| 资源(107) |
时长( 09:51:48) |
播放量(119758) |
1.1计算机视觉简介 |
/
|
1138 |
|
1.3计算机视觉的主要研究方向 |
/
|
1067 |
|
1.4常用计算机视觉模型和方法 |
/
|
1071 |
|
1.5常用的深度学习框架 |
/
|
1066 |
|
1.2数字图像 |
/
|
1082 |
1.1计算机视觉简介 |
/
|
1078 |
|
1.2数字图像 |
/
|
1116 |
|
1.3计算机视觉的主要研究方向 |
/
|
1071 |
|
1.4常用计算机视觉模型和方法 |
/
|
1081 |
|
1.5常用的深度学习框架 |
/
|
1110 |
1.1计算机视觉简介 |
00:15:11
|
1250 |
|
1.2数字图像 |
00:10:20
|
1200 |
|
1.3计算机视觉的主要研究方向-1 |
00:12:08
|
1191 |
|
1.3计算机视觉的主要研究方向-2 |
00:20:24
|
1192 |
|
1.4常用计算机视觉模型和方法 |
00:10:22
|
1185 |
|
1.5常用的深度学习框架 |
00:14:04
|
1178 |
|
2.1图像分类简介 |
/
|
1049 |
|
2.2卷积神经网络的基本结构与原理 |
/
|
1052 |
|
2.3AlexNet算法 |
/
|
1054 |
|
2.4VGGNet算法 |
/
|
1053 |
|
2.5GoogLeNet算法 |
/
|
1054 |
|
2.6ResNet算法 |
/
|
1060 |
|
2.1图像分类简介 |
/
|
1070 |
|
2.3AlexNet算法 |
/
|
1125 |
|
2.4VGGNet算法 |
/
|
1127 |
|
2.5GoogLeNet算法 |
/
|
1130 |
|
2.6ResNet算法 |
/
|
1127 |
|
2.7最新网络框架 |
/
|
1130 |
|
3.1目标检测简介 |
/
|
1145 |
|
3.2R-CNN算法 |
/
|
1142 |
|
3.3Fast R-CNN算法 |
/
|
1142 |
|
3.4Faster R-CNN算法 |
/
|
1142 |
|
3.5Two-Stage算法总结 |
/
|
1158 |
|
3.6YOLO算法 |
/
|
1158 |
|
3.7One-Stage算法总结 |
/
|
1160 |
|
3.1目标检测简介 |
/
|
1125 |
|
3.2R-CNN算法 |
/
|
1126 |
|
3.3Fast R-CNN算法 |
/
|
1134 |
|
3.4Faster R-CNN算法 |
/
|
1153 |
|
3.5Two-Stage算法总结 |
/
|
1151 |
|
3.6YOLO算法 |
/
|
1152 |
|
3.7One-Stage算法总结 |
/
|
1160 |
|
4.1图像生成简介 |
/
|
1165 |
|
4.2变分自编码器 |
/
|
1166 |
|
4.3生成对抗网络 |
/
|
1165 |
|
4.4Pixel RNN |
/
|
1168 |
|
4.5Pixel CNN |
/
|
1181 |
|
4.6风格迁移 |
/
|
1182 |
|
4.1图像生成简介 |
/
|
1201 |
|
4.2变分自编码器 |
/
|
1159 |
|
4.3生成对抗网络 |
/
|
1203 |
|
4.4Pixel RNN |
/
|
1170 |
|
4.5Pixel CNN |
/
|
1169 |
|
4.6风格迁移 |
/
|
1169 |
|
5.1人脸识别简介 |
/
|
1243 |
|
5.2传统方法 |
/
|
1194 |
|
5.3深度学习方法 |
/
|
1219 |
|
5.4DeepFace算法 |
/
|
1201 |
|
5.5DeepID算法 |
/
|
1202 |
|
5.6FaceNet算法 |
/
|
1210 |
|
5.1人脸识别简介 |
/
|
1184 |
|
5.2传统方法 |
/
|
1203 |
|
5.3深度学习方法 |
/
|
1187 |
|
5.4DeepFace算法 |
/
|
1185 |
|
5.5DeepID算法 |
/
|
1191 |
|
5.6FaceNet算法 |
/
|
1210 |
|
2.7最新网络框架 |
/
|
1046 |
|
2.1图像分类简介 |
00:14:50
|
1118 |
|
2.2卷积神经网络的基本结构与原理-1 |
00:14:12
|
1176 |
|
2.2卷积神经网络的基本结构与原理-2 |
00:10:35
|
1122 |
|
2.2卷积神经网络的基本结构与原理-3 |
00:18:57
|
1119 |
|
2.3AlexNet算法-1 |
00:16:47
|
1126 |
|
2.3AlexNet算法-2 |
00:14:21
|
1104 |
|
2.4VGGNet算法 |
00:07:43
|
1109 |
|
2.5GoogLeNet算法 |
00:16:24
|
1117 |
|
2.6ResNet算法 |
00:17:09
|
1101 |
|
2.7最新网络框架 |
00:05:56
|
1102 |
|
3.1目标检测简介 |
00:09:10
|
1111 |
|
3.2R-CNN算法 |
00:14:49
|
1138 |
|
3.3Fast R-CNN算法 |
00:09:03
|
1130 |
|
3.4Faster R-CNN算法 |
00:08:11
|
1123 |
|
3.5Two-Stage算法总结 |
00:15:57
|
1123 |
|
3.6YOLO算法-1 |
00:19:21
|
1138 |
|
3.6YOLO算法-2 |
00:19:19
|
1128 |
|
3.7One-Stage算法总结 |
00:10:23
|
1145 |
|
3.8基于Faster R-CNN的船只检测案例-1 |
00:13:11
|
1170 |
|
3.8基于Faster R-CNN的船只检测案例-2 |
00:19:35
|
1187 |
|
4.1图像生成简介 |
00:10:39
|
1189 |
|
4.2变分自编码器-1 |
00:19:53
|
1186 |
|
4.2变分自编码器-2 |
00:09:38
|
1185 |
|
4.3生成对抗网络 |
00:16:43
|
1187 |
|
4.4Pixel RNN |
00:13:40
|
1190 |
|
4.5Pixel CNN |
00:07:21
|
1198 |
|
4.6风格迁移 |
00:11:36
|
1201 |
|
4.7基于GAN网络生成蝴蝶图像案例-1 |
00:16:16
|
1211 |
|
4.7基于GAN网络生成蝴蝶图像案例-2 |
00:18:05
|
1200 |
|
5.1人脸识别简介 |
00:15:10
|
1205 |
|
5.2传统方法 |
00:11:54
|
1218 |
|
5.3深度学习方法 |
00:08:20
|
1213 |
|
5.4DeepFace算法 |
00:12:25
|
1212 |
|
5.5DeepID算法 |
00:16:51
|
1208 |
|
5.6FaceNet算法 |
00:13:42
|
1210 |
|
5.7基于FaceNet的人脸识别案例-1 |
00:15:36
|
1221 |
|
5.7基于FaceNet的人脸识别案例-2 |
00:15:37
|
1209 |
|
2.2卷积神经网络的基本结构与原理-1 |
/
|
0 |
|
2.2卷积神经网络的基本结构与原理 |
/
|
0 |
|
2.2卷积神经网络基本结构 |
/
|
0 |
1.1计算机视觉简介
1.1计算机视觉简介
1.1计算机视觉简介