图像识别理论与实战:快速掌握热门图像识别技术
本资源为图像识别理论与实战:快速掌握热门图像识别技术[9.62GB]百度网盘下载,包含了124节视频课程,可在线播放无需下载。
课程不需要学习复杂的图像和图形领域的算法和原理公式,而是从深度学习中的卷积神经网络出发,使用图像处理框架Tensorflow进行操作,最后动手实践,完成人脸识别、图像识别等视觉领域比较容易入手的项目。
你将获得
掌握机器学习基本流程、卷积网络,学习关于池化、多层卷积等知识
资源目录
第 1 讲开篇
1.1课程与讲师介绍 时长 08:45
1.2为什么要学习人工智能 时长 16:09
第 2 讲TensorFlow初体验
2.1监督学习 时长 11:33
2.2为什么使用TensorFlow 时长 06:48
2.3安装Python 时长 08:53
2.4安装Virtualenv 时长 06:13
2.5安装Tenserflow(非GPU版本) 时长 09:09
2.6Hello world 时长 10:12
2.7MNIST手写数据集 时长 21:19
2.8读取MNIST手写数据(一) 时长 11:37
2.9读取MNIST手写数据(二) 时长 16:42
2.10读取MNIST手写数据(三) 时长 10:06
2.11线性回归模型 时长 07:14
2.12深度神经网络模型 时长 04:48
第 3 讲深度机器学习(上)
3.1转型算法工程师:知识体系(一) 时长 08:27
3.2转型算法工程师:知识体系(二) 时长 06:15
3.3转型算法工程师:知识体系(三) 时长 08:10
3.4转型算法工程师:知识体系(四) 时长 03:25
3.5转型算法工程师:实战经验 时长 11:26
3.6转型算法工程师:认知水平 时长 05:04
3.7为什么学习图像识别(一) 时长 09:24
3.8为什么学习图像识别(二) 时长 10:54
3.9课程大纲 时长 06:09
3.10第一次人工智能浪潮(一) 时长 08:14
3.11第一次人工智能浪潮(二) 时长 07:38
3.12第一次人工智能浪潮(三) 时长 07:13
3.13第二次人工智能浪潮 时长 10:00
3.14第三次人工智能浪潮 时长 06:37
3.15深度学习知识点 时长 04:39
3.16神经元 时长 10:54
3.17感知器 时长 11:37
3.18人工神经网络 时长 03:50
3.19参数的计算 时长 05:33
第 4 讲深度机器学习(下)
4.1监督学习与前向运算 时长 08:32
4.2前向运算举例 时长 22:37
4.3神经网络如何解决二分问题 时长 16:24
4.4矩阵乘法的几何意义(一) 时长 11:03
4.5矩阵乘法的几何意义(二) 时长 16:24
4.6隐层神经元数量的作用 时长 11:34
4.7反向传播 时长 07:01
4.8梯度下降(一) 时长 08:45
4.9梯度下降(二) 时长 11:31
4.10冲量梯度下降 时长 08:10
4.11牛顿:拉普森算法 时长 05:34
4.12牛顿法 时长 03:16
4.13链式求导(一) 时长 14:35
4.14链式求导(二) 时长 09:30
4.15链式求导练习 时长 20:10
4.16学习率 时长 05:13
4.17梯度消失与梯度爆炸 时长 11:15
4.18凸函数和凸优化 时长 07:25
4.19总结 时长 05:31
第 5 讲卷积神经网络(上)
5.1大纲 时长 08:08
5.2卷积层(一) 时长 14:23
5.3卷积层(二) 时长 12:17
5.4卷积运算 时长 04:51
5.5卷积核(一) 时长 10:25
5.6卷积核(二) 时长 15:17
5.7多通道神经网络输入 时长 03:26
5.8卷积核的重要参数 时长 11:03
5.9权值共享 时长 05:08
5.10为什么使用卷积 时长 08:44
5.11步长 时长 06:22
5.12考虑步长后的计算量估计(一) 时长 10:39
5.13考虑步长后的计算量估计(二) 时长 05:24
5.14Padding 时长 08:00
5.15减少参数增大感受野的方法 时长 03:54
5.16TensorFlow定义卷积 时长 05:42
5.17池化层 时长 11:25
5.18激活函数(一) 时长 06:04
5.19激活函数(二) 时长 12:12
第 6 讲卷积神经网络(下)
6.1BatchNorm层 时长 07:47
6.2全连接层 时长 05:12
6.3Dropout层 时长 07:58
6.4损失层(一) 时长 05:26
6.5损失层(二) 时长 10:29
6.6损失层(三) 时长 13:38
6.7损失层(四) 时长 03:31
6.8LeNet 时长 07:58
6.9AlexNet 时长 13:20
6.10ZFNet 时长 08:09
6.11VGGNet 时长 06:02
6.12GoogLeNet-Inception(一) 时长 06:44
6.13GoogLeNet-Inception(二) 时长 19:12
6.14GoogLeNet-Inception(三) 时长 04:37
6.15GoogLeNet-Inception(四) 时长 02:32
6.16如何减少网络计算量 时长 01:48
6.17ResNet(一) 时长 06:18
6.18ResNet(二) 时长 08:44
6.19轻量级神经网络 时长 05:02
6.20SqueezeNet 时长 03:02
6.21MobileNet(一) 时长 16:59
6.22MobileNet(二) 时长 04:29
6.23ShuffleNet 时长 09:56
6.24Xception 时长 02:13
6.25从学院派到工程派 时长 06:57
第 7 讲TensorFlow基础
7.1安装GPU版本的TensorFlow 时长 14:05
7.2TensorFlow1.0讲解(一) 时长 13:47
7.3TensorFlow1.0讲解(二) 时长 15:54
7.4TensorFlow1.0讲解(三) 时长 12:51
7.5TensorFlow1.0讲解(四) 时长 20:09
7.6安装GPU版本的TensorFlow2.0 时长 04:46
7.7TensorFlow2.0讲解(一) 时长 16:29
7.8TensorFlow2.0讲解(二) 时长 17:20
第 8 讲图像分类实战
8.1Slim 时长 14:23
8.2Slim准备Cifar10数据 时长 11:14
8.3Cifarnet训练 时长 14:34
8.4Cifarnet测试 时长 02:28
8.5Resnet_v1_50训练Cifar10(一) 时长 12:15
8.6Resnet_v1_50训练Cifar10(二) 时长 06:40
第 9 讲人脸识别实战
9.1业务场景(一) 时长 12:02
9.2业务场景(二) 时长 06:40
9.3人脸识别流程 时长 09:20
9.4人脸的标注方法 时长 02:19
9.5评价指标(一) 时长 13:23
9.6评价指标(二) 时长 14:46
9.7人脸检测算法 时长 02:55
9.8SSD(一) 时长 14:18
9.9SSD(二) 时长 16:23
9.10SSD环境准备 时长 13:42
9.11WIDERFACE数据准备(一) 时长 11:55
9.12WIDERFACE数据准备(二) 时长 08:29
9.13训练(一) 时长 09:32
9.14训练(二) 时长 09:29
9.15评估与使用 时长 05:37
部分资源收费是对搜集、整体及网站运营必须的支出做适当补偿,敬请谅解。
每位访客应尊重版权方的知识产权,支持版权方出版社和出版社
如遇到资源失效请联系客服QQ:1516278755