大厂宝藏级Python深度学习+迁移学习课程 大厂Python深度学习视频教程 附课程源码

大厂宝藏级Python深度学习+迁移学习课程 大厂Python深度学习视频教程 附课程源码

课程介绍

宝藏级的Python深度学习到迁移学习课程实战，课程将以最快的速度帮助同学们构建整体的深度学习与网络架构，课程内容包括了Mask-Rcnn开源项目，FPN网络架构实现解读，RorAlign操作，RoiPooling层解读，DetectionTarget层的作用，迁移学习策略，物体检测概述，RPN网络架构等非常有用的内容。

课程目录

├─(1) 1-1 课程简介.mp4
├─(2) 1-2 Mask-Rcnn开源项目简介.mp4
├─(3) 1-3 开源项目数据集.mp4
├─(4) 1-4 参数配置.mp4
├─(5) 2-1 FPN网络架构实现解读.mp4
├─(6) 2-10 RoiPooling层的作用与目的.mp4
├─(7) 2-11 RorAlign操作的效果.mp4
├─(8) 2-12 整体框架回顾.mp4
├─(9) 2-2 FPN层特征提取原理解读.mp4
├─(10) 2-3 生成框比例设置.mp4
├─(11) 2-4 基于不同尺度特征图生成所有框.mp4
├─(12) 2-5 RPN层的作用与实现解读.mp4
├─(13) 2-6 候选框过滤方法.mp4
├─(14) 2-7 Proposal层实现方法.mp4
├─(15) 2-8 DetectionTarget层的作用.mp4
├─(16) 2-9 正负样本选择与标签定义.mp4
├─(17) 3-1 Labelme工具安装.mp4
├─(18) 3-2 使用labelme进行数据与标签标注.mp4
├─(19) 3-3 完成训练数据准备工作.mp4
├─(20) 3-4 maskrcnn源码修改方法.mp4
├─(21) 3-5 基于标注数据训练所需任务.mp4
├─(22) 3-6 测试与展示模块.mp4
├─(23) 4-1 COCO数据集与人体姿态识别简介.mp4
├─(24) 4-2 网络架构概述.mp4
├─(25) 4-3 流程与结果演示.mp4
├─(26) 5-1 迁移学习的目标.mp4
├─(27) 5-2 迁移学习策略.mp4
├─(28) 5-3 Resnet原理.mp4
├─(29) 5-4 Resnet网络细节.mp4
├─(30) 5-5 Resnet基本处理操作.mp4
├─(31) 5-6 shortcut模块.mp4
├─(32) 5-7 加载训练好的权重.mp4
├─(33) 5-8 迁移学习效果对比.mp4
├─(34) 6-1 物体检测概述.mp4
├─(35) 6-2 深度学习经典检测方法.mp4
├─(36) 6-3 faster-rcnn概述.mp4
├─(37) 6-4 论文解读.mp4
├─(38) 6-5 RPN网络架构.mp4
├─(39) 6-6 损失函数定义.mp4
├─(40) 6-7 网络细节.mp4
(1)\课件源码Python深度学习物体实战；目录中文件数:0个
(2)\课件源码Python深度学习物体实战\MASK-RCNN；目录中文件数:6个
├─(41) f112c9fda85536ee3eba662c9043e683.bat
├─(42) mask-rcnn.pdf
├─(43) 第三章：基于MASK-RCNN框架训练自己的数据与任务.zip
├─(44) 第二章：MaskRcnn网络框架源码详解.zip
├─(45) 第五章：迁移学习.zip
├─(46) 第四章：练手小项目-人体姿态识别demo.zip
(3)\课件源码Python深度学习物体实战\MASK-RCNN\第六章：物体检测-faster-rcnn；目录中文件数:4个
├─(47) Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks.pdf
├─(48) faster-rcnn.pptx
├─(49) FasterRcnn.zip
├─(50) iccv15_tutorial_training_rbg.pdf



下载地址（百度网盘）：

游客，如果您要查看本帖隐藏内容请回复

版权声明

1. 本站出于学习和研究的目的提供平台共会员进行交流和讨论，网站资源由会员从网上收集整理所得，版权属于原作者。

2. 网站所有资源是进行学习和研究测试之用，不得以任何方式用于商业用途。请在下载后24小时删除。

3. 灵感中国非常重视知识产权,如有侵犯任何第三方权益，请发邮件(linggancg@foxmail.com)及时联系，邮件请附（专利证书、商标注册证、著作权证书，以及知识产权人授权投诉方进行投诉的证明文件等有效证明），我们将第一时间核实并删除侵权帖子(3个工作日内处理完并邮件答复)。

本文地址: https://lingganchina.com/thread-38382-1-1.html

学习了，谢谢分享

相当不错，感谢分享！

楼主发贴辛苦了，谢谢楼主分享！

好好 学习了 确实不错

不错不错，楼主您辛苦了。