#独家
深度学习-行人重识别实战

2022-07-10 python 9,566
增值服务:
¥ 0积分

此资源仅限包年VIP下载升级包年VIP

开通VIP尊享优惠特权
立即下载 升级会员
详情介绍

深度学习-行人重识别实战课程介绍:

该课程整体风格通俗易懂,通俗讲解CVPR等会议最新行人重识别方向算法及其实现,基于PyTorch框架展开实战,逐行讲解全部项目源码及其应用实例。主要包括三大核心模块:1.2020经典算法(论文)详细解读;2.项目源码分析;3.实战应用;感兴趣的同学可以先看下大纲和目录。

课程大纲:

深度学习-行人重识别实战

课程目录:

——/深度学习-行人重识别实战/
├──深度学习-行人重识别实战
| ├──01.课程简介-.mp4 24.64M
| ├──02.行人重识别要解决的问题-.mp4 23.49M
| ├──03.挑战与困难分析-.mp4 46.32M
| ├──04.评估标准rank1指标-.mp4 14.81M
| ├──05.map值计算方法-.mp4 22.44M
| ├──06.triplet损失计算实例-.mp4 31.89M
| ├──07.Hard-Negative方法应用-.mp4 30.36M
| ├──09.论文整体思想及注意力机制的作用解读-.mp4 41.39M
| ├──10.空间权重值计算流程分析-.mp4 23.84M
| ├──11.融合空间注意力所需特征-.mp4 25.33M
| ├──12.基于特征图的注意力计算-.mp4 25.27M
| ├──13.项目环境与数据集配置-.mp4 46.73M
| ├──14.参数配置与整体架构分析-.mp4 57.77M
| ├──15.进入debug模式解读网络计算流程-.mp4 36.25M
| ├──16.获得空间位置点之间的关系-.mp4 48.13M
| ├──17.组合关系特征图-.mp4 32.33M
| ├──18.计算得到位置权重值-.mp4 37.74M
| ├──19.基于特征图的权重计算-.mp4 28.98M
| ├──20.损失函数计算实例解读-.mp4 59.37M
| ├──21.训练与测试模块演示-.mp4 132.21M
| ├──22.论文整体框架概述-.mp4 11.92M
| ├──23.局部特征与全局关系计算方法-.mp4 10.41M
| ├──24.特征分组方法-.mp4 10.64M
| ├──25.GCP模块特征融合方法-.mp4 47.57M
| ├──26.oneVsReset方法实例-.mp4 10.51M
| ├──27.损失函数应用位置-.mp4 10.63M
| ├──28.项目配置与数据集介绍-.mp4 129.52M
| ├──29.数据源构建方法分析-.mp4 21.21M
| ├──30.dataloader加载顺序解读-.mp4 32.74M
| ├──31.debug模式解读-.mp4 27.96M
| ├──32.网络计算整体流程演示-.mp4 17.73M
| ├──33.特征序列构建-.mp4 21.89M
| ├──34.GCP全局特征提取-.mp4 19.21M
| ├──35.局部特征提取实例-.mp4 24.53M
| ├──36.特征组合汇总-.mp4 24.67M
| ├──37.得到所有分组特征结果-.mp4 24.37M
| ├──38.损失函数与训练过程演示-.mp4 87.58M
| ├──39.测试与验证模块-.mp4 19.29M
| ├──40.关键点位置特征构建-.mp4 13.26M
| ├──41.图卷积与匹配的作用-.mp4 15.75M
| ├──42.局部特征热度图计算-.mp4 16.51M
| ├──43.基于图卷积构建人体拓扑关系-.mp4 19.78M
| ├──44.图卷积模块实现方法-.mp4 17.98M
| ├──45.图匹配在行人重识别中的作用-.mp4 12.23M
| ├──46.整体算法框架分析-.mp4 15.92M
| ├──47.数据集与环境配置概述-.mp4 87.62M
| ├──48.局部特征准备方法-.mp4 23.22M
| ├──49.得到一阶段热度图结果-.mp4 21.92M
| ├──50.阶段监督训练-.mp4 38.19M
| ├──51.初始化图卷积模型-.mp4 21.31M
| ├──52.mask矩阵的作用-.mp4 20.35M
| ├──53.邻接矩阵学习与更新-.mp4 26.38M
| ├──54.基于拓扑结构组合关键点特征-.mp4 78.39M
| ├──55.图匹配模块计算流程-.mp4 33.73M
| ├──56.整体项目总结-.mp4 32.91M
| ├──57.卷积神经网络应用领域-.mp4 14.23M
| ├──58.卷积的作用-.mp4 16.76M
| ├──59.卷积特征值计算方法-.mp4 14.75M
| ├──60.得到特征图表示-.mp4 13.42M
| ├──61.步长与卷积核大小对结果的影响-.mp4 44.71M
| ├──62.边缘填充方法-.mp4 12.69M
| ├──63.特征图尺寸计算与参数共享-.mp4 39.66M
| ├──64.池化层的作用-.mp4 13.16M
| ├──65.整体网络架构-.mp4 11.53M
| ├──66.VGG网络架构-.mp4 12.18M
| ├──67.残差网络Resnet-.mp4 31.89M
| ├──68.感受野的作用-.mp4 11.48M
| ├──69.PyTorch框架发展趋势简介-.mp4 15.28M
| ├──70.框架安装方法(CPU与GPU版本)-.mp4 25.46M
| ├──71.PyTorch基本操作简介-.mp4 17.57M
| ├──72.自动求导机制-.mp4 21.24M
| ├──73.线性回归DEMO-数据与参数配置-.mp4 15.70M
| ├──74.线性回归DEMO-训练回归模型-.mp4 21.66M
| ├──75.常见tensor格式-.mp4 13.05M
| ├──76.Hub模块简介-.mp4 26.69M
| ├──77.卷积网络参数定义-.mp4 14.97M
| ├──78.网络流程解读-.mp4 18.57M
| ├──79.vision模块功能解读-.mp4 12.51M
| ├──80.分类任务数据集定义与配置-.mp4 28.59M
| ├──81.图像增强的作用-.mp4 21.21M
| ├──82.数据预处理与数据增强模块-.mp4 46.72M
| ├──83.Batch数据制作-.mp4 43.26M
| ├──84.迁移学习的目标-.mp4 17.14M
| ├──85.迁移学习策略-.mp4 21.02M
| ├──86.加载训练好的网络模型-.mp4 48.46M
| ├──87.优化器模块配置-.mp4 25.64M
| ├──88.实现训练模块-.mp4 40.37M
| ├──89.训练结果与模型保存-.mp4 46.00M
| ├──90.加载模型对测试数据进行预测-.mp4 48.30M
| ├──91.额外补充-Resnet论文解读-.mp4 58.43M
| └──92.额外补充-Resnet网络架构解读-.mp4 23.43M
└──资料
| ├──第八章:算法补充-卷积神经网络原理与参数解读
| | └──神经网络新.pdf 5.99M
| ├──第二章:基于注意力机制的ReId模型论文解读
| | └──Relation-Aware Global Attention.pdf 610.34kb
| ├──第九章:基础补充-PyTorch框架基本处理操作
| | └──第一章:PyTorch框架基本处理操作.zip 98.58M
| ├──第六章:旷视研究院最新算法解读(基于图模型)
| | └──Wang_High-Order_Information_Matters_Learning_Relation_and_Topology_for_Occluded_Person_CVPR_2020_paper_python.pdf 1.26M
| ├──第七章:基于拓扑图的行人重识别项目实战
| | └──基于图模型的ReID(旷视).zip 1.55G
| ├──第三章:基于Attention的行人重识别项目实战
| | └──Relation-Aware-Global-Attention-Networks.zip 3.09G
| ├──第十章:基础补充-PyTorch图像识别实例
| | └──第四章:图像识别核心模块实战解读.zip 336.95M
| ├──第四章:经典会议算法精讲(特征融合)
| | └──Relation Network for Person Re-identification.pdf 2.48M
| ├──第五章:项目实战-基于行人局部特征融合的再识别实战
| | └──Relation Network for Person Re-identification.zip 296.48M
| └──第一章:行人重识别原理及其应用
| | └──行人重识别.pdf 1.63M
资源下载此资源仅限包年VIP下载,请先
常见问题

相关文章

发表评论
暂无评论
  • 0 +

    访问总数

  • 0 +

    会员总数

  • 0 +

    资源总数

  • 0 +

    今日发布

  • 0 +

    本周发布

  • 0 +

    运行天数

你的前景,远超我们想象