课程目录
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) X( K1 C& f: H0 H
任务102：项目介绍.mp4; U, ]( \. f8 J- A; n; c5 L# M
+ M! A9 s' V5 u/ D
任务103：交通指示牌识别的简介.mp44 |/ l( |' b1 | U: a8 F
$ n8 u* v& D/ T1 s1 H2 E
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* B9 t. b: w2 z$ k0 v4 K
! i+ S/ M) v$ Q# K
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
5 x! }4 K4 w! Y# K* c( V
任务108：色彩空间转换.mp4" g& M* ^3 o' M3 V. h F
任务109：直方图均衡.mp4
& T* T6 W& g( _- S+ G! T
任务10：问答环节.mp40 `- D$ n# f* E, j
6 b! p$ M/ i) M3 J1 d5 Y2 y
任务110：图像标准化.mp44 `% v+ c% M, a: E' x) N
5 z0 h2 D: s2 W; I9 U* e
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, w4 B9 }# b/ v3 O* L" S
# \! x+ }" t8 ~
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
. R+ W1 E/ B+ b0 c* E$ X) E
任务116：卷积神经网络的数学原理02.mp4
% w! a# w4 B7 d2 v% G
任务117：深度学习调参-直播-01.mp4: O" ~( r5 c/ G1 S' G6 }
) T+ U: m/ V" |& F3 g# i
任务118：深度学习调参-直播-02.mp4: M8 G0 @5 I* m' }
任务119：深度学习调参-直播-03.mp4
' m9 I: X- t! s( Y4 m, o) c# m
任务11：环境安装.mp42 |5 n [2 P) n$ ~) _) z
0 W- c% {2 u/ a- Q
任务120：卷积层的启发.mp4
任务121：卷积层的定量分析.mp4
% d) w4 r# I* d! s( I
任务122：单通道输入 单通道输出的卷积层的实例.mp4
, G9 _. X/ L: ^. f) o. J
任务123：多通道输入 多通道输出的卷积层的实例.mp4! H+ x: X$ e' W4 j- c9 x
. d& b* k& {7 ?9 Y1 G
任务124：池化层的原理 定量分析.mp4+ h" m5 K7 ?# F& E y
4 k0 O1 {$ A7 N m/ }: C+ ]
任务125：卷积神经网络和全连接神经网络的比较.mp4; C" I. M! g, A! J
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.mp40 Q) U$ ]# j, @# L4 u0 m7 K K
任务127：基于深度学习的图像分类历史回顾.mp47 D+ j: F1 S% }9 e& G# h
任务128：AlexNet的结构分析.mp4
任务129：ZFNet的结构分析.mp43 y1 _( D! | y$ g: Q: f; B
任务12：二元分类问题.mp4, p- a1 K# V9 U+ p* \4 k7 N
任务130：VGG的结构分析.mp4
4 r5 p5 R- q8 g
任务131：GoogleNet Inception的结构分析.mp4
8 r% g9 W$ L1 N( I
任务132：Inception V3的结构分析.mp42 X! t/ s+ N: f$ ?
任务133：ResNet的结构分析.mp4
/ b9 D2 U5 f' C: @5 E% r
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.mp40 j- H& m7 u0 H2 u/ A0 d
任务136：基于去噪自动编码器的图像搜索代码实现.mp4# v8 c6 {8 p! r5 e9 M$ {- c3 }* ]
) G1 x# M/ I* D4 _: |. |
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* n A3 L1 G0 G2 A6 z4 K! l
( x/ r1 t$ e" P; O( X: w
任务138：项目1-看图说话（助教）讲解和答疑-01.mp4' u, V) G, q& Q6 k' N1 \% h6 s
9 [) f% V) n6 T: y1 a6 n% s
任务139：项目1-看图说话（助教）讲解和答疑-02.mp4
任务13：逻辑函数.mp4
任务140：项目介绍.mp4
2 T# Q5 u3 v7 X* [# _
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/ w x! o: n! v+ p$ Y! p
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$ ]3 ?% S% f9 N* n+ _
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! D9 n z' p5 n% ^! A" J8 T
任务14：指数与对数 、逻辑回归.mp4
任务150：解决数据不平衡的问题 DataGenerator的应用.mp4. H* k' Y/ P T1 R% J
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.mp40 o- o' J8 |, t. w8 g4 U+ d: @
任务159：如何安装Python 连接模拟器的Python 库.mp4
任务15：示例.mp4
任务160：windows 下面使用自动驾驶模拟器的教程.mp4" ?1 j: Q7 `9 ~& n- Z* T
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% v6 w; X9 I' f9 J! T
任务163：基于HOG(梯度直方图)的目标识别.mp4* t, n8 [7 c b4 e6 F
任务164：Non-Max Suppression IoU 和 Hard Negative Mining.mp4$ |8 z% s' K) _/ }* R) g+ l
任务165：R-CNN的工作原理.mp41 u. G8 {3 z* N5 s" w
: o$ t* `% k1 R
任务166：R-CNN中的边界框(Bounding Box)预测原理.mp4- R) r$ n5 M a
0 q! r% f& c8 n
任务167：R-CNN的不足之处.mp48 B9 y$ C. I( ]& _+ ]
任务168：Fast R-CNN详解.mp4* x! s9 q. L9 O( z7 Y) p1 a' g
7 v7 i: B( A ^$ l' L
任务169：Faster R-CNN Region Proposal Network.mp44 M# L$ {: Z9 x- V" J1 K
! X- R1 J7 g G2 a$ W, s7 d
任务16：损失函数.mp4 x2 P6 j$ f9 k$ u, q
1 M8 b6 V J9 s$ r. t$ p
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.mp41 s( m0 x `9 l2 f* Q& h: n
任务172：SSD的简介 SSD与R-CNN的比较.mp4
6 b2 W* n3 V8 q
任务173：SSD的网络结构.mp4
' y, E6 I* t: a# i3 `# [8 c* z7 ?
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- T' |) Y* f4 s0 \0 o' ]
任务177：VGG16到SSD网络的演化 L2Normalization层的实现.mp4: v8 @, S, z c, g9 T4 }( m
任务178：SSD各个技术对失败率的影响 Atrous卷积层的原理.mp4" t# P1 Q, z+ J% D4 c$ F
任务179：使用卷积作为最后的预测层详解.mp4
& m' W/ K e5 N2 m* M# C4 N
任务17：损失函数推演.mp4
任务180：SSD定位损失函数详解.mp4: A$ }; Z) {$ w1 v3 [+ I
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.mp48 x& G$ r5 m" k% I
任务183：Non-Max Suppression的原理.mp4& _7 \- L" w" O6 ]5 Q1 C# Z
任务184：SSD和YOLO的比较 SSD的总结.mp4
2 X& C; |* t. w2 i4 Y, B
任务185：图像分割简介.mp48 `2 W) D4 R! O& L
1 [" e2 G; H! r6 t& }
任务186：基于深度学习的图像分割U-Net的原理.mp4+ r. r' p8 ?; F# O6 S4 f( G6 d7 [
( M" `: a9 Y9 C2 C9 f" c$ ?
任务187：Transposed Convolution原理与运用.mp4
8 ^/ w, I, c9 |
任务188：U-Net的代码讲解.mp4
. p7 }! a6 Q. |( P, }
任务189：图像生成的原理.mp4" i9 \2 G2 O9 _6 L. g
* ^+ r9 x5 N" K4 J" z+ t
任务18：梯度下降法.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.mp43 \1 v, ]+ |6 x) [2 ]; i
( I. G$ ~" ^- w+ `: R7 q4 Z4 P
任务191：图像风格转移的原理.mp4% d# r+ [, _& D
7 q, B. \" _/ M, x" z' {
任务192：使用深度学习实现图像风格转移的代码讲解.mp4. z6 D- @+ N# t' \0 N
$ {1 R5 n$ c2 B3 w- E
任务193：SSD的原理回顾.mp4
+ p4 Y2 W) S" h8 k$ V3 B5 } n+ q
任务194：编程项目的训练数据介绍.mp4) A, L4 P, T3 K. N ?1 P2 l
任务195：对SSD模型对产生Anchor有影响的参数讲解.mp4, s$ ~# ^. I, j
. a& R+ w4 q. Q' r) s: N f
任务196：对候选框精选处理有影响的参数讲解.mp4 \+ X, ?+ ?% }, h- z: f
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& c! U/ Y7 F7 S0 P4 x9 j
任务19：应用.mp4
任务1：机器学习、深度学习简介.mp4
任务200：SSD解码的实现.mp4( V8 {# j$ Z$ F
任务201：帮助函数IoU, 坐标转换, SSD损失函数, Non-Max-Suppression的实现.mp4
任务202：二值化神经网络的简介.mp4! A; `- x X4 a/ d
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.mp41 Q. {% q" y. B. f/ K/ u: T
任务205：二值化网络的实验结果.mp4 v- J" ?7 A8 C. h/ l
任务206：二值化全连接网络的代码讲解.mp4 _7 }% V& C; X
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20：直播答疑.mp4
任务210：项目作业要求.mp47 K L, P6 X0 e3 @( }: F, n4 b8 t
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.mp40 c# L: l! b) Y' X5 Z9 W- W
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$ y$ E& f" s5 U; C/ u
任务215：lightweight-network答疑时间.mp4
任务216：回顾EffNet的原理.mp47 t; t# u* O: h# R
任务217：EffNet的代码讲解.mp4" _1 Y3 n* _! z) ?* K
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21：自动驾驶方向盘预测论文分析.mp4
任务220：Siamese 深度神经网络的实验和结果分析.mp4, d0 ?& V# ^. t D0 E6 j
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.mp40 f3 q6 d- `9 X& v& U
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" Z3 [. O0 _( F+ M H
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" d2 N# [# M3 Q- x+ |" f
任务22：使用PyCharm Keras建立深度网络模型.mp4
任务230：使用 PyTorch 写训练网络的代码.mp4& U$ F; w+ \0 w
任务231：使用 PyTorch 写测试网络的代码.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.mp46 K/ R1 m* b) H6 g/ ~
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2：深度学习的发展历史.mp4$ A z0 y1 W/ ^% U
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 @3 ~8 W7 d) P0 P% s0 x9 ^& \
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! w( g, w7 N; e9 B5 o( `
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) H4 h1 i7 X* E
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: j* M& w8 n" K! m# a2 a2 d' t
任务38：Neural.Network.Loss-直播01.mp4
任务39：Neural.Network.Loss-直播02.mp4
任务3：现代深度学习的典型例子.mp4
任务40：Neural.Network.Loss-直播03.mp4" ~! I) J. B8 S1 v+ [
任务41：梯度消亡.mp4$ ]& R, ?- c) ~& t
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) B& L, c% B4 ^- R+ a6 U
任务48：作业讲解与答疑-01.mp4
任务49：作业讲解与答疑-02.mp47 \% c) p/ b" w
任务4：深度学习在计算机视觉中的应用.mp43 [/ E) b4 |6 p7 P4 G1 a) d1 f
任务50：为什么需要递归神经网络？.mp4" y b, @4 J1 @8 D
任务51：递归神经网络介绍.mp4% q1 r) q7 p$ @+ w0 n- R+ c `" ^
任务52：语言模型.mp4
任务53：RNN的深度.mp4' y6 @$ ~5 ^& G3 C, B7 Z8 x
任务54：梯度爆炸和梯度消失.mp4$ i. B; e# E" F) [9 N W6 t
任务55：Gradient Clipping.mp49 g# D& z- S+ Q6 l' O% K
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$ S8 e0 G$ A' l' R
任务5：深度学习的总结.mp4! s2 l7 m5 ], z2 r2 ~5 X' v# _
任务60：机器翻译.mp4
任务61：Multimodal Learning.mp47 o" a+ E G& d# [/ d$ S/ |
任务62：Seq2Seq模型.mp4
任务63：回顾RNN与LSTM.mp4
任务64：Attention for Image Captioning.mp46 o2 n/ k2 a: S- e4 C, U
任务65：Attention for Machine Translation.mp4
任务66：Self-Attention.mp4( y% Z& k* L% M( f; _/ b0 w
任务67：Attention总结.mp4
任务68：neural network optimizer直播-01.mp4; ]9 G- q4 C {6 E, T
任务69：neural network optimizer直播-02.mp4
任务6：开发环境的配置, Python, Numpy, Keras入门教程.mp4
任务70：neural network optimizer直播-03.mp42 i+ b$ k* H/ c) G
任务71：项目介绍.mp4
任务72：看图说话任务一-01.mp41 R1 d$ V, F( D+ M) x7 @8 _- F. C
+ m) f: _7 G9 I: o
任务73：看图说话任务一-02.mp4
任务74：看图说话任务一-03.mp4; m3 ~: `) m# [0 T4 M; _
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/ t+ N8 N4 \7 l$ M7 |# K
任务77：如何实现“load_vgg16_model”函数.mp44 {4 |/ x; R4 L! F! L4 o$ i$ _
任务78：如何实现“extract_features”函数.mp4! W# o) {5 ~, Q) A2 {0 W, v- n
任务79：创建Tokenizer01.mp42 F0 `& R( y+ a$ t
任务7：GPU驱动程序安装.mp4
任务80：创建Tokenizer02.mp4
/ @# O, W) u2 `% w; s
任务81：产生模型需要的输入数据01.mp4
6 p1 |& S- ]* A& [; n! h
任务82：产生模型需要的输入数据02.mp4
5 N, I( a5 U. b( m; P: a
任务83：任务的概述.mp4
4 e/ ]" I8 V! C: {
任务84：Input Embedding和Dropout层介绍.mp4
任务85：LSTM Add层的介绍.mp48 | x$ n w+ B- w! ]! x* V7 D
任务86：如何训练模型.mp4: b W v# [) ~* k
, \. u% q& V1 Q7 i; O! l
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
, E4 X& w. v2 o
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.mp42 e4 h) y) C1 Q; R: [! x
任务89：如何调用generate_caption函数.mp4& B' ~3 d) L1 I6 Y/ o
# k" g) L1 Y, T8 P* m' v9 p
任务8：CUDA的安装.mp4
. {* m8 v8 w7 }! Y# P4 V1 h. J( N
任务90：如何评价标题生成模型的性能.mp4: z+ X) R2 J# z- j T; ]! i# t
任务91：读取和显示数字图像.mp4/ O" B- e- z' T, j' T* W7 V$ W1 `
/ v' R. C8 ]! b' x. ~# w7 M
任务92：数字图像大小缩放.mp4) w/ O5 U' n' D
! }; c6 w/ G1 V' L0 l. n
任务93：数字图像直方图均衡.mp4
/ F& r: K5 O2 ^9 x5 l2 y
任务94：图像去噪声.mp4
5 H+ \- J0 t! ~2 _7 \
任务95：图像边缘检测.mp41 C+ ?9 e: | ?4 W& ]5 v+ U8 f F
% n& I4 J. E+ S3 w. ]2 `
任务96：图像关键点检测.mp4
任务97：道路行车道检测简介.mp4" X9 v% z) l; ~/ z8 v
任务98：Canny边缘检测.mp4
任务99：霍夫变换用于直线检测.mp4: P) k4 g/ `2 t! E
" Q6 y6 c2 H& n; E" c6 V! q
任务9：cuDNN的安装, Tensorflow, PyTorch的GPU测试.mp4
|
