古泡P5人工智能第5期课程资源完整版（2022年）

 课程内容全面覆盖深度学习算法及其项目实战，主要应用于计算机视觉与自然语言处理两大核心领域，配套实战案例与项目全部基于真实数据集与实际任务展开。大型项目完美结合当下行业趋势，培养满足企业就业需求的中高级人工智能算法工程师。

古泡P5人工智能第5期课程目录

├──10_图神经网络实战

|   ├──1_图神经网络基础

|   ├──2_图卷积GCN模型

|   ├──3_图模型必备神器PyTorch Geometric安装与使用

|   ├──4_使用PyTorch Geometric构建自己的图数据集

|   ├──5_图注意力机制与序列图模型

|   ├──6_图相似度论文解读

|   ├──7_图相似度计算实战

|   ├──8_基于图模型的轨迹估计

|   └──9_图模型轨迹估计实战

├──1_直播课回放

|   ├──1_直播1：开班典礼

|   ├──2_Pycharm环境配置与Debug演示(没用过的同学必看)

|   ├──3_直播2：深度学习必备基础-神经网络与卷积网络

|   ├──4_直播3：Transformer原理及其各领域应用分析

|   ├──5_额外补充：时间序列预测

|   └──6_直播4：Informer时间序列预测源码解读

├──2_深度学习必备核心算法

|   ├──1_神经网络算法解读

|   ├──2_卷积神经网络算法解读

|   └──3_递归神经网络算法解读

├──3_深度学习核心框架PyTorch

|   ├──1_PyTorch框架介绍与配置安装

|   ├──2_使用神经网络进行分类任务

|   ├──3_神经网络回归任务-气温预测

|   ├──4_卷积网络参数解读分析

|   ├──5_图像识别模型与训练策略（重点）

|   ├──6_DataLoader自定义数据集制作

|   ├──7_LSTM文本分类实战

|   └──8_PyTorch框架Flask部署例子

├──4_MMLAB实战系列

|   ├──10_第四模块：DBNET文字检测

|   ├──11_第四模块：ANINET文字识别

|   ├──12_第四模块：KIE基于图模型的关键信息抽取

|   ├──12_第五模块：stylegan2源码解读

|   ├──13_第六模块：BasicVSR++视频超分辨重构源码解读

|   ├──14_第七模块：多模态3D目标检测算法源码解读

|   ├──15_第八模块：模型蒸馏应用实例

|   ├──16_第八模块：模型剪枝方法概述分析

|   ├──17_第九模块：mmaction行为识别

|   ├──18_额外补充

|   ├──1_MMCV安装方法

|   ├──2_第一模块：分类任务基本操作

|   ├──3_第一模块：训练结果测试与验证

|   ├──4_第一模块：模型源码DEBUG演示

|   ├──5_第二模块：使用分割模块训练自己的数据集

|   ├──6_第二模块：基于Unet进行各种策略修改

|   ├──7_第二模块：分割任务CVPR最新Backbone设计及其应用

|   ├──8_第三模块：mmdet训练自己的数据任务

|   └──9_第三模块：DeformableDetr物体检测源码分析

├──5_Opencv图像处理框架实战

|   ├──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

|   ├──1_课程简介与环境配置

|   ├──20_卷积原理与操作

|   ├──21_项目实战-疲劳检测

|   ├──2_图像基本操作

|   ├──3_阈值与平滑处理

|   ├──4_图像形态学操作

|   ├──5_图像梯度计算

|   ├──6_边缘检测

|   ├──7_图像金字塔与轮廓检测

|   ├──8_直方图与傅里叶变换

|   └──9_项目实战-信用卡数字识别

├──6_综合项目-物体检测经典算法实战

|   ├──10_EfficientNet网络

|   ├──11_EfficientDet检测算法

|   ├──12_基于Transformer的detr目标检测算法

|   ├──13_detr目标检测源码解读

|   ├──1_深度学习经典检测方法概述

|   ├──2_YOLO-V1整体思想与网络架构

|   ├──3_YOLO-V2改进细节详解

|   ├──4_YOLO-V3核心网络模型

|   ├──5_项目实战-基于V3版本进行源码解读

|   ├──6_基于YOLO-V3训练自己的数据集与任务

|   ├──7_YOLO-V4版本算法解读

|   ├──8_V5版本项目配置

|   └──9_V5项目工程源码解读

├──7_图像分割实战

|   ├──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

|   ├──1_图像分割及其损失函数概述

|   ├──2_卷积神经网络原理与参数解读

|   ├──3_Unet系列算法讲解

|   ├──4_unet医学细胞分割实战

|   ├──5_U2NET显著性检测实战

|   ├──6_deeplab系列算法

|   ├──7_基于deeplabV3+版本进行VOC分割实战

|   ├──8_医学心脏视频数据集分割建模实战

|   └──9_物体检测框架-MaskRcnn项目介绍与配置

├──8_行为识别实战

|   ├──1_slowfast算法知识点通俗解读

|   ├──2_slowfast项目环境配置与配置文件

|   ├──3_slowfast源码详细解读

|   ├──4_基于3D卷积的视频分析与动作识别

|   ├──5_视频异常检测算法与元学习

|   ├──6_视频异常检测CVPR2021论文及其源码解读

|   └──7_基础补充-Resnet模型及其应用实例

└──9_2022论文必备-Transformer实战系列

|   ├──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

|   ├──1_课程介绍

|   ├──2_自然语言处理通用框架BERT原理解读

|   ├──3_Transformer在视觉中的应用VIT算法

|   ├──4_VIT算法模型源码解读

|   ├──5_swintransformer算法原理解析

|   ├──6_swintransformer源码解读

|   ├──7_基于Transformer的detr目标检测算法

|   ├──8_detr目标检测源码解读

|   └──9_MedicalTrasnformer论文解读