AI精选资料包 - 夸克网盘资源搜索引擎 - 夸克吧

• 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:论文集索引.jpg
• file:5. 4-预训练模型的作用.mp4
• file:2. 1-论文讲解思路概述.mp4
• file:1. 课程介绍.mp4
• file:7. 6-向量特征编码方法.mp4
• file:6. 5-输入数据特殊编码字符解析.mp4
• file:3. 2-BERT模型摘要概述.mp4
• file:4. 3-模型在NLP领域应用效果.mp4
• file:13-额外补充-Resnet论文解读.mp4
• file:1. 1-关键点位置特征构建.mp4
• file:5. 4-基于图卷积构建人体拓扑关系.mp4
• file:4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf
• file:1409.1556v6_VERY DEEP CONVOLUTIONAL Networks.pdf
• file:1311.2524v5_R_CNN.pdf
• file:1506.01497v3_Faster R-CNN.pdf
• file:1412.2306v2_Deep Visual-Semantic Alignments for Generating Image Descriptions.pdf
• file:1512.03385v1_Deep Residual Learning for Image Recognition.pdf
• file:1311.2901v3_Visualizing and Understanding Convolutional Networks.pdf
• file:Szegedy_Going_Deeper_With_2015_CVPR_paper.pdf
• file:1506.02025_Spatial Transformer Networks.pdf
• file:1406.2661v1_Generative Adversarial Nets.pdf
• file:Deep-Learning-with-PyTorch-Tutorials.zip
• file:12 WGAN实战-2.flv
• file:4 纳什均衡-1.flv
• file:3 生成对抗网络.flv
• file:2 画家的成长历程.flv
• file:7 EM距离.flv
• file:7. 课时7 LSTM基本原理-1.mp4
• file:10. 课时10 RNN训练难题—梯度弥散与梯度爆炸.mp4
• file:6. 课时6 项目实战-时间序列预测问题.mp4
• file:5. 课时5 循环神经网络中Layer的使用-2.mp4
• folder:AI精选资料包
• folder:四：机器学习基础算法教程
• folder:二：AI必读经典书籍
• folder:一：人工智能论文合集
• folder:五：深度学习神经网络基础教程
• 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:02.机器学习算法课件资料
• folder:图神经网络（GNN）100篇论文集
• folder:cvpr2021
• folder:深度学习论文精讲-BERT模型
• folder:Resnet论文解读
• folder:CVPR行人重识别论文解读
• folder:CNN_不能错过的10篇论文
• folder:神经网络模型基础课件资料
• folder:GAN对抗生成网络基础
• folder:03.MASK-RCNN目标检测实战视频课程
• folder:01.OpenCV图像处理实战视频课程
• folder:08.Unet图像分割课程资料
• folder:02.YOLOV5目标检测视频课程
• folder:第六章：逻辑回归代码实现
• folder:第三章：模型评估方法
• folder:第十章：聚类算法实验分析
• folder:课程简介
• folder:第十一章：决策树原理
• folder:第八章：聚类算法-Kmeans&Dbscan原理
• folder:01.Python基础书籍
• folder:03.深度学习相关书籍
• folder:Models
• folder:Applications
• folder:Survey
• folder:解压密码： iccv2021
• folder:CNN+RNN+GAN
• folder:第一章：物体检测框架-MaskRcnn项目介绍与配置
• folder:第六章：必备基础-物体检测FasterRcnn系列
• folder:第二章：MaskRcnn网络框架源码详解
• folder:第四章：练手小项目-人体姿态识别demo
• folder:第三章：基于MASK-RCNN框架训练自己的数据与任务
• folder:项目实战一：信用卡数字识别
• folder:项目实战三：全景图像拼接
• folder:6-逻辑回归实验分析
• folder:13-集成算法原理
• folder:15-支持向量机原理推导
• folder:11-决策树代码实现
• folder:8-Kmeans代码实现
• folder:《Python基础教程（第3版）》
• 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: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:graph_type
• folder:training methods
• folder:science
• folder:combinatorial optimization
• folder:graph generation
• folder:knowledge graph
• folder:课程安装软件-Win10
• folder:第五章：必备基础-迁移学习与Resnet网络架构
• folder:2-开源项目数据集
• folder:3-参数配置
• folder:1-Mask-Rcnn开源项目简介
• 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:3-三代算法-3-faster-rcnn概述
• folder:1-FPN层特征提取原理解读
• folder:7-Proposal层实现方法
• folder:6-候选框过滤方法
• folder:4-基于不同尺度特征图生成所有框
• folder:12-整体框架回顾
• folder:11-RorAlign操作的效果
• folder:10-RoiPooling层的作用与目的
• folder:9-正负样本选择与标签定义
• folder:8-DetectionTarget层的作用
• folder:1-COCO数据集与人体姿态识别简介
• folder:3-流程与结果演示
• folder:2-网络架构概述
• folder:3-完成训练数据准备工作
• folder:4-maskrcnn源码修改方法
• folder:2-使用labelme进行数据与标签标注
• folder:6-测试与展示模块
• folder:1-Labelme工具安装
• folder:5-基于标注数据训练所需任务
• folder:2-环境配置与预处理
• folder:4-输入数据处理方法
• folder:5-模板匹配得出识别结果
• folder:4-选项判断识别
• folder:3-填涂轮廓检测
• folder:2-预处理操作
• folder:5-tesseract-ocr安装配置
• folder:4-透视变换结果
• folder:3-原始与变换坐标计算
• folder:6-文档扫描识别效果
• folder:2-RANSAC算法
• folder:6-车位区域划分
• folder:7-识别模型构建
• folder:5-按列划分区域
• folder:8-基于视频的车位检测
• folder:1-任务整体流程
• folder:2-训练模块功能
• folder:1-多分类逻辑回归整体思路
• folder:12-非线性决策边界
• folder:5-迭代优化参数
• folder:10-准备测试数据
• folder:4-优化目标定义
• folder:8-鸢尾花数据集多分类任务
• folder:8-ROC曲线
• folder:7-阈值对结果的影响
• folder:3-交叉验证的作用
• folder:1-Sklearn工具包简介
• folder:9-应用实例-图像分割
• folder:5-评估指标-Inertia
• folder:3-建模流程解读
• folder:1-Kmenas算法常用操作
• folder:6-如何找到合适的K值
• folder:2-递归生成树节点
• folder:5-数据集切分
• folder:13-岭回归与lasso
• folder:14-实验总结
• folder:9-多项式回归
• folder:6-随机梯度下降得到的效果
• folder:7-MiniBatch方法
• folder:2-参数直接求解方法
• folder:8-不同策略效果对比
• folder:2-决策边界展示分析
• folder:3-树模型预剪枝参数作用
• folder:1-树模型可视化展示
• folder:4-算法迭代更新
• folder:2-计算得到簇中心点
• folder:8-整体流程debug解读
• folder:6-训练线性回归模型
• folder:吴恩达MLY
• folder:edge-informative graph
• folder:boosting
• folder:receptive field control
• folder:neighborhood sampling
• folder:Visual Question Answering
• folder:Semantic Segmentation
• folder:Image classification
• folder:Object Detection
• folder:6-shortcut模块
• folder:1-迁移学习的目标
• folder:7-加载训练好的权重
• folder:Detection-PyTorch-Notebook
• folder:chapter1
• folder:model-evaluation
• folder:faster-rcnn-pytorch
• folder:yolov2-pytorch
• folder:datasets
• folder:weights
• folder:__pycache__
• folder:groundtruths
• folder:roi_data_layer
• folder:vgg_voc
• folder:reorg
• folder:roi_crop
• folder:VOCdevkit-matlab-wrapper
• folder:crop_resize