【尊享】ZX082 – 深度学习CV合集（五门） [95.8G]

【尊享】ZX082 – 深度学习CV合集（五门） [95.8G]

合集价格150金币

单独购买需要看好价格拍下下面相应链接后 联系客服发货 价目表

01.深度学习之目标检测—理论实践篇 40金币

02.深度学习之图像分类—理论实践篇 30金币

03.深度学习之视频分类—理论实践篇 40金币

04.深度学习之图像分割—理论实践篇 40金币

05.深度学习之模型部署—移动端与服务端 60金币

具体目录

┣━━01.深度学习之目标检测—理论实践篇 [38.7G]
┃ ┣━━01.视频 [35.1G]
┃ ┃ ┣━━0-课程简介 .abc [109.6M]
┃ ┃ ┣━━1.1-问题定义 .abc [145.5M]
┃ ┃ ┣━━1.2-数据集 .abc [72.1M]
┃ ┃ ┣━━1.3-评价指标 .abc [1.2G]
┃ ┃ ┣━━1.4-脑图时刻 .abc [101.9M]
┃ ┃ ┣━━1.5-算法发展总览 .abc [69.7M]
┃ ┃ ┣━━1.6-传统检测算法流程.abc [824.7M]
┃ ┃ ┣━━1.7-基于深度学习的目标检测流程和分类 .abc [743.5M]
┃ ┃ ┣━━1.8-(后)脑图时刻 .abc [81.3M]
┃ ┃ ┣━━1.9-anchor-base算法结构 .abc [1.1G]
┃ ┃ ┣━━2.1-RCNN详解 .abc [343.5M]
┃ ┃ ┣━━2.2-SPPNet详解 .abc [192.6M]
┃ ┃ ┣━━2.3-Fast RCNN详解 .abc [1.3G]
┃ ┃ ┣━━2.4-Faster RCNN详解.abc [530.7M]
┃ ┃ ┣━━2.5-one-stage算法引入+脑图时刻 .abc [350.9M]
┃ ┃ ┣━━3.1-YOLOv1讲解 .abc [1.9G]
┃ ┃ ┣━━3.2-YOLOv2讲解 .abc [2.3G]
┃ ┃ ┣━━3.3-YOLOv3讲解 .abc [2.1G]
┃ ┃ ┣━━3.4-YOLOv4讲解 .abc [2.7G]
┃ ┃ ┣━━3.5-YOLOv5讲解 .abc [1.8G]
┃ ┃ ┣━━4.1-Anchor free引入.abc [540.9M]
┃ ┃ ┣━━4.2-Densebox详解（上） .abc [135M]
┃ ┃ ┣━━4.2-Densebox详解（下）.abc [243M]
┃ ┃ ┣━━4.2-Densebox详解（中） .abc [259M]
┃ ┃ ┣━━4.3-CornerNet详解（上）.abc [147M]
┃ ┃ ┣━━4.3-CornerNet详解（下） .abc [208.3M]
┃ ┃ ┣━━4.3-CornerNet详解（中） .abc [181.9M]
┃ ┃ ┣━━4.4-CenterNet详解（上）.abc [109.6M]
┃ ┃ ┣━━4.4-CenterNet详解（下） .abc [75.6M]
┃ ┃ ┣━━4.4-CenterNet详解（中） .abc [174.5M]
┃ ┃ ┣━━5.0-YOLO v3实战课程介绍 .abc [2.8M]
┃ ┃ ┣━━5.1-YOLO v3原理回顾 .abc [241.2M]
┃ ┃ ┣━━5.2-工业缺陷检测数据集介绍 .abc [92.5M]
┃ ┃ ┣━━5.3.1-主干网络代码讲解 .abc [990.5M]
┃ ┃ ┣━━5.3.2-Neck+Head部分代码讲解(上) .abc [761.8M]
┃ ┃ ┣━━5.3.2-Neck+Head部分代码讲解(下) .abc [1.1G]
┃ ┃ ┣━━5.3.3-解码过程讲解 .abc [866M]
┃ ┃ ┣━━5.3.4-前向推理代码讲解 .abc [828.8M]
┃ ┃ ┣━━5.3.5-训练过程讲解 .abc [1.1G]
┃ ┃ ┣━━6.1-FasterRCNN原理回顾 .abc [76.3M]
┃ ┃ ┣━━6.2-数据集介绍 .abc [43.7M]
┃ ┃ ┣━━6.3.1-主干网络代码讲解 .abc [835.4M]
┃ ┃ ┣━━6.3.2-RPN网络代码讲解 .abc [679.8M]
┃ ┃ ┣━━6.3.3-Head部分代码讲解 .abc [473.8M]
┃ ┃ ┣━━6.3.4-前向推理代码详解 .abc [472M]
┃ ┃ ┣━━6.3.5-训练部分详解 .abc [847.7M]
┃ ┃ ┣━━6.4-权重文件处理知识+本期内容整体梳理 .abc [973.2M]
┃ ┃ ┣━━7.1-印刷电路板数据集介绍 .abc [5.8M]
┃ ┃ ┣━━7.2-CenterNet原理回顾（上） .abc [232.3M]
┃ ┃ ┣━━7.2-CenterNet原理回顾（下）.abc [243.2M]
┃ ┃ ┣━━7.3-前向推理代码详解 .abc [12.3M]
┃ ┃ ┣━━7.4-训练过程代码详解（上）.abc [310.3M]
┃ ┃ ┣━━7.4-训练过程代码详解（下） .abc [299.8M]
┃ ┃ ┣━━7.5-内容总结 .abc [133.2M]
┃ ┃ ┣━━8.10-8.11_训练过程和检测结果可视化分析 .abc [172.6M]
┃ ┃ ┣━━8.12_工程实践技巧 .abc [290.6M]
┃ ┃ ┣━━8.1_MMdetection简介与安装 .abc [247M]
┃ ┃ ┣━━8.2_MMdetection框架总体讲解 .abc [769.5M]
┃ ┃ ┣━━8.3_配置文件讲解（上） .abc [543M]
┃ ┃ ┣━━8.3_配置文件讲解（下） .abc [926.1M]
┃ ┃ ┣━━8.4_推理相关源码分析 .abc [189.2M]
┃ ┃ ┣━━8.5_训练相关源码分析 .abc [253.9M]
┃ ┃ ┣━━8.6_自定义数据集 .abc [115.3M]
┃ ┃ ┣━━8.7_COCO与VOC格式转化 .abc [192.5M]
┃ ┃ ┣━━8.8_Kmeans聚类边界框 .abc [61.6M]
┃ ┃ ┗━━8.9_热力图绘制 .abc [77.9M]
┃ ┗━━00.资料.zip [3.6G]
┣━━02.深度学习之图像分类—理论实践篇 [14G]
┃ ┣━━01.视频 [5.3G]
┃ ┃ ┣━━0 课程简介 .abc [11.1M]
┃ ┃ ┣━━1 图像分类基础 .abc [212.4M]
┃ ┃ ┣━━2 多类别图像分类理论 .abc [199.7M]
┃ ┃ ┣━━3 细粒度图像分类理论 .abc [159.1M]
┃ ┃ ┣━━4 多标签图像分类理论 .abc [90.4M]
┃ ┃ ┣━━5 半监督与无监督分类 .abc [150.9M]
┃ ┃ ┣━━6 零样本分类理论 .abc [78.2M]
┃ ┃ ┣━━7 从零完成人脸表情识别案例实践 .abc [140.4M]
┃ ┃ ┣━━8.1 表情分类实战简介 .abc [37.7M]
┃ ┃ ┣━━8.2 表情分类实战之数据读取 .abc [187.8M]
┃ ┃ ┣━━8.3 表情分类实战之数据增强 .abc [138.7M]
┃ ┃ ┣━━8.4 表情分类实战之网络模型 .abc [574.8M]
┃ ┃ ┣━━8.5 表情分类实战之评价指标 .abc [45.5M]
┃ ┃ ┣━━8.6 表情分类实战之训练和验证函数 .abc [104.1M]
┃ ┃ ┣━━8.7 表情分类实战之训练 .abc [147.3M]
┃ ┃ ┣━━9.1 细粒度分类实战之简介 .abc [12.8M]
┃ ┃ ┣━━9.2 细粒度分类实战之数据读取 .abc [185.7M]
┃ ┃ ┣━━9.3 细粒度分类之网络模型 .abc [62.9M]
┃ ┃ ┣━━9.4 细粒度分类实战之训练 .abc [59.1M]
┃ ┃ ┣━━10.1 多标签分类实战内容简介.abc [40.7M]
┃ ┃ ┣━━10.2 多标签分类实战之算法简介 .abc [124.6M]
┃ ┃ ┣━━10.3 多标签分类实战之数据读取及标签构建 .abc [504.2M]
┃ ┃ ┣━━10.4 多标签分类实战之模型搭建及训练 .abc [454.4M]
┃ ┃ ┣━━11.1 图像分类竞赛技巧之内容简介 .abc [10.1M]
┃ ┃ ┣━━11.2 图像分类竞赛技巧之竞赛简介 .abc [23.4M]
┃ ┃ ┣━━11.3 图像分类竞赛技巧之竞赛思路分析 .abc [32M]
┃ ┃ ┣━━11.4.1 图像分类竞赛技巧之基础功能实现-数据集的统计分析 .abc [215.5M]
┃ ┃ ┣━━11.4.2 图像分类竞赛技巧之基础功能实现-网络模型构建 .abc [215.6M]
┃ ┃ ┣━━11.4.3 图像分类竞赛技巧之基础功能实现-训练 .abc [208.5M]
┃ ┃ ┣━━11.5 图像分类竞赛技巧之学习率调整 .abc [646M]
┃ ┃ ┣━━11.6 图像分类竞赛技巧之标签平滑 .abc [50.6M]
┃ ┃ ┣━━11.7 图像分类竞赛技巧之知识蒸馏 .abc [114.9M]
┃ ┃ ┣━━11.8 图像分类竞赛技巧之投票策略 .abc [112.2M]
┃ ┃ ┗━━11.9 图像分类竞赛技巧之TTA策略 .abc [51.4M]
┃ ┗━━00.资料.zip [8.7G]
┣━━03.深度学习之视频分类—理论实践篇 [11.8G]
┃ ┣━━01.视频 [4.6G]
┃ ┃ ┣━━0 课程介绍.abc [23.6M]
┃ ┃ ┣━━1 视频分类基础.abc [164.9M]
┃ ┃ ┣━━2.1 3D卷积模型（基础篇） .abc [167.5M]
┃ ┃ ┣━━2.2 3D卷积模型（分解篇） .abc [193.4M]
┃ ┃ ┣━━3.1 3D卷积视频分类实战（项目介绍） .abc [29.6M]
┃ ┃ ┣━━3.2 3D卷积视频分类实战（数据处理） .abc [351.4M]
┃ ┃ ┣━━3.3 3D卷积视频分类实战（模型搭建） .abc [534M]
┃ ┃ ┣━━3.4 3D卷积视频分类实战（模型训练） .abc [190.3M]
┃ ┃ ┣━━3.5 3D卷积视频分类实战（模型测试）.abc [261.6M]
┃ ┃ ┣━━4.1 双流模型（基础篇）.abc [171.8M]
┃ ┃ ┣━━4.2 双流模型（采样策略篇）.abc [180.5M]
┃ ┃ ┣━━5.1 双流模型视频分类实战（项目介绍） .abc [35.1M]
┃ ┃ ┣━━5.2 双流模型视频分类实战（数据处理） .abc [141.5M]
┃ ┃ ┣━━5.3 双流模型视频分类实战（模型搭建） .abc [295.5M]
┃ ┃ ┣━━5.4 双流模型视频分类实战（模型训练） .abc [134.4M]
┃ ┃ ┣━━5.5 双流模型视频分类实战（模型测试） .abc [142.4M]
┃ ┃ ┣━━6 时序模型.abc [171M]
┃ ┃ ┣━━7.1 时序模型视频分类实战（项目介绍）.abc [13.4M]
┃ ┃ ┣━━7.2 时序模型视频分类实战（数据处理）.abc [264M]
┃ ┃ ┣━━7.3 时序模型视频分类实战（模型搭建）.abc [96.2M]
┃ ┃ ┣━━7.4 时序模型视频分类实战（模型训练）.abc [395.6M]
┃ ┃ ┗━━7.5 时序模型视频分类实战（模型测试）.abc [780.3M]
┃ ┗━━00.资料.zip [7.2G]
┣━━04.深度学习之图像分割—理论实践篇 [27.3G]
┃ ┣━━00.资料 [22.4G]
┃ ┃ ┣━━代码及数据集 [22.4G]
┃ ┃ ┃ ┣━━代码 [48.4M]
┃ ┃ ┃ ┃ ┣━━实例分割代码.zip [8.8M]
┃ ┃ ┃ ┃ ┣━━语义分割代码.zip [7M]
┃ ┃ ┃ ┃ ┗━━嘴部分割视频课代码.zip [32.6M]
┃ ┃ ┃ ┗━━数据集 [22.3G]
┃ ┃ ┃ ┣━━实例分割 [18.8G]
┃ ┃ ┃ ┃ ┣━━train2017.zip [18G]
┃ ┃ ┃ ┃ ┗━━val2017.zip [777.8M]
┃ ┃ ┃ ┗━━语义分割 [3.6G]
┃ ┃ ┃ ┣━━缺陷数据集.zip [412.4M]
┃ ┃ ┃ ┗━━Pascal VOC.rar [3.2G]
┃ ┃ ┗━━说明-官网仅仅提供代码和数据，没有提供课件 [0B]
┃ ┗━━01.视频 [4.9G]
┃ ┣━━0_课程内容.abc [12M]
┃ ┣━━1_图像分割基础 .abc [242.2M]
┃ ┣━━2.1_语义分割基础模型 .abc [229.8M]
┃ ┣━━2.2_语义分割模型改进 .abc [182M]
┃ ┣━━3.1_弱监督语义分割基础 .abc [82.7M]
┃ ┣━━3.2_弱监督语义分割模型.abc [184.7M]
┃ ┣━━4_Image Matting .abc [253.9M]
┃ ┣━━5.1_实例分割基础 .abc [102.6M]
┃ ┣━━5.2_实例分割基础模型.abc [131.4M]
┃ ┣━━5.3_二阶段实例分割算法.abc [172.8M]
┃ ┣━━5.4_一阶段实例分割算法.abc [245.1M]
┃ ┣━━6 嘴唇分割快速实践.abc [116.5M]
┃ ┣━━7.1_缺陷分割实战_内容介绍 .abc [8.5M]
┃ ┣━━7.2_缺陷分割实战_数据介绍 .abc [84.7M]
┃ ┣━━7.3_缺陷分割实战_数据读取 .abc [799.6M]
┃ ┣━━7.4_缺陷分割实战_评价指标 .abc [191.8M]
┃ ┣━━7.5_缺陷分割实战_模型搭建 .abc [328.5M]
┃ ┣━━7.6_缺陷分割实战_模型训练与测试 .abc [388.9M]
┃ ┣━━8.1 人像Image Matting实战_模型简介 .abc [41M]
┃ ┣━━8.2 人像Image Matting实战_数据准备与读取 .abc [169.3M]
┃ ┣━━8.3 人像Image Matting实战_模型定义 .abc [117.7M]
┃ ┣━━8.4 人像Image Matting实战模型_训练与测试 .abc [211.3M]
┃ ┣━━9.1_实例分割实战_数据读取 .abc [140.1M]
┃ ┣━━9.2_实例分割实战_评价指标编写 .abc [17.6M]
┃ ┗━━9.3_实例分割实战_网络模型搭建 .abc [581.2M]
┗━━05.深度学习之模型部署—移动端与服务端 [4.1G]
┣━━01.视频 [2.2G]
┃ ┣━━01-模型部署基础.abc [67.8M]
┃ ┣━━02-【通用模型部署】1_NCNN简介 .abc [69.1M]
┃ ┣━━03-【通用模型部署】2_NCNN部署 .abc [220.2M]
┃ ┣━━04-【嵌入式平台部署】1_Tengine简介.abc [61.3M]
┃ ┣━━05-【嵌入式平台部署】2_Tengine部署 .abc [78M]
┃ ┣━━06-【微信小程序部署】1_服务端环境准备 .abc [100.8M]
┃ ┣━━07-【微信小程序部署】2_服务端功能实现 .abc [96.6M]
┃ ┣━━08-【微信小程序部署】3_前端功能实现 .abc [259.9M]
┃ ┣━━09-【Android部署】1.1_推理框架介绍 .abc [25.7M]
┃ ┣━━10-【Android部署】1.2_MNN模型转化与量化加速 .abc [210.2M]
┃ ┣━━11-【Android部署】1.3_实践操作 .abc [175.6M]
┃ ┣━━12-【TensorRT部署】1_入门介绍 .abc [102.3M]
┃ ┣━━13-【TensorRT部署】2_环境配置与安装 .abc [159.4M]
┃ ┣━━14-【TensorRT部署】3.1_网络加速ONNX实战 .abc [141.7M]
┃ ┣━━15-【TensorRT部署】3.2_ 网络加速Python实战 .abc [245.1M]
┃ ┣━━16-【TensorRT部署】3.3_ 网络C++加速实战 .abc [227M]
┃ ┗━━17-【TensorRT部署】4_课程总结 .abc [58.4M]
┗━━00.资料.zip [1.8G]

admin网站管理

收藏 海报 链接