深度学习-行人重识别实战

我奶常山赵子龙

│  01.课程简介.mp4
│  02.行人重识别要解决的问题.mp4
│  03.挑战与困难分析.mp4
│  04.评估标准rank1指标.mp4
│  05.map值计算方法.mp4
│  06.triplet损失计算实例.mp4
│  07.Hard-Negative方法应用.mp4
│  09.论文整体思想及注意力机制的作用解读.mp4
│  10.空间权重值计算流程分析.mp4
│  11.融合空间注意力所需特征.mp4
│  12.基于特征图的注意力计算.mp4
│  13.项目环境与数据集配置.mp4
│  14.参数配置与整体架构分析.mp4
│  15.进入debug模式解读网络计算流程.mp4
│  16.获得空间位置点之间的关系.mp4
│  17.组合关系特征图.mp4
│  18.计算得到位置权重值.mp4
│  19.基于特征图的权重计算.mp4
│  20.损失函数计算实例解读.mp4
│  21.训练与测试模块演示.mp4
│  22.论文整体框架概述.mp4
│  23.局部特征与全局关系计算方法.mp4
│  24.特征分组方法.mp4
│  25.GCP模块特征融合方法.mp4
│  26.oneVsReset方法实例.mp4
│  27.损失函数应用位置.mp4
│  28.项目配置与数据集介绍.mp4
│  29.数据源构建方法分析.mp4
│  30.dataloader加载顺序解读.mp4
│  31.debug模式解读.mp4
│  32.网络计算整体流程演示.mp4
│  33.特征序列构建.mp4
│  34.GCP全局特征提取.mp4
│  35.局部特征提取实例.mp4
│  36.特征组合汇总.mp4
│  37.得到所有分组特征结果.mp4
│  38.损失函数与训练过程演示.mp4
│  39.测试与验证模块.mp4
│  40.关键点位置特征构建.mp4
│  41.图卷积与匹配的作用.mp4
│  42.局部特征热度图计算.mp4
│  43.基于图卷积构建人体拓扑关系.mp4
│  44.图卷积模块实现方法.mp4
│  45.图匹配在行人重识别中的作用.mp4
│  46.整体算法框架分析.mp4
│  47.数据集与环境配置概述.mp4
│  48.局部特征准备方法.mp4
│  49.得到一阶段热度图结果.mp4
│  50.阶段监督训练.mp4
│  51.初始化图卷积模型.mp4
│  52.mask矩阵的作用.mp4
│  53.邻接矩阵学习与更新.mp4
│  54.基于拓扑结构组合关键点特征.mp4
│  55.图匹配模块计算流程.mp4
│  56.整体项目总结.mp4
│  57.卷积神经网络应用领域.mp4
│  58.卷积的作用.mp4
│  59.卷积特征值计算方法.mp4
│  60.得到特征图表示.mp4
│  61.步长与卷积核大小对结果的影响.mp4
│  62.边缘填充方法.mp4
│  63.特征图尺寸计算与参数共享.mp4
│  64.池化层的作用.mp4
│  65.整体网络架构.mp4
│  66.VGG网络架构.mp4
│  67.残差网络Resnet.mp4
│  68.感受野的作用.mp4
│  69.PyTorch框架发展趋势简介.mp4
│  70.框架安装方法（CPU与GPU版本）.mp4
│  71.PyTorch基本操作简介.mp4
│  72.自动求导机制.mp4
│  73.线性回归DEMO-数据与参数配置.mp4
│  74.线性回归DEMO-训练回归模型.mp4
│  75.常见tensor格式.mp4
│  76.Hub模块简介.mp4
│  77.卷积网络参数定义.mp4
│  78.网络流程解读.mp4
│  79.vision模块功能解读.mp4
│  80.分类任务数据集定义与配置.mp4
│  81.图像增强的作用.mp4
│  82.数据预处理与数据增强模块.mp4
│  83.Batch数据制作.mp4
│  84.迁移学习的目标.mp4
│  85.迁移学习策略.mp4
│  86.加载训练好的网络模型.mp4
│  87.优化器模块配置.mp4
│  88.实现训练模块.mp4
│  89.训练结果与模型保存.mp4
│  90.加载模型对测试数据进行预测.mp4
│  91.额外补充-Resnet论文解读.mp4
│  92.额外补充-Resnet网络架构解读.mp4
│  B站 (免费在线学习猿地).url
│  Dmz社区 - www.dmzshequ.com.url
│  fileTree.bat
│  fileTree.txt
│  下载说明.txt
│  低价云服务器-云产品.url
│  海量IT学习资源免费下载.url
│  网购通用优惠券(淘宝-京东-拼多多-等).url
│  网赚天空.url
│   
└─资料
    第一章:行人重识别原理及其应用.zip
    第七章:基于拓扑图的行人重识别项目实战.zip
    第九章:基础补充-PyTorch框架基本处理操作.zip
    第二章:基于注意力机制的ReId模型论文解读.zip
    第五章:项目实战-基于行人局部特征融合的再识别实战.zip
    第八章:算法补充-卷积神经网络原理与参数解读.zip
    第六章:旷视研究院最新算法解读（基于图模型）.zip
    第十章:基础补充-PyTorch图像识别实例.zip
    第四章:经典会议算法精讲（特征融合）.zip
     

下载地址:

游客，如果您要查看本帖隐藏内容请回复

taipingyang2021

深度学习-行人重识别实战

sakura_dmz

啥也不说了，感谢楼主分享哇！

dijka

深度学习-行人重识别实战

robert

啥也不说了，感谢楼主分享哇！

neun

谢谢分享

jgwzx

啥也不说了，感谢楼主分享哇！

clad

感谢楼主，多的不说，感谢楼主

joky5699

6666666666

下次我请客

感谢感谢感谢感谢感谢感谢感谢感谢感谢感谢感谢感谢