最新公告
  • 欢迎光临九二资源站,全网最优质的it资源平台立即加入我们
  • 深度学习-行人重识别实战(2020)

    深度学习-行人重识别实战(2020) 最后编辑:2024-05-09
    资源介绍: 高清MP4 资料齐全 网盘发货 一手资源免费更新包售后

    适用人群

    人工智能,深度学习,计算机视觉方向的同学们

    课程概述

    行人重识别课程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;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。整体风格通俗易懂,用最接地气的方式带领同学们掌握最新行人重识别算法并进行项目实战。

    课程目录:

    │  01.课程简介.mp4
    │  02.行人重识别要解决的问题.mp4
    │  03.挑战与困难分析.mp4
    │  04.评估标准rank1指标.mp4
    │  05.map值计算方法.mp4
    │  06.triplet损失计算实例.mp4
    │  07.Hard-Negative方法应用.mp4
    │  09.论文整体思想及注意力机制的作用解读.mp4
    │  10.空间权重值计算流程分析.mp4
    │  11.融合空间注意力所需特征.mp4
    │  12.基于特征图的注意力计算.mp4
    │  13.项目环境与数据集配置.mp4
    │  14.参数配置与整体架构分析.mp4
    │  15.进入debug模式解读网络计算流程.mp4
    │  16.获得空间位置点之间的关系.mp4
    │  17.组合关系特征图.mp4
    │  18.计算得到位置权重值.mp4
    │  19.基于特征图的权重计算.mp4
    │  20.损失函数计算实例解读.mp4
    │  21.训练与测试模块演示.mp4
    │  22.论文整体框架概述.mp4
    │  23.局部特征与全局关系计算方法.mp4
    │  24.特征分组方法.mp4
    │  25.GCP模块特征融合方法.mp4
    │  26.oneVsReset方法实例.mp4
    │  27.损失函数应用位置.mp4
    │  28.项目配置与数据集介绍.mp4
    │  29.数据源构建方法分析.mp4
    │  30.dataloader加载顺序解读.mp4
    │  31.debug模式解读.mp4
    │  32.网络计算整体流程演示.mp4
    │  33.特征序列构建.mp4
    │  34.GCP全局特征提取.mp4
    │  35.局部特征提取实例.mp4
    │  36.特征组合汇总.mp4
    │  37.得到所有分组特征结果.mp4
    │  38.损失函数与训练过程演示.mp4
    │  39.测试与验证模块.mp4
    │  40.关键点位置特征构建.mp4
    │  41.图卷积与匹配的作用.mp4
    │  42.局部特征热度图计算.mp4
    │  43.基于图卷积构建人体拓扑关系.mp4
    │  44.图卷积模块实现方法.mp4
    │  45.图匹配在行人重识别中的作用.mp4
    │  46.整体算法框架分析.mp4
    │  47.数据集与环境配置概述.mp4
    │  48.局部特征准备方法.mp4
    │  49.得到一阶段热度图结果.mp4
    │  50.阶段监督训练.mp4
    │  51.初始化图卷积模型.mp4
    │  52.mask矩阵的作用.mp4
    │  53.邻接矩阵学习与更新.mp4
    │  54.基于拓扑结构组合关键点特征.mp4
    │  55.图匹配模块计算流程.mp4
    │  56.整体项目总结.mp4
    │  57.卷积神经网络应用领域.mp4
    │  58.卷积的作用.mp4
    │  59.卷积特征值计算方法.mp4
    │  60.得到特征图表示.mp4
    │  61.步长与卷积核大小对结果的影响.mp4
    │  62.边缘填充方法.mp4
    │  63.特征图尺寸计算与参数共享.mp4
    │  64.池化层的作用.mp4
    │  65.整体网络架构.mp4
    │  66.VGG网络架构.mp4
    │  67.残差网络Resnet.mp4
    │  68.感受野的作用.mp4
    │  69.PyTorch框架发展趋势简介.mp4
    │  70.框架安装方法(CPU与GPU版本).mp4
    │  71.PyTorch基本操作简介.mp4
    │  72.自动求导机制.mp4
    │  73.线性回归DEMO-数据与参数配置.mp4
    │  74.线性回归DEMO-训练回归模型.mp4
    │  75.常见tensor格式.mp4
    │  76.Hub模块简介.mp4
    │  77.卷积网络参数定义.mp4
    │  78.网络流程解读.mp4
    │  79.vision模块功能解读.mp4
    │  80.分类任务数据集定义与配置.mp4
    │  81.图像增强的作用.mp4
    │  82.数据预处理与数据增强模块.mp4
    │  83.Batch数据制作.mp4
    │  84.迁移学习的目标.mp4
    │  85.迁移学习策略.mp4
    │  86.加载训练好的网络模型.mp4
    │  87.优化器模块配置.mp4
    │  88.实现训练模块.mp4
    │  89.训练结果与模型保存.mp4
    │  90.加载模型对测试数据进行预测.mp4
    │  91.额外补充-Resnet论文解读.mp4
    │  92.额外补充-Resnet网络架构解读.mp4
    │  B站 (免费在线学习猿地).url
    │  Dmz社区 - www.dmzshequ.com.url
    │  fileTree.bat
    │  fileTree.txt
    │  下载说明.txt
    │  低价云服务器-云产品.url
    │  海量IT学习资源免费下载.url
    │  网购通用优惠券(淘宝-京东-拼多多-等).url
    │  网赚天空.url
    │   
    └─资料
        第一章:行人重识别原理及其应用.zip
        第七章:基于拓扑图的行人重识别项目实战.zip
        第九章:基础补充-PyTorch框架基本处理操作.zip
        第二章:基于注意力机制的ReId模型论文解读.zip
        第五章:项目实战-基于行人局部特征融合的再识别实战.zip
        第八章:算法补充-卷积神经网络原理与参数解读.zip
        第六章:旷视研究院最新算法解读(基于图模型).zip
        第十章:基础补充-PyTorch图像识别实例.zip
        第四章:经典会议算法精讲(特征融合).zip

    猜你在找

    免责声明:
    1. 本站所有资源收集于互联网,如有争议与本站无关!
    2. 分享目的仅供大家学习和交流,您必须在下载后24小时内删除!
    3. 如果侵犯到您的权利请邮箱联系: lmcf129@163.com,站长将于24小时内删除侵权内容!
    4. 不得使用于非法商业用途,不得违反国家法律。否则后果自负!
    5. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
    6. 如有链接无法下载、失效或广告,请联系管理员处理!
    7. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!

    92资源站-IT学习网-每日更新 » 深度学习-行人重识别实战(2020)

    常见问题FAQ

    视频加密吗?
    无密,本站视频全部为超清无密MP4格式
    怎么发货?
    百度网盘全自动发货
    课程没更新完怎么办?
    本站资源,持续更新,所有资源都会更新完毕
    有问题怎么解决?
    联系站长,或者直接给站长发邮件:lmcf129@163.com
    • 5709会员总数(位)
    • 21047资源总数(个)
    • 23本周发布(个)
    • 5 今日发布(个)
    • 3014稳定运行(天)

    最优质的的it资源平台

    期待您的加入
    升级SVIP尊享更多特权立即升级