资料目录：
├─01 直播课回放
│ ├─01 开班典礼
│ ├─02 Pycharm环境配置与Debug演示
│ ├─03 直播1：深度学习核心算法-神经网络与卷积网络
│ ├─04 直播2：卷积神经网络
│ ├─05 直播3：Transformer架构
│ ├─06 直播4：Transfomer在视觉任务中的应用实例
│ ├─07 直播5：YOLO系列（V7）算法解读
│ ├─08 直播6：分割模型Maskformer系列
│ ├─09 补充：Mask2former源码解读
│ ├─10 直播7：半监督物体检测
│ ├─11 直播8：基于图模型的时间序列预测
│ ├─12 直播9：图像定位与检索
│ ├─13 直播10：近期内容补充
│ ├─15 直播12：异构图神经网络
│ ├─16 直播13：BEV特征空间
│ ├─17 补充：BevFormer源码解读
│ ├─18 直播14：知识蒸馏
│ └─19 直播15：六期总结与论文简历
│
├─02 深度学习必备核心算法
│ ├─01 神经网络算法解读
│ ├─02 卷积神经网络算法解读
│ └─03 递归神经网络算法解读
│
├─03 深度学习核心框架PyTorch
│ ├─01 PyTorch框架介绍与配置安装
│ ├─02 使用神经网络进行分类任务
│ ├─03 神经网络回归任务-气温预测
│ ├─04 卷积网络参数解读分析
│ ├─05 图像识别模型与训练策略（重点）
│ ├─06 DataLoader自定义数据集制作
│ ├─07 LSTM文本分类实战
│ └─08 PyTorch框架Flask部署例子
│
├─04 MMLAB实战系列
│ ├─01 MMCV安装方法
│ ├─02 第一模块：分类任务基本操作
│ ├─03 第一模块：训练结果测试与验证
│ ├─04 第一模块：模型源码DEBUG演示
│ ├─05 第二模块：使用分割模块训练自己的数据集
│ ├─06 第二模块：基于Unet进行各种策略修改
│ ├─07 第二模块：分割任务CVPR最新Backbone设计及其应用
│ ├─08 第三模块：mmdet训练自己的数据任务
│ ├─09 第三模块：DeformableDetr物体检测源码分析
│ ├─11 第三模块：DeformableDetr算法解读
│ ├─12 KIE关键信息抽取与视频超分辨率重构
│ ├─13 第四模块：DBNET文字检测
│ ├─14 第四模块：ANINET文字识别
│ ├─15 第四模块：KIE基于图模型的关键信息抽取
│ ├─16 第五模块：stylegan2源码解读
│ ├─17 第六模块：BasicVSR++视频超分辨重构源码解读
│ ├─18 第七模块：多模态3D目标检测算法源码解读
│ ├─19 第八模块：模型蒸馏应用实例
│ ├─20 第八模块：模型剪枝方法概述分析
│ ├─21 第九模块：mmaction行为识别
│ └─22 OCR算法解读
│
├─05 Opencv图像处理框架实战
│ ├─01 课程简介与环境配置
│ ├─02 图像基本操作
│ ├─03 阈值与平滑处理
│ ├─04 图像形态学操作
│ ├─05 图像梯度计算
│ ├─06 边缘检测
│ ├─07 图像金字塔与轮廓检测
│ ├─08 直方图与傅里叶变换
│ ├─09 项目实战-信用卡数字识别
│ ├─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
│ ├─20 卷积原理与操作
│ └─21 项目实战-疲劳检测
│
├─06 综合项目-物体检测经典算法实战
│ ├─01 深度学习经典检测方法概述
│ ├─02 YOLO-V1整体思想与网络架构
│ ├─03 YOLO-V2改进细节详解
│ ├─04 YOLO-V3核心网络模型
│ ├─05 项目实战-基于V3版本进行源码解读（建议直接跑V5版本）
│ ├─06 基于YOLO-V3训练自己的数据集与任务（建议直接跑V5版本）
│ ├─07 YOLO-V4版本算法解读
│ ├─08 V5版本项目配置
│ ├─09 V5项目工程源码解读
│ ├─10 V7源码解读
│ ├─11 EfficientNet网络
│ ├─12 EfficientDet检测算法
│ ├─13 基于Transformer的detr目标检测算法
│ └─14 detr目标检测源码解读
│
├─07 图像分割实战
│ ├─01 图像分割及其损失函数概述
│ ├─05 U2NET显著性检测实战
│ ├─09 物体检测框架-MaskRcnn项目介绍与配置
│ ├─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
│
├─08 行为识别实战
│ ├─01 slowfast算法知识点通俗解读
│ ├─02 slowfast项目环境配置与配置文件
│ ├─03 slowfast源码详细解读
│ ├─04 基于3D卷积的视频分析与动作识别
│ ├─05 视频异常检测算法与元学习
│ └─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
│ ├─01 课程介绍
│ ├─02 自然语言处理通用框架BERT原理解读
│ ├─03 Transformer在视觉中的应用VIT算法
│ ├─04 VIT算法模型源码解读
│ ├─05 swintransformer算法原理解析
│ ├─06 swintransformer源码解读
│ ├─07 基于Transformer的detr目标检测算法
│ ├─08 detr目标检测源码解读
│ ├─09 MedicalTrasnformer论文解读
│ ├─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
│
├─10 图神经网络实战
│ ├─01 图神经网络基础
│ ├─02 图卷积GCN模型
│ ├─03 图模型必备神器PyTorch Geometric安装与使用
│ ├─04 使用PyTorch Geometric构建自己的图数据集
│ ├─05 图注意力机制与序列图模型
│ ├─06 图相似度论文解读
│ ├─07 图相似度计算实战
│ ├─08 基于图模型的轨迹估计
│ └─09 图模型轨迹估计实战
│
├─11 3D点云实战
│ ├─01 3D点云实战 3D点云应用领域分析
│ ├─02 3D点云PointNet算法
│ ├─03 PointNet++算法解读
│ ├─04 Pointnet++项目实战
│ ├─05 点云补全PF-Net论文解读
│ ├─06 点云补全实战解读
│ ├─07 点云配准及其案例实战
│ └─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
│ ├─01 课程介绍
│ ├─02 姿态估计OpenPose系列算法解读
│ ├─03 OpenPose算法源码分析
│ ├─04 deepsort算法知识点解读
│ ├─05 deepsort源码解读
│ ├─06 YOLO-V4版本算法解读
│ └─08 V5项目工程源码解读
│
├─13 面向深度学习的无人驾驶实战
│ ├─01 深度估计算法原理解读
│ ├─02 深度估计项目实战
│ ├─03 车道线检测算法与论文解读
│ ├─04 基于深度学习的车道线检测项目实战
│ ├─06 局部特征关键点匹配实战
│ ├─07 三维重建应用与坐标系基础
│ ├─08 NeuralRecon算法解读
│ ├─09 NeuralRecon项目环境配置
│ ├─10 NeuralRecon项目源码解读
│ ├─11 TSDF算法与应用
│ ├─12 TSDF实战案例
│ ├─14 轨迹估计预测实战
│ └─15 特斯拉无人驾驶解读
│
├─14 对比学习与多模态任务实战
│ ├─01 对比学习算法与实例
│ └─04 多模态文字识别
│
├─15 缺陷检测实战
│ ├─01 课程介绍
│ ├─02 物体检框架YOLO-V4版本算法解读
│ ├─04 物体检测框架YOLOV5项目工程源码解读
│ ├─05 基于YOLOV5的钢材缺陷检测实战
│ ├─06 Semi-supervised布料缺陷检测实战
│ ├─07 Opencv图像常用处理方法实例
│ ├─09 Opencv轮廓检测与直方图
│ ├─10 基于Opencv缺陷检测项目实战
│ ├─11 基于视频流水线的Opencv缺陷检测项目
│ └─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
│ ├─01 行人重识别原理及其应用
│ ├─02 基于注意力机制的Reld模型论文解读
│ ├─03 基于Attention的行人重识别项目实战
│ ├─04 AAAI2020顶会算法精讲
│ ├─05 项目实战-基于行人局部特征融合的再识别实战
│ ├─06 旷视研究院最新算法解读（基于图模型）
│ └─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
│ ├─01 课程介绍
│ ├─02 对抗生成网络架构原理与实战解析
│ ├─03 基于CycleGan开源项目实战图像合成
│ ├─04 stargan论文架构解析
│ ├─05 stargan项目实战及其源码解读
│ ├─06 基于starganvc2的变声器论文原理解读
│ ├─07 starganvc2变声器项目实战及其源码解读
│ ├─08 图像超分辨率重构实战
│ └─09 基于GAN的图像补全实战
│
├─18 强化学习实战系列
│ ├─01 强化学习简介及其应用
│ ├─02 PPO算法与公式推导
│ ├─03 PPO实战-月球登陆器训练实例
│ ├─04 Q-learning与DQN算法
│ ├─06 DQN改进与应用技巧
│ ├─07 Actor-Critic算法分析（A3C）
│ └─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
│ ├─01 GPT系列生成模型
│ ├─02 GPT建模与预测流程
│ ├─03 CLIP系列
│ ├─04 Diffusion模型解读
│ ├─05 Dalle2及其源码解读
│ └─06 ChatGPT
│
├─20 面向医学领域的深度学习实战
│ ├─01 卷积神经网络原理与参数解读
│ ├─02 PyTorch框架基本处理操作
│ ├─03 PyTorch框架必备核心模块解读
│ ├─04 基于Resnet的医学数据集分类实战
│ ├─05 图像分割及其损失函数概述
│ ├─06 Unet系列算法讲解
│ ├─07 unet医学细胞分割实战
│ ├─08 deeplab系列算法
│ ├─09 基于deeplabV3+版本进行VOC分割实战
│ ├─10 基于deeplab的心脏视频数据诊断分析
│ ├─11 YOLO系列物体检测算法原理解读
│ ├─12 基于YOLO5细胞检测实战
│ ├─13 知识图谱原理解读
│ ├─14 Neo4j数据库实战
│ ├─15 基于知识图谱的医药问答系统实战
│ ├─16 词向量模型与RNN网络架构
│ └─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
│ ├─01 AIoT人工智能物联网之认识 jetson nano
│ ├─02 AIoT人工智能物联网之AI 实战
│ ├─03 AIoT人工智能物联网之NVIDIA TAO 实用级的训练神器
│ ├─04 AIoT人工智能物联网之deepstream
│ ├─05 tensorRT视频
│ ├─06 pyTorch框架部署实践
│ ├─07 YOLO-V3物体检测部署实例
│ ├─08 docker实例演示
│ ├─09 tensorflow-serving实战
│ ├─10 模型剪枝-Network Slimming算法分析
│ ├─11 模型剪枝-Network Slimming实战解读
│ └─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
│ ├─01 Huggingface与NLP介绍解读
│ ├─02 Transformer工具包基本操作实例解读
│ ├─03 transformer原理解读
│ ├─04 BERT系列算法解读
│ ├─05 文本标注工具与NER实例
│ ├─06 文本预训练模型构建实例
│ ├─07 GPT系列算法
│ ├─08 GPT训练与预测部署流程
│ ├─09 文本摘要建模
│ ├─10 图谱知识抽取实战
│ └─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
│ ├─01 自然语言处理通用框架BERT原理解读
│ ├─02 谷歌开源项目BERT源码解读与应用实例
│ ├─03 项目实战-基于BERT的中文情感分析实战
│ ├─04 项目实战-基于BERT的中文命名实体识别识别实战
│ ├─06 必备基础-掌握Tensorflow如何实现word2vec模型
│ └─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
│ ├─01 NLP常用工具包实战
│ ├─02 商品信息可视化与文本分析
│ ├─03 贝叶斯算法
│ ├─04 新闻分类任务实战
│ ├─05 HMM隐马尔科夫模型
│ ├─06 HMM工具包实战
│ ├─07 语言模型
│ ├─08 使用Gemsim构建词向量
│ ├─09 基于word2vec的分类任务
│ ├─10 NLP-文本特征方法对比
│ ├─11 NLP-相似度模型
│ ├─12 LSTM情感分析
│ ├─13 机器人写唐诗
│ └─14 对话机器人
│
├─25 知识图谱实战系列
│ ├─04 使用python操作neo4j实例
│ ├─06 文本关系抽取实践
│ └─07 金融平台风控模型实践
│
├─26 语音识别实战系列
│ ├─01 seq2seq序列网络模型
│ ├─02 LAS模型语音识别实战
│ ├─05 语音分离ConvTasnet模型
│ ├─06 ConvTasnet语音分离实战
│ └─07 语音合成tacotron最新版实战
│
├─27 推荐系统实战系列
│ ├─01 推荐系统介绍及其应用
│ ├─02 协同过滤与矩阵分解
│ ├─03 音乐推荐系统实战
│ ├─05 基于知识图谱的电影推荐实战
│ ├─06 点击率估计FM与DeepFM算法
│ ├─07 DeepFM算法实战
│ ├─08 推荐系统常用工具包演示
│ ├─09 基于文本数据的推荐实例
│ ├─10 基本统计分析的电影推荐
│ └─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
│ └─01 通用创新点
└─资料
