| 资源(107) |
时长( 09:51:48) |
播放量(138502) |
1.1计算机视觉简介 |
/
|
1312 |
|
1.3计算机视觉的主要研究方向 |
/
|
1242 |
|
1.4常用计算机视觉模型和方法 |
/
|
1244 |
|
1.5常用的深度学习框架 |
/
|
1242 |
|
1.2数字图像 |
/
|
1257 |
1.1计算机视觉简介 |
/
|
1250 |
|
1.2数字图像 |
/
|
1313 |
|
1.3计算机视觉的主要研究方向 |
/
|
1247 |
|
1.4常用计算机视觉模型和方法 |
/
|
1256 |
|
1.5常用的深度学习框架 |
/
|
1292 |
1.1计算机视觉简介 |
00:15:11
|
1438 |
|
1.2数字图像 |
00:10:20
|
1389 |
|
1.3计算机视觉的主要研究方向-1 |
00:12:08
|
1381 |
|
1.3计算机视觉的主要研究方向-2 |
00:20:24
|
1379 |
|
1.4常用计算机视觉模型和方法 |
00:10:22
|
1373 |
|
1.5常用的深度学习框架 |
00:14:04
|
1362 |
|
2.1图像分类简介 |
/
|
1224 |
|
2.2卷积神经网络的基本结构与原理 |
/
|
1228 |
|
2.3AlexNet算法 |
/
|
1230 |
|
2.4VGGNet算法 |
/
|
1229 |
|
2.5GoogLeNet算法 |
/
|
1228 |
|
2.6ResNet算法 |
/
|
1236 |
|
2.1图像分类简介 |
/
|
1245 |
|
2.3AlexNet算法 |
/
|
1300 |
|
2.4VGGNet算法 |
/
|
1301 |
|
2.5GoogLeNet算法 |
/
|
1307 |
|
2.6ResNet算法 |
/
|
1300 |
|
2.7最新网络框架 |
/
|
1306 |
|
3.1目标检测简介 |
/
|
1320 |
|
3.2R-CNN算法 |
/
|
1319 |
|
3.3Fast R-CNN算法 |
/
|
1320 |
|
3.4Faster R-CNN算法 |
/
|
1318 |
|
3.5Two-Stage算法总结 |
/
|
1338 |
|
3.6YOLO算法 |
/
|
1333 |
|
3.7One-Stage算法总结 |
/
|
1335 |
|
3.1目标检测简介 |
/
|
1304 |
|
3.2R-CNN算法 |
/
|
1301 |
|
3.3Fast R-CNN算法 |
/
|
1309 |
|
3.4Faster R-CNN算法 |
/
|
1334 |
|
3.5Two-Stage算法总结 |
/
|
1330 |
|
3.6YOLO算法 |
/
|
1328 |
|
3.7One-Stage算法总结 |
/
|
1339 |
|
4.1图像生成简介 |
/
|
1347 |
|
4.2变分自编码器 |
/
|
1346 |
|
4.3生成对抗网络 |
/
|
1344 |
|
4.4Pixel RNN |
/
|
1350 |
|
4.5Pixel CNN |
/
|
1357 |
|
4.6风格迁移 |
/
|
1360 |
|
4.1图像生成简介 |
/
|
1377 |
|
4.2变分自编码器 |
/
|
1341 |
|
4.3生成对抗网络 |
/
|
1393 |
|
4.4Pixel RNN |
/
|
1351 |
|
4.5Pixel CNN |
/
|
1348 |
|
4.6风格迁移 |
/
|
1349 |
|
5.1人脸识别简介 |
/
|
1424 |
|
5.2传统方法 |
/
|
1374 |
|
5.3深度学习方法 |
/
|
1404 |
|
5.4DeepFace算法 |
/
|
1382 |
|
5.5DeepID算法 |
/
|
1382 |
|
5.6FaceNet算法 |
/
|
1398 |
|
5.1人脸识别简介 |
/
|
1366 |
|
5.2传统方法 |
/
|
1386 |
|
5.3深度学习方法 |
/
|
1364 |
|
5.4DeepFace算法 |
/
|
1360 |
|
5.5DeepID算法 |
/
|
1366 |
|
5.6FaceNet算法 |
/
|
1389 |
|
2.7最新网络框架 |
/
|
1225 |
|
2.1图像分类简介 |
00:14:50
|
1301 |
|
2.2卷积神经网络的基本结构与原理-1 |
00:14:12
|
1360 |
|
2.2卷积神经网络的基本结构与原理-2 |
00:10:35
|
1309 |
|
2.2卷积神经网络的基本结构与原理-3 |
00:18:57
|
1304 |
|
2.3AlexNet算法-1 |
00:16:47
|
1313 |
|
2.3AlexNet算法-2 |
00:14:21
|
1286 |
|
2.4VGGNet算法 |
00:07:43
|
1290 |
|
2.5GoogLeNet算法 |
00:16:24
|
1297 |
|
2.6ResNet算法 |
00:17:09
|
1283 |
|
2.7最新网络框架 |
00:05:56
|
1286 |
|
3.1目标检测简介 |
00:09:10
|
1295 |
|
3.2R-CNN算法 |
00:14:49
|
1321 |
|
3.3Fast R-CNN算法 |
00:09:03
|
1315 |
|
3.4Faster R-CNN算法 |
00:08:11
|
1307 |
|
3.5Two-Stage算法总结 |
00:15:57
|
1305 |
|
3.6YOLO算法-1 |
00:19:21
|
1322 |
|
3.6YOLO算法-2 |
00:19:19
|
1311 |
|
3.7One-Stage算法总结 |
00:10:23
|
1329 |
|
3.8基于Faster R-CNN的船只检测案例-1 |
00:13:11
|
1355 |
|
3.8基于Faster R-CNN的船只检测案例-2 |
00:19:35
|
1371 |
|
4.1图像生成简介 |
00:10:39
|
1371 |
|
4.2变分自编码器-1 |
00:19:53
|
1367 |
|
4.2变分自编码器-2 |
00:09:38
|
1368 |
|
4.3生成对抗网络 |
00:16:43
|
1371 |
|
4.4Pixel RNN |
00:13:40
|
1373 |
|
4.5Pixel CNN |
00:07:21
|
1382 |
|
4.6风格迁移 |
00:11:36
|
1380 |
|
4.7基于GAN网络生成蝴蝶图像案例-1 |
00:16:16
|
1393 |
|
4.7基于GAN网络生成蝴蝶图像案例-2 |
00:18:05
|
1380 |
|
5.1人脸识别简介 |
00:15:10
|
1389 |
|
5.2传统方法 |
00:11:54
|
1396 |
|
5.3深度学习方法 |
00:08:20
|
1397 |
|
5.4DeepFace算法 |
00:12:25
|
1390 |
|
5.5DeepID算法 |
00:16:51
|
1385 |
|
5.6FaceNet算法 |
00:13:42
|
1389 |
|
5.7基于FaceNet的人脸识别案例-1 |
00:15:36
|
1401 |
|
5.7基于FaceNet的人脸识别案例-2 |
00:15:37
|
1388 |
|
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