| 资源(43) | 时长( 09:51:48) | 播放量(54413) |
|---|---|---|
1.1计算机视觉简介 |
00:15:11 | 1346 |
|
1.2数字图像 |
00:10:20 | 1295 |
|
1.3计算机视觉的主要研究方向-1 |
00:12:08 | 1287 |
|
1.3计算机视觉的主要研究方向-2 |
00:20:24 | 1288 |
|
1.4常用计算机视觉模型和方法 |
00:10:22 | 1283 |
|
1.5常用的深度学习框架 |
00:14:04 | 1273 |
|
2.1图像分类简介 |
00:14:50 | 1217 |
|
2.2卷积神经网络的基本结构与原理-1 |
00:14:12 | 1272 |
|
2.2卷积神经网络的基本结构与原理-2 |
00:10:35 | 1220 |
|
2.2卷积神经网络的基本结构与原理-3 |
00:18:57 | 1215 |
|
2.3AlexNet算法-1 |
00:16:47 | 1225 |
|
2.3AlexNet算法-2 |
00:14:21 | 1198 |
|
2.4VGGNet算法 |
00:07:43 | 1205 |
|
2.5GoogLeNet算法 |
00:16:24 | 1211 |
|
2.6ResNet算法 |
00:17:09 | 1197 |
|
2.7最新网络框架 |
00:05:56 | 1200 |
|
3.1目标检测简介 |
00:09:10 | 1209 |
|
3.2R-CNN算法 |
00:14:49 | 1236 |
|
3.3Fast R-CNN算法 |
00:09:03 | 1228 |
|
3.4Faster R-CNN算法 |
00:08:11 | 1222 |
|
3.5Two-Stage算法总结 |
00:15:57 | 1219 |
|
3.6YOLO算法-1 |
00:19:21 | 1235 |
|
3.6YOLO算法-2 |
00:19:19 | 1224 |
|
3.7One-Stage算法总结 |
00:10:23 | 1243 |
|
3.8基于Faster R-CNN的船只检测案例-1 |
00:13:11 | 1269 |
|
3.8基于Faster R-CNN的船只检测案例-2 |
00:19:35 | 1284 |
|
4.1图像生成简介 |
00:10:39 | 1286 |
|
4.2变分自编码器-1 |
00:19:53 | 1283 |
|
4.2变分自编码器-2 |
00:09:38 | 1283 |
|
4.3生成对抗网络 |
00:16:43 | 1287 |
|
4.4Pixel RNN |
00:13:40 | 1289 |
|
4.5Pixel CNN |
00:07:21 | 1299 |
|
4.6风格迁移 |
00:11:36 | 1299 |
|
4.7基于GAN网络生成蝴蝶图像案例-1 |
00:16:16 | 1310 |
|
4.7基于GAN网络生成蝴蝶图像案例-2 |
00:18:05 | 1299 |
|
5.1人脸识别简介 |
00:15:10 | 1306 |
|
5.2传统方法 |
00:11:54 | 1314 |
|
5.3深度学习方法 |
00:08:20 | 1315 |
|
5.4DeepFace算法 |
00:12:25 | 1307 |
|
5.5DeepID算法 |
00:16:51 | 1302 |
|
5.6FaceNet算法 |
00:13:42 | 1307 |
|
5.7基于FaceNet的人脸识别案例-1 |
00:15:36 | 1319 |
|
5.7基于FaceNet的人脸识别案例-2 |
00:15:37 | 1307 |