成为VIP
来自贪心学院高端AI培训系课课程： CV计算机视觉集训营，美国微软资深AI工程师带你搭上“深度学习工程师直通车”，四个月和你一起奋战，转型AI一步成功。课程官方售价12998元，本套包含231节完整无加密版培训视频、课件资料、源码等。适合谁学：有机器学习基础，有较强的编程能力，对数据结构与算法比较熟悉之后想从事CV、深度学习相关研究工作，想申请国外名校读相关专业的硕士/博士，对计算机视觉和深度学习领域最新知识体系深入学习，想转型到一线做AI工程师、深度学习工程师、视觉工程师的学员。
- 课程视频截图：
课程目录：
├─第一章
│ 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
│
├─第二章
│ 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
│
├─第三章
│ 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.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
│
├─第四章
│ 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
│
└─资料
CVSource.zip
