无人驾驶技术高级实战 无人驾驶+迁移学习+生成对抗网络+文字识别等 深度学习进阶课程
课程是深度学习技术的再深入课程,课程融合了多次的深度学习实战班课程,还有深度学习项目实战课程,在完成这些课程学习后,还有深度学习的论文班课程,这可以帮助同学考研及毕业的同学们。在应用实战课程方面,安排了非常火热的无人驾驶技术课程,OCR文字识别实战课程,迁移学习,深度学习中的强化学习,生成对抗网络等等高级应用实战,非常值得同学们学习和参考。
===============课程目录===============
(1)\ocr文字识别实战
(2)\强化学习
(3)\无人驾驶
(4)\深度学习第三期
(5)\深度学习第四期
(6)\深度学习论文班
├─第1课 Reducing the dimensionality of data with neural networks. .TS
├─第2课 A fast learning algorithm for deep belief nets..TS
├─第3课 Densely Connected Convolutional Networks.TS
├─第4课 A guide for convolution arithmetic for deep learning.TS
├─第5课 Imagenet classification with deep convolutional neural networks..TS
├─第6课 Speech recognition with deep recurrent neural networks.TS
├─第7课 Decoupled neural interfaces using synthetic gradients.TS
├─第8课 Deep Learning without Poor Local Minima.TS
(7)\深度学习项目班;目录中文件数:0个
(8)\生成对抗网络;目录中文件数:0个
(9)\迁移学习;目录中文件数:0个
(10)\ocr文字识别实战\视频;目录中文件数:6个
├─第一课 OCR技术概览.TS
├─第三课 字符序列识别.TS
├─第二课 单字符分割与识别.TS
├─第五课 自然场景中的文本检测.TS
├─第六课 图像质量增强和预处理 - .TS
├─第四课 文本行定位.TS
(11)\ocr文字识别实战\资料;目录中文件数:9个
├─captcha-image (11).jpg
├─captcha-image (4).jpg
├─CNN、RNN预习资料.rar
├─ocr_lecture_1.pdf
├─ocr_lecture_2.pdf
├─ocr_lecture_3.pdf
├─ocr_lecture_4 文本检测.pptx
├─ocr_lecture_4和5文本检测.pptx
├─ocr_lecture_6.pdf
(12)\强化学习\视频;目录中文件数:6个
├─第1课 强化学习RL简介.TS
├─第2课 Model—Free Learning.TS
├─第3课 Model-Free Control.TS
├─第4课 Q-Learning.TS
├─第5课 策略梯度学习.TS
├─第6课 TensorFlow强化学习应用案例.TS
(13)\强化学习\资料;目录中文件数:0个
(14)\无人驾驶\视频;目录中文件数:12个
├─第01课 自动驾驶概述.ts
├─第02课 软件环境基础(ROS CMake).ts
├─第03课 感知基础.ts
├─第04课 感知实战:目标检测.ts
├─第05课 感知实战:物体跟踪.ts
├─第06课 视觉定位.ts
├─第07课 高精地图与车路协同设备.ts
├─第08课 无人车定位系统.ts
├─第09课 预测系统.ts
├─第10课 路径规划.ts
├─第11课 控制理论.ts
├─第12课 基于强化学习的自动驾驶系统.ts
(15)\无人驾驶\资料;目录中文件数:0个
(16)\深度学习第三期\视频;目录中文件数:10个
├─第01课 夯实深度学习数据基础.TS
├─第02课 DNN与混合网络:google Wide&Deep.TS
├─第03课 CNN-从AlexNet到ResNet.TS
├─第04课 NN框架:caffe, tensorflow与pytorch.TS
├─第05课 生成对抗网络GAN.TS
├─第06课 图像风格转化.TS
├─第07课 RNN_LSTM_Grid LSTM.TS
├─第08课 RNN条件生成与attention.TS
├─第09课 增强学习与Deep Q Network.TS
├─第10课 物体检测与迁移学习.TS
(17)\深度学习第三期\资料;目录中文件数:0个
(18)\深度学习第四期\视频;目录中文件数:11个
├─深度学习 第四期.TS
├─第10课 迁移学习与新技术.TS
├─第1课 DNN与混合网络:google Wide&Deep.TS
├─第2课 CNN从入门到高级应用(上).TS
├─第3课 CNN从入门到高级应用(下).TS
├─第4课 NN框架:caffe, tensorflow与pytorch.TS
├─第5课 生成对抗网络GAN.TS
├─第6课 从词向量到NLP分类问题.TS
├─第7课 RNN_LSTM_Grid LSTM.TS
├─第8课 RNN条件生成与attention.TS
├─第9课 增强学习与Deep Q Network.TS
(19)\深度学习第四期\资料;目录中文件数:19个
├─01_NN_Basics.pdf
├─02_ConvNets_Principles.pdf
├─20181003092340689.png
├─img_add.zip
├─img_add_smirk.zip
├─Mastering OpenCV with Practical Computer Vision Projects_full.pdf
├─OpenCV+3计算机视觉Python语言实现.pdf
├─QQ截图20181205165906.png
├─uconn_comp_2018_test.csv
├─uconn_comp_2018_train.csv
├─Word2Vec中的数学原理详解.pdf
├─Xshell-6.0.0091p.exe
├─DL4第4次课 NN框架:Caffe,Tensorflow与PyTorch .png
├─DL4第5次课 从词向量到NLP分类问题.png
├─DL4第7次课 RNN条件生成与attention.png
├─DL4第7课-RNN条件生成与attention.png
├─卷积神经网络.rar
├─影评数据情感分析竞赛引导.zip
├─花书中文.pdf
(20)\深度学习项目班\视频;目录中文件数:10个
├─卷积神经网络与计算机视觉.TS
├─神经网络初步- .TS
├─第一课 深度卷积神经网络基础(原理、调参、Kaggle比赛实践) .TS
├─第七课 从矩阵分解到FM based NN.TS
├─第三课 自然语言处理从入门到进阶.TS
├─第二课 深度学习在大规模图像搜索中的实际应用.TS
├─第五课 从FM到DNN到wide&deep model.TS
├─第八课 从CCF神经网络到Deep Auto-encoder for CF.TS
├─第六课 FNN CCPM PNN与图片混合点击率预估.TS
├─第四课 聊天机器人实战演练.TS
(21)\深度学习项目班\资料;目录中文件数:0个
(22)\生成对抗网络\视频;目录中文件数:4个
├─第1课 生成对抗网络基本原理.TS
├─第2课 多种多样的GAN.TS
├─第3课 基于能量的GAN.TS
├─第4课 GAN实战.TS
(23)\生成对抗网络\资料;目录中文件数:0个
(24)\迁移学习\视频;目录中文件数:2个
├─第1课 迁移学习详解.TS
├─第2课 迁移学习实战.TS
(25)\迁移学习\资料;目录中文件数:2个
├─transfer-learning code.zip
├─第一课 迁移学习.pdf
(26)\ocr文字识别实战\资料\助学资料TESSERACT OCR;目录中文件数:5个
├─1_操作指南(1).ipynb
├─sample1.jpg
├─sample2.jpg
├─sample3.jpg
├─tesserocr-master.zip
(27)\ocr文字识别实战\资料\助学资料前三次课的知识点总结;目录中文件数:10个
├─2_RNN.html
├─3_LSTM.html
├─6_AlexNet.ipynb
├─7_VGG16.ipynb
├─第一课.png
├─第一课知识点总结.ipynb
├─第三课.png
├─第三课知识点总结.ipynb
├─第二课.png
├─第二课知识点总结.ipynb
(28)\强化学习\资料\第1课;目录中文件数:1个
├─第一课 强化学习简介.pdf
(29)\强化学习\资料\第2课;目录中文件数:3个
├─code.zip
├─Reinforcement Learning An Introduction.pdf
├─第二课 model-free Learning.pdf
(30)\强化学习\资料\第3课;目录中文件数:2个
├─code.zip
├─第三课 model-free control.pdf
(31)\强化学习\资料\第4课;目录中文件数:7个
├─code.zip
├─Deep Reinforcement Learning with Double Q-learning.pdf
├─Dueling Network Architectures for Deep Reinforcement Learning.pdf
├─Human-level control through deep reinforcement learning.pdf
├─Playing Atari with Deep Reinforcement Learning.pdf
├─PRIORITIZED EXPERIENCE REPLAY.pdf
├─第四课 Q-Learning.PDF
(32)\强化学习\资料\第5课;目录中文件数:6个
├─alphaGoZero-论文.pdf
├─Continuous MountainCar Actor Critic Solution.ipynb
├─pg-draft-论文.pdf
├─pg-rl-fa-论文.pdf
├─plotting.py
├─第五课 策略梯度学习.pdf
(33)\强化学习\资料\第6课;目录中文件数:3个
├─code.zip
├─[翻译] Deep Reinforcement Learning_Pong.pdf
├─第六课 强化学习与DQN.pdf
(34)\无人驾驶\资料\无人驾驶 思维导图;目录中文件数:9个
├─无人驾驶实践--第七课高精度地图1.png
├─无人驾驶实践--第八课定位.png
├─无人驾驶实践--第六课:动态环境感知与跟踪算法.png
├─无人驾驶实践---第五课:动态环境感知与3D检测算法.png
├─无人驾驶实践--.png
├─无人驾驶实践--第四课:动态环境感知与2D检测算法--.png
├─无人驾驶实践-.xmind
├─无人驾驶实践.png
├─无人驾驶实践3rd--.png
(35)\无人驾驶\资料\第一课 自动驾驶概述;目录中文件数:4个
├─Computer Vision for Autonomous Vehicles.pdf
├─Self-Driving Cars A Survey.pdf
├─基于深度学习的自动驾驶技术综述.pdf
├─第一课课件.docx
(36)\无人驾驶\资料\第七课 高精地图与车路协同设备;目录中文件数:4个
├─HD Map.ipynb
├─project.tgz
├─第七课课件.zip
├─高精地图Class.pptx
(37)\无人驾驶\资料\第三课-静态环境感知与分割算法;目录中文件数:5个
├─1_车道线检测案例_传统方式.zip
├─2_车道线检测深度学习方法.zip
├─第三课车道检测参考文章(外网无法打开可查看这个).pdf
├─静态环境感知与分割算法-更新.pptx
├─静态环境感知与分割算法.pptx
(38)\无人驾驶\资料\第九课 预测系统;目录中文件数:2个
├─预测系统 preview.pptx
├─预测系统v1.0.pptx
(39)\无人驾驶\资料\第二课 软件环境基础(ROS CMake);目录中文件数:7个
目录过长没有全部列出
|