G泡学院-人工智能深度学习系统班（第12期）

520

├─01 第一章 直播回放
│      01 开班典礼.mp4
│      02 Pycharm环境配置与Debug演示(没用过的同学必看).mp4
│      03 神经网络解读.mp4
│      04 卷积神经网络.mp4
│      05 transformer架构解读.mp4
│      06 融合强化学习与机器人训练原理、架构、部署.mp4
│      07 VIT 源码Debug.mp4
│      08 Transformer下游应用实例.mp4
│      09 图神经网络.mp4
│      10 基于分层强化学习的机器人路径规划方法.mp4
│      11 时间序列预测.mp4
│      12 Huggingface与知识图谱.mp4
│      13 对比学习.mp4
│      14 recordmerge-20250315223625-76cf57.mp4
│      15 融合大语言模型的人形机器人强化学习训练范式.mp4
│      16 融合具身智能的机器人学习范式.mp4
│      
├─02 第二章 AI课程所需安装软件教程
│      7_8 AI课程所需安装软件教程_AI课程所需安装软件教程.mp4
│      
├─03 第三章-深度学习必备核心算法
│      1 神经网络结构.mp4
│      2 卷积神经网络.mp4
│      3 Transformer.mp4
│      4 VIT源码解读.mp4
│      
├─04 第四章 深度学习框架PyTorch
│      12_13 深度学习框架PyTorch_PyTorch框架与其他框架区别分析.mp4
│      13_14 深度学习框架PyTorch_CPU与GPU版本安装方法解读.mp4
│      14_15 深度学习框架PyTorch_数据集与任务概述.mp4
│      15_16 深度学习框架PyTorch_基本模块应用测试.mp4
│      16_17 深度学习框架PyTorch_网络结构定义方法.mp4
│      17_18 深度学习框架PyTorch_数据源定义简介.mp4
│      18_19 深度学习框架PyTorch_损失与训练模块分析.mp4
│      19_20 深度学习框架PyTorch_训练一个基本的分类模型.mp4
│      20_21 深度学习框架PyTorch_参数对结果的影响.mp4
│      21_22 深度学习框架PyTorch_神经网络回归任务-气温预测.mp4
│      22_23 深度学习框架PyTorch_输入特征通道分析.mp4
│      23_24 深度学习框架PyTorch_卷积网络参数解读.mp4
│      24_25 深度学习框架PyTorch_卷积网络模型训练.mp4
│      25_26 深度学习框架PyTorch_任务分析与图像数据基本处理.mp4
│      26_27 深度学习框架PyTorch_数据增强模块.mp4
│      27_28 深度学习框架PyTorch_数据集与模型选择.mp4
│      28_29 深度学习框架PyTorch_迁移学习方法解读.mp4
│      29_30 深度学习框架PyTorch_输出层与梯度设置.mp4
│      30_31 深度学习框架PyTorch_输出类别个数修改.mp4
│      31_32 深度学习框架PyTorch_优化器与学习率衰减.mp4
│      32_33 深度学习框架PyTorch_模型训练方法.mp4
│      33_34 深度学习框架PyTorch_重新训练全部模型.mp4
│      34_35 深度学习框架PyTorch_测试结果演示分析.mp4
│      35_36 深度学习框架PyTorch_Dataloader要完成的任务分析.mp4
│      36_37 深度学习框架PyTorch_图像数据与标签路径处理.mp4
│      37_38 深度学习框架PyTorch_Dataloader中需要实现的方法分析.mp4
│      38_39 深度学习框架PyTorch_实用Dataloader加载数据并训练模型.mp4
│      39_40 深度学习框架PyTorch_数据集与任务目标分析.mp4
│      40_41 深度学习框架PyTorch_文本数据处理基本流程分析.mp4
│      41_42 深度学习框架PyTorch_命令行参数与DEBUG.mp4
│      42_43 深度学习框架PyTorch_训练模型所需基本配置参数分析.mp4
│      43_44 深度学习框架PyTorch_预料表与字符切分.mp4
│      44_45 深度学习框架PyTorch_字符预处理转换ID.mp4
│      45_46 深度学习框架PyTorch_LSTM网络结构基本定义.mp4
│      46_47 深度学习框架PyTorch_网络模型预测结果输出.mp4
│      47_48 深度学习框架PyTorch_模型训练任务与总结.mp4
│      48_49 深度学习框架PyTorch_基本结构与训练好的模型加载.mp4
│      49_50 深度学习框架PyTorch_服务端处理与预测函数.mp4
│      50_51 深度学习框架PyTorch_基于Flask测试模型预测结果.mp4
│      
├─05 第五章 综合项目-物体检测经典算法实战
│      100_101 综合项目-物体检测经典算法实战_训练代码与参数配置更改.mp4
│      101_102 综合项目-物体检测经典算法实战_训练模型并测试效果.mp4
│      102_103 综合项目-物体检测经典算法实战_V4版本整体概述.mp4
│      103_104 综合项目-物体检测经典算法实战_V4版本贡献解读.mp4
│      104_105 综合项目-物体检测经典算法实战_数据增强策略分析.mp4
│      105_106 综合项目-物体检测经典算法实战_DropBlock与标签平滑方法.mp4
│      106_107 综合项目-物体检测经典算法实战_损失函数遇到的问题.mp4
│      107_108 综合项目-物体检测经典算法实战_CIOU损失函数定义.mp4
│      108_109 综合项目-物体检测经典算法实战_NMS细节改进.mp4
│      109_110 综合项目-物体检测经典算法实战_SPP与CSP网络结构.mp4
│      110_111 综合项目-物体检测经典算法实战_SAM注意力机制模块.mp4
│      111_112 综合项目-物体检测经典算法实战_PAN模块解读.mp4
│      112_113 综合项目-物体检测经典算法实战_激活函数与整体架构总结.mp4
│      113_114 综合项目-物体检测经典算法实战_整体项目概述.mp4
│      114_115 综合项目-物体检测经典算法实战_训练自己的数据集方法.mp4
│      115_116 综合项目-物体检测经典算法实战_训练数据参数配置.mp4
│      116_117 综合项目-物体检测经典算法实战_测试DEMO演示.mp4
│      117_118 综合项目-物体检测经典算法实战_数据源DEBUG流程解读.mp4
│      118_119 综合项目-物体检测经典算法实战_图像数据源配置.mp4
│      119_120 综合项目-物体检测经典算法实战_加载标签数据.mp4
│      120_121 综合项目-物体检测经典算法实战_Mosaic数据增强方法.mp4
│      121_122 综合项目-物体检测经典算法实战_数据四合一方法与流程演示.mp4
│      122_123 综合项目-物体检测经典算法实战_getItem构建
│      123_124 综合项目-物体检测经典算法实战_网络架构图可视化工具安装.mp4
│      124_125 综合项目-物体检测经典算法实战_V5网络配置文件解读.mp4
│      125_126 综合项目-物体检测经典算法实战_Focus模块流程分析.mp4
│      126_127 综合项目-物体检测经典算法实战_完成配置文件解析任务.mp4
│      127_128 综合项目-物体检测经典算法实战_前向传播计算.mp4
│      128_129 综合项目-物体检测经典算法实战_BottleneckCSP层计算方法.mp4
│      129_130 综合项目-物体检测经典算法实战_SPP层计算细节分析.mp4
│      130_131 综合项目-物体检测经典算法实战_Head层流程解读.mp4
│      131_132 综合项目-物体检测经典算法实战_上采样与拼接操作.mp4
│      132_133 综合项目-物体检测经典算法实战_输出结果分析.mp4
│      133_134 综合项目-物体检测经典算法实战_超参数解读.mp4
│      134_135 综合项目-物体检测经典算法实战_命令行参数介绍.mp4
│      135_136 综合项目-物体检测经典算法实战_训练流程解读.mp4
│      136_137 综合项目-物体检测经典算法实战_各种训练策略概述.mp4
│      137_138 综合项目-物体检测经典算法实战_模型迭代过程.mp4
│      138_139 综合项目-物体检测经典算法实战_YOLO系列（V7）算法解读.mp4
│      139_140 综合项目-物体检测经典算法实战_命令行参数介绍.mp4
│      140_141 综合项目-物体检测经典算法实战_基本参数作用.mp4
│      141_142 综合项目-物体检测经典算法实战_EMA等训练技巧解读.mp4
│      142_143 综合项目-物体检测经典算法实战_网络结构配置文件解读.mp4
│      143_144 综合项目-物体检测经典算法实战_各模块操作细节分析.mp4
│      144_145 综合项目-物体检测经典算法实战_输出层与配置文件其他模块解读.mp4
│      145_146 综合项目-物体检测经典算法实战_标签分配策略准备操作.mp4
│      146_147 综合项目-物体检测经典算法实战_候选框偏移方法与find3p模块解读.mp4
│      147_148 综合项目-物体检测经典算法实战_得到偏移点所在网格位置.mp4
│      148_149 综合项目-物体检测经典算法实战_完成BuildTargets模块.mp4
│      149_150 综合项目-物体检测经典算法实战_候选框筛选流程分析.mp4
│      150_151 综合项目-物体检测经典算法实战_预测值各项指标获取与调整.mp4
│      151_152 综合项目-物体检测经典算法实战_GT匹配正样本数量计算.mp4
│      152_153 综合项目-物体检测经典算法实战_通过IOU与置信度分配正样本.mp4
│      153_154 综合项目-物体检测经典算法实战_损失函数计算方法.mp4
│      154_155 综合项目-物体检测经典算法实战_辅助头AUX网络结构配置文件解析.mp4
│      155_156 综合项目-物体检测经典算法实战_辅助头损失函数调整.mp4
│      156_157 综合项目-物体检测经典算法实战_BN与卷积权重参数融合方法.mp4
│      157_158 综合项目-物体检测经典算法实战_重参数化多分支合并加速.mp4
│      158_159 综合项目-物体检测经典算法实战_YOLOV8.mp4
│      159_160 综合项目-物体检测经典算法实战_DETR目标检测基本思想解读.mp4
│      160_161 综合项目-物体检测经典算法实战_整体网络架构分析.mp4
│      161_162 综合项目-物体检测经典算法实战_位置信息初始化query向量.mp4
│      162_163 综合项目-物体检测经典算法实战_注意力机制的作用方法.mp4
│      163_164 综合项目-物体检测经典算法实战_训练过程的策略.mp4
│      164_165 综合项目-物体检测经典算法实战_项目环境配置解读.mp4
│      165_166 综合项目-物体检测经典算法实战_数据处理与dataloader.mp4
│      166_167 综合项目-物体检测经典算法实战_位置编码作用分析.mp4
│      167_168 综合项目-物体检测经典算法实战_backbone特征提取模块.mp4
│      168_169 综合项目-物体检测经典算法实战_mask与编码模块.mp4
│      169_170 综合项目-物体检测经典算法实战_编码层作用方法.mp4
│      170_171 综合项目-物体检测经典算法实战_Decoder层操作与计算.mp4
│      171_172 综合项目-物体检测经典算法实战_输出预测结果.mp4
│      172_173 综合项目-物体检测经典算法实战_损失函数与预测输出.mp4
│      173_174 综合项目-物体检测经典算法实战_DeformableDetr算法解读.mp4
│      174_175 综合项目-物体检测经典算法实战_半监督物体检测.mp4
│      175_176 综合项目-物体检测经典算法实战_EfficientNet网络.mp4
│      176_177 综合项目-物体检测经典算法实战_EfficientDet检测算法.mp4
│      177_178 综合项目-物体检测经典算法实战_YOLO V9.mp4
│      51_52 综合项目-物体检测经典算法实战_Pycharm环境配置与Debug演示(没用过的同学必看).mp4
│      52_53 综合项目-物体检测经典算法实战_物体检测评估指标.mp4
│      53_54 综合项目-物体检测经典算法实战_检测任务中阶段的意义.mp4
│      54_55 综合项目-物体检测经典算法实战_不同阶段算法优缺点分析.mp4
│      55_56 综合项目-物体检测经典算法实战_IOU指标计算.mp4
│      56_57 综合项目-物体检测经典算法实战_评估所需参数计算.mp4
│      57_58 综合项目-物体检测经典算法实战_map指标计算.mp4
│      58_59 综合项目-物体检测经典算法实战_YOLO算法整体思路解读.mp4
│      59_60 综合项目-物体检测经典算法实战_检测算法要得到的结果.mp4
│      60_61 综合项目-物体检测经典算法实战_整体网络架构解读.mp4
│      61_62 综合项目-物体检测经典算法实战_位置损失计算.mp4
│      62_63 综合项目-物体检测经典算法实战_置信度误差与优缺点分析.mp4
│      63_64 综合项目-物体检测经典算法实战_V2版本细节升级概述.mp4
│      64_65 综合项目-物体检测经典算法实战_网络结构特点.mp4
│      65_66 综合项目-物体检测经典算法实战_架构细节解读.mp4
│      66_67 综合项目-物体检测经典算法实战_基于聚类来选择先验框尺寸.mp4
│      67_68 综合项目-物体检测经典算法实战_偏移量计算方法.mp4
│      68_69 综合项目-物体检测经典算法实战_坐标映射与还原.mp4
│      69_70 综合项目-物体检测经典算法实战_感受野的作用.mp4
│      70_71 综合项目-物体检测经典算法实战_特征融合改进.mp4
│      71_72 综合项目-物体检测经典算法实战_V3版本改进概述.mp4
│      72_73 综合项目-物体检测经典算法实战_多scale方法改进与特征融合.mp4
│      73_74 综合项目-物体检测经典算法实战_经典变换方法对比分析.mp4
│      74_75 综合项目-物体检测经典算法实战_残差连接方法解读.mp4
│      75_76 综合项目-物体检测经典算法实战_整体网络模型架构分析.mp4
│      76_77 综合项目-物体检测经典算法实战_先验框设计改进.mp4
│      77_78 综合项目-物体检测经典算法实战_sotfmax层改进.mp4
│      78_79 综合项目-物体检测经典算法实战_数据与环境配置.mp4
│      79_80 综合项目-物体检测经典算法实战_训练参数设置.mp4
│      80_81 综合项目-物体检测经典算法实战_COCO图像数据读取与处理.mp4
│      81_82 综合项目-物体检测经典算法实战_标签文件读取与处理.mp4
│      82_83 综合项目-物体检测经典算法实战_debug模式介绍.mp4
│      83_84 综合项目-物体检测经典算法实战_基于配置文件构建网络模型.mp4
│      84_85 综合项目-物体检测经典算法实战_路由层与shortcut层的作用.mp4
│      85_86 综合项目-物体检测经典算法实战_YOLO层定义解析.mp4
│      86_87 综合项目-物体检测经典算法实战_预测结果计算.mp4
│      87_88 综合项目-物体检测经典算法实战_网格偏移计算.mp4
│      88_89 综合项目-物体检测经典算法实战_模型要计算的损失概述.mp4
│      89_90 综合项目-物体检测经典算法实战_标签值格式修改.mp4
│      90_91 综合项目-物体检测经典算法实战_坐标相对位置计算.mp4
│      91_92 综合项目-物体检测经典算法实战_完成所有损失函数所需计算指标.mp4
│      92_93 综合项目-物体检测经典算法实战_模型训练与总结.mp4
│      93_94 综合项目-物体检测经典算法实战_预测效果展示.mp4
│      94_95 综合项目-物体检测经典算法实战_Labelme工具安装.mp4
│      95_96 综合项目-物体检测经典算法实战_数据信息标注.mp4
│      96_97 综合项目-物体检测经典算法实战_完成标签制作.mp4
│      97_98 综合项目-物体检测经典算法实战_生成模型所需配置文件.mp4
│      98_99 综合项目-物体检测经典算法实战_json格式转换成yolo-v3所需输入.mp4
│      99_100 综合项目-物体检测经典算法实战_完成输入数据准备工作.mp4
│      
├─06 第六章-Opencv图像处理框架实战
│      204 Opencv图像处理框架实战_Pycharm环境配置与Debug演示(没用过的同学必看).mp4
│      205 Opencv图像处理框架实战_课程简介.mp4
│      206_208 Opencv图像处理框架实战_课程简介.mp4
│      207_209 Opencv图像处理框架实战_Python与Opencv配置安装.mp4
│      208_210 Opencv图像处理框架实战_Notebook与IDE环境.mp4
│      209_211 Opencv图像处理框架实战_计算机眼中的图像.mp4
│      210_212 Opencv图像处理框架实战_视频的读取与处理.mp4
│      211_213 Opencv图像处理框架实战_ROI区域.mp4
│      212_214 Opencv图像处理框架实战_边界填充.mp4
│      213_215 Opencv图像处理框架实战_数值计算.mp4
│      214_216 Opencv图像处理框架实战_图像阈值.mp4
│      215_217 Opencv图像处理框架实战_图像平滑处理.mp4
│      216_218 Opencv图像处理框架实战_高斯与中值滤波.mp4
│      217_219 Opencv图像处理框架实战_腐蚀操作.mp4
│      218_220 Opencv图像处理框架实战_膨胀操作.mp4
│      219_221 Opencv图像处理框架实战_开运算与闭运算.mp4
│      220_222 Opencv图像处理框架实战_梯度计算.mp4
│      221_223 Opencv图像处理框架实战_礼帽与黑帽.mp4
│      222_224 Opencv图像处理框架实战_Sobel算子.mp4
│      223_225 Opencv图像处理框架实战_梯度计算方法.mp4
│      224_226 Opencv图像处理框架实战_scharr与lapkacian算子.mp4
│      225_227 Opencv图像处理框架实战_Canny边缘检测流程.mp4
│      226_228 Opencv图像处理框架实战_非极大值抑制.mp4
│      227_229 Opencv图像处理框架实战_边缘检测效果.mp4
│      228_230 Opencv图像处理框架实战_图像金字塔定义.mp4
│      229_231 Opencv图像处理框架实战_金字塔制作方法.mp4
│      230_232 Opencv图像处理框架实战_轮廓检测方法.mp4
│      231_233 Opencv图像处理框架实战_轮廓检测结果.mp4
│      232_234 Opencv图像处理框架实战_轮廓特征与近似.mp4
│      233_235 Opencv图像处理框架实战_模板匹配方法.mp4
│      234_236 Opencv图像处理框架实战_匹配效果展示.mp4
│      235_237 Opencv图像处理框架实战_直方图定义.mp4
│      236_238 Opencv图像处理框架实战_均衡化原理.mp4
│      237_239 Opencv图像处理框架实战_均衡化效果.mp4
│      238_240 Opencv图像处理框架实战_傅里叶概述.mp4
│      239_241 Opencv图像处理框架实战_频域变换结果.mp4
│      240_242 Opencv图像处理框架实战_低通与高通滤波.mp4
│      241_243 Opencv图像处理框架实战_总体流程与方法讲解.mp4
│      242_244 Opencv图像处理框架实战_环境配置与预处理.mp4
│      243_245 Opencv图像处理框架实战_模板处理方法.mp4
│      244_246 Opencv图像处理框架实战_输入数据处理方法.mp4
│      245_247 Opencv图像处理框架实战_模板匹配得出识别结果.mp4
│      246_248 Opencv图像处理框架实战_整体流程演示.mp4
│      247_249 Opencv图像处理框架实战_文档轮廓提取.mp4
│      248_250 Opencv图像处理框架实战_原始与变换坐标计算.mp4
│      249_251 Opencv图像处理框架实战_透视变换结果.mp4
│      250_252 Opencv图像处理框架实战_tesseract-ocr安装配置.mp4
│      251_253 Opencv图像处理框架实战_文档扫描识别效果.mp4
│      252_254 Opencv图像处理框架实战_角点检测基本原理.mp4
│      253_255 Opencv图像处理框架实战_基本数学原理.mp4
│      254_256 Opencv图像处理框架实战_求解化简.mp4
│      255_257 Opencv图像处理框架实战_特征归属划分.mp4
│      256_258 Opencv图像处理框架实战_opencv角点检测效果.mp4
│      257_259 Opencv图像处理框架实战_尺度空间定义.mp4
│      258_260 Opencv图像处理框架实战_高斯差分金字塔.mp4
│      259_261 Opencv图像处理框架实战_特征关键点定位.mp4
│      260_262 Opencv图像处理框架实战_生成特征描述.mp4
│      261_263 Opencv图像处理框架实战_特征向量生成.mp4
│      262_264 Opencv图像处理框架实战_opencv中sift函数使用.mp4
│      263_265 Opencv图像处理框架实战_特征匹配方法.mp4
│      264_266 Opencv图像处理框架实战_RANSAC算法.mp4
│      265_267 Opencv图像处理框架实战_图像拼接方法.mp4
│      266_268 Opencv图像处理框架实战_流程解读.mp4
│      267_269 Opencv图像处理框架实战_任务整体流程.mp4
│      268_270 Opencv图像处理框架实战_所需数据介绍.mp4
│      269_271 Opencv图像处理框架实战_图像数据预处理.mp4
│      270_272 Opencv图像处理框架实战_车位直线检测.mp4
│      271_273 Opencv图像处理框架实战_按列划分区域.mp4
│      272_274 Opencv图像处理框架实战_车位区域划分.mp4
│      273_275 Opencv图像处理框架实战_识别模型构建.mp4
│      274_276 Opencv图像处理框架实战_基于视频的车位检测.mp4
│      275_277 Opencv图像处理框架实战_整体流程与效果概述.mp4
│      276_278 Opencv图像处理框架实战_预处理操作.mp4
│      277_279 Opencv图像处理框架实战_填涂轮廓检测.mp4
│      278_280 Opencv图像处理框架实战_选项判断识别.mp4
│      279_281 Opencv图像处理框架实战_背景消除-帧差法.mp4
│      280_282 Opencv图像处理框架实战_混合高斯模型.mp4
│      281_283 Opencv图像处理框架实战_学习步骤.mp4
│      282_284 Opencv图像处理框架实战_背景建模实战.mp4
│      283_285 Opencv图像处理框架实战_基本概念.mp4
│      284_286 Opencv图像处理框架实战_Lucas-Kanade算法.mp4
│      285_287 Opencv图像处理框架实战_推导求解.mp4
│      286_288 Opencv图像处理框架实战_光流估计实战.mp4
│      287_289 Opencv图像处理框架实战_dnn模块.mp4
│      288_290 Opencv图像处理框架实战_模型加载结果输出.mp4
│      289_291 Opencv图像处理框架实战_目标追踪概述.mp4
│      290_292 Opencv图像处理框架实战_多目标追踪实战.mp4
│      291_293 Opencv图像处理框架实战_深度学习检测框架加载.mp4
│      292_294 Opencv图像处理框架实战_基于dlib与ssd的追踪.mp4
│      293_295 Opencv图像处理框架实战_多进程目标追踪.mp4
│      294_296 Opencv图像处理框架实战_多进程效率提升对比.mp4
│      295_297 Opencv图像处理框架实战_卷积神经网络的应用.mp4
│      296_298 Opencv图像处理框架实战_卷积层解释.mp4
│      297_299 Opencv图像处理框架实战_卷积计算过程.mp4
│      298_300 Opencv图像处理框架实战_pading与stride.mp4
│      299_301 Opencv图像处理框架实战_卷积参数共享.mp4
│      300_302 Opencv图像处理框架实战_池化层原理.mp4
│      301_303 Opencv图像处理框架实战_卷积效果演示.mp4
│      302_304 Opencv图像处理框架实战_卷积操作流程.mp4
│      303_305 Opencv图像处理框架实战_关键点定位概述.mp4
│      304_306 Opencv图像处理框架实战_获取人脸关键点.mp4
│      305_307 Opencv图像处理框架实战_定位效果演示.mp4
│      306_308 Opencv图像处理框架实战_闭眼检测.mp4
│      307_309 Opencv图像处理框架实战_检测效果.mp4
│      
├─07 第七章-图像分割实战
│      428_430 图像分割实战_语义分割与实例分割概述.mp4
│      429_431 图像分割实战_分割任务中的目标函数定义.mp4
│      430_432 图像分割实战_MIOU评估标准.mp4
│      431_433 图像分割实战_卷积神经网络应用领域.mp4
│      432_434 图像分割实战_卷积的作用.mp4
│      433_435 图像分割实战_卷积特征值计算方法.mp4
│      434_436 图像分割实战_得到特征图表示.mp4
│      435_437 图像分割实战_步长与卷积核大小对结果的影响.mp4
│      436_438 图像分割实战_边缘填充方法.mp4
│      437_439 图像分割实战_特征图尺寸计算与参数共享.mp4
│      438_440 图像分割实战_池化层的作用.mp4
│      439_441 图像分割实战_整体网络架构.mp4
│      440_442 图像分割实战_VGG网络架构.mp4
│      441_443 图像分割实战_残差网络Resnet.mp4
│      442_444 图像分割实战_感受野的作用.mp4
│      443_445 图像分割实战_Unet网络编码与解码过程.mp4
│      444_446 图像分割实战_网络计算流程.mp4
│      445_447 图像分割实战_Unet升级版本改进.mp4
│      446_448 图像分割实战_后续升级版本介绍.mp4
│      447_449 图像分割实战_医学细胞数据集介绍与参数配置.mp4
│      448_450 图像分割实战_数据增强工具.mp4
│      449_451 图像分割实战_Debug模式演示网络计算流程.mp4
│      450_452 图像分割实战_特征融合方法演示.mp4
│      451_453 图像分割实战_迭代完成整个模型计算任务.mp4
│      452_454 图像分割实战_模型效果验证.mp4
│      453_455 图像分割实战_任务目标与网络整体介绍.mp4
│      454_456 图像分割实战_显著性检测任务与目标概述.mp4
│      455_457 图像分割实战_编码器模块解读.mp4
│      456_458 图像分割实战_解码器输出结果.mp4
│      457_459 图像分割实战_损失函数与应用效果.mp4
│      458_460 图像分割实战_deeplab分割算法概述.mp4
│      459_461 图像分割实战_空洞卷积的作用.mp4
│      460_462 图像分割实战_感受野的意义.mp4
│      461_463 图像分割实战_SPP层的作用.mp4
│      462_464 图像分割实战_ASPP特征融合策略.mp4
│      463_465 图像分割实战_deeplabV3Plus版本网络架构.mp4
│      464_466 图像分割实战_PascalVoc数据集介绍.mp4
│      465_467 图像分割实战_项目参数与数据集读取.mp4
│      466_468 图像分割实战_网络前向传播流程.mp4
│      467_469 图像分割实战_ASPP层特征融合.mp4
│      468_470 图像分割实战_分割模型训练.mp4
│      469_471 图像分割实战_数据集与任务概述.mp4
│      470_472 图像分割实战_项目基本配置参数.mp4
│      471_473 图像分割实战_任务流程解读.mp4
│      472_474 图像分割实战_文献报告分析.mp4
│      473_475 图像分割实战_补充：视频数据源特征处理方法概述.mp4
│      474_476 图像分割实战_补充：R(2plus1)D处理方法分析.mp4
│      475_477 图像分割实战_Mask-Rcnn开源项目简介.mp4
│      476_478 图像分割实战_开源项目数据集.mp4
│      477_479 图像分割实战_开源项目数据集.mp4
│      478_480 图像分割实战_FPN层特征提取原理解读.mp4
│      479_481 图像分割实战_FPN网络架构实现解读.mp4
│      480_482 图像分割实战_生成框比例设置.mp4
│      481_483 图像分割实战_基于不同尺度特征图生成所有框.mp4
│      482_484 图像分割实战_RPN层的作用与实现解读.mp4
│      483_485 图像分割实战_候选框过滤方法.mp4
│      484_486 图像分割实战_Proposal层实现方法.mp4
│      485_487 图像分割实战_DetectionTarget层的作用.mp4
│      486_488 图像分割实战_正负样本选择与标签定义.mp4
│      487_489 图像分割实战_RoiPooling层的作用与目的.mp4
│      488_490 图像分割实战_RorAlign操作的效果.mp4
│      489_491 图像分割实战_整体框架回顾.mp4
│      490_492 图像分割实战_Labelme工具安装.mp4
│      491_493 图像分割实战_使用labelme进行数据与标签标注.mp4
│      492_494 图像分割实战_完成训练数据准备工作.mp4
│      493_495 图像分割实战_maskrcnn源码修改方法.mp4
│      494_496 图像分割实战_基于标注数据训练所需任务.mp4
│      495_497 图像分割实战_测试与展示模块.mp4
│      
├─08 第八章 走向AI论文实验与项目实战的捷径-MMLAB实战系列
│      359_360 走向AI论文实验与项目实战的捷径-MMLAB实战系列_MMCV安装方法.mp4
│      360_361 走向AI论文实验与项目实战的捷径-MMLAB实战系列_MMCLS问题修正.mp4
│      361_362 走向AI论文实验与项目实战的捷径-MMLAB实战系列_准备MMCLS项目.mp4
│      362_363 走向AI论文实验与项目实战的捷径-MMLAB实战系列_基本参数配置解读.mp4
│      363_364 走向AI论文实验与项目实战的捷径-MMLAB实战系列_各模块配置文件组成.mp4
│      364_365 走向AI论文实验与项目实战的捷径-MMLAB实战系列_生成完整配置文件.mp4
│      365_366 走向AI论文实验与项目实战的捷径-MMLAB实战系列_根据文件夹定义数据集.mp4
│      366_367 走向AI论文实验与项目实战的捷径-MMLAB实战系列_构建自己的数据集.mp4
│      367_368 走向AI论文实验与项目实战的捷径-MMLAB实战系列_训练自己的任务.mp4
│      368_369 走向AI论文实验与项目实战的捷径-MMLAB实战系列_测试DEMO效果.mp4
│      369_370 走向AI论文实验与项目实战的捷径-MMLAB实战系列_测试评估模型效果.mp4
│      370_371 走向AI论文实验与项目实战的捷径-MMLAB实战系列_MMCLS中增加一个新的模块.mp4
│      371_372 走向AI论文实验与项目实战的捷径-MMLAB实战系列_修改配置文件中的参数.mp4
│      372_373 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据增强流程可视化展示.mp4
│      373_374 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Grad-Cam可视化方法.mp4
│      374_375 走向AI论文实验与项目实战的捷径-MMLAB实战系列_可视化细节与效果分析.mp4
│      375_376 走向AI论文实验与项目实战的捷径-MMLAB实战系列_MMCLS可视化模块应用.mp4
│      376_377 走向AI论文实验与项目实战的捷径-MMLAB实战系列_模型分析脚本使用.mp4
│      377_378 走向AI论文实验与项目实战的捷径-MMLAB实战系列_VIT任务概述.mp4
│      378_379 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据增强模块概述分析.mp4
│      379_380 走向AI论文实验与项目实战的捷径-MMLAB实战系列_PatchEmbedding层.mp4
│      380_381 走向AI论文实验与项目实战的捷径-MMLAB实战系列_前向传播基本模块.mp4
│      381_382 走向AI论文实验与项目实战的捷径-MMLAB实战系列_CLS与输出模块.mp4
│      382_383 走向AI论文实验与项目实战的捷径-MMLAB实战系列_项目配置基本介绍.mp4
│      383_384 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据集标注与制作方法.mp4
│      384_385 走向AI论文实验与项目实战的捷径-MMLAB实战系列_根据预测类别数修改配置文件.mp4
│      385_386 走向AI论文实验与项目实战的捷径-MMLAB实战系列_加载预训练模型开始训练.mp4
│      386_387 走向AI论文实验与项目实战的捷径-MMLAB实战系列_预测DEMO演示.mp4
│      387_388 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件解读.mp4
│      388_389 走向AI论文实验与项目实战的捷径-MMLAB实战系列_编码层模块.mp4
│      389_390 走向AI论文实验与项目实战的捷径-MMLAB实战系列_上采样与输出层.mp4
│      390_391 走向AI论文实验与项目实战的捷径-MMLAB实战系列_辅助层的作用.mp4
│      391_392 走向AI论文实验与项目实战的捷径-MMLAB实战系列_给Unet添加一个neck层.mp4
│      392_393 走向AI论文实验与项目实战的捷径-MMLAB实战系列_如何修改参数适配网络结构.mp4
│      393_394 走向AI论文实验与项目实战的捷径-MMLAB实战系列_将Unet特征提取模块替换成transformer.mp4
│      394_395 走向AI论文实验与项目实战的捷径-MMLAB实战系列_VIT模块源码分析.mp4
│      395_396 走向AI论文实验与项目实战的捷径-MMLAB实战系列_注册自己的Backbone模块.mp4
│      396_397 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件指定.mp4
│      397_398 走向AI论文实验与项目实战的捷径-MMLAB实战系列_DEBUG解读Backbone设计.mp4
│      398_399 走向AI论文实验与项目实战的捷径-MMLAB实战系列_PatchEmbedding的作用与实现.mp4
│      399_400 走向AI论文实验与项目实战的捷径-MMLAB实战系列_卷积位置编码计算方法.mp4
│      400_401 走向AI论文实验与项目实战的捷径-MMLAB实战系列_近似Attention模块实现.mp4
│      401_402 走向AI论文实验与项目实战的捷径-MMLAB实战系列_完成特征提取与融合模块.mp4
│      402_403 走向AI论文实验与项目实战的捷径-MMLAB实战系列_分割输出模块.mp4
│      403_404 走向AI论文实验与项目实战的捷径-MMLAB实战系列_全局特征的作用与实现.mp4
│      404_405 走向AI论文实验与项目实战的捷径-MMLAB实战系列_汇总多层级特征进行输出.mp4
│      405_406 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据集标注与标签获取.mp4
│      406_407 走向AI论文实验与项目实战的捷径-MMLAB实战系列_COCO数据标注格式.mp4
│      407_408 走向AI论文实验与项目实战的捷径-MMLAB实战系列_通过脚本生成COCO数据格式.mp4
│      408_409 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件数据增强策略分析.mp4
│      409_410 走向AI论文实验与项目实战的捷径-MMLAB实战系列_训练所需配置说明.mp4
│      410_411 走向AI论文实验与项目实战的捷径-MMLAB实战系列_模型训练与DEMO演示.mp4
│      411_412 走向AI论文实验与项目实战的捷径-MMLAB实战系列_模型测试与可视化分析模块.mp4
│      412_413 走向AI论文实验与项目实战的捷径-MMLAB实战系列_补充：评估指标.mp4
│      413_414 走向AI论文实验与项目实战的捷径-MMLAB实战系列_特征提取与位置编码.mp4
│      414_415 走向AI论文实验与项目实战的捷径-MMLAB实战系列_序列特征展开并叠加.mp4
│      415_416 走向AI论文实验与项目实战的捷径-MMLAB实战系列_得到相对位置点编码.mp4
│      416_417 走向AI论文实验与项目实战的捷径-MMLAB实战系列_准备Encoder编码层所需全部输入.mp4
│      417_418 走向AI论文实验与项目实战的捷径-MMLAB实战系列_编码层中的序列分析.mp4
│      418_419 走向AI论文实验与项目实战的捷径-MMLAB实战系列_偏移量offset计算.mp4
│      419_420 走向AI论文实验与项目实战的捷径-MMLAB实战系列_偏移量对齐操作.mp4
│      420_421 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Encoder层完成特征对齐.mp4
│      421_422 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Decoder要完成的操作.mp4
│      422_423 走向AI论文实验与项目实战的捷径-MMLAB实战系列_分类与回归输出模块.mp4
│      423_424 走向AI论文实验与项目实战的捷径-MMLAB实战系列_预测输出结果与标签匹配模块.mp4
│      424_425 走向AI论文实验与项目实战的捷径-MMLAB实战系列_第三模块：DeformableDetr算法解读.mp4
│      425_426 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Backbone获取多层级特征.mp4
│      426_427 走向AI论文实验与项目实战的捷径-MMLAB实战系列_多层级采样点初始化构建.mp4
│      427_428 走向AI论文实验与项目实战的捷径-MMLAB实战系列_多层级输入特征序列创建方法.mp4
│      428_429 走向AI论文实验与项目实战的捷径-MMLAB实战系列_偏移量与权重计算并转换.mp4
│      429_430 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Encoder特征构建方法实例.mp4
│      430_431 走向AI论文实验与项目实战的捷径-MMLAB实战系列_query要预测的任务解读.mp4
│      431_432 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Decoder中的AttentionMask方法.mp4
│      432_433 走向AI论文实验与项目实战的捷径-MMLAB实战系列_损失模块输入参数分析.mp4
│      433_434 走向AI论文实验与项目实战的捷径-MMLAB实战系列_标签分配策略解读.mp4
│      434_435 走向AI论文实验与项目实战的捷径-MMLAB实战系列_正样本筛选损失计算.mp4
│      435_436 走向AI论文实验与项目实战的捷径-MMLAB实战系列_标签分类匹配结果分析.mp4
│      436_437 走向AI论文实验与项目实战的捷径-MMLAB实战系列_最终损失计算流程.mp4
│      437_438 走向AI论文实验与项目实战的捷径-MMLAB实战系列_汇总所有损失完成迭代.mp4
│      438_439 走向AI论文实验与项目实战的捷径-MMLAB实战系列_KIE关键信息抽取与视频超分辨率重构.mp4
│      439_440 走向AI论文实验与项目实战的捷径-MMLAB实战系列_文字检测数据概述与配置文件.mp4
│      440_441 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件参数设置.mp4
│      441_442 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Neck层特征组合.mp4
│      442_443 走向AI论文实验与项目实战的捷径-MMLAB实战系列_损失函数模块概述.mp4
│      443_444 走向AI论文实验与项目实战的捷径-MMLAB实战系列_损失计算方法.mp4
│      444_445 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据集与环境概述.mp4
│      445_446 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件修改方法.mp4
│      446_447 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Bakbone模块得到特征.mp4
│      447_448 走向AI论文实验与项目实战的捷径-MMLAB实战系列_视觉Transformer模块的作用.mp4
│      448_449 走向AI论文实验与项目实战的捷径-MMLAB实战系列_视觉模型中的编码与解码的效果.mp4
│      449_450 走向AI论文实验与项目实战的捷径-MMLAB实战系列_文本模型中的结构分析.mp4
│      450_451 走向AI论文实验与项目实战的捷径-MMLAB实战系列_迭代修正模块.mp4
│      451_452 走向AI论文实验与项目实战的捷径-MMLAB实战系列_输出层与损失计算.mp4
│      452_453 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件以及要完成的任务解读.mp4
│      453_454 走向AI论文实验与项目实战的捷径-MMLAB实战系列_KIE数据集格式调整方法.mp4
│      454_455 走向AI论文实验与项目实战的捷径-MMLAB实战系列_配置文件与标签要进行处理操作.mp4
│      455_456 走向AI论文实验与项目实战的捷径-MMLAB实战系列_边框要计算的特征分析.mp4
│      456_457 走向AI论文实验与项目实战的捷径-MMLAB实战系列_标签数据处理与关系特征提取.mp4
│      457_458 走向AI论文实验与项目实战的捷径-MMLAB实战系列_特征合并处理.mp4
│      458_459 走向AI论文实验与项目实战的捷径-MMLAB实战系列_准备拼接边与点特征.mp4
│      459_460 走向AI论文实验与项目实战的捷径-MMLAB实战系列_整合得到图模型输入特征.mp4
│      460_461 走向AI论文实验与项目实战的捷径-MMLAB实战系列_要完成的任务与基本思想概述.mp4
│      461_462 走向AI论文实验与项目实战的捷径-MMLAB实战系列_得到style特征编码.mp4
│      462_463 走向AI论文实验与项目实战的捷径-MMLAB实战系列_特征编码风格拼接.mp4
│      463_464 走向AI论文实验与项目实战的捷径-MMLAB实战系列_基础风格特征卷积模块.mp4
│      464_465 走向AI论文实验与项目实战的捷径-MMLAB实战系列_上采样得到输出结果.mp4
│      465_466 走向AI论文实验与项目实战的捷径-MMLAB实战系列_损失函数概述.mp4
│      466_467 走向AI论文实验与项目实战的捷径-MMLAB实战系列_要完成的任务分析与配置文件.mp4
│      467_468 走向AI论文实验与项目实战的捷径-MMLAB实战系列_特征基础提取模块.mp4
│      468_469 走向AI论文实验与项目实战的捷径-MMLAB实战系列_光流估计网络模块.mp4
│      469_470 走向AI论文实验与项目实战的捷径-MMLAB实战系列_基于光流完成对齐操作.mp4
│      470_471 走向AI论文实验与项目实战的捷径-MMLAB实战系列_偏移量计算方法.mp4
│      471_472 走向AI论文实验与项目实战的捷径-MMLAB实战系列_双向计算特征对齐.mp4
│      472_473 走向AI论文实验与项目实战的捷径-MMLAB实战系列_提特征传递流程分析.mp4
│      473_474 走向AI论文实验与项目实战的捷径-MMLAB实战系列_序列传播计算.mp4
│      474_475 走向AI论文实验与项目实战的捷径-MMLAB实战系列_准备变形卷积模块的输入.mp4
│      475_476 走向AI论文实验与项目实战的捷径-MMLAB实战系列_传播流程整体完成一圈.mp4
│      476_477 走向AI论文实验与项目实战的捷径-MMLAB实战系列_完成输出结果.mp4
│      477_478 走向AI论文实验与项目实战的捷径-MMLAB实战系列_环境配置与数据集概述.mp4
│      478_479 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据与标注文件介绍.mp4
│      479_480 走向AI论文实验与项目实战的捷径-MMLAB实战系列_基本流程梳理并进入debug模式.mp4
│      47_48 深度学习框架PyTorch_图像数据与标签路径处理.mp4
│      480_481 走向AI论文实验与项目实战的捷径-MMLAB实战系列_数据与图像特征提取模块.mp4
│      481_482 走向AI论文实验与项目实战的捷径-MMLAB实战系列_体素索引位置获取.mp4
│      482_483 走向AI论文实验与项目实战的捷径-MMLAB实战系列_体素特征提取方法解读.mp4
│      483_484 走向AI论文实验与项目实战的捷径-MMLAB实战系列_体素特征计算方法分析.mp4
│      484_485 走向AI论文实验与项目实战的捷径-MMLAB实战系列_全局体素特征提取.mp4
│      485_486 走向AI论文实验与项目实战的捷径-MMLAB实战系列_多模态特征融合.mp4
│      486_487 走向AI论文实验与项目实战的捷径-MMLAB实战系列_3D卷积特征融合.mp4
│      487_488 走向AI论文实验与项目实战的捷径-MMLAB实战系列_输出层预测结果.mp4
│      488_489 走向AI论文实验与项目实战的捷径-MMLAB实战系列_任务概述与工具使用.mp4
│      489_490 走向AI论文实验与项目实战的捷径-MMLAB实战系列_Teacher与Student网络结构定义.mp4
│      48_49 深度学习框架PyTorch_Dataloader中需要实现的方法分析.mp4
│      490_491 走向AI论文实验与项目实战的捷径-MMLAB实战系列_训练T与S得到蒸馏模型.mp4
│      491_492 走向AI论文实验与项目实战的捷径-MMLAB实战系列_开始模型训练过程与问题修正.mp4
│      492_493 走向AI论文实验与项目实战的捷径-MMLAB实战系列_日志输出与模型分离.mp4
│      493_494 走向AI论文实验与项目实战的捷径-MMLAB实战系列_分别得到Teacher与Student模型.mp4
│      494_495 走向AI论文实验与项目实战的捷径-MMLAB实战系列_实际测试效果演示.mp4
│      495_496 走向AI论文实验与项目实战的捷径-MMLAB实战系列_SuperNet网络结构分析与剪枝概述.mp4
│      496_497 走向AI论文实验与项目实战的捷径-MMLAB实战系列_搜索匹配到符合计算量的模型并训练.mp4
│      497_498 走向AI论文实验与项目实战的捷径-MMLAB实战系列_第九模块：mmaction行为识别.mp4
│      498_499 走向AI论文实验与项目实战的捷径-MMLAB实战系列_OCR算法解读.mp4
│      499_500 走向AI论文实验与项目实战的捷径-MMLAB实战系列_额外补充-在源码中加入各种注意力机制方法.mp4
│      49_50 深度学习框架PyTorch_实用Dataloader加载数据并训练模型.mp4
│      500_501 MMLAB实战系列_额外补充-在源码中加入各种注意力机制方法.mp4
│      500_501 走向AI论文实验与项目实战的捷径-MMLAB实战系列_获取检测结果与追踪初始化.mp4
│      501_502 走向AI论文实验与项目实战的捷径-MMLAB实战系列_初始时刻追踪器创建.mp4
│      502_503 走向AI论文实验与项目实战的捷径-MMLAB实战系列_追踪器记录信息概述.mp4
│      503_504 走向AI论文实验与项目实战的捷径-MMLAB实战系列_匹配过程细节分析.mp4
│      504_505 走向AI论文实验与项目实战的捷径-MMLAB实战系列_不同帧时刻追踪器状态更新方法.mp4
│      505_506 走向AI论文实验与项目实战的捷径-MMLAB实战系列_追踪器状态更新处理.mp4
│      506_507 走向AI论文实验与项目实战的捷径-MMLAB实战系列_追踪器迭代更新策略.mp4
│      
├─09 第九章 经典视觉项目实战：行为识别、姿态估计、目标追踪
│      507_508 经典视觉项目实战：行为识别、姿态估计、目标追踪_slowfast核心思想解读.mp4
│      508_509 经典视觉项目实战：行为识别、姿态估计、目标追踪_核心网络结构模块分析.mp4
│      509_510 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据采样曾的作用.mp4
│      510_511 经典视觉项目实战：行为识别、姿态估计、目标追踪_模型网络结构设计.mp4
│      511_512 经典视觉项目实战：行为识别、姿态估计、目标追踪_特征融合模块与总结分析.mp4
│      512_513 经典视觉项目实战：行为识别、姿态估计、目标追踪_环境基本配置解读.mp4
│      513_514 经典视觉项目实战：行为识别、姿态估计、目标追踪_目录各文件分析.mp4
│      514_515 经典视觉项目实战：行为识别、姿态估计、目标追踪_配置文件作用解读.mp4
│      515_516 经典视觉项目实战：行为识别、姿态估计、目标追踪_测试DEMO演示.mp4
│      516_517 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练所需标签文件说明.mp4
│      517_518 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练所需视频数据准备.mp4
│      518_519 经典视觉项目实战：行为识别、姿态估计、目标追踪_视频数据集切分操作.mp4
│      519_520 经典视觉项目实战：行为识别、姿态估计、目标追踪_完成视频分帧操作.mp4
│      520_521 经典视觉项目实战：行为识别、姿态估计、目标追踪_模型所需配置文件参数读取.mp4
│      521_522 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据处理概述.mp4
│      522_523 经典视觉项目实战：行为识别、姿态估计、目标追踪_dataloader数据遍历方法.mp4
│      523_524 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据与标签读取实例.mp4
│      524_525 经典视觉项目实战：行为识别、姿态估计、目标追踪_图像数据所需预处理方法.mp4
│      525_526 经典视觉项目实战：行为识别、姿态估计、目标追踪_slow与fast分别执行采样操作.mp4
│      526_527 经典视觉项目实战：行为识别、姿态估计、目标追踪_分别计算特征图输出结果.mp4
│      527_528 经典视觉项目实战：行为识别、姿态估计、目标追踪_slow与fast特征图拼接操作.mp4
│      528_529 经典视觉项目实战：行为识别、姿态估计、目标追踪_resnetBolock操作.mp4
│      529_530 经典视觉项目实战：行为识别、姿态估计、目标追踪_RoiAlign与输出层.mp4
│      530_531 经典视觉项目实战：行为识别、姿态估计、目标追踪_3D卷积原理解读.mp4
│      531_532 经典视觉项目实战：行为识别、姿态估计、目标追踪_UCF101动作识别数据集简介.mp4
│      532_533 经典视觉项目实战：行为识别、姿态估计、目标追踪_测试效果与项目配置.mp4
│      533_534 经典视觉项目实战：行为识别、姿态估计、目标追踪_视频数据预处理方法.mp4
│      534_535 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据Batch制作方法.mp4
│      535_536 经典视觉项目实战：行为识别、姿态估计、目标追踪_3D卷积网络所涉及模块.mp4
│      536_537 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练网络模型.mp4
│      537_538 经典视觉项目实战：行为识别、姿态估计、目标追踪_异常检测要解决的问题与数据集介绍.mp4
│      538_539 经典视觉项目实战：行为识别、姿态估计、目标追踪_基本思想与流程分析.mp4
│      539_540 经典视觉项目实战：行为识别、姿态估计、目标追踪_预测与常见问题.mp4
│      540_541 经典视觉项目实战：行为识别、姿态估计、目标追踪_Meta-Learn要解决的问题.mp4
│      541_542 经典视觉项目实战：行为识别、姿态估计、目标追踪_学习能力与参数定义.mp4
│      542_543 经典视觉项目实战：行为识别、姿态估计、目标追踪_如何找到合适的初始化参数.mp4
│      543_544 经典视觉项目实战：行为识别、姿态估计、目标追踪_MAML算法流程解读.mp4
│      544_545 经典视觉项目实战：行为识别、姿态估计、目标追踪_论文概述与环境配置.mp4
│      545_546 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据集配置与读取.mp4
│      546_547 经典视觉项目实战：行为识别、姿态估计、目标追踪_模型编码与解码结构.mp4
│      547_548 经典视觉项目实战：行为识别、姿态估计、目标追踪_注意力机制模块打造.mp4
│      548_549 经典视觉项目实战：行为识别、姿态估计、目标追踪_损失函数的目的.mp4
│      549_550 经典视觉项目实战：行为识别、姿态估计、目标追踪_特征图生成.mp4
│      550_551 经典视觉项目实战：行为识别、姿态估计、目标追踪_MetaLearn与输出.mp4
│      551_552 经典视觉项目实战：行为识别、姿态估计、目标追踪_医学疾病数据集介绍.mp4
│      552_553 经典视觉项目实战：行为识别、姿态估计、目标追踪_Resnet网络架构原理分析.mp4
│      553_554 经典视觉项目实战：行为识别、姿态估计、目标追踪_dataloader加载数据集.mp4
│      554_555 经典视觉项目实战：行为识别、姿态估计、目标追踪_Resnet网络前向传播.mp4
│      555_556 经典视觉项目实战：行为识别、姿态估计、目标追踪_残差网络的shortcut操作.mp4
│      556_557 经典视觉项目实战：行为识别、姿态估计、目标追踪_特征图升维与降采样操作.mp4
│      557_558 经典视觉项目实战：行为识别、姿态估计、目标追踪_网络整体流程与训练演示.mp4
│      558_559 经典视觉项目实战：行为识别、姿态估计、目标追踪_课程介绍.mp4
│      559_560 经典视觉项目实战：行为识别、姿态估计、目标追踪_姿态估计要解决的问题分析.mp4
│      560_561 经典视觉项目实战：行为识别、姿态估计、目标追踪_姿态估计应用领域概述.mp4
│      561_562 经典视觉项目实战：行为识别、姿态估计、目标追踪_传统topdown方法的问题.mp4
│      562_563 经典视觉项目实战：行为识别、姿态估计、目标追踪_要解决的两个问题分析.mp4
│      563_564 经典视觉项目实战：行为识别、姿态估计、目标追踪_基于高斯分布预测关键点位置.mp4
│      564_565 经典视觉项目实战：行为识别、姿态估计、目标追踪_各模块输出特征图解读.mp4
│      565_566 经典视觉项目实战：行为识别、姿态估计、目标追踪_PAF向量登场.mp4
│      566_567 经典视觉项目实战：行为识别、姿态估计、目标追踪_PAF标签设计方法.mp4
│      567_568 经典视觉项目实战：行为识别、姿态估计、目标追踪_预测时PAF积分计算方法.mp4
│      568_569 经典视觉项目实战：行为识别、姿态估计、目标追踪_匹配方法解读.mp4
│      569_570 经典视觉项目实战：行为识别、姿态估计、目标追踪_CPM模型特点.mp4
│      570_571 经典视觉项目实战：行为识别、姿态估计、目标追踪_算法流程与总结.mp4
│      571_572 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据集与路径配置解读.mp4
│      572_573 经典视觉项目实战：行为识别、姿态估计、目标追踪_读取图像与标注信息.mp4
│      573_574 经典视觉项目实战：行为识别、姿态估计、目标追踪_关键点与躯干特征图初始化.mp4
│      574_575 经典视觉项目实战：行为识别、姿态估计、目标追踪_根据关键点位置设计关键点标签.mp4
│      575_576 经典视觉项目实战：行为识别、姿态估计、目标追踪_准备构建PAF躯干标签.mp4
│      576_577 经典视觉项目实战：行为识别、姿态估计、目标追踪_各位置点归属判断.mp4
│      577_578 经典视觉项目实战：行为识别、姿态估计、目标追踪_特征图各点累加向量计算.mp4
│      578_579 经典视觉项目实战：行为识别、姿态估计、目标追踪_完成PAF特征图制作.mp4
│      579_580 经典视觉项目实战：行为识别、姿态估计、目标追踪_网络模型一阶段输出.mp4
│      580_581 经典视觉项目实战：行为识别、姿态估计、目标追踪_多阶段输出与预测.mp4
│      581_582 经典视觉项目实战：行为识别、姿态估计、目标追踪_卡尔曼滤波通俗解释.mp4
│      582e610325184fff904c86ce3a5e0026.mp4
│      582_583 经典视觉项目实战：行为识别、姿态估计、目标追踪_卡尔曼滤波要完成的任务.mp4
│      583_584 经典视觉项目实战：行为识别、姿态估计、目标追踪_任务本质分析.mp4
│      584_585 经典视觉项目实战：行为识别、姿态估计、目标追踪_基于观测值进行最优估计.mp4
│      585_586 经典视觉项目实战：行为识别、姿态估计、目标追踪_预测与更新操作.mp4
│      586_587 经典视觉项目实战：行为识别、姿态估计、目标追踪_追踪中的状态量.mp4
│      587_588 经典视觉项目实战：行为识别、姿态估计、目标追踪_匈牙利匹配算法概述.mp4
│      588_589 经典视觉项目实战：行为识别、姿态估计、目标追踪_匹配小例子分析.mp4
│      589_590 经典视觉项目实战：行为识别、姿态估计、目标追踪_REID特征的作用.mp4
│      590_591 经典视觉项目实战：行为识别、姿态估计、目标追踪_sort与deepsort建模流程分析.mp4
│      591_592 经典视觉项目实战：行为识别、姿态估计、目标追踪_预测与匹配流程解读.mp4
│      592_593 经典视觉项目实战：行为识别、姿态估计、目标追踪_追踪任务流程拆解.mp4
│      593_594 经典视觉项目实战：行为识别、姿态估计、目标追踪_项目环境配置.mp4
│      594_595 经典视觉项目实战：行为识别、姿态估计、目标追踪_参数与DEMO演示.mp4
│      595_596 经典视觉项目实战：行为识别、姿态估计、目标追踪_针对检测结果初始化track.mp4
│      596_597 经典视觉项目实战：行为识别、姿态估计、目标追踪_对track执行预测操作.mp4
│      597_598 经典视觉项目实战：行为识别、姿态估计、目标追踪_状态量预测结果.mp4
│      598_599 经典视觉项目实战：行为识别、姿态估计、目标追踪_IOU代价矩阵计算.mp4
│      599_600 经典视觉项目实战：行为识别、姿态估计、目标追踪_参数更新操作.mp4
│      600_601 经典视觉项目实战：行为识别、姿态估计、目标追踪_级联匹配模块.mp4
│      601_602 经典视觉项目实战：行为识别、姿态估计、目标追踪_ReID特征代价矩阵计算.mp4
│      602_603 经典视觉项目实战：行为识别、姿态估计、目标追踪_匹配结果与总结.mp4
│      603_604 经典视觉项目实战：行为识别、姿态估计、目标追踪_V4版本整体概述.mp4
│      604_605 经典视觉项目实战：行为识别、姿态估计、目标追踪_V4版本贡献解读.mp4
│      605_606 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据增强策略分析.mp4
│      606_607 经典视觉项目实战：行为识别、姿态估计、目标追踪_DropBlock与标签平滑方法.mp4
│      607_608 经典视觉项目实战：行为识别、姿态估计、目标追踪_损失函数遇到的问题.mp4
│      608_609 经典视觉项目实战：行为识别、姿态估计、目标追踪_CIOU损失函数定义.mp4
│      609_610 经典视觉项目实战：行为识别、姿态估计、目标追踪_NMS细节改进.mp4
│      610_611 经典视觉项目实战：行为识别、姿态估计、目标追踪_SPP与CSP网络结构.mp4
│      611_612 经典视觉项目实战：行为识别、姿态估计、目标追踪_SAM注意力机制模块.mp4
│      612_613 经典视觉项目实战：行为识别、姿态估计、目标追踪_PAN模块解读.mp4
│      613_614 经典视觉项目实战：行为识别、姿态估计、目标追踪_激活函数与整体架构总结.mp4
│      614_615 经典视觉项目实战：行为识别、姿态估计、目标追踪_整体项目概述.mp4
│      615_616 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练自己的数据集方法.mp4
│      616_617 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练数据参数配置.mp4
│      617_618 经典视觉项目实战：行为识别、姿态估计、目标追踪_测试DEMO演示.mp4
│      618_619 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据源DEBUG流程解读.mp4
│      619_620 经典视觉项目实战：行为识别、姿态估计、目标追踪_图像数据源配置.mp4
│      620_621 经典视觉项目实战：行为识别、姿态估计、目标追踪_加载标签数据.mp4
│      621_622 经典视觉项目实战：行为识别、姿态估计、目标追踪_Mosaic数据增强方法.mp4
│      622_623 经典视觉项目实战：行为识别、姿态估计、目标追踪_数据四合一方法与流程演示.mp4
│      623_624 经典视觉项目实战：行为识别、姿态估计、目标追踪_getItem构建
│      624_625 经典视觉项目实战：行为识别、姿态估计、目标追踪_网络架构图可视化工具安装.mp4
│      625_626 经典视觉项目实战：行为识别、姿态估计、目标追踪_V5网络配置文件解读.mp4
│      626_627 经典视觉项目实战：行为识别、姿态估计、目标追踪_Focus模块流程分析.mp4
│      627_628 经典视觉项目实战：行为识别、姿态估计、目标追踪_完成配置文件解析任务.mp4
│      628_629 经典视觉项目实战：行为识别、姿态估计、目标追踪_前向传播计算.mp4
│      629_630 经典视觉项目实战：行为识别、姿态估计、目标追踪_BottleneckCSP层计算方法.mp4
│      630_631 经典视觉项目实战：行为识别、姿态估计、目标追踪_1-SPP层计算细节分析.mp4
│      631_632 经典视觉项目实战：行为识别、姿态估计、目标追踪_2-Head层流程解读.mp4
│      632_633 经典视觉项目实战：行为识别、姿态估计、目标追踪_上采样与拼接操作.mp4
│      633_634 经典视觉项目实战：行为识别、姿态估计、目标追踪_输出结果分析.mp4
│      634_635 经典视觉项目实战：行为识别、姿态估计、目标追踪_超参数解读.mp4
│      635_636 经典视觉项目实战：行为识别、姿态估计、目标追踪_命令行参数介绍.mp4
│      636_637 经典视觉项目实战：行为识别、姿态估计、目标追踪_训练流程解读.mp4
│      637_638 经典视觉项目实战：行为识别、姿态估计、目标追踪_各种训练策略概述.mp4
│      638_639 经典视觉项目实战：行为识别、姿态估计、目标追踪_模型迭代过程.mp4
│      
├─10 第一十章-论文必备-Transformer实战
│      631_632 论--必备-Transformer实战系列_Transformer算法解读.mp4
│      632_633 论--必备-Transformer实战系列_视觉Transformer及其源码分析.mp4
│      633_634 论--必备-Transformer实战系列_项目配置说明.mp4
│      634_635 论--必备-Transformer实战系列_输入序列构建方法解读.mp4
│      635_636 论--必备-Transformer实战系列_注意力机制计算.mp4
│      636_637 论--必备-Transformer实战系列_输出层计算结果.mp4
│      637_638 论--必备-Transformer实战系列_swintransformer整体概述.mp4
│      638_639 论--必备-Transformer实战系列_要解决的问题及其优势分析.mp4
│      639_640 论--必备-Transformer实战系列_一个block要完成的任务.mp4
│      640_641 论--必备-Transformer实战系列_获取各窗口输入特征.mp4
│      641_642 论--必备-Transformer实战系列_基于窗口的注意力机制解读.mp4
│      642_643 论--必备-Transformer实战系列_窗口偏移操作的实现.mp4
│      643_644 论--必备-Transformer实战系列_偏移细节分析及其计算量概述.mp4
│      644_645 论--必备-Transformer实战系列_整体网络架构整合.mp4
│      645_646 论--必备-Transformer实战系列_下采样操作实现方法.mp4
│      646_647 论--必备-Transformer实战系列_分层计算方法.mp4
│      647_648 论--必备-Transformer实战系列_数据与环境配置解读.mp4
│      648_649 论--必备-Transformer实战系列_图像数据patch编码.mp4
│      649_650 论--必备-Transformer实战系列_数据按window进行划分计算.mp4
│      650_651 论--必备-Transformer实战系列_基础attention计算模块.mp4
│      651_652 论--必备-Transformer实战系列_窗口位移模块细节分析.mp4
│      652_653 论--必备-Transformer实战系列_patchmerge下采样操作.mp4
│      653_654 论--必备-Transformer实战系列_各block计算方法解读.mp4
│      654_655 论--必备-Transformer实战系列_输出层概述.mp4
│      655_656 论--必备-Transformer实战系列_DETR目标检测基本思想解读.mp4
│      656_657 论--必备-Transformer实战系列_整体网络架构分析.mp4
│      657_658 论--必备-Transformer实战系列_位置信息初始化query向量.mp4
│      658_659 论--必备-Transformer实战系列_注意力机制的作用方法.mp4
│      659_660 论--必备-Transformer实战系列_训练过程的策略.mp4
│      660_661 论--必备-Transformer实战系列_项目环境配置解读.mp4
│      661_662 论--必备-Transformer实战系列_数据处理与dataloader.mp4
│      662_663 论--必备-Transformer实战系列_位置编码作用分析.mp4
│      663_664 论--必备-Transformer实战系列_backbone特征提取模块.mp4
│      664_665 论--必备-Transformer实战系列_mask与编码模块.mp4
│      665_666 论--必备-Transformer实战系列_编码层作用方法.mp4
│      666_667 论--必备-Transformer实战系列_Decoder层操作与计算.mp4
│      667_668 论--必备-Transformer实战系列_输出预测结果.mp4
│      668_669 论--必备-Transformer实战系列_损失函数与预测输出.mp4
│      669_670 论--必备-Transformer实战系列_DeformableDetr算法解读.mp4
│      670_671 论--必备-Transformer实战系列_特征提取与位置编码.mp4
│      671_672 论--必备-Transformer实战系列_序列特征展开并叠加.mp4
│      672_673 论--必备-Transformer实战系列_得到相对位置点编码.mp4
│      673_674 论--必备-Transformer实战系列_准备Encoder编码层所需全部输入.mp4
│      674_675 论--必备-Transformer实战系列_编码层中的序列分析.mp4
│      675_676 论--必备-Transformer实战系列_偏移量offset计算.mp4
│      676_677 论--必备-Transformer实战系列_偏移量对齐操作.mp4
│      677_678 论--必备-Transformer实战系列_Encoder层完成特征对齐.mp4
│      678_679 论--必备-Transformer实战系列_Decoder要完成的操作.mp4
│      679_680 论--必备-Transformer实战系列_分类与回归输出模块.mp4
│      680_681 论--必备-Transformer实战系列_预测输出结果与标签匹配模块.mp4
│      681_682 论--必备-Transformer实战系列_论文整体分析.mp4
│      682_683 论--必备-Transformer实战系列_核心思想分析.mp4
│      683_684 论--必备-Transformer实战系列_网络结构计算流程概述.mp4
│      684_685 论--必备-Transformer实战系列_论文公式计算分析.mp4
│      685_686 论--必备-Transformer实战系列_位置编码的作用与效果.mp4
│      686_687 论--必备-Transformer实战系列_拓展应用分析.mp4
│      687_688 论--必备-Transformer实战系列_项目环境配置.mp4
│      688_689 论--必备-Transformer实战系列_医学数据介绍与分析.mp4
│      689_690 论--必备-Transformer实战系列_基本处理操作.mp4
│      690_691 论--必备-Transformer实战系列_AxialAttention实现过程.mp4
│      691_692 论--必备-Transformer实战系列_位置编码向量解读.mp4
│      692_693 论--必备-Transformer实战系列_注意力计算过程与方法.mp4
│      693_694 论--必备-Transformer实战系列_局部特征提取与计算.mp4
│      694_695 论--必备-Transformer实战系列_特征匹配的应用场景.mp4
│      695_696 论--必备-Transformer实战系列_特征匹配的基本流程分析.mp4
│      696_697 论--必备-Transformer实战系列_整体流程梳理分析.mp4
│      697_698 论--必备-Transformer实战系列_CrossAttention的作用与效果.mp4
│      698_699 论--必备-Transformer实战系列_transformer构建匹配特征.mp4
│      699_700 论--必备-Transformer实战系列_粗粒度匹配过程与作用.mp4
│      700_701 论--必备-Transformer实战系列_特征图拆解操作.mp4
│      701_702 论--必备-Transformer实战系列_细粒度匹配的作用与方法.mp4
│      702_703 论--必备-Transformer实战系列_基于期望预测最终位置.mp4
│      703_704 论--必备-Transformer实战系列_总结分析.mp4
│      704_705 论--必备-Transformer实战系列_项目与参数配置解读.mp4
│      705_706 论--必备-Transformer实战系列_DEMO效果演示.mp4
│      706_707 论--必备-Transformer实战系列_backbone特征提取模块.mp4
│      707_708 论--必备-Transformer实战系列_注意力机制的作用与效果分析.mp4
│      708_709 论--必备-Transformer实战系列_特征融合模块实现方法.mp4
│      709_710 论--必备-Transformer实战系列_cross关系计算方法实例.mp4
│      710_711 论--必备-Transformer实战系列_粗粒度匹配过程.mp4
│      711_712 论--必备-Transformer实战系列_完成基础匹配模块.mp4
│      712_713 论--必备-Transformer实战系列_精细化调整方法与实例.mp4
│      713_714 论--必备-Transformer实战系列_得到精细化输出结果.mp4
│      714_715 论--必备-Transformer实战系列_通过期望计算最终输出.mp4
│      715_716 论--必备-Transformer实战系列_分割模型Maskformer系列.mp4
│      716_717 论--必备-Transformer实战系列_Backbone获取多层级特征.mp4
│      717_718 论--必备-Transformer实战系列_多层级采样点初始化构建.mp4
│      718_719 论--必备-Transformer实战系列_多层级输入特征序列创建方法.mp4
│      719_720 论--必备-Transformer实战系列_偏移量与权重计算并转换.mp4
│      720_721 论--必备-Transformer实战系列_Encoder特征构建方法实例.mp4
│      721_722 论--必备-Transformer实战系列_query要预测的任务解读.mp4
│      722_723 论--必备-Transformer实战系列_Decoder中的AttentionMask方法.mp4
│      723_724 论--必备-Transformer实战系列_损失模块输入参数分析.mp4
│      724_725 论--必备-Transformer实战系列_标签分配策略解读.mp4
│      725_726 论--必备-Transformer实战系列_正样本筛选损失计算.mp4
│      726_727 论--必备-Transformer实战系列_标签分类匹配结果分析.mp4
│      727_728 论--必备-Transformer实战系列_最终损失计算流程.mp4
│      728_729 论--必备-Transformer实战系列_汇总所有损失完成迭代.mp4
│      729_730 论--必备-Transformer实战系列_BEV特征空间.mp4
│      730_731 论--必备-Transformer实战系列_环境配置方法解读.mp4
│      731_732 论--必备-Transformer实战系列_数据集下载与配置方法.mp4
│      732_733 论--必备-Transformer实战系列_特征提取以及BEV空间初始化.mp4
│      733_734 论--必备-Transformer实战系列_特征对齐与位置编码初始化.mp4
│      734_735 论--必备-Transformer实战系列_Reference初始点构建.mp4
│      735_736 论--必备-Transformer实战系列_BEV空间与图像空间位置对应.mp4
│      736_737 论--必备-Transformer实战系列_注意力机制模块计算方法.mp4
│      737_738 论--必备-Transformer实战系列_BEV空间特征构建.mp4
│      738_739 论--必备-Transformer实战系列_Decoder要完成的任务分析.mp4
│      739_740 论--必备-Transformer实战系列_获取当前BEV特征.mp4
│      740_741 论--必备-Transformer实战系列_Decoder级联校正模块.mp4
│      741_742 论--必备-Transformer实战系列_损失函数与预测可视化.mp4
│      742_743 论--必备-Transformer实战系列_时间序列预测.mp4
│      743_744 论--必备-Transformer实战系列_Informer时间序列源码解读.mp4
│      744_745 论--必备-Transformer实战系列_Huggingface与NLP（讲故事）.mp4
│      
├─11 第十一章-图神经网络实战
│      650_652 图神经网络实战_图神经网络应用领域分析.mp4
│      651_653 图神经网络实战_图基本模块定义.mp4
│      652_654 图神经网络实战_邻接矩阵的定义.mp4
│      653_655 图神经网络实战_GNN中常见任务.mp4
│      654_656 图神经网络实战_消息传递计算方法.mp4
│      655_657 图神经网络实战_多层GCN的作用.mp4
│      656_658 图神经网络实战_GCN基本模型概述.mp4
│      657_659 图神经网络实战_图卷积的基本计算方法.mp4
│      658_660 图神经网络实战_邻接的矩阵的变换.mp4
│      659_661 图神经网络实战_GCN变换原理解读.mp4
│      660_662 图神经网络实战_PyTorch Geometric工具包安装与配置方法.mp4
│      661_663 图神经网络实战_数据集与邻接矩阵格式.mp4
│      662_664 图神经网络实战_模型定义与训练方法.mp4
│      663_665 图神经网络实战_文献引用数据集分类案例实战.mp4
│      664_666 图神经网络实战_构建数据集基本方法.mp4
│      665_667 图神经网络实战_数据集与任务背景概述.mp4
│      666_668 图神经网络实战_数据集基本预处理.mp4
│      667_669 图神经网络实战_用户行为图结构创建.mp4
│      668_670 图神经网络实战_数据集创建函数介绍.mp4
│      669_671 图神经网络实战_网络结构定义模块.mp4
│      670_672 图神经网络实战_TopkPooling进行下采样任务.mp4
│      671_673 图神经网络实战_获取全局特征.mp4
│      672_674 图神经网络实战_模型训练与总结.mp4
│      673_675 图神经网络实战_图注意力机制的作用与方法.mp4
│      674_676 图神经网络实战_邻接矩阵计算图Attention.mp4
│      675_677 图神经网络实战_序列图神经网络TGCN应用.mp4
│      676_678 图神经网络实战_序列图神经网络细节.mp4
│      677_679 图神经网络实战_要完成的任务分析.mp4
│      678_680 图神经网络实战_基本方法概述解读.mp4
│      679_681 图神经网络实战_图模型提取全局与局部特征.mp4
│      680_682 图神经网络实战_NTN模块的作用与效果.mp4
│      681_683 图神经网络实战_点之间的对应关系计算.mp4
│      682_684 图神经网络实战_结果输出与总结.mp4
│      683_685 图神经网络实战_数据集与任务概述.mp4
│      684_686 图神经网络实战_图卷积特征提取模块.mp4
│      685_687 图神经网络实战_分别计算不同Batch点的分布.mp4
│      686_688 图神经网络实战_获得直方图特征结果.mp4
│      687_689 图神经网络实战_图的全局特征构建.mp4
│      688_690 图神经网络实战_NTN图相似特征提取.mp4
│      689_691 图神经网络实战_预测得到相似度结果.mp4
│      690_692 图神经网络实战_数据集与标注信息解读.mp4
│      691_693 图神经网络实战_整体三大模块分析.mp4
│      692_694 图神经网络实战_特征工程的作用与效果.mp4
│      693_695 图神经网络实战_传统方法与现在向量空间对比.mp4
│      694_696 图神经网络实战_输入细节分析.mp4
│      695_697 图神经网络实战_子图模块构建方法.mp4
│      696_698 图神经网络实战_特征融合模块分析.mp4
│      697_699 图神经网络实战_VectorNet输出层分析.mp4
│      698_700 图神经网络实战_数据与环境配置.mp4
│      699_701 图神经网络实战_训练数据准备.mp4
│      700_702 图神经网络实战_Agent特征提取方法.mp4
│      701_703 图神经网络实战_DataLoader构建图结构.mp4
│      702_704 图神经网络实战_SubGraph与Attention模型流程.mp4
│      703_705 基于图模型的时间序列预测.mp4
│      704_706 异构图神经网络.mp4
│      
├─12 第十二章-3D点云实战
│      703_705 3D点云实战_点云数据概述.mp4
│      704_706 3D点云实战_点云应用领域与发展分析.mp4
│      705_707 3D点云实战_点云分割任务.mp4
│      706_708 3D点云实战_点云补全任务.mp4
│      707_709 3D点云实战_点云检测与配准任务.mp4
│      708_710 3D点云实战_点云数据特征提取概述与预告.mp4
│      709_711 3D点云实战_3D数据应用领域与点云介绍.mp4
│      710_712 3D点云实战_点云数据可视化展示.mp4
│      711_713 3D点云实战_点云数据特性和及要解决的问题.mp4
│      712_714 3D点云实战_PointNet算法出发点解读.mp4
│      713_715 3D点云实战_PointNet算法网络架构解读.mp4
│      714_716 3D点云实战_PointNet升级版算法要解决的问题.mp4
│      715_717 3D点云实战_最远点采样方法.mp4
│      716_718 3D点云实战_分组Group方法原理解读.mp4
│      717_719 3D点云实战_整体流程概述分析.mp4
│      718_720 3D点云实战_分类与分割问题解决方案.mp4
│      719_721 3D点云实战_遇到的问题及改进方法分析.mp4
│      720_722 3D点云实战_项目文件概述.mp4
│      721_723 3D点云实战_数据读取模块配置.mp4
│      722_724 3D点云实战_DEBUG解读网络模型架构.mp4
│      723_725 3D点云实战_最远点采样介绍.mp4
│      724_726 3D点云实战_采样得到中心点.mp4
│      725_727 3D点云实战_组区域划分方法.mp4
│      726_728 3D点云实战_实现group操作得到各中心簇.mp4
│      727_729 3D点云实战_特征提取模块整体流程.mp4
│      728_730 3D点云实战_预测结果输出模块.mp4
│      729_731 3D点云实战_分类任务总结.mp4
│      730_732 3D点云实战_分割任务数据与配置概述.mp4
│      731_733 3D点云实战_分割需要解决的任务概述.mp4
│      732_734 3D点云实战_上采样完成分割任务.mp4
│      733_735 3D点云实战_点云补全要解决的问题.mp4
│      734_736 3D点云实战_基本解决方案概述.mp4
│      735_737 3D点云实战_整体网络概述.mp4
│      736_738 3D点云实战_网络计算流程.mp4
│      737_739 3D点云实战_输入与计算结果.mp4
│      738_740 3D点云实战_数据与项目配置解读.mp4
│      739_741 3D点云实战_待补全数据准备方法.mp4
│      740_742 3D点云实战_整体框架概述.mp4
│      741_743 3D点云实战_MRE特征提取模块.mp4
│      742_744 3D点云实战_分层预测输出模块.mp4
│      743_745 3D点云实战_补全点云数据.mp4
│      744_746 3D点云实战_判别模块.mp4
│      745_747 3D点云实战_点云配准任务概述.mp4
│      746_748 3D点云实战_配准要完成的目标解读.mp4
│      747_749 3D点云实战_训练数据构建.mp4
│      748_750 3D点云实战_任务基本流程.mp4
│      749_751 3D点云实战_数据源配置方法.mp4
│      750_752 3D点云实战_参数计算模块解读.mp4
│      751_753 3D点云实战_基于模型预测输出参数.mp4
│      752_754 3D点云实战_特征构建方法分析.mp4
│      753_755 3D点云实战_任务总结.mp4
│      754_756 3D点云实战_对抗生成网络通俗解释.mp4
│      755_757 3D点云实战_GAN网络组成.mp4
│      756_758 3D点云实战_损失函数解释说明.mp4
│      757_759 3D点云实战_数据读取模块.mp4
│      758_760 3D点云实战_生成与判别网络定义.mp4
│      
├─13 第十三章-面向深度学习的无人驾驶实战
│      864_865 面向深度学习的无人驾驶实战_深度估计效果与应用.mp4
│      865_866 面向深度学习的无人驾驶实战_kitti数据集介绍.mp4
│      866_867 面向深度学习的无人驾驶实战_使用backbone获取层级特征.mp4
│      867_868 面向深度学习的无人驾驶实战_差异特征计算边界信息.mp4
│      868_869 面向深度学习的无人驾驶实战_SPP层的作用.mp4
│      869_870 面向深度学习的无人驾驶实战_空洞卷积与ASPP.mp4
│      870_871 面向深度学习的无人驾驶实战_特征拼接方法分析.mp4
│      871_872 面向深度学习的无人驾驶实战_网络coarse-to-fine过程.mp4
│      872_873 面向深度学习的无人驾驶实战_权重参数预处理.mp4
│      873_874 面向深度学习的无人驾驶实战_损失计算.mp4
│      874_875 面向深度学习的无人驾驶实战_项目环境配置解读.mp4
│      875_876 面向深度学习的无人驾驶实战_数据与标签定义方法.mp4
│      876_877 面向深度学习的无人驾驶实战_数据集dataloader制作.mp4
│      877_878 面向深度学习的无人驾驶实战_使用backbone进行特征提取.mp4
│      878_879 面向深度学习的无人驾驶实战_计算差异特征.mp4
│      879_880 面向深度学习的无人驾驶实战_权重参数标准化操作.mp4
│      880_881 面向深度学习的无人驾驶实战_网络结构ASPP层.mp4
│      881_882 面向深度学习的无人驾驶实战_特征拼接方法解读.mp4
│      882_883 面向深度学习的无人驾驶实战_输出深度估计结果.mp4
│      883_884 面向深度学习的无人驾驶实战_损失函数通俗解读.mp4
│      884_885 面向深度学习的无人驾驶实战_模型DEMO输出结果.mp4
│      885_886 面向深度学习的无人驾驶实战_数据标签与任务分析.mp4
│      886_887 面向深度学习的无人驾驶实战_网络整体框架分析.mp4
│      887_888 面向深度学习的无人驾驶实战_输出结果分析.mp4
│      888_889 面向深度学习的无人驾驶实战_损失函数计算方法.mp4
│      889f6a42e176499f803af29393312bd7.mp4
│      889_890 面向深度学习的无人驾驶实战_论文概述分析.mp4
│      890_891 面向深度学习的无人驾驶实战_车道数据与标签解读.mp4
│      891_892 面向深度学习的无人驾驶实战_项目环境配置演示.mp4
│      892_893 面向深度学习的无人驾驶实战_制作数据集dataloader.mp4
│      893_894 面向深度学习的无人驾驶实战_车道线标签数据处理.mp4
│      894_895 面向深度学习的无人驾驶实战_四条车道线标签位置矩阵.mp4
│      895_896 面向深度学习的无人驾驶实战_grid设置方法.mp4
│      896_897 面向深度学习的无人驾驶实战_完成数据与标签制作.mp4
│      897_898 面向深度学习的无人驾驶实战_算法网络结构解读.mp4
│      898_899 面向深度学习的无人驾驶实战_损失函数计算模块分析.mp4
│      899_900 面向深度学习的无人驾驶实战_车道线规则损失函数限制.mp4
│      900_901 面向深度学习的无人驾驶实战_DEMO制作与配置.mp4
│      901_902 面向深度学习的无人驾驶实战_特征匹配的应用场景.mp4
│      902_903 面向深度学习的无人驾驶实战_特征匹配的基本流程分析.mp4
│      903_904 面向深度学习的无人驾驶实战_整体流程梳理分析.mp4
│      904_905 面向深度学习的无人驾驶实战_CrossAttention的作用与效果.mp4
│      905_906 面向深度学习的无人驾驶实战_transformer构建匹配特征.mp4
│      906_907 面向深度学习的无人驾驶实战_粗粒度匹配过程与作用.mp4
│      907_908 面向深度学习的无人驾驶实战_特征图拆解操作.mp4
│      908_909 面向深度学习的无人驾驶实战_细粒度匹配的作用与方法.mp4
│      909_910 面向深度学习的无人驾驶实战_基于期望预测最终位置.mp4
│      910_911 面向深度学习的无人驾驶实战_总结分析.mp4
│      911_912 面向深度学习的无人驾驶实战_项目与参数配置解读.mp4
│      912_913 面向深度学习的无人驾驶实战_DEMO效果演示.mp4
│      913_914 面向深度学习的无人驾驶实战_backbone特征提取模块.mp4
│      914_915 面向深度学习的无人驾驶实战_注意力机制的作用与效果分析.mp4
│      915_916 面向深度学习的无人驾驶实战_特征融合模块实现方法.mp4
│      916_917 面向深度学习的无人驾驶实战_cross关系计算方法实例.mp4
│      917_918 面向深度学习的无人驾驶实战_粗粒度匹配过程.mp4
│      918_919 面向深度学习的无人驾驶实战_完成基础匹配模块.mp4
│      919_920 面向深度学习的无人驾驶实战_精细化调整方法与实例.mp4
│      920_921 面向深度学习的无人驾驶实战_得到精细化输出结果.mp4
│      921_922 面向深度学习的无人驾驶实战_通过期望计算最终输出.mp4
│      922_923 面向深度学习的无人驾驶实战_三维重建概述分析.mp4
│      923_924 面向深度学习的无人驾驶实战_三维重建应用领域概述.mp4
│      924_925 面向深度学习的无人驾驶实战_成像方法概述.mp4
│      925_926 面向深度学习的无人驾驶实战_相机坐标系.mp4
│      926_927 面向深度学习的无人驾驶实战_坐标系转换方法解读.mp4
│      927_928 面向深度学习的无人驾驶实战_相机内外参.mp4
│      928_929 面向深度学习的无人驾驶实战_通过内外参数进行坐标变换.mp4
│      929_930 面向深度学习的无人驾驶实战_相机标定简介.mp4
│      930_931 面向深度学习的无人驾驶实战_任务流程分析.mp4
│      931_932 面向深度学习的无人驾驶实战_基本框架熟悉.mp4
│      932_933 面向深度学习的无人驾驶实战_特征映射方法解读.mp4
│      933_934 面向深度学习的无人驾驶实战_片段融合思想.mp4
│      934_935 面向深度学习的无人驾驶实战_整体架构重构方法.mp4
│      935_936 面向深度学习的无人驾驶实战_数据集下载与配置方法.mp4
│      936_937 面向深度学习的无人驾驶实战_Scannet数据集内容概述.mp4
│      937_938 面向深度学习的无人驾驶实战_TSDF标签生成方法.mp4
│      938_939 面向深度学习的无人驾驶实战_ISSUE的作用.mp4
│      939_940 面向深度学习的无人驾驶实战_完成依赖环境配置.mp4
│      940_941 面向深度学习的无人驾驶实战_Backbone得到特征图.mp4
│      941_942 面向深度学习的无人驾驶实战_初始化体素位置.mp4
│      942_943 面向深度学习的无人驾驶实战_坐标映射方法实现.mp4
│      943_944 面向深度学习的无人驾驶实战_得到体素所对应特征图.mp4
│      944_945 面向深度学习的无人驾驶实战_插值得到对应特征向量.mp4
│      945_946 面向深度学习的无人驾驶实战_得到一阶段输出结果.mp4
│      946_947 面向深度学习的无人驾驶实战_完成三个阶段预测结果.mp4
│      947_948 面向深度学习的无人驾驶实战_项目总结.mp4
│      948_949 面向深度学习的无人驾驶实战_TSDF整体概述分析.mp4
│      949_950 面向深度学习的无人驾驶实战_合成过程DEMO演示.mp4
│      950_951 面向深度学习的无人驾驶实战_布局初始化操作.mp4
│      951_952 面向深度学习的无人驾驶实战_TSDF计算基本流程解读.mp4
│      952_953 面向深度学习的无人驾驶实战_坐标转换流程分析.mp4
│      953_954 面向深度学习的无人驾驶实战_输出结果融合更新.mp4
│      954_955 面向深度学习的无人驾驶实战_环境配置概述.mp4
│      955_956 面向深度学习的无人驾驶实战_初始化与数据读取.mp4
│      956_957 面向深度学习的无人驾驶实战_计算得到TSDF输出.mp4
│      957_958 面向深度学习的无人驾驶实战_数据集与标注信息解读.mp4
│      958_959 面向深度学习的无人驾驶实战_整体三大模块分析.mp4
│      959_960 面向深度学习的无人驾驶实战_特征工程的作用与效果.mp4
│      960_961 面向深度学习的无人驾驶实战_传统方法与现在向量空间对比.mp4
│      961_962 面向深度学习的无人驾驶实战_输入细节分析.mp4
│      962_963 面向深度学习的无人驾驶实战_子图模块构建方法.mp4
│      963_964 面向深度学习的无人驾驶实战_特征融合模块分析.mp4
│      964_965 面向深度学习的无人驾驶实战_VectorNet输出层分析.mp4
│      965_966 面向深度学习的无人驾驶实战_数据与环境配置.mp4
│      966_967 面向深度学习的无人驾驶实战_训练数据准备.mp4
│      967_968 面向深度学习的无人驾驶实战_Agent特征提取方法.mp4
│      968_969 面向深度学习的无人驾驶实战_DataLoader构建图结构.mp4
│      969_970 面向深度学习的无人驾驶实战_SubGraph与Attention模型流程.mp4
│      970_971 面向深度学习的无人驾驶实战_特斯拉无人驾驶解读.mp4
│      
├─14 第十四章-对比学习与多模态任务实战
│      971_972 对比学习与多模态任务实战_对比学习算法与实例.mp4
│      972_973 对比学习与多模态任务实战_CLIP系列.mp4
│      973_974 对比学习与多模态任务实战_环境配置与数据集概述.mp4
│      974_975 对比学习与多模态任务实战_数据与标注文件介绍.mp4
│      975_976 对比学习与多模态任务实战_基本流程梳理并进入debug模式.mp4
│      976_977 对比学习与多模态任务实战_数据与图像特征提取模块.mp4
│      977_978 对比学习与多模态任务实战_体素索引位置获取.mp4
│      978_979 对比学习与多模态任务实战_体素特征提取方法解读.mp4
│      979_980 对比学习与多模态任务实战_体素特征计算方法分析.mp4
│      980_981 对比学习与多模态任务实战_全局体素特征提取.mp4
│      981_982 对比学习与多模态任务实战_多模态特征融合.mp4
│      982_983 对比学习与多模态任务实战_3D卷积特征融合.mp4
│      983_984 对比学习与多模态任务实战_输出层预测结果.mp4
│      984_985 对比学习与多模态任务实战_多模态文字识别.mp4
│      985_986 对比学习与多模态任务实战_数据集与环境概述.mp4
│      986_987 对比学习与多模态任务实战_配置文件修改方法.mp4
│      987_988 对比学习与多模态任务实战_Bakbone模块得到特征.mp4
│      988_989 对比学习与多模态任务实战_视觉Transformer模块的作用.mp4
│      989_990 对比学习与多模态任务实战_视觉模型中的编码与解码的效果.mp4
│      990_991 对比学习与多模态任务实战_文本模型中的结构分析.mp4
│      991_992 对比学习与多模态任务实战_迭代修正模块.mp4
│      992_993 对比学习与多模态任务实战_输出层与损失计算.mp4
│      
├─15 第十五章-缺陷检测实战
│      1000_1001 缺陷检测实战_NMS细节改进.mp4
│      1001_1002 缺陷检测实战_SPP与CSP网络结构.mp4
│      1002_1003 缺陷检测实战_SAM注意力机制模块.mp4
│      1003_1004 缺陷检测实战_PAN模块解读.mp4
│      1004_1005 缺陷检测实战_激活函数与整体架构总结.mp4
│      1005_1006 缺陷检测实战_整体项目概述.mp4
│      1006_1007 缺陷检测实战_训练自己的数据集方法.mp4
│      1007_1008 缺陷检测实战_训练数据参数配置.mp4
│      1008_1009 缺陷检测实战_测试DEMO演示.mp4
│      1009_1010 缺陷检测实战_数据源DEBUG流程解读.mp4
│      1010_1011 缺陷检测实战_图像数据源配置.mp4
│      1011_1012 缺陷检测实战_加载标签数据.mp4
│      1012_1013 缺陷检测实战_Mosaic数据增强方法.mp4
│      1013_1014 缺陷检测实战_数据四合一方法与流程演示.mp4
│      1014_1015 缺陷检测实战_getItem构建
│      1015_1016 缺陷检测实战_网络架构图可视化工具安装.mp4
│      1016_1017 缺陷检测实战_V5网络配置文件解读.mp4
│      1017_1018 缺陷检测实战_Focus模块流程分析.mp4
│      1018_1019 缺陷检测实战_完成配置文件解析任务.mp4
│      1019_1020 缺陷检测实战_前向传播计算.mp4
│      1020_1021 缺陷检测实战_BottleneckCSP层计算方法.mp4
│      1021_1022 缺陷检测实战_SPP层计算细节分析.mp4
│      1022_1023 缺陷检测实战_Head层流程解读.mp4
│      1023_1024 缺陷检测实战_上采样与拼接操作.mp4
│      1024_1025 缺陷检测实战_输出结果分析.mp4
│      1025_1026 缺陷检测实战_超参数解读.mp4
│      1026_1027 缺陷检测实战_命令行参数介绍.mp4
│      1027_1028 缺陷检测实战_训练流程解读.mp4
│      1028_1029 缺陷检测实战_各种训练策略概述.mp4
│      1029_1030 缺陷检测实战_模型迭代过程.mp4
│      1030_1031 缺陷检测实战_任务需求与项目概述.mp4
│      1031_1032 缺陷检测实战_数据与标签配置方法.mp4
│      1032_1033 缺陷检测实战_标签转换格式脚本制作.mp4
│      1033_1034 缺陷检测实战_各版本模型介绍分析.mp4
│      1034_1035 缺陷检测实战_项目参数配置.mp4
│      1035_1036 缺陷检测实战_缺陷检测模型训练.mp4
│      1036_1037 缺陷检测实战_输出结果与项目总结.mp4
│      1037_1038 缺陷检测实战_任务目标与流程概述.mp4
│      1038_1039 缺陷检测实战_论文思想与模型分析.mp4
│      1039_1040 缺陷检测实战_项目配置解读.mp4
│      1040_1041 缺陷检测实战_网络流程分析.mp4
│      1041_1042 缺陷检测实战_输出结果展示.mp4
│      1042_1043 缺陷检测实战_计算机眼中的图像.mp4
│      1043_1044 缺陷检测实战_视频的读取与处理.mp4
│      1044_1045 缺陷检测实战_ROI区域.mp4
│      1045_1046 缺陷检测实战_边界填充.mp4
│      1046_1047 缺陷检测实战_数值计算.mp4
│      1047_1048 缺陷检测实战_图像阈值.mp4
│      1048_1049 缺陷检测实战_图像平滑处理.mp4
│      1049_1050 缺陷检测实战_高斯与中值滤波.mp4
│      1050_1051 缺陷检测实战_腐蚀操作.mp4
│      1051_1052 缺陷检测实战_膨胀操作.mp4
│      1052_1053 缺陷检测实战_开运算与闭运算.mp4
│      1053_1054 缺陷检测实战_梯度计算.mp4
│      1054_1055 缺陷检测实战_礼帽与黑帽.mp4
│      1055_1056 缺陷检测实战_Canny边缘检测流程.mp4
│      1056_1057 缺陷检测实战_非极大值抑制.mp4
│      1057_1058 缺陷检测实战_边缘检测效果.mp4
│      1058_1059 缺陷检测实战_Sobel算子.mp4
│      1059_1060 缺陷检测实战_梯度计算方法.mp4
│      1060_1061 缺陷检测实战_scharr与lapkacian算子.mp4
│      1061_1062 缺陷检测实战_图像金字塔定义.mp4
│      1062_1063 缺陷检测实战_金字塔制作方法.mp4
│      1063_1064 缺陷检测实战_轮廓检测方法.mp4
│      1064_1065 缺陷检测实战_轮廓检测结果.mp4
│      1065_1066 缺陷检测实战_轮廓特征与近似.mp4
│      1066_1067 缺陷检测实战_模板匹配方法.mp4
│      1067_1068 缺陷检测实战_匹配效果展示.mp4
│      1068_1069 缺陷检测实战_直方图定义.mp4
│      1069_1070 缺陷检测实战_均衡化原理.mp4
│      1070_1071 缺陷检测实战_均衡化效果.mp4
│      1071_1072 缺陷检测实战_傅里叶概述.mp4
│      1072_1073 缺陷检测实战_频域变换结果.mp4
│      1073_1074 缺陷检测实战_低通与高通滤波.mp4
│      1074_1075 缺陷检测实战_任务需求与环境配置.mp4
│      1075_1076 缺陷检测实战_数据读取与基本处理.mp4
│      1076_1077 缺陷检测实战_缺陷形态学操作.mp4
│      1077_1078 缺陷检测实战_整体流程解读.mp4
│      1078_1079 缺陷检测实战_缺陷检测效果演示.mp4
│      1079_1080 缺陷检测实战_数据与任务概述.mp4
│      1080_1081 缺陷检测实战_视频数据读取与轮廓检测.mp4
│      1081_1082 缺陷检测实战_目标质心计算.mp4
│      1082_1083 缺陷检测实战_视频数据遍历方法.mp4
│      1083_1084 缺陷检测实战_缺陷区域提取.mp4
│      1084_1085 缺陷检测实战_不同类型的缺陷检测方法.mp4
│      1085_1086 缺陷检测实战_检测效果演示.mp4
│      1086_1087 缺陷检测实战_deeplab分割算法概述.mp4
│      1087_1088 缺陷检测实战_空洞卷积的作用.mp4
│      1088_1089 缺陷检测实战_感受野的意义.mp4
│      1089_1090 缺陷检测实战_SPP层的作用.mp4
│      1090_1091 缺陷检测实战_ASPP特征融合策略.mp4
│      1091_1092 缺陷检测实战_deeplabV3Plus版本网络架构.mp4
│      1092_1093 缺陷检测实战_PascalVoc数据集介绍.mp4
│      1093_1094 缺陷检测实战_项目参数与数据集读取.mp4
│      1094_1095 缺陷检测实战_网络前向传播流程.mp4
│      1095_1096 缺陷检测实战_ASPP层特征融合.mp4
│      1096_1097 缺陷检测实战_分割模型训练.mp4
│      1097_1098 缺陷检测实战_数据集与任务概述.mp4
│      1098_1099 缺陷检测实战_开源项目应用方法.mp4
│      1099_1100 缺陷检测实战_github与kaggle中需要注意的点.mp4
│      1100_1101 缺陷检测实战_源码的利用方法.mp4
│      1101_1102 缺陷检测实战_数据集制作方法.mp4
│      1102_1103 缺陷检测实战_数据路径配置.mp4
│      1103_1104 缺陷检测实战_训练模型.mp4
│      1104_1105 缺陷检测实战_任务总结.mp4
│      993_994 缺陷检测实战_课程介绍.mp4
│      994_995 缺陷检测实战_V4版本整体概述.mp4
│      995_996 缺陷检测实战_V4版本贡献解读.mp4
│      996_997 缺陷检测实战_数据增强策略分析.mp4
│      997_998 缺陷检测实战_DropBlock与标签平滑方法.mp4
│      998_999 缺陷检测实战_损失函数遇到的问题.mp4
│      999_1000 缺陷检测实战_CIOU损失函数定义.mp4
│      
├─16 第十六章-行人重识别实战
│      1105_1106 行人重识别实战_行人重识别要解决的问题.mp4
│      1106_1107 行人重识别实战_挑战与困难分析.mp4
│      1107_1108 行人重识别实战_评估标准rank1指标.mp4
│      1108_1109 行人重识别实战_map值计算方法.mp4
│      1109_1110 行人重识别实战_triplet损失计算实例.mp4
│      1110_1111 行人重识别实战_Hard-Negative方法应用.mp4
│      1111_1112 行人重识别实战_论文整体思想及注意力机制的作用解读.mp4
│      1112_1113 行人重识别实战_空间权重值计算流程分析.mp4
│      1113_1114 行人重识别实战_融合空间注意力所需特征.mp4
│      1114_1115 行人重识别实战_基于特征图的注意力计算.mp4
│      1115_1116 行人重识别实战_项目环境与数据集配置.mp4
│      1116_1117 行人重识别实战_参数配置与整体架构分析.mp4
│      1117_1118 行人重识别实战_进入debug模式解读网络计算流程.mp4
│      1118_1119 行人重识别实战_获得空间位置点之间的关系.mp4
│      1119_1120 行人重识别实战_组合关系特征图.mp4
│      1120_1121 行人重识别实战_计算得到位置权重值.mp4
│      1121_1122 行人重识别实战_基于特征图的权重计算.mp4
│      1122_1123 行人重识别实战_损失函数计算实例解读.mp4
│      1123_1124 行人重识别实战_训练与测试模块演示.mp4
│      1124_1125 行人重识别实战_论文整体框架概述.mp4
│      1125_1126 行人重识别实战_局部特征与全局关系计算方法.mp4
│      1126_1127 行人重识别实战_特征分组方法.mp4
│      1127_1128 行人重识别实战_GCP模块特征融合方法.mp4
│      1128_1129 行人重识别实战_oneVsReset方法实例.mp4
│      1129_1130 行人重识别实战_损失函数应用位置.mp4
│      1130_1131 行人重识别实战_项目配置与数据集介绍.mp4
│      1131_1132 行人重识别实战_数据源构建方法分析.mp4
│      1132_1133 行人重识别实战_dataloader加载顺序解读.mp4
│      1133_1134 行人重识别实战_debug模式解读.mp4
│      1134_1135 行人重识别实战_网络计算整体流程演示.mp4
│      1135_1136 行人重识别实战_特征序列构建.mp4
│      1136_1137 行人重识别实战_GCP全局特征提取.mp4
│      1137_1138 行人重识别实战_局部特征提取实例.mp4
│      1138_1139 行人重识别实战_特征组合汇总.mp4
│      1139_1140 行人重识别实战_得到所有分组特征结果.mp4
│      1140_1141 行人重识别实战_损失函数与训练过程演示.mp4
│      1141_1142 行人重识别实战_测试与验证模块.mp4
│      1142_1143 行人重识别实战_关键点位置特征构建.mp4
│      1143_1144 行人重识别实战_图卷积与匹配的作用.mp4
│      1144_1145 行人重识别实战_局部特征热度图计算.mp4
│      1145_1146 行人重识别实战_基于图卷积构建人体拓扑关系.mp4
│      1146_1147 行人重识别实战_图卷积模块实现方法.mp4
│      1147_1148 行人重识别实战_图匹配在行人重识别中的作用.mp4
│      1148_1149 行人重识别实战_整体算法框架分析.mp4
│      1149_1150 行人重识别实战_数据集与环境配置概述.mp4
│      1150_1151 行人重识别实战_局部特征准备方法.mp4
│      1151_1152 行人重识别实战_得到一阶段热度图结果.mp4
│      1152_1153 行人重识别实战_阶段监督训练.mp4
│      1153_1154 行人重识别实战_初始化图卷积模型.mp4
│      1154_1155 行人重识别实战_mask矩阵的作用.mp4
│      1155_1156 行人重识别实战_邻接矩阵学习与更新.mp4
│      1156_1157 行人重识别实战_基于拓扑结构组合关键点特征.mp4
│      1157_1158 行人重识别实战_图匹配模块计算流程.mp4
│      1158_1159 行人重识别实战_整体项目总结.mp4
│      1159_1160 行人重识别实战_项目概述.mp4
│      1160_1161 行人重识别实战_项目概述.mp4
│      1161_1162 行人重识别实战_数据与标签读取模块.mp4
│      1162_1163 行人重识别实战_通过配置文件读取模型位置.mp4
│      1163_1164 行人重识别实战_BackBone位置与流程.mp4
│      1164_1165 行人重识别实战_Neck层操作方法.mp4
│      1165_1166 行人重识别实战_Head层预测模块.mp4
│      1166_1167 行人重识别实战_损失函数计算模块.mp4
│      1167_1168 行人重识别实战_总结概述.mp4
│      
├─17 第十七章-对抗生成网络实战
│      1168_1169 对抗生成网络实战_课程介绍.mp4
│      1169_1170 对抗生成网络实战_对抗生成网络通俗解释.mp4
│      1170_1171 对抗生成网络实战_GAN网络组成.mp4
│      1171_1172 对抗生成网络实战_损失函数解释说明.mp4
│      1172_1173 对抗生成网络实战_数据读取模块.mp4
│      1173_1174 对抗生成网络实战_生成与判别网络定义.mp4
│      1174_1175 对抗生成网络实战_CycleGan网络所需数据.mp4
│      1175_1176 对抗生成网络实战_CycleGan整体网络架构.mp4
│      1176_1177 对抗生成网络实战_PatchGan判别网络原理.mp4
│      1177_1178 对抗生成网络实战_Cycle开源项目简介.mp4
│      1178_1179 对抗生成网络实战_数据读取与预处理操作.mp4
│      1179_1180 对抗生成网络实战_生成网络模块构造.mp4
│      1180_1181 对抗生成网络实战_判别网络模块构造.mp4
│      1181_1182 对抗生成网络实战_损失函数：identity loss计算方法.mp4
│      1182_1183 对抗生成网络实战_生成与判别损失函数指定.mp4
│      1183_1184 对抗生成网络实战_额外补充：VISDOM可视化配置.mp4
│      1184_1185 对抗生成网络实战_stargan效果演示分析.mp4
│      1185_1186 对抗生成网络实战_网络架构整体思路解读.mp4
│      1186_1187 对抗生成网络实战_建模流程分析.mp4
│      1187_1188 对抗生成网络实战_V1版本存在的问题及后续改进思路.mp4
│      1188_1189 对抗生成网络实战_V2版本在整体网络架构.mp4
│      1189_1190 对抗生成网络实战_编码器训练方法.mp4
│      1190_1191 对抗生成网络实战_损失函数公式解析.mp4
│      1191_1192 对抗生成网络实战_训练过程分析.mp4
│      1192_1193 对抗生成网络实战_测试模块效果与实验分析.mp4
│      1193_1194 对抗生成网络实战_项目配置与数据源下载.mp4
│      1194_1195 对抗生成网络实战_测试效果演示.mp4
│      1195_1196 对抗生成网络实战_项目参数解析.mp4
│      1196_1197 对抗生成网络实战_生成器模块源码解读.mp4
│      1197_1198 对抗生成网络实战_所有网络模块构建实例.mp4
│      1198_1199 对抗生成网络实战_数据读取模块分析.mp4
│      1199_1200 对抗生成网络实战_判别器损失计算.mp4
│      1200_1201 对抗生成网络实战_损失计算详细过程.mp4
│      1201_1202 对抗生成网络实战_生成模块损失计算.mp4
│      1202_1203 对抗生成网络实战_论文整体思路与架构解读.mp4
│      1203_1204 对抗生成网络实战_VCC2016输入数据.mp4
│      1204_1205 对抗生成网络实战_语音特征提取.mp4
│      1205_1206 对抗生成网络实战_生成器模型架构分析.mp4
│      1206_1207 对抗生成网络实战_InstanceNorm的作用解读.mp4
│      1207_1208 对抗生成网络实战_AdaIn的目的与效果.mp4
│      1208_1209 对抗生成网络实战_判别器模块分析.mp4
│      1209_1210 对抗生成网络实战_数据与项目文件解读.mp4
│      1210_1211 对抗生成网络实战_环境配置与工具包安装.mp4
│      1211_1212 对抗生成网络实战_数据预处理与声音特征提取.mp4
│      1212_1213 对抗生成网络实战_生成器构造模块解读.mp4
│      1213_1214 对抗生成网络实战_下采样与上采样操作.mp4
│      1214_1215 对抗生成网络实战_starganvc2版本标签输入分析.mp4
│      1215_1216 对抗生成网络实战_生成器前向传播维度变化.mp4
│      1216_1217 对抗生成网络实战_判别器模块解读.mp4
│      1217_1218 对抗生成网络实战_论文损失函数.mp4
│      1218_1219 对抗生成网络实战_源码损失计算流程.mp4
│      1219_1220 对抗生成网络实战_测试模块-生成转换语音.mp4
│      1220_1221 对抗生成网络实战_论文概述.mp4
│      1221_1222 对抗生成网络实战_网络架构.mp4
│      1222_1223 对抗生成网络实战_数据与环境配置.mp4
│      1223_1224 对抗生成网络实战_数据加载与配置.mp4
│      1224_1225 对抗生成网络实战_生成模块.mp4
│      1225_1226 对抗生成网络实战_判别模块.mp4
│      1226_1227 对抗生成网络实战_VGG特征提取网络.mp4
│      1227_1228 对抗生成网络实战_损失函数与训练.mp4
│      1228_1229 对抗生成网络实战_测试模块.mp4
│      1229_1230 对抗生成网络实战_论文概述.mp4
│      1230_1231 对抗生成网络实战_网络架构.mp4
│      1231_1232 对抗生成网络实战_细节设计.mp4
│      1232_1233 对抗生成网络实战_论文总结.mp4
│      1233_1234 对抗生成网络实战_数据与项目概述.mp4
│      1234_1235 对抗生成网络实战_参数基本设计.mp4
│      1235_1236 对抗生成网络实战_网络结构配置.mp4
│      1236_1237 对抗生成网络实战_网络迭代训练.mp4
│      1237_1238 对抗生成网络实战_测试模块.mp4
│      
├─18 第一十八章 强化学习与AI黑科技实例
│      1238_1239 强化学习与AI黑科技实例_一张图通俗解释强化学习.mp4
│      1239_1240 强化学习与AI黑科技实例_强化学习的指导依据.mp4
│      1240_1241 强化学习与AI黑科技实例_强化学习AI游戏DEMO.mp4
│      1241_1242 强化学习与AI黑科技实例_应用领域简介.mp4
│      1242_1243 强化学习与AI黑科技实例_强化学习工作流程.mp4
│      1243_1244 强化学习与AI黑科技实例_计算机眼中的状态与行为.mp4
│      1244_1245 强化学习与AI黑科技实例_基本情况介绍.mp4
│      1245_1246 强化学习与AI黑科技实例_与环境交互得到所需数据.mp4
│      1246_1247 强化学习与AI黑科技实例_要完成的目标分析.mp4
│      1247_1248 强化学习与AI黑科技实例_策略梯度推导.mp4
│      1248_1249 强化学习与AI黑科技实例_baseline方法.mp4
│      1249_1250 强化学习与AI黑科技实例_OnPolicy与OffPolicy策略.mp4
│      1250_1251 强化学习与AI黑科技实例_importance sampling的作用.mp4
│      1251_1252 强化学习与AI黑科技实例_PPO算法整体思路解析.mp4
│      1252_1253 强化学习与AI黑科技实例_Critic的作用与效果.mp4
│      1253_1254 强化学习与AI黑科技实例_PPO2版本公式解读.mp4
│      1254_1255 强化学习与AI黑科技实例_参数与网络结构定义.mp4
│      1255_1256 强化学习与AI黑科技实例_得到动作结果.mp4
│      1256_1257 强化学习与AI黑科技实例_奖励获得与计算.mp4
│      1257_1258 强化学习与AI黑科技实例_参数迭代与更新.mp4
│      1258_1259 强化学习与AI黑科技实例_整体任务流程演示.mp4
│      1259_1260 强化学习与AI黑科技实例_探索与action获取.mp4
│      1260_1261 强化学习与AI黑科技实例_计算target值.mp4
│      1261_1262 强化学习与AI黑科技实例_训练与更新.mp4
│      1262_1263 强化学习与AI黑科技实例_算法原理通俗解读.mp4
│      1263_1264 强化学习与AI黑科技实例_目标函数与公式解析.mp4
│      1264_1265 强化学习与AI黑科技实例_Qlearning算法实例解读.mp4
│      1265_1266 强化学习与AI黑科技实例_Q值迭代求解.mp4
│      1266_1267 强化学习与AI黑科技实例_DQN简介.mp4
│      1267_1268 强化学习与AI黑科技实例_DoubleDqn要解决的问题.mp4
│      1268_1269 强化学习与AI黑科技实例_DuelingDqn改进方法.mp4
│      1269_1270 强化学习与AI黑科技实例_Dueling整体网络架构分析.mp4
│      1270_1271 强化学习与AI黑科技实例_MultiSetp策略.mp4
│      1271_1272 强化学习与AI黑科技实例_连续动作处理方法.mp4
│      1272_1273 强化学习与AI黑科技实例_AC算法回顾与知识点总结.mp4
│      1273_1274 强化学习与AI黑科技实例_优势函数解读与分析.mp4
│      1274_1275 强化学习与AI黑科技实例_计算流程实例.mp4
│      1275_1276 强化学习与AI黑科技实例_A3C整体架构分析.mp4
│      1276_1277 强化学习与AI黑科技实例_损失函数整理.mp4
│      1277_1278 强化学习与AI黑科技实例_整体流程与环境配置.mp4
│      1278_1279 强化学习与AI黑科技实例_启动游戏环境.mp4
│      1279_1280 强化学习与AI黑科技实例_要计算的指标回顾.mp4
│      1280_1281 强化学习与AI黑科技实例_初始化局部模型并加载参数.mp4
│      1281_1282 强化学习与AI黑科技实例_与环境交互得到训练数据.mp4
│      1282_1283 强化学习与AI黑科技实例_训练网络模型.mp4
│      1283_1284 强化学习与AI黑科技实例_GPT系列生成模型.mp4
│      1284_1285 强化学习与AI黑科技实例_生成模型可以完成的任务概述.mp4
│      1285_1286 强化学习与AI黑科技实例_数据样本生成方法.mp4
│      1286_1287 强化学习与AI黑科技实例_训练所需参数解读.mp4
│      1287_1288 强化学习与AI黑科技实例_模型训练过程.mp4
│      1288_1289 强化学习与AI黑科技实例_部署与网页预测展示.mp4
│      1289_1290 强化学习与AI黑科技实例_CLIP系列.mp4
│      1290_1291 强化学习与AI黑科技实例_Diffusion模型解读.mp4
│      1291_1292 强化学习与AI黑科技实例_Dalle2及其源码解读.mp4
│      1292_1293 强化学习与AI黑科技实例_ChatGPT.mp4
│      
├─19 第一十九章-向医学领域的深度学习实战
│      1293_1294 面向医学领域的深度学习实战_卷积神经网络应用领域.mp4
│      1294_1295 面向医学领域的深度学习实战_卷积的作用.mp4
│      1295_1296 面向医学领域的深度学习实战_卷积特征值计算方法.mp4
│      1296_1297 面向医学领域的深度学习实战_得到特征图表示.mp4
│      1297_1298 面向医学领域的深度学习实战_步长与卷积核大小对结果的影响.mp4
│      1298_1299 面向医学领域的深度学习实战_边缘填充方法.mp4
│      1299_1300 面向医学领域的深度学习实战_特征图尺寸计算与参数共享.mp4
│      1300_1301 面向医学领域的深度学习实战_池化层的作用.mp4
│      1301_1302 面向医学领域的深度学习实战_整体网络架构.mp4
│      1302_1303 面向医学领域的深度学习实战_VGG网络架构.mp4
│      1303_1304 面向医学领域的深度学习实战_残差网络Resnet.mp4
│      1304_1305 面向医学领域的深度学习实战_感受野的作用.mp4
│      1305_1306 面向医学领域的深度学习实战_PyTorch实战课程简介.mp4
.......................

游客，如果您要查看本帖隐藏内容请回复

本帖隐藏的内容需要登入才可浏览，如需注册账号请点击这里

smart009131

啥也不说了，感谢楼主分享哇！

沐秋烟

啥也不说了，感谢楼主分享哇！

zhangzhe821

123454687954645

neun

啥也不说了，感谢楼主分享哇！

bigboy909

啥也不说了，感谢楼主分享哇！

yeCoding

啥也不说了，感谢楼主分享哇！

long2017

1 强化学习与AI黑科技实例_Diffusion模型解读.mp4

gefeiannan

确实是难得好帖啊，顶先

bai615

啥也不说了，感谢楼主分享哇！