| 资源(107) |
时长( 09:51:48) |
播放量(128118) |
1.1计算机视觉简介 |
/
|
1217 |
|
1.3计算机视觉的主要研究方向 |
/
|
1146 |
|
1.4常用计算机视觉模型和方法 |
/
|
1149 |
|
1.5常用的深度学习框架 |
/
|
1146 |
|
1.2数字图像 |
/
|
1162 |
1.1计算机视觉简介 |
/
|
1156 |
|
1.2数字图像 |
/
|
1193 |
|
1.3计算机视觉的主要研究方向 |
/
|
1150 |
|
1.4常用计算机视觉模型和方法 |
/
|
1159 |
|
1.5常用的深度学习框架 |
/
|
1189 |
1.1计算机视觉简介 |
00:15:11
|
1330 |
|
1.2数字图像 |
00:10:20
|
1280 |
|
1.3计算机视觉的主要研究方向-1 |
00:12:08
|
1272 |
|
1.3计算机视觉的主要研究方向-2 |
00:20:24
|
1273 |
|
1.4常用计算机视觉模型和方法 |
00:10:22
|
1266 |
|
1.5常用的深度学习框架 |
00:14:04
|
1258 |
|
2.1图像分类简介 |
/
|
1126 |
|
2.2卷积神经网络的基本结构与原理 |
/
|
1131 |
|
2.3AlexNet算法 |
/
|
1133 |
|
2.4VGGNet算法 |
/
|
1131 |
|
2.5GoogLeNet算法 |
/
|
1132 |
|
2.6ResNet算法 |
/
|
1138 |
|
2.1图像分类简介 |
/
|
1149 |
|
2.3AlexNet算法 |
/
|
1203 |
|
2.4VGGNet算法 |
/
|
1206 |
|
2.5GoogLeNet算法 |
/
|
1209 |
|
2.6ResNet算法 |
/
|
1204 |
|
2.7最新网络框架 |
/
|
1209 |
|
3.1目标检测简介 |
/
|
1223 |
|
3.2R-CNN算法 |
/
|
1221 |
|
3.3Fast R-CNN算法 |
/
|
1222 |
|
3.4Faster R-CNN算法 |
/
|
1221 |
|
3.5Two-Stage算法总结 |
/
|
1239 |
|
3.6YOLO算法 |
/
|
1238 |
|
3.7One-Stage算法总结 |
/
|
1239 |
|
3.1目标检测简介 |
/
|
1205 |
|
3.2R-CNN算法 |
/
|
1206 |
|
3.3Fast R-CNN算法 |
/
|
1212 |
|
3.4Faster R-CNN算法 |
/
|
1234 |
|
3.5Two-Stage算法总结 |
/
|
1232 |
|
3.6YOLO算法 |
/
|
1232 |
|
3.7One-Stage算法总结 |
/
|
1241 |
|
4.1图像生成简介 |
/
|
1246 |
|
4.2变分自编码器 |
/
|
1248 |
|
4.3生成对抗网络 |
/
|
1247 |
|
4.4Pixel RNN |
/
|
1250 |
|
4.5Pixel CNN |
/
|
1262 |
|
4.6风格迁移 |
/
|
1263 |
|
4.1图像生成简介 |
/
|
1281 |
|
4.2变分自编码器 |
/
|
1241 |
|
4.3生成对抗网络 |
/
|
1283 |
|
4.4Pixel RNN |
/
|
1250 |
|
4.5Pixel CNN |
/
|
1248 |
|
4.6风格迁移 |
/
|
1250 |
|
5.1人脸识别简介 |
/
|
1323 |
|
5.2传统方法 |
/
|
1275 |
|
5.3深度学习方法 |
/
|
1299 |
|
5.4DeepFace算法 |
/
|
1281 |
|
5.5DeepID算法 |
/
|
1282 |
|
5.6FaceNet算法 |
/
|
1289 |
|
5.1人脸识别简介 |
/
|
1264 |
|
5.2传统方法 |
/
|
1282 |
|
5.3深度学习方法 |
/
|
1267 |
|
5.4DeepFace算法 |
/
|
1263 |
|
5.5DeepID算法 |
/
|
1269 |
|
5.6FaceNet算法 |
/
|
1291 |
|
2.7最新网络框架 |
/
|
1125 |
|
2.1图像分类简介 |
00:14:50
|
1202 |
|
2.2卷积神经网络的基本结构与原理-1 |
00:14:12
|
1256 |
|
2.2卷积神经网络的基本结构与原理-2 |
00:10:35
|
1202 |
|
2.2卷积神经网络的基本结构与原理-3 |
00:18:57
|
1200 |
|
2.3AlexNet算法-1 |
00:16:47
|
1209 |
|
2.3AlexNet算法-2 |
00:14:21
|
1184 |
|
2.4VGGNet算法 |
00:07:43
|
1190 |
|
2.5GoogLeNet算法 |
00:16:24
|
1197 |
|
2.6ResNet算法 |
00:17:09
|
1181 |
|
2.7最新网络框架 |
00:05:56
|
1182 |
|
3.1目标检测简介 |
00:09:10
|
1193 |
|
3.2R-CNN算法 |
00:14:49
|
1217 |
|
3.3Fast R-CNN算法 |
00:09:03
|
1211 |
|
3.4Faster R-CNN算法 |
00:08:11
|
1203 |
|
3.5Two-Stage算法总结 |
00:15:57
|
1205 |
|
3.6YOLO算法-1 |
00:19:21
|
1220 |
|
3.6YOLO算法-2 |
00:19:19
|
1210 |
|
3.7One-Stage算法总结 |
00:10:23
|
1228 |
|
3.8基于Faster R-CNN的船只检测案例-1 |
00:13:11
|
1255 |
|
3.8基于Faster R-CNN的船只检测案例-2 |
00:19:35
|
1270 |
|
4.1图像生成简介 |
00:10:39
|
1272 |
|
4.2变分自编码器-1 |
00:19:53
|
1268 |
|
4.2变分自编码器-2 |
00:09:38
|
1269 |
|
4.3生成对抗网络 |
00:16:43
|
1271 |
|
4.4Pixel RNN |
00:13:40
|
1272 |
|
4.5Pixel CNN |
00:07:21
|
1282 |
|
4.6风格迁移 |
00:11:36
|
1283 |
|
4.7基于GAN网络生成蝴蝶图像案例-1 |
00:16:16
|
1294 |
|
4.7基于GAN网络生成蝴蝶图像案例-2 |
00:18:05
|
1283 |
|
5.1人脸识别简介 |
00:15:10
|
1287 |
|
5.2传统方法 |
00:11:54
|
1299 |
|
5.3深度学习方法 |
00:08:20
|
1295 |
|
5.4DeepFace算法 |
00:12:25
|
1293 |
|
5.5DeepID算法 |
00:16:51
|
1288 |
|
5.6FaceNet算法 |
00:13:42
|
1292 |
|
5.7基于FaceNet的人脸识别案例-1 |
00:15:36
|
1303 |
|
5.7基于FaceNet的人脸识别案例-2 |
00:15:37
|
1291 |
|
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