深度学习经典论文与开源项目实战课程介绍:
课程特色：
１、深度学习领域经典和通用算法精讲，提升与面试必备！
２、通俗易懂，核心知识点全面覆盖，算法与代码结合！
３、大型开源项目实战，谷歌，Facebook等核心算法实战！
４、提供全部数据，代码，PPT，持续更新，永久有效！
课程目录(完整20章)
章节1:课程介绍与BenchMark导读
课时1课程介绍11:14
课时2论文与开源项目的重要性08:40
课时3文本课程全部数据代码下载（需PC登录）
章节2:NLP必备经典论文-BERT论文解读
课时4论文讲解思路概述03:51
课时5BERT模型摘要概述08:50
课时6模型在NLP领域应用效果06:29
课时7预训练模型的作用06:03
课时8输入数据特殊编码字符解析08:18
课时9向量特征编码方法06:21
课时10BERT模型训练策略07:30
课时11论文总结分析10:51
章节3:自然语言处理通用框架BERT原理解读
课时12BERT任务目标概述05:27
课时13传统解决方案遇到的问题11:09
课时14注意力机制的作用06:56
课时15self-attention计算方法11:24
课时16特征分配与softmax机制09:20
课时17Multi-head的作用09:09
课时18位置编码与多层堆叠07:17
课时19transformer整体架构梳理10:57
课时20BERT模型训练方法09:37
课时21训练实例09:47
章节4:谷歌开源项目BERT源码解读与应用实例
课时22BERT开源项目简介07:35
课时23项目参数配置12:08
课时24数据读取模块07:40
课时25数据预处理模块09:37
课时26tfrecord制作11:35
课时27Embedding层的作用07:29
课时28加入额外编码特征09:22
课时29加入位置编码特征05:12
课时30mask机制08:49
课时31构建QKV矩阵12:38
课时32完成Transformer模块构建09:56
课时33训练BERT模型08:51
章节5:基于BERT的中文情感分析实战
课时34中文分类数据与任务概述05:59
课时35读取处理自己的数据集09:06
课时36训练BERT中文分类模型09:09
章节6:基于BERT的中文命名实体识别实战
课时37命名实体识别数据分析与任务目标11:26
课时38NER标注数据处理与读取13:23
课时39构建BERT与CRF模型12:40
章节7:BERT基础补充-词向量模型
课时40词向量模型通俗解释08:14
课时41模型整体框架10:09
课时42训练数据构建05:10
课时43CBOW与Skip-gram模型08:20
课时44负采样方案07:40
章节8:物体检测经典框架MaskRcnn论文解读
课时45物体检测通用框架论文整体概述10:54
课时46MaskRcnn创新点介绍07:49
课时47网络结构分析09:42
课时48总结概述04:33
章节9:物体检测框架-MaskRcnn项目介绍与配置
课时49Mask-Rcnn开源项目简介08:55
课时50开源项目数据集05:39
课时51参数配置12:06
章节10:MaskRcnn网络框架源码详解
课时52FPN层特征提取原理解读13:17
课时53FPN网络架构实现解读11:57
课时54生成框比例设置07:34
课时55基于不同尺度特征图生成所有框08:24
课时56RPN层的作用与实现解读09:31
课时57候选框过滤方法05:45
课时58Proposal层实现方法08:15
课时59DetectionTarget层的作用07:52
课时60正负样本选择与标签定义05:33
课时61RoiPooling层的作用与目的09:55
课时62RorAlign操作的效果07:21
课时63整体框架回顾09:14
章节11:基于MASK-RCNN框架训练自己的数据与任务
课时64Labelme工具安装04:09
课时65使用labelme进行数据与标签标注09:03
课时66完成训练数据准备工作09:18
课时67maskrcnn源码修改方法10:46
课时68基于标注数据训练所需任务07:10
课时69测试与展示模块06:24
章节12:练手小项目-人体姿态识别demo
课时70COCO数据集与人体姿态识别简介07:46
课时71网络架构概述06:37
课时72流程与结果演示07:14
章节13:物体检测基础算法（熟悉的同学略过）
课时73物体检测概述13:27
课时74深度学习经典检测方法17:11
课时75faster-rcnn概述11:21
课时76faster-rcnn论文解读16:07
课时77RPN网络结构18:32
课时78损失函数定义20:26
课时79网络细节16:10
章节14:对抗生成网络架构原理与实战解析
课时80对抗生成网络通俗解释08:24
课时81GAN网络组成05:14
课时82损失函数解释说明10:05
课时83数据读取模块08:26
课时84生成与判别网络定义08:39
章节15:CycleGan图像融合论文解读
课时85CycleGan论文整体概述06:51
课时86论文涉及知识点简介08:12
课时87损失函数公式分析03:06
课时88Cycle架构分析与目标函数定义07:19
课时89论文总结概述05:36
章节16:基于CycleGan开源项目实战图像合成
课时90CycleGan网络所需数据06:50
课时91CycleGan整体网络架构10:02
课时92PatchGan判别网络原理04:40
课时93Cycle开源项目简介07:07
课时94数据读取与预处理操作10:17
课时95生成网络模块构造12:12
课时96判别网络模块构造05:02
课时97损失函数：identity loss计算方法09:12
课时98生成与判别损失函数指定11:40
课时99额外补充：VISDOM可视化配置05:54
章节17:超分辨率重构论文与项目解读
课时100论文概述05:17
课时101网络架构08:47
课时102数据与环境配置07:49
课时103数据加载与配置08:34
课时104生成模块07:32
课时105判别模块06:57
课时106VGG特征提取网络06:18
课时107损失函数与训练11:47
课时108测试模块07:59
章节18:图像风格转换论文实战
课时109style-transfer基本原理07:35
课时110风格生成网络结构原理07:06
课时111风格生成网络细节11:52
课时112风格转换效果展示10:14
课时113参数解释与配置09:38
课时114数据加载10:51
课时115特征提取网络12:40
课时116网络训练18:49
课时117与图像测试模块13:18
章节19:图像自动修复论文实战
课时118论文概述10:02
课时119网络架构11:03
课时120细节设计08:01
课时121论文总结09:19
课时122数据与项目概述10:07
课时123参数基本设计09:14
课时124网络结构配置12:21
课时125网络迭代训练16:54
课时126测试模块05:24
章节20:补充-迁移学习与Resnet网络架构
课时127迁移学习的目标05:31
课时128迁移学习策略需购买观看
课时129Resnet原理11:54
课时130Resnet网络细节12:41
课时131Resnet基本处理操作06:17
课时132shortcut模块08:31
课时133加载训练好的权重07:01
课时134迁移学习效果对比
