├─01 直播课回放
│&nBSp;&nBSp;├─01 开班典礼
│&nBSp;&nBSp;├─02 Pycharm环境配置与Debug演示
│&nBSp;&nBSp;├─03 直播1：深度学习核心算法-神经网络与卷积网络
│&nBSp;&nBSp;├─04 直播2：卷积神经网络
│&nBSp;&nBSp;├─05 直播3：Transformer架构
│&nBSp;&nBSp;├─06 直播4：Transfomer在视觉任务中的应用实例
│&nBSp;&nBSp;├─07 直播5：YOLO系列（V7）算法解读
│&nBSp;&nBSp;├─08 直播6：分割模型Maskformer系列
│&nBSp;&nBSp;├─09 补充：Mask2former源码解读
│&nBSp;&nBSp;├─10 直播7：半监督物体检测
│&nBSp;&nBSp;├─11 直播8：基于图模型的时间序列预测
│&nBSp;&nBSp;├─12 直播9：图像定位与检索
│&nBSp;&nBSp;├─13 直播10：近期内容补充
│&nBSp;&nBSp;├─15 直播12：异构图神经网络
│&nBSp;&nBSp;├─16 直播13：BEV特征空间
│&nBSp;&nBSp;├─17 补充：BevFormer源码解读
│&nBSp;&nBSp;├─18 直播14：知识蒸馏
│&nBSp;&nBSp;└─19 直播15：六期总结与论文简历
│
├─02 深度学习必备核心算法
│&nBSp;&nBSp;├─01 神经网络算法解读
│&nBSp;&nBSp;├─02 卷积神经网络算法解读
│&nBSp;&nBSp;└─03 递归神经网络算法解读
│
├─03 深度学习核心框架PyTorch
│&nBSp;&nBSp;├─01 PyTorch框架介绍与配置安装
│&nBSp;&nBSp;├─02 使用神经网络进行分类任务
│&nBSp;&nBSp;├─03 神经网络回归任务-气温预测
│&nBSp;&nBSp;├─04 卷积网络参数解读分析
│&nBSp;&nBSp;├─05 图像识别模型与训练策略（重点）
│&nBSp;&nBSp;├─06 DataLoADer自定义数据集制作
│&nBSp;&nBSp;├─07 LSTM文本分类实战
│&nBSp;&nBSp;└─08 PyTorch框架Flask部署例子
│
├─04 MMLAB实战系列
│&nBSp;&nBSp;├─01 MMCV安装方法
│&nBSp;&nBSp;├─02 第一模块：分类任务基本操作
│&nBSp;&nBSp;├─03 第一模块：训练结果测试与验证
│&nBSp;&nBSp;├─04 第一模块：模型源码DEBUG演示
│&nBSp;&nBSp;├─05 第二模块：使用分割模块训练自己的数据集
│&nBSp;&nBSp;├─06 第二模块：基于Unet进行各种策略修改
│&nBSp;&nBSp;├─07 第二模块：分割任务CVPr最新Backbone设计及其应用
│&nBSp;&nBSp;├─08 第三模块：mmdet训练自己的数据任务
│&nBSp;&nBSp;├─09 第三模块：DeformableDetr物体检测源码分析
│&nBSp;&nBSp;├─11 第三模块：DeformableDetr算法解读
│&nBSp;&nBSp;├─12 KIE关键信息抽取与视频超分辨率重构
│&nBSp;&nBSp;├─13 第四模块：DBNET文字检测
│&nBSp;&nBSp;├─14 第四模块：ANINET文字识别
│&nBSp;&nBSp;├─15 第四模块：KIE基于图模型的关键信息抽取
│&nBSp;&nBSp;├─16 第五模块：styleGAN2源码解读
│&nBSp;&nBSp;├─17 第六模块：BasicVSR++视频超分辨重构源码解读
│&nBSp;&nBSp;├─18 第七模块：多模态3D目标检测算法源码解读
│&nBSp;&nBSp;├─19 第八模块：模型蒸馏应用实例
│&nBSp;&nBSp;├─20 第八模块：模型剪枝方法概述分析
│&nBSp;&nBSp;├─21 第九模块：mmaction行为识别
│&nBSp;&nBSp;└─22 OCR算法解读
│
├─05 Opencv图像处理框架实战
│&nBSp;&nBSp;├─01 课程简介与环境配置
│&nBSp;&nBSp;├─02 图像基本操作
│&nBSp;&nBSp;├─03 阈值与平滑处理
│&nBSp;&nBSp;├─04 图像形态学操作
│&nBSp;&nBSp;├─05 图像梯度计算
│&nBSp;&nBSp;├─06 边缘检测
│&nBSp;&nBSp;├─07 图像金字塔与轮廓检测
│&nBSp;&nBSp;├─08 直方图与傅里叶变换
│&nBSp;&nBSp;├─09 项目实战-信用卡数字识别
│&nBSp;&nBSp;├─10 项目实战-文档扫描OCR识别
│&nBSp;&nBSp;├─11 图像特征-harris
│&nBSp;&nBSp;├─12 图像特征-sift
│&nBSp;&nBSp;├─13 案例实战-全景图像拼接
│&nBSp;&nBSp;├─14 项目实战-停车场车位识别
│&nBSp;&nBSp;├─15 项目实战-答题卡识别判卷
│&nBSp;&nBSp;├─16 背景建模
│&nBSp;&nBSp;├─17 光流估计
│&nBSp;&nBSp;├─18 Opencv的DNN模块
│&nBSp;&nBSp;├─19 项目实战-目标追踪
│&nBSp;&nBSp;├─20 卷积原理与操作
│&nBSp;&nBSp;└─21 项目实战-疲劳检测
│
├─06 综合项目-物体检测经典算法实战
│&nBSp;&nBSp;├─01 深度学习经典检测方法概述
│&nBSp;&nBSp;├─02 YOLO-V1整体思想与网络架构
│&nBSp;&nBSp;├─03 YOLO-V2改进细节详解
│&nBSp;&nBSp;├─04 YOLO-V3核心网络模型
│&nBSp;&nBSp;├─05 项目实战-基于V3版本进行源码解读（建议直接跑V5版本）
│&nBSp;&nBSp;├─06 基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）
│&nBSp;&nBSp;├─07 YOLO-V4版本算法解读
│&nBSp;&nBSp;├─08 V5版本项目配置
│&nBSp;&nBSp;├─09 V5项目工程源码解读
│&nBSp;&nBSp;├─10 V7源码解读
│&nBSp;&nBSp;├─11 EfficientNet网络
│&nBSp;&nBSp;├─12 EfficientDet检测算法
│&nBSp;&nBSp;├─13 基于Transformer的detr目标检测算法
│&nBSp;&nBSp;└─14 detr目标检测源码解读
│
├─07 图像分割实战
│&nBSp;&nBSp;├─01 图像分割及其损失函数概述
│&nBSp;&nBSp;├─05 U2NET显著性检测实战
│&nBSp;&nBSp;├─09 物体检测框架-MaskRcnn项目介绍与配置
│&nBSp;&nBSp;├─10 MaskRcnn网络框架源码详解
│&nBSp;&nBSp;└─11 基于MASK-RCNN框架训练自己的数据与任务
│
├─08 行为识别实战
│&nBSp;&nBSp;├─01 slowfast算法知识点通俗解读
│&nBSp;&nBSp;├─02 slowfast项目环境配置与配置文件
│&nBSp;&nBSp;├─03 slowfast源码详细解读
│&nBSp;&nBSp;├─04 基于3D卷积的视频分析与动作识别
│&nBSp;&nBSp;├─05 视频异常检测算法与元学习
│&nBSp;&nBSp;└─06 视频异常检测CVPr2021论文及其源码解读
│
├─09 2022论文必备-Transformer实战系列
│&nBSp;&nBSp;├─01 课程介绍
│&nBSp;&nBSp;├─02 自然语言处理通用框架BERT原理解读
│&nBSp;&nBSp;├─03 Transformer在视觉中的应用VIT算法
│&nBSp;&nBSp;├─04 VIT算法模型源码解读
│&nBSp;&nBSp;├─05 swintransformer算法原理解析
│&nBSp;&nBSp;├─06 swintransformer源码解读
│&nBSp;&nBSp;├─07 基于Transformer的detr目标检测算法
│&nBSp;&nBSp;├─08 detr目标检测源码解读
│&nBSp;&nBSp;├─09 MedicalTrasnformer论文解读
│&nBSp;&nBSp;├─10 MedicalTransformer源码解读
│&nBSp;&nBSp;├─11 商汤LoFTR算法解读
│&nBSp;&nBSp;├─12 局部特征关键点匹配实战
│&nBSp;&nBSp;├─13 项目补充-谷歌开源项目BERT源码解读与应用实例
│&nBSp;&nBSp;└─14 项目补充-基于BERT的中文情感分析实战
│
├─10 图神经网络实战
│&nBSp;&nBSp;├─01 图神经网络基础
│&nBSp;&nBSp;├─02 图卷积GCN模型
│&nBSp;&nBSp;├─03 图模型必备神器PyTorch Geometric安装与使用
│&nBSp;&nBSp;├─04 使用PyTorch Geometric构建自己的图数据集
│&nBSp;&nBSp;├─05 图注意力机制与序列图模型
│&nBSp;&nBSp;├─06 图相似度论文解读
│&nBSp;&nBSp;├─07 图相似度计算实战
│&nBSp;&nBSp;├─08 基于图模型的轨迹估计
│&nBSp;&nBSp;└─09 图模型轨迹估计实战
│
├─11 3D点云实战
│&nBSp;&nBSp;├─01 3D点云实战 3D点云应用领域分析
│&nBSp;&nBSp;├─02 3D点云POIntNet算法
│&nBSp;&nBSp;├─03 POIntNet++算法解读
│&nBSp;&nBSp;├─04 POIntnet++项目实战
│&nBSp;&nBSp;├─05 点云补全PF-Net论文解读
│&nBSp;&nBSp;├─06 点云补全实战解读
│&nBSp;&nBSp;├─07 点云配准及其案例实战
│&nBSp;&nBSp;└─08 基础补充-对抗生成网络架构原理与实战解析
│
├─12 目标追踪与姿态估计实战
│&nBSp;&nBSp;├─01 课程介绍
│&nBSp;&nBSp;├─02 姿态估计OpenPose系列算法解读
│&nBSp;&nBSp;├─03 OpenPose算法源码分析
│&nBSp;&nBSp;├─04 Deepsort算法知识点解读
│&nBSp;&nBSp;├─05 Deepsort源码解读
│&nBSp;&nBSp;├─06 YOLO-V4版本算法解读
│&nBSp;&nBSp;└─08 V5项目工程源码解读
│
├─13 面向深度学习的无人驾驶实战
│&nBSp;&nBSp;├─01 深度估计算法原理解读
│&nBSp;&nBSp;├─02 深度估计项目实战
│&nBSp;&nBSp;├─03 车道线检测算法与论文解读
│&nBSp;&nBSp;├─04 基于深度学习的车道线检测项目实战
│&nBSp;&nBSp;├─06 局部特征关键点匹配实战
│&nBSp;&nBSp;├─07 三维重建应用与坐标系基础
│&nBSp;&nBSp;├─08 NeuralRecon算法解读
│&nBSp;&nBSp;├─09 NeuralRecon项目环境配置
│&nBSp;&nBSp;├─10 NeuralRecon项目源码解读
│&nBSp;&nBSp;├─11 TSDF算法与应用
│&nBSp;&nBSp;├─12 TSDF实战案例
│&nBSp;&nBSp;├─14 轨迹估计预测实战
│&nBSp;&nBSp;└─15 特斯拉无人驾驶解读
│
├─14 对比学习与多模态任务实战
│&nBSp;&nBSp;├─01 对比学习算法与实例
│&nBSp;&nBSp;└─04 多模态文字识别
│
├─15 缺陷检测实战
│&nBSp;&nBSp;├─01 课程介绍
│&nBSp;&nBSp;├─02 物体检框架YOLO-V4版本算法解读
│&nBSp;&nBSp;├─04 物体检测框架YOLOv5项目工程源码解读
│&nBSp;&nBSp;├─05 基于YOLOv5的钢材缺陷检测实战
│&nBSp;&nBSp;├─06 Semi-supervised布料缺陷检测实战
│&nBSp;&nBSp;├─07 Opencv图像常用处理方法实例
│&nBSp;&nBSp;├─09 Opencv轮廓检测与直方图
│&nBSp;&nBSp;├─10 基于Opencv缺陷检测项目实战
│&nBSp;&nBSp;├─11 基于视频流水线的Opencv缺陷检测项目
│&nBSp;&nBSp;└─14 Deeplab铁质材料缺陷检测与开源项目应用流程
│
├─16 行人重识别实战
│&nBSp;&nBSp;├─01 行人重识别原理及其应用
│&nBSp;&nBSp;├─02 基于注意力机制的Reld模型论文解读
│&nBSp;&nBSp;├─03 基于Attention的行人重识别项目实战
│&nBSp;&nBSp;├─04 AAAI2020顶会算法精讲
│&nBSp;&nBSp;├─05 项目实战-基于行人局部特征融合的再识别实战
│&nBSp;&nBSp;├─06 旷视研究院最新算法解读（基于图模型）
│&nBSp;&nBSp;└─07 基于拓扑图的行人重识别项目实战
│
├─17 对抗生成网络实战
│&nBSp;&nBSp;├─01 课程介绍
│&nBSp;&nBSp;├─02 对抗生成网络架构原理与实战解析
│&nBSp;&nBSp;├─03 基于CycleGAN开源项目实战图像合成
│&nBSp;&nBSp;├─04 starGAN论文架构解析
│&nBSp;&nBSp;├─05 starGAN项目实战及其源码解读
│&nBSp;&nBSp;├─06 基于starGANvc2的变声器论文原理解读
│&nBSp;&nBSp;├─07 starGANvc2变声器项目实战及其源码解读
│&nBSp;&nBSp;├─08 图像超分辨率重构实战
│&nBSp;&nBSp;└─09 基于GAN的图像补全实战
│
├─18 强化学习实战系列
│&nBSp;&nBSp;├─01 强化学习简介及其应用
│&nBSp;&nBSp;├─02 PPO算法与公式推导
│&nBSp;&nBSp;├─03 PPO实战-月球登陆器训练实例
│&nBSp;&nBSp;├─04 Q-learning与DQN算法
│&nBSp;&nBSp;├─06 DQN改进与应用技巧
│&nBSp;&nBSp;├─07 Actor-Critic算法分析（A3C）
│&nBSp;&nBSp;└─08 用A3C玩转超级马里奥
│
├─19 OpenAI顶级黑科技算法及其项目实战
│&nBSp;&nBSp;├─01 GPT系列生成模型
│&nBSp;&nBSp;├─02 GPT建模与预测流程
│&nBSp;&nBSp;├─03 CLIP系列
│&nBSp;&nBSp;├─04 Diffusion模型解读
│&nBSp;&nBSp;├─05 Dalle2及其源码解读
│&nBSp;&nBSp;└─06 ChatGPT
│
├─20 面向医学领域的深度学习实战
│&nBSp;&nBSp;├─01 卷积神经网络原理与参数解读
│&nBSp;&nBSp;├─02 PyTorch框架基本处理操作
│&nBSp;&nBSp;├─03 PyTorch框架必备核心模块解读
│&nBSp;&nBSp;├─04 基于Resnet的医学数据集分类实战
│&nBSp;&nBSp;├─05 图像分割及其损失函数概述
│&nBSp;&nBSp;├─06 Unet系列算法讲解
│&nBSp;&nBSp;├─07 unet医学细胞分割实战
│&nBSp;&nBSp;├─08 Deeplab系列算法
│&nBSp;&nBSp;├─09 基于DeeplabV3+版本进行VOC分割实战
│&nBSp;&nBSp;├─10 基于Deeplab的心脏视频数据诊断分析
│&nBSp;&nBSp;├─11 YOLO系列物体检测算法原理解读
│&nBSp;&nBSp;├─12 基于YOLO5细胞检测实战
│&nBSp;&nBSp;├─13 知识图谱原理解读
│&nBSp;&nBSp;├─14 Neo4j数据库实战
│&nBSp;&nBSp;├─15 基于知识图谱的医药问答系统实战
│&nBSp;&nBSp;├─16 词向量模型与RNN网络架构
│&nBSp;&nBSp;└─17 医学糖尿病数据命名实体识别
│
├─21 深度学习模型部署与剪枝优化实战
│&nBSp;&nBSp;├─01 AIoT人工智能物联网之认识 jetson nano
│&nBSp;&nBSp;├─02 AIoT人工智能物联网之AI 实战
│&nBSp;&nBSp;├─03 AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
│&nBSp;&nBSp;├─04 AIoT人工智能物联网之DeepstreAM
│&nBSp;&nBSp;├─05 tensorRT视频
│&nBSp;&nBSp;├─06 pyTorch框架部署实践
│&nBSp;&nBSp;├─07 YOLO-V3物体检测部署实例
│&nBSp;&nBSp;├─08 Docker实例演示
│&nBSp;&nBSp;├─09 tensorflow-serving实战
│&nBSp;&nBSp;├─10 模型剪枝-Network SlIMming算法分析
│&nBSp;&nBSp;├─11 模型剪枝-Network SlIMming实战解读
│&nBSp;&nBSp;└─12 Mobilenet三代网络模型架构
│
├─22 自然语言处理必备神器Huggingface系列实战
│&nBSp;&nBSp;├─01 Huggingface与NLP介绍解读
│&nBSp;&nBSp;├─02 Transformer工具包基本操作实例解读
│&nBSp;&nBSp;├─03 transformer原理解读
│&nBSp;&nBSp;├─04 BERT系列算法解读
│&nBSp;&nBSp;├─05 文本标注工具与NER实例
│&nBSp;&nBSp;├─06 文本预训练模型构建实例
│&nBSp;&nBSp;├─07 GPT系列算法
│&nBSp;&nBSp;├─08 GPT训练与预测部署流程
│&nBSp;&nBSp;├─09 文本摘要建模
│&nBSp;&nBSp;├─10 图谱知识抽取实战
│&nBSp;&nBSp;└─11 补充Huggingface数据集制作方法实例
│
├─23 自然语言处理通用框架-BERT实战
│&nBSp;&nBSp;├─01 自然语言处理通用框架BERT原理解读
│&nBSp;&nBSp;├─02 谷歌开源项目BERT源码解读与应用实例
│&nBSp;&nBSp;├─03 项目实战-基于BERT的中文情感分析实战
│&nBSp;&nBSp;├─04 项目实战-基于BERT的中文命名实体识别识别实战
│&nBSp;&nBSp;├─06 必备基础-掌握Tensorflow如何实现Word2vec模型
│&nBSp;&nBSp;└─07 必备基础知识点-RNN网络架构与情感分析应用实例
│
├─24 自然语言处理经典案例实战
│&nBSp;&nBSp;├─01 NLP常用工具包实战
│&nBSp;&nBSp;├─02 商品信息可视化与文本分析
│&nBSp;&nBSp;├─03 贝叶斯算法
│&nBSp;&nBSp;├─04 新闻分类任务实战
│&nBSp;&nBSp;├─05 HMM隐马尔科夫模型
│&nBSp;&nBSp;├─06 HMM工具包实战
│&nBSp;&nBSp;├─07 语言模型
│&nBSp;&nBSp;├─08 使用GemsIM构建词向量
│&nBSp;&nBSp;├─09 基于Word2vec的分类任务
│&nBSp;&nBSp;├─10 NLP-文本特征方法对比
│&nBSp;&nBSp;├─11 NLP-相似度模型
│&nBSp;&nBSp;├─12 LSTM情感分析
│&nBSp;&nBSp;├─13 机器人写唐诗
│&nBSp;&nBSp;└─14 对话机器人
│
├─25 知识图谱实战系列
│&nBSp;&nBSp;├─04 使用python操作neo4j实例
│&nBSp;&nBSp;├─06 文本关系抽取实践
│&nBSp;&nBSp;└─07 金融平台风控模型实践
│
├─26 语音识别实战系列
│&nBSp;&nBSp;├─01 seq2seq序列网络模型
│&nBSp;&nBSp;├─02 LAS模型语音识别实战
│&nBSp;&nBSp;├─05 语音分离ConvTasnet模型
│&nBSp;&nBSp;├─06 ConvTasnet语音分离实战
│&nBSp;&nBSp;└─07 语音合成tacotron最新版实战
│
├─27 推荐系统实战系列
│&nBSp;&nBSp;├─01 推荐系统介绍及其应用
│&nBSp;&nBSp;├─02 协同过滤与矩阵分解
│&nBSp;&nBSp;├─03 音乐推荐系统实战
│&nBSp;&nBSp;├─05 基于知识图谱的电影推荐实战
│&nBSp;&nBSp;├─06 点击率估计FM与DeepFM算法
│&nBSp;&nBSp;├─07 DeepFM算法实战
│&nBSp;&nBSp;├─08 推荐系统常用工具包演示
│&nBSp;&nBSp;├─09 基于文本数据的推荐实例
│&nBSp;&nBSp;├─10 基本统计分析的电影推荐
│&nBSp;&nBSp;└─11 补充-基于相似度的酒店推荐系统
│
├─28 AI课程所需安装软件教程
├─29 额外补充
│&nBSp;&nBSp;└─01 通用创新点
└─资料

*声明：课程资源购自网络，版权归原作者所有，仅供参考学习使用，严禁外传及商用，若侵犯到您的权益请联系客服删除。