古泡人工智能P5第5期2022年本课程由@时间煮酒我煮粥整理上传。
下载途径：共32.8GB，百度网盘转存下载。
课程介绍
课程内容全面覆盖深度学习算法及其项目实战，主要应用于计算机视觉与自然语言处理两大核心领域，配套实战案例与项目全部基于真实数据集与实际任务展开。大型项目完美结合当下行业趋势，培养满足企业就业需求的中高级人工智能算法工程师。
课程目录
├──10_图神经网络实战
| ├──1_图神经网络基础
| ├──2_图卷积GCN模型
| ├──3_图模型必备神器PyTorch Geometric安装与使用
| ├──4_使用PyTorch Geometric构建自己的图数据集
| ├──5_图注意力机制与序列图模型
| ├──6_图相似度论文解读
| ├──7_图相似度计算实战
| ├──8_基于图模型的轨迹估计
| └──9_图模型轨迹估计实战
├──1_直播课回放
| ├──1_直播1：开班典礼
| ├──2_Pycharm环境配置与Debug演示(没用过的同学必看)
| ├──3_直播2：深度学习必备基础-神经网络与卷积网络
| ├──4_直播3：Transformer原理及其各领域应用分析
| ├──5_额外补充：时间序列预测
| └──6_直播4：Informer时间序列预测源码解读
├──2_深度学习必备核心算法
| ├──1_神经网络算法解读
| ├──2_卷积神经网络算法解读
| └──3_递归神经网络算法解读
├──3_深度学习核心框架PyTorch
| ├──1_PyTorch框架介绍与配置安装
| ├──2_使用神经网络进行分类任务
| ├──3_神经网络回归任务-气温预测
| ├──4_卷积网络参数解读分析
| ├──5_图像识别模型与训练策略（重点）
| ├──6_DataLoader自定义数据集制作
| ├──7_LSTM文本分类实战
| └──8_PyTorch框架Flask部署例子
├──4_MMLAB实战系列
| ├──10_第四模块：DBNET文字检测
| ├──11_第四模块：ANINET文字识别
| ├──12_第四模块：KIE基于图模型的关键信息抽取
| ├──12_第五模块：stylegan2源码解读
| ├──13_第六模块：BasicVSR++视频超分辨重构源码解读
| ├──14_第七模块：多模态3D目标检测算法源码解读
| ├──15_第八模块：模型蒸馏应用实例
| ├──16_第八模块：模型剪枝方法概述分析
| ├──17_第九模块：mmaction行为识别
| ├──18_额外补充
| ├──1_MMCV安装方法
| ├──2_第一模块：分类任务基本操作
| ├──3_第一模块：训练结果测试与验证
| ├──4_第一模块：模型源码DEBUG演示
| ├──5_第二模块：使用分割模块训练自己的数据集
| ├──6_第二模块：基于Unet进行各种策略修改
| ├──7_第二模块：分割任务CVPR最新Backbone设计及其应用
| ├──8_第三模块：mmdet训练自己的数据任务
| └──9_第三模块：DeformableDetr物体检测源码分析
├──5_Opencv图像处理框架实战
| ├──10_项目实战-文档扫描OCR识别
| ├──11_图像特征-harris
| ├──12_图像特征-sift
| ├──13_案例实战-全景图像拼接
| ├──14_项目实战-停车场车位识别
| ├──15_项目实战-答题卡识别判卷
| ├──16_背景建模
| ├──17_光流估计
| ├──18_Opencv的DNN模块
| ├──19_项目实战-目标追踪
| ├──1_课程简介与环境配置
| ├──20_卷积原理与操作
| ├──21_项目实战-疲劳检测
| ├──2_图像基本操作
| ├──3_阈值与平滑处理
| ├──4_图像形态学操作
| ├──5_图像梯度计算
| ├──6_边缘检测
| ├──7_图像金字塔与轮廓检测
| ├──8_直方图与傅里叶变换
| └──9_项目实战-信用卡数字识别
├──6_综合项目-物体检测经典算法实战
| ├──10_EfficientNet网络
| ├──11_EfficientDet检测算法
| ├──12_基于Transformer的detr目标检测算法
| ├──13_detr目标检测源码解读
| ├──1_深度学习经典检测方法概述
| ├──2_YOLO-V1整体思想与网络架构
| ├──3_YOLO-V2改进细节详解
| ├──4_YOLO-V3核心网络模型
| ├──5_项目实战-基于V3版本进行源码解读
| ├──6_基于YOLO-V3训练自己的数据集与任务
| ├──7_YOLO-V4版本算法解读
| ├──8_V5版本项目配置
| └──9_V5项目工程源码解读
├──7_图像分割实战
| ├──10_MaskRcnn网络框架源码详解
| ├──11_基于MASK-RCNN框架训练自己的数据与任务
| ├──1_图像分割及其损失函数概述
| ├──2_卷积神经网络原理与参数解读
| ├──3_Unet系列算法讲解
| ├──4_unet医学细胞分割实战
| ├──5_U2NET显著性检测实战
| ├──6_deeplab系列算法
| ├──7_基于deeplabV3+版本进行VOC分割实战
| ├──8_医学心脏视频数据集分割建模实战
| └──9_物体检测框架-MaskRcnn项目介绍与配置
├──8_行为识别实战
| ├──1_slowfast算法知识点通俗解读
| ├──2_slowfast项目环境配置与配置文件
| ├──3_slowfast源码详细解读
| ├──4_基于3D卷积的视频分析与动作识别
| ├──5_视频异常检测算法与元学习
| ├──6_视频异常检测CVPR2021论文及其源码解读
| └──7_基础补充-Resnet模型及其应用实例
└──9_2022论文必备-Transformer实战系列
| ├──10_MedicalTransformer源码解读
| ├──11_商汤LoFTR算法解读
| ├──12_局部特征关键点匹配实战
| ├──13_项目补充-谷歌开源项目BERT源码解读与应用实例
| ├──14_项目补充-基于BERT的中文情感分析实战
| ├──1_课程介绍
| ├──2_自然语言处理通用框架BERT原理解读
| ├──3_Transformer在视觉中的应用VIT算法
| ├──4_VIT算法模型源码解读
| ├──5_swintransformer算法原理解析
| ├──6_swintransformer源码解读
| ├──7_基于Transformer的detr目标检测算法
| ├──8_detr目标检测源码解读
| └──9_MedicalTrasnformer论文解读
