AI精选付费资料包（37.4GB）（合集） - 爱网盘 - 网盘资源搜索，网盘搜索神器，夸克网盘云盘下载

• file:人工智能大纲升级版本.pdf
• file:OpenCV书籍.rar
• file:53份人工智能行业报告.zip
• file:YOLO.pdf
• file:NEU-DET.zip
• file:PyTorch-YOLOv3.zip
• file:2.mp4
• file:第五章：迁移学习.zip
• file:第四章：练手小项目-人体姿态识别demo.zip
• file:第三章：基于MASK-RCNN框架训练自己的数据与任务.zip
• file:第二章：MaskRcnn网络框架源码详解.zip
• file:第九章：项目实战-信用卡数字识别.zip
• file:第2-7章notebook课件.zip
• file:第二十章：人脸关键点定位.zip
• file:第二十一章：项目实战-疲劳检测.zip
• file:第十三章：案例实战-全景图像拼接.zip
• file:第十八章：Opencv的DNN模块.zip
• file:unet++.zip
• file:深度学习分割任务.pdf
• file:1.任务需求与项目概述.mp4
• file:2-数据与标签配置方法.mp4
• file:7-输出结果与项目总结.mp4
• file:6-缺陷检测模型培训.mp4
• file:3-标签转格式脚本制作.mp4
• file:5-项目参数配置.mp4
• file:Deep-Learning-with-PyTorch-Tutorials.zip
• file:4. 课时4 循环神经网络中Layer使用-1.mp4
• file:8. 课时8 LSTM基本原理-2.mp4
• file:6. 课时6 项目实战-时间序列预测问题.mp4
• file:10. 课时10 RNN训练难题—梯度弥散与梯度爆炸.mp4
• file:7 EM距离.flv
• file:3 生成对抗网络.flv
• file:8 WGAN-GP原理.flv
• file:4 纳什均衡-1.flv
• file:10 GAN实战-2.flv
• file:2 画家的成长历程.flv
• folder:AI精选付费资料包（37.4GB）（合集）
• folder:二：AI必读经典书籍
• folder:六：计算机视觉实战项目
• folder:三：超详细人工智能学习大纲
• folder:五：深度学习神经网络基础教程
• folder:一：人工智能论文合集
• folder:四：机器学习基础算法教程
• folder:06.YOLOV5目标检测课程资料
• folder:04.Unet图像分割实战视频课程
• folder:07.MASK-RCNN课程资料
• folder:05.OpenCV图像处理课程资料
• folder:神经网络模型基础课件资料
• folder:GAN对抗生成网络基础
• folder:Resnet论文解读
• folder:cvpr2021
• folder:图神经网络（GNN）100篇论文集
• folder:深度学习论文精讲-BERT模型
• folder:CVPR行人重识别论文解读
• folder:CNN_不能错过的10篇论文
• folder:01.机器学习经典算法精讲视频课程
• folder:01.Python基础书籍
• folder:02.机器学习相关书籍
• folder:第六章：物体检测-faster-rcnn
• folder:第一章：物体检测框架-MaskRcnn项目介绍与配置
• folder:项目实战四：停车场车位识别
• folder:项目实战三：全景图像拼接
• folder:项目实战五：答题卡识别判卷
• folder:CNN+RNN+GAN
• folder:Models
• folder:Survey
• folder:Applications
• folder:解压密码： iccv2021
• folder:第七章：逻辑回归实验分析
• folder:第八章：聚类算法-Kmeans&Dbscan原理
• folder:第十一章：决策树原理
• folder:第三章：模型评估方法
• folder:课程简介
• folder:第九章：Kmeans代码实现
• folder:部分代码资料
• folder:《Python基础教程（第3版）》
• folder:吴恩达《Machine Learning Yearning》完整中文版
• folder:《跟着迪哥学 Python数据分析与机器学习实战》
• folder:《深度学习之PyTorch物体检测实战》PDF+源代码
• folder:21年最新-李沐《动手学深度学习第二版》中、英文版免费分享
• folder:3-参数配置
• folder:2-开源项目数据集
• folder:1-Mask-Rcnn开源项目简介
• folder:第五章：必备基础-迁移学习与Resnet网络架构
• folder:1-Labelme工具安装
• folder:3-完成训练数据准备工作
• folder:4-maskrcnn源码修改方法
• folder:6-测试与展示模块
• folder:2-使用labelme进行数据与标签标注
• folder:5-基于标注数据训练所需任务
• folder:5-论文解读-2-RPN网络结构
• folder:2-三代算法-2-深度学习经典检测方法
• folder:6-候选框过滤方法
• folder:12-整体框架回顾
• folder:4-基于不同尺度特征图生成所有框
• folder:11-RorAlign操作的效果
• folder:7-Proposal层实现方法
• folder:8-DetectionTarget层的作用
• folder:1-FPN层特征提取原理解读
• folder:9-正负样本选择与标签定义
• folder:10-RoiPooling层的作用与目的
• folder:3-流程与结果演示
• folder:2-网络架构概述
• folder:1-COCO数据集与人体姿态识别简介
• folder:7-识别模型构建
• folder:8-基于视频的车位检测
• folder:5-按列划分区域
• folder:6-车位区域划分
• folder:1-任务整体流程
• folder:4-透视变换结果
• folder:2-文档轮廓提取
• folder:3-原始与变换坐标计算
• folder:5-tesseract-ocr安装配置
• folder:6-文档扫描识别效果
• folder:5-模板匹配得出识别结果
• folder:2-环境配置与预处理
• folder:4-输入数据处理方法
• folder:2-RANSAC算法
• folder:4-选项判断识别
• folder:2-预处理操作
• folder:课程安装软件-Ubuntu 18.04
• folder:training methods
• folder:graph_type
• folder:graph generation
• folder:combinatorial optimization
• folder:science
• folder:knowledge graph
• folder:12-决策树实验分析
• folder:1-线性回归原理推导
• folder:13-集成算法原理
• folder:5-逻辑回归代码实现
• folder:吴恩达MLY
• folder:2-迁移学习策略
• folder:6-shortcut模块
• folder:7-加载训练好的权重
• folder:neighborhood sampling
• folder:boosting
• folder:receptive field control
• folder:edge-informative graph
• folder:Interaction Detection
• folder:Image classification
• folder:Visual Question Answering
• folder:Semantic Segmentation
• folder:6-随机梯度下降得到的效果
• folder:2-参数直接求解方法
• folder:13-岭回归与lasso
• folder:9-多项式回归
• folder:11-样本数量对结果的影响
• folder:7-MiniBatch方法
• folder:10-模型复杂度
• folder:8-不同策略效果对比
• folder:1-树模型可视化展示
• folder:4-回归树模型
• folder:3-树模型预剪枝参数作用
• folder:9-应用实例-图像分割
• folder:6-如何找到合适的K值
• folder:3-建模流程解读
• folder:1-Kmenas算法常用操作
• folder:5-评估指标-Inertia
• folder:7-轮廓系数的作用
• folder:8-整体流程debug解读
• folder:6-评估指标对比分析
• folder:1-Sklearn工具包简介
• folder:8-ROC曲线
• folder:5-数据集切分
• folder:5-迭代优化参数
• folder:4-优化目标定义
• folder:12-非线性决策边界
• folder:2-训练模块功能
• folder:8-鸢尾花数据集多分类任务
• folder:1-多分类逻辑回归整体思路
• folder:2-计算得到簇中心点
• folder:4-算法迭代更新
• folder:Detection-PyTorch-Notebook
• folder:chapter3
• folder:model-evaluation
• folder:yolov2-pytorch
• folder:faster-rcnn-pytorch
• folder:datasets
• folder:weights
• folder:__pycache__
• folder:groundtruths
• folder:reorg
• folder:vgg_voc
• folder:roi_data_layer
• folder:roi_crop
• folder:VOCdevkit-matlab-wrapper
• folder:crop_resize