| 资源(107) |
时长( 09:51:48) |
播放量(111737) |
1.1计算机视觉简介 |
/
|
1062 |
|
1.3计算机视觉的主要研究方向 |
/
|
992 |
|
1.4常用计算机视觉模型和方法 |
/
|
996 |
|
1.5常用的深度学习框架 |
/
|
991 |
|
1.2数字图像 |
/
|
1006 |
1.1计算机视觉简介 |
/
|
1001 |
|
1.2数字图像 |
/
|
1040 |
|
1.3计算机视觉的主要研究方向 |
/
|
994 |
|
1.4常用计算机视觉模型和方法 |
/
|
1005 |
|
1.5常用的深度学习框架 |
/
|
1034 |
1.1计算机视觉简介 |
00:15:11
|
1166 |
|
1.2数字图像 |
00:10:20
|
1118 |
|
1.3计算机视觉的主要研究方向-1 |
00:12:08
|
1108 |
|
1.3计算机视觉的主要研究方向-2 |
00:20:24
|
1109 |
|
1.4常用计算机视觉模型和方法 |
00:10:22
|
1104 |
|
1.5常用的深度学习框架 |
00:14:04
|
1094 |
|
2.1图像分类简介 |
/
|
973 |
|
2.2卷积神经网络的基本结构与原理 |
/
|
976 |
|
2.3AlexNet算法 |
/
|
978 |
|
2.4VGGNet算法 |
/
|
977 |
|
2.5GoogLeNet算法 |
/
|
978 |
|
2.6ResNet算法 |
/
|
984 |
|
2.1图像分类简介 |
/
|
994 |
|
2.3AlexNet算法 |
/
|
1048 |
|
2.4VGGNet算法 |
/
|
1051 |
|
2.5GoogLeNet算法 |
/
|
1054 |
|
2.6ResNet算法 |
/
|
1051 |
|
2.7最新网络框架 |
/
|
1054 |
|
3.1目标检测简介 |
/
|
1069 |
|
3.2R-CNN算法 |
/
|
1066 |
|
3.3Fast R-CNN算法 |
/
|
1066 |
|
3.4Faster R-CNN算法 |
/
|
1066 |
|
3.5Two-Stage算法总结 |
/
|
1082 |
|
3.6YOLO算法 |
/
|
1082 |
|
3.7One-Stage算法总结 |
/
|
1084 |
|
3.1目标检测简介 |
/
|
1049 |
|
3.2R-CNN算法 |
/
|
1050 |
|
3.3Fast R-CNN算法 |
/
|
1058 |
|
3.4Faster R-CNN算法 |
/
|
1077 |
|
3.5Two-Stage算法总结 |
/
|
1075 |
|
3.6YOLO算法 |
/
|
1076 |
|
3.7One-Stage算法总结 |
/
|
1084 |
|
4.1图像生成简介 |
/
|
1089 |
|
4.2变分自编码器 |
/
|
1090 |
|
4.3生成对抗网络 |
/
|
1089 |
|
4.4Pixel RNN |
/
|
1092 |
|
4.5Pixel CNN |
/
|
1105 |
|
4.6风格迁移 |
/
|
1106 |
|
4.1图像生成简介 |
/
|
1125 |
|
4.2变分自编码器 |
/
|
1083 |
|
4.3生成对抗网络 |
/
|
1127 |
|
4.4Pixel RNN |
/
|
1094 |
|
4.5Pixel CNN |
/
|
1093 |
|
4.6风格迁移 |
/
|
1093 |
|
5.1人脸识别简介 |
/
|
1167 |
|
5.2传统方法 |
/
|
1117 |
|
5.3深度学习方法 |
/
|
1143 |
|
5.4DeepFace算法 |
/
|
1125 |
|
5.5DeepID算法 |
/
|
1126 |
|
5.6FaceNet算法 |
/
|
1134 |
|
5.1人脸识别简介 |
/
|
1108 |
|
5.2传统方法 |
/
|
1127 |
|
5.3深度学习方法 |
/
|
1111 |
|
5.4DeepFace算法 |
/
|
1109 |
|
5.5DeepID算法 |
/
|
1115 |
|
5.6FaceNet算法 |
/
|
1134 |
|
2.7最新网络框架 |
/
|
970 |
|
2.1图像分类简介 |
00:14:50
|
1038 |
|
2.2卷积神经网络的基本结构与原理-1 |
00:14:12
|
1095 |
|
2.2卷积神经网络的基本结构与原理-2 |
00:10:35
|
1042 |
|
2.2卷积神经网络的基本结构与原理-3 |
00:18:57
|
1038 |
|
2.3AlexNet算法-1 |
00:16:47
|
1047 |
|
2.3AlexNet算法-2 |
00:14:21
|
1026 |
|
2.4VGGNet算法 |
00:07:43
|
1031 |
|
2.5GoogLeNet算法 |
00:16:24
|
1039 |
|
2.6ResNet算法 |
00:17:09
|
1023 |
|
2.7最新网络框架 |
00:05:56
|
1023 |
|
3.1目标检测简介 |
00:09:10
|
1032 |
|
3.2R-CNN算法 |
00:14:49
|
1060 |
|
3.3Fast R-CNN算法 |
00:09:03
|
1051 |
|
3.4Faster R-CNN算法 |
00:08:11
|
1044 |
|
3.5Two-Stage算法总结 |
00:15:57
|
1044 |
|
3.6YOLO算法-1 |
00:19:21
|
1059 |
|
3.6YOLO算法-2 |
00:19:19
|
1050 |
|
3.7One-Stage算法总结 |
00:10:23
|
1066 |
|
3.8基于Faster R-CNN的船只检测案例-1 |
00:13:11
|
1090 |
|
3.8基于Faster R-CNN的船只检测案例-2 |
00:19:35
|
1110 |
|
4.1图像生成简介 |
00:10:39
|
1108 |
|
4.2变分自编码器-1 |
00:19:53
|
1107 |
|
4.2变分自编码器-2 |
00:09:38
|
1106 |
|
4.3生成对抗网络 |
00:16:43
|
1110 |
|
4.4Pixel RNN |
00:13:40
|
1114 |
|
4.5Pixel CNN |
00:07:21
|
1122 |
|
4.6风格迁移 |
00:11:36
|
1126 |
|
4.7基于GAN网络生成蝴蝶图像案例-1 |
00:16:16
|
1135 |
|
4.7基于GAN网络生成蝴蝶图像案例-2 |
00:18:05
|
1124 |
|
5.1人脸识别简介 |
00:15:10
|
1128 |
|
5.2传统方法 |
00:11:54
|
1141 |
|
5.3深度学习方法 |
00:08:20
|
1136 |
|
5.4DeepFace算法 |
00:12:25
|
1136 |
|
5.5DeepID算法 |
00:16:51
|
1131 |
|
5.6FaceNet算法 |
00:13:42
|
1133 |
|
5.7基于FaceNet的人脸识别案例-1 |
00:15:36
|
1144 |
|
5.7基于FaceNet的人脸识别案例-2 |
00:15:37
|
1134 |
|
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