人工智能深度学习系统班6 期 01 直播课回放
- 01 开班典礼
- 02 Pycharm环境配置与Debug演示(没用过的同学必看)
- 03 深度学习核心算法-神经网络与卷积网络
- 04 卷积神经网络
- 05 Transformer架构
- 06 Transfomer在视觉任务中的应用实例
- 07 YOLO系列（V7）算法解读
- 08 分割模型Maskformer系列
- 09-01 Backbone获取多层级特征
- 09-02 多层级采样点初始化构建
- 09-03 多层级输入特征序列创建方法
- 09-04 偏移量与权重计算并转换
- 09-05 Encoder特征构建方法实例
- 09-06 query要预测的任务解读
- 09-07 Decoder中的AttentionMask方法
- 09-08 损失模块输入参数分析
- 09-09 标签分配策略解读
- 10 半监督物体检测
- 10 正样本筛选损失计算
- 11 标签分类匹配结果分析
- 11 基于图模型的时间序列预测
- 12 图像定位与检索
- 12 最终损失计算流程
- 13 汇总所有损失完成迭代
- 13 近期内容补充
- 14 文本生成GPT系列
- 15 异构图神经网络
- 16 BEV特征空间
- 17-01 环境配置方法解读
- 17-02 数据集下载与配置方法
- 17-03 特征提取以及BEV空间初始化
- 17-04 特征对齐与位置编码初始化
- 17-05 Reference初始点构建
- 17-06 BEV空间与图像空间位置对应
- 17-07 注意力机制模块计算方法
- 17-08 BEV空间特征构建
- 17-09 Decoder要完成的任务分析
- 17-10 获取当前BEV特征
- 17-11 Decoder级联校正模块
- 17-12 损失函数与预测可视化
- 18 知识蒸馏
- 19 六期总结与论文简历