咕泡-人工智能深度学习系统班（第八期） - 猎人搜索 轻松搜寻全网资源

• file:第四模块：mmocr-main.zip
• file:第六模块：mmediting-master.zip
• file:第二模块：mmsegmentation-0.20.2.zip
• file:mask2former(mmdetection).zip
• file:ner.zip
• file:第七模块：mmdetection3d-1.0.0rc0.zip
• file:第5节：U-2-Net.zip
• file:MaskRcnn网络框架源码详解.zip
• file:图像识别核心模块实战解读.zip
• file:PyTorch框架基本处理操作.zip
• file:R(2+1)D网络.pdf
• file:mask-rcnn.pdf
• file:f112c9fda85536ee3eba662c9043e683.bat
• file:第十二章：基于Transformer的detr目标检测算法.pdf
• file:物体检测.pdf
• file:可变形DETR.pdf
• file:Yolov7结构图.pptx
• file:YOLOV7.pdf
• file:EfficientDet.zip
• file:json2yolo.py
• file:detr目标检测源码解读.zip
• file:CenterNet.pdf
• file:第六章：DataLoader自定义数据集制作.zip
• file:第五章：图像识别模型与训练策略（重点）.zip
• file:第七章：LSTM文本分类实战.zip
• file:flask预测.zip
• file:torch-1.10.0+cu113-cp38-cp38-win_amd64.whl
• file:VisualStudioSetup.exe
• file:cuda_11.3.0_465.89_win10.exe
• file:pycharm-community-2022.1.2.exe
• file:notepadplusplus-8-4.exe
• file:Anaconda3-2020.07-Windows-x86_64.exe
• file:第9节：基于文本数据的推荐实例.zip
• file:第8节：推荐系统常用工具包演示.zip
• file:第7节：DeepFM算法实战.zip
• file:第2节：协同过滤与矩阵分解.pdf
• file:第1节：推荐系统介绍.pdf
• file:第11节：补充-基于相似度的酒店推荐系统.zip
• file:语音识别LAS模型.zip
• file:语音合成tacotron2实战.zip
• file:语音分离Conv-TasNet.zip
• file:变声器pytorch-StarGAN-VC2.zip
• file:YOLO部署实例.zip
• file:TensorFlow-serving.zip
• file:pytorch-slimming.zip
• file:mobilenetv3.py
• file:Docker使用命令.zip
• file:16-词向量模型与RNN网络架构.zip
• file:第8节：A3C算法玩转超级马里奥.zip
• file:第7节：Actor-Critic算法分析(A3C).pdf
• file:第3节：策略梯度实战-月球登陆器训练实例.zip
• file:第7节：starganvc2变声器项目实战及其源码解读.zip
• file:第3节：基于CycleGan开源项目实战图像合成.zip
• file:第2节：对抗生成网络架构原理与实战解析.zip
• file:cyclegan.pdf
• file:第9章：基于Opencv缺陷检测项目实战.zip
• file:第5章：Semi-supervised布料缺陷检测实战.zip
• file:DeepLab铁质材料缺陷检测与开源项目应用流程.zip
• file:第四章：swintransformer算法原理解析.pdf
• file:Transformer在视觉中的应用VIT算法.pdf
• file:transformer.pdf
• file:Medical-Transformer.zip
• file:baiduyunguangjia_cfg_A900527E-5BA6-4d22-8E96-E40D5C6EDF61.cfg
• file:2104.00680.pdf
• file:基础补充-PyTorch框架必备核心模块解读.zip
• file:slowfast论文.pdf
• file:4-基于3D卷积的视频分析与动作识别.zip
• file:6-视频异常检测CVPR2021论文及其源码解读.zip
• file:5-视频异常检测算法与元学习.pdf
• file:第四章：Deepsort源码解读.zip
• file:第二章：OpenPose算法源码分析.zip
• file:第一章：姿态估计OpenPose系列算法解读.pdf
• file:9-Decoder要完成的操作.mp4
• file:6-偏移量offset计算.mp4
• file:7-偏移量对齐操作.mp4
• file:5-编码层中的序列分析.mp4
• file:4-准备Encoder编码层所需全部输入.mp4
• file:3-得到相对位置点编码.mp4
• file:2-序列特征展开并叠加.mp4
• file:10-分类与回归输出模块.mp4
• file:11-预测输出结果与标签匹配模块.mp4
• file:7-模型测试与可视化分析模块.mp4
• file:8-补充：评估指标.mp4
• file:4-配置文件数据增强策略分析.mp4
• file:5-训练所需配置说明.mp4
• file:6-模型训练与DEMO演示.mp4
• file:3-通过脚本生成COCO数据格式.mp4
• file:1-数据集标注与标签获取.mp4
• file:9-全局特征的作用与实现.mp4
• file:6-近似Attention模块实现.mp4
• file:7-完成特征提取与融合模块.mp4
• file:5-卷积位置编码计算方法.mp4
• file:3-DEBUG解读Backbone设计.mp4
• file:4-PatchEmbedding的作用与实现.mp4
• file:10-汇总多层级特征进行输出.mp4
• file:8-VIT模块源码分析.mp4
• file:6-如何修改参数适配网络结构.mp4
• file:5-给Unet添加一个neck层.mp4
• file:7-将Unet特征提取模块替换成transformer.mp4
• file:3-上采样与输出层.mp4
• file:4-加载预训练模型开始训练.mp4
• file:3-根据预测类别数修改配置文件.mp4
• file:1-项目配置基本介绍.mp4
• file:9-模型分析脚本使用.mp4
• file:8-MMCLS可视化模块应用.mp4
• file:6-Grad-Cam可视化方法.mp4
• file:7-可视化细节与效果分析.mp4
• file:4-修改配置文件中的参数.mp4
• file:5-数据增强流程可视化展示.mp4
• file:3-MMCLS中增加一个新的模块.mp4
• file:2-测试评估模型效果.mp4
• file:1-OCR算法解读.mp4
• file:1-创建自己的行为识别标注数据集.mp4
• file:1-在源码中加入各种注意力机制方法.mp4
• file:2-搜索匹配到符合计算量的模型并训练.mp4
• file:1-SuperNet网络结构分析与剪枝概述.mp4
• file:6-根据文件夹定义数据集.mp4
• file:2-准备MMCLS项目.mp4
• file:6-分别得到Teacher与Student模型.mp4
• file:5-日志输出与模型分离.mp4
• file:4-开始模型训练过程与问题修正.mp4
• file:3-训练T与S得到蒸馏模型.mp4
• file:1-任务概述与工具使用.mp4
• file:9-多模态特征融合.mp4
• file:3-基本流程梳理并进入debug模式.mp4
• file:4-数据与图像特征提取模块.mp4
• file:11-输出层预测结果.mp4
• file:9-准备变形卷积模块的输入.mp4
• file:3-光流估计网络模块.mp4
• file:10-传播流程整体完成一圈.mp4
• file:1-要完成的任务分析与配置文件.mp4
• file:6-损失函数概述.mp4
• file:3-特征编码风格拼接.mp4
• file:8-整合得到图模型输入特征.mp4
• file:7-准备拼接边与点特征.mp4
• file:3-配置文件与标签要进行处理操作.mp4
• file:2-KIE数据集格式调整方法.mp4
• file:1-配置文件以及要完成的任务解读.mp4
• file:5-视觉模型中的编码与解码的效果.mp4
• file:4-视觉Transformer模块的作用.mp4
• file:3-Bakbone模块得到特征.mp4
• file:1-KIE关键信息抽取与视频超分辨率重构.mp4
• file:7-Decoder中的AttentionMask方法.mp4
• file:5-Encoder特征构建方法实例.mp4
• file:4-偏移量与权重计算并转换.mp4
• file:3-多层级输入特征序列创建方法.mp4
• file:2-多层级采样点初始化构建.mp4
• file:13-汇总所有损失完成迭代.mp4
• file:12-最终损失计算流程.mp4
• file:1-DeformableDetr算法解读.mp4
• file:1-分割模型Maskformer系列.mp4
• file:6-补充：R(2plus1)D处理方法分析.mp4
• file:5-补充：视频数据源特征处理方法概述.mp4
• file:2-项目参数与数据集读取.mp4
• file:3-网络前向传播流程.mp4
• file:1-PascalVoc数据集介绍.mp4
• file:6-deeplabV3Plus版本网络架构.mp4
• file:1-deeplab分割算法概述.mp4
• file:2-显著性检测任务与目标概述.mp4
• file:5-迭代完成整个模型计算任务.mp4
• file:3-Debug模式演示网络计算流程.mp4
• file:1-医学细胞数据集介绍与参数配置.mp4
• file:1-Unet网络编码与解码过程.mp4
• file:3-Unet升级版本改进.mp4
• file:4-maskrcnn源码修改方法.mp4
• file:5-基于标注数据训练所需任务.mp4
• file:2-使用labelme进行数据与标签标注.mp4
• file:3-完成训练数据准备工作.mp4
• file:1-Labelme工具安装.mp4
• file:9-正负样本选择与标签定义.mp4
• file:7-Proposal层实现方法.mp4
• file:8-DetectionTarget层的作用.mp4
• file:4-基于不同尺度特征图生成所有框.mp4
• file:2-FPN网络架构实现解读.mp4
• file:12-整体框架回顾.mp4
• file:11-RorAlign操作的效果.mp4
• file:10-RoiPooling层的作用与目的.mp4
• file:2-分割任务中的目标函数定义.mp4
• file:9-SAM注意力机制模块.mp4
• file:4-DropBlock与标签平滑方法.mp4
• file:11-激活函数与整体架构总结.mp4
• file:8-训练模型并测试效果.mp4
• file:5-json格式转换成yolo-v3所需输入.mp4
• file:8-YOLO层定义解析.mp4
• file:7-路由层与shortcut层的作用.mp4
• file:4-标签文件读取与处理.mp4
• file:14-完成所有损失函数所需计算指标.mp4
• file:11-模型要计算的损失概述.mp4
• file:7-sotfmax层改进.mp4
• file:2-多scale方法改进与特征融合.mp4
• file:3-经典变换方法对比分析.mp4
• file:4-基于聚类来选择先验框尺寸.mp4
• file:1-V2版本细节升级概述.mp4
• file:5-置信度误差与优缺点分析.mp4
• file:5-mask与编码模块.mp4
• file:2-数据处理与dataloader.mp4
• file:4-注意力机制的作用方法.mp4
• file:1-DETR目标检测基本思想解读.mp4
• file:3-位置信息初始化query向量.mp4
• file:9-得到偏移点所在网格位置.mp4
• file:8-候选框偏移方法与find3p模块解读.mp4
• file:6-输出层与配置文件其他模块解读.mp4
• file:3-EMA等训练技巧解读.mp4
• file:18-BN与卷积权重参数融合方法.mp4
• file:19-重参数化多分支合并加速.mp4
• file:16-辅助头AUX网络结构配置文件解析.mp4
• file:14-通过IOU与置信度分配正样本.mp4
• file:13-GT匹配正样本数量计算.mp4
• file:12-预测值各项指标获取与调整.mp4
• file:11-候选框筛选流程分析.mp4
• file:10-完成BuildTargets模块.mp4
• file:6-getItem构建batch.mp4
• file:4-Mosaic数据增强方法.mp4
• file:21-模型迭代过程.mp4
• file:20-各种训练策略概述.mp4
• file:13-SPP层计算细节分析.mp4
• file:12-BottleneckCSP层计算方法.mp4
• file:1-数据源DEBUG流程解读.mp4
• file:5-模板匹配得出识别结果.mp4
• file:1-总体流程与方法讲解.mp4
• file:1-Canny边缘检测流程.mp4
• file:3-scharr与lapkacian算子.mp4
• file:4-闭眼检测.mp4
• file:2-获取人脸关键点.mp4
• file:4-pading与stride.mp4
• file:1-卷积神经网络的应用.mp4
• file:1-计算机眼中的图像.mp4
• folder:咕泡-人工智能深度学习系统班（第八期）
• folder:第八期资料
• folder:9-走向AI论文实验与项目实战的捷径-MMLAB实战系列
• folder:8-图像分割实战
• folder:7-综合项目-物体检测经典算法实战
• folder:6-Opencv图像处理框架实战
• folder:5-深度学习框架Tensorflflow
• folder:4-深度学习框架PyTorch
• folder:30-论文创新点常用方法及其应用实例
• folder:3-深度学习必备核⼼算法
• folder:29-推荐系统实战系列
• folder:26-自然语言处理通用框架-BERT实战
• folder:25-时间序列预测
• folder:24-自然语言处理必备神器Huggingface系列实战
• folder:22-深度学习模型部署与剪枝优化实战
• folder:21-CV与NLP经典大模型解读
• folder:20-面向医学领域的深度学习实战
• folder:17-行人重识别实战
• folder:19-强化学习与AI黑科技实例
• folder:15-对比学习与多模态任务实战
• folder:11-2022论⽂必备-Transformer实战系列
• folder:14-面向深度学习的无人驾驶实战
• folder:10-经典视觉项目实战：行为识别、姿态估计、目标追踪
• folder:1-直播回放
• folder:第2章 AI课程所需安装软件教程
• folder:第28章 语音识别实战系列
• folder:第23章 ⾃然语⾔处理经典案例实战
• folder:第18章 对抗⽣成⽹络实战
• folder:第10章 经典视觉项目实战-行为识别
• folder:9-第三模块：DeformableDetr物体检测源码分析
• folder:8-第三模块：mmdet训练自己的数据任务
• folder:7-第二模块：分割任务CVPR最新Backbone设计及其应用
• folder:6-第二模块：基于Unet进行各种策略修改
• folder:4-第一模块：模型源码DEBUG演示
• folder:3-第一模块：训练结果测试与验证
• folder:22-OCR算法解读
• folder:21-第九模块：mmaction行为识别
• folder:23-额外补充-在源码中加入各种注意力机制方法
• folder:20-第八模块：模型剪枝方法概述分析
• folder:2-第一模块：分类任务基本操作
• folder:19-第八模块：模型蒸馏应用实例
• folder:18-第七模块：多模态3D目标检测算法源码解读
• folder:17-第六模块：BasicVSR++视频超分辨重构源码解读
• folder:16-第五模块：stylegan2源码解读
• folder:15-第四模块：KIE基于图模型的关键信息抽取
• folder:14-第四模块：ANINET文字识别
• folder:11-补充：Mask2former源码解读
• folder:1-MMCV安装方法
• folder:7-医学⼼脏视频数据集分割建模实战
• folder:6-基于deeplabV3+版本进⾏VOC分割实战
• folder:5-deeplab系列算法
• folder:4-U2NET显著性检测实战
• folder:3-unet医学细胞分割实战
• folder:2-Unet系列算法讲解
• folder:12-基于MASK-RCNN框架训练自己的数据与任务
• folder:10-物体检测框架-MaskRcnn项目介绍与配置
• folder:1-图像分割及其损失函数概述
• folder:9-V5版本项目配置
• folder:8-YOLO-V4版本算法解读
• folder:7-基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）
• folder:6-项目实战-基于V3版本进行源码解读（建议直接跑V5版本）
• folder:3-YOLO-V1整体思想与网络架构
• folder:17-EfficientNet网络
• folder:16-半监督物体检测
• folder:14-detr目标检测源码解读
• folder:1-物体检测评估指标
• folder:9-项目实战-信用卡数字识别
• folder:8-直方图与傅里叶变换
• folder:7-图像金字塔与轮廓检测
• folder:3-阈值与平滑处理
• folder:21-项目实战-疲劳检测
• folder:20-卷积原理与操作
• folder:18-Opencv的DNN模块
• folder:13-案例实战-全景图像拼接
• folder:12-图像特征-sift
• folder:1-课程简介与环境配置
• folder:9-项目实战：基于TensorFlow实现word2vec
• folder:8-递归神经⽹络与词向量原理解读
• folder:7-训练策略-迁移学习实战
• folder:5-项目实战：猫狗识别实战
• folder:3-搭建神经⽹络进⾏分类与回归任务
• folder:2-神经网络原理解读与整体架构
• folder:13-项目实战：经典网络架构Resnet实战
• folder:11-项目实战：将CNN网络应用于文本分类实战
• folder:1-tensorflflow安装与简介
• folder:7-LSTM文本分类实战
• folder:4-卷积网络参数解读分析
• folder:3-神经网络回归任务-气温预测
• folder:1-PyTorch框架介绍与配置安装
• folder:4-VIT源码解读
• folder:3-Transformer
• folder:1-神经网络结构
• folder:9-基于文本数据的推荐实例
• folder:8-推荐系统常用工具包演示
• folder:7-DeepFM算法实战
• folder:6-点击率估计FM与DeepFM算法
• folder:4-知识图谱与Neo4j数据库实例
• folder:2-协同过滤与矩阵分解
• folder:10-基本统计分析的电影推荐
• folder:1-推荐系统介绍及其应用
• folder:7-语音合成tacotron最新版实战
• folder:6-ConvTasnet语音分离实战
• folder:5-语音分离ConvTasnet模型
• folder:4-staeganvc2变声器源码实战
• folder:2-LAS模型语音识别实战
• folder:1-seq2seq序列网络模型
• folder:8-医学糖尿病数据命名实体识别
• folder:7-金融平台风控模型实践
• folder:6-文本关系抽取实践
• folder:5-基于知识图谱的医药问答系统实战
• folder:4-使用python操作neo4j实例
• folder:2-知识图谱涉及技术点分析
• folder:7-必备基础知识点-RNN网络架构与情感分析应用实例
• folder:5-必备基础知识点-woed2vec模型通俗解读
• folder:4-项目实战-基于BERT的中文命名实体识别识别实战
• folder:2-谷歌开源项目BERT源码解读与应用实例
• folder:3-Timesnet时序预测
• folder:9-文本摘要建模
• folder:8-GPT训练与预测部署流程
• folder:6-文本预训练模型构建实例
• folder:5-文本标注工具与NER实例
• folder:11-补充Huggingface数据集制作方法实例
• folder:9-基于word2vec的分类任务
• folder:8-使用Gemsim构建词向量
• folder:6-HMM工具包实战
• folder:5-HMM隐马尔科夫模型
• folder:3-贝叶斯算法
• folder:2-商品信息可视化与文本分析
• folder:14-对话机器人
• folder:11-NLP-相似度模型
• folder:10-NLP-文本特征方法对比
• folder:8-docker实例演示
• folder:7-YOLO-V3物体检测部署实例
• folder:4- AIoT人工智能物联网之deepstream
• folder:3-AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
• folder:12-Mobilenet三代网络模型架构
• folder:11-模型剪枝-Network Slimming实战解读
• folder:9-扩散模型diffusion架构算法解读
• folder:8-视觉QA算法与论文解读
• folder:7-视觉大模型SAM
• folder:6-LLM下游任务训练自己模型实战
• folder:5-LLM与LORA微调策略解读
• folder:4-chatgpt算法解读分析
• folder:18-补充-视觉大模型基础-deformableAttention
• folder:16-BEV感知特征空间算法解读
• folder:15-视觉自监督任务BEITV2源码解读
• folder:12-自监督任务-对比学习思想
• folder:11-openai-dalle2源码解读
• folder:4-基于Resnet的医学数据集分类实战
• folder:13-知识图谱原理解读
• folder:12-基于YOLO5细胞检测实战
• folder:10-基于deeplab的心脏视频数据诊断分析
• folder:9-基于GAN的图像补全实战
• folder:4-stargan论文架构解析
• folder:8-额外补充：行人搜索源码分析
• folder:6-旷视研究院最新算法解读（基于图模型）
• folder:5-项目实战-基于行人局部特征融合的再识别实战
• folder:4-AAAI2020顶会算法精讲
• folder:3-基于Attention的行人重识别项目实战
• folder:2-基于注意力机制的Reld模型论文解读
• folder:8-GPT系列生成模型
• folder:7-用A3C玩转超级马里奥
• folder:5-DQN改进与应用技巧
• folder:4-Q-learning与DQN算法
• folder:3-PPO实战-月球登陆器训练实例
• folder:12-Dalle2及其源码解读
• folder:2-PPO算法与公式推导
• folder:10-CLIP系列
• folder:13-ChatGPT
• folder:8-Opencv梯度计算与边缘检测实例
• folder:4-物体检测框架YOLOV5项目工程源码解读
• folder:11-基于视频流⽔线的Opencv缺陷检测项⽬
• folder:8-基础补充-对抗生成网络架构原理与实战解析
• folder:7-点云配准及其案例实战
• folder:6-点云补全实战解读
• folder:4-Pointnet++项目实战
• folder:2-3D点云PointNet算法
• folder:1-3D点云实战 3D点云应用领域分析
• folder:4-多模态文字识别
• folder:20-Huggingface与NLP（讲故事）
• folder:19-Informer时间序列源码解读
• folder:13-局部特征关键点匹配实战
• folder:10-MedicalTrasnformer论文解读
• folder:9-NeuralRecon项目环境配置
• folder:7-三维重建应用与坐标系基础
• folder:5-商汤LoFTR算法解读
• folder:4-基于深度学习的车道线检测项目实战
• folder:2-深度估计项目实战
• folder:12-TSDF实战案例
• folder:15-特斯拉无人驾驶解读
• folder:7-基础补充-Resnet模型及其应用实例
• folder:3-slowfast源码详细解读
• folder:2-slowfast项目环境配置与配置文件
• folder:11-deepsort算法知识点解读
• folder:10-OpenPose算法源码分析
• folder:8-基于图模型的轨迹估计
• folder:5-图注意力机制与序列图模型
• folder:4-使用PyTorch Geometric构建自己的图数据集
• folder:3-图模型必备神器PyTorch Geometric安装与使用
• folder:2-图卷积GCN模型
• folder:9-直播8：GPT与Hugging face
• folder:7-直播6：Transformer Decoder在视觉任务的应用
• folder:5-直播4：视觉Transformer- VIT源码解读
• folder:6-直播5：图神经网络
• folder:14-直播13：时间序列timesnet与地理分类任务
• folder:16-直播15：知识图谱与LORA
• folder:15-直播14：论文写作与就业简历
• folder:13-直播12：多模态与交叉注意力应用
• folder:10-直播9：自监督任务
• folder:YOLO系列（PyTorch）
• folder:课件
• folder:第3节：音乐推荐系统实战
• folder:第1.2节：知识图谱介绍及其应用领域分析
• folder:第十章：图谱知识抽取实战
• folder:第四章：BERT系列算法解读
• folder:第二章：Transformer工具包基本操作实例解读
• folder:源码、数据集等
• folder:NLP常用工具包
• folder:嵌入式AI
• folder:15-直播13：BEITV2-3与Mmlab自监督源码解读
• folder:1-9 直播7：文本大模型下游任务一条龙资料
• folder:1-7 节直播5：Segment anything
• folder:1-17 节直播15：总结与论文和简历
• folder:1-16 节直播14：Bev特征空间与知识蒸馏
• folder:1-12 节直播10：EfficientVIT与DINOV2
• folder:1-11 节直播9：LangChain与VQA任务
• folder:1-1 节开班典礼
• folder:第6节：基于starganvc2的变声器论文原理解读
• folder:第7节：基于拓扑图的行人重识别项目实战
• folder:第4节：经典会议算法精讲（特征融合）
• folder:第1节：行人重识别原理及其应用
• folder:第11-12章：deeplab
• folder:第6-8章：Opencv各函数使用实例
• folder:第1-4章：YOLOV5缺陷检测
• folder:PyTorch基础
• folder:对比学习算法与实例
• folder:第5节：点云补全PF-Net论文解读
• folder:第十二，十三章