177：VGG16到SSD网络的演化 L2Normalization层的实现.mp4

任务178：SSD各个技术对失败率的影响 Atrous卷积层的原理.mp4

任务179：使用卷积作为最后的预测层详解.mp4

任务180：SSD定位损失函数详解.mp4

任务181：SSD中Anchor尺寸 宽高比 中心位置的确定.mp4

任务182：SSD中分类损失函数详解.mp4

任务183：Non-Max Suppression的原理.mp4

任务184：SSD和YOLO的比较 SSD的总结.mp4

任务185：图像分割简介.mp4

任务186：基于深度学习的图像分割U-Net的原理.mp4

任务187：Transposed Convolution原理与运用.mp4

任务188：U-Net的代码讲解.mp4

任务189：图像生成的原理.mp4

任务190：使用深度学习自动图像生成手写数字的代码讲解.mp4

任务191：图像风格转移的原理.mp4

任务192：使用深度学习实现图像风格转移的代码讲解.mp4

任务193：SSD的原理回顾.mp4

任务194：编程项目的训练数据介绍.mp4

任务195：对SSD模型对产生Anchor有影响的参数讲解.mp4

任务196：对候选框精选处理有影响的参数讲解.mp4

任务197：对输入模型参数的合法性检测和转换.mp4

任务198：具有7层的SSD的网络结构讲解.mp4

任务199：编译模型, 使用模型做预测.mp4

任务200：SSD解码的实现.mp4

任务201：帮助函数IoU, 坐标转换, SSD损失函数, Non-Max-Suppression的实现.mp4

任务202：二值化神经网络的简介.mp4

任务203：二值化网络的前向后向传播, 梯度计算原理.mp4

任务204：二值化网络的训练算法.mp4

任务205：二值化网络的实验结果.mp4

任务206：二值化全连接网络的代码讲解.mp4

任务207：DropoutNoScale层的实现.mp4

任务208：BinaryDense层的实现.mp4

任务209：二值化卷积神经网络的代码讲解.mp4

任务210：项目作业要求.mp4

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.mp4

任务212：MobileNet, Depthwise Seperable Convolution的原理计算量分析.mp4

任务213：ShuffleNet, Group Convolution, Channel Shuffle的原理.mp4

任务214：EffNet, Spatial Seperable Convolution的原理计算量分析和实验效果.mp4

任务215：lightweight-network答疑时间.mp4

任务216：回顾EffNet的原理.mp4

任务217：EffNet的代码讲解.mp4

任务218：One-Shot Learning 的意义和工作原理.mp4

任务219：用于One-Shot Learning 的Siamese 深度神经网络的介绍.mp4

任务220：Siamese 深度神经网络的实验和结果分析.mp4

任务221：Transposed Convolution 的应用, 算法回顾, 以及使用矩阵乘法实现.mp4

任务222：Transposed Convolution 的梯度推导.mp4

任务223：将卷积核转换为Toeplitz Matrix用于矩阵乘法实现Transposed.mp4

任务224：同学对课程的效果反馈调查.mp4

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.mp4

任务226：PyTorch 基础教程.mp4

任务227：Siamese One-Shot learning 知识回顾.mp4

任务228：使用 PyTorch torchvision 库高效读取数据.mp4

任务229：使用 PyTorch 定义 Siamese 网络结构.mp4

任务230：使用 PyTorch 写训练网络的代码.mp4

任务231：使用 PyTorch 写测试网络的代码.mp4