课程目录

• 1 【宣导片1】开启人工智能论文学习之旅
• 10 07CV TransformerVit关键代码详解2
• 100 gat07multihead起源简介
• 101 gat08GAT算法总结和实验设置
• 102 gat09论文总结
• 103 gat10代码介绍
• 105 gat12邻接矩阵归一化
• 106 gat13gat模型实现
• 107 gat14gat模型训练及代码总结
• 108 BiSeNet01前期介绍
• 109 BiSeNet02论文导读——分割常用损失函数1
• 11 08CV TransformerVit关键代码详解3
• 110 BiSeNet03论文导读分割常用损失函数2
• 111 BiSeNet04论文导读分割常用损失函数3
• 112 BiSeNet05论文导读分割常用损失函数4
• 113 BiSeNet06论文导读5
• 114 BiSeNet07上节回顾
• 115 BiSeNet08引言
• 116 BiSeNet09相关工作 算法架构总览
• 117 BiSeNet10算法结构详解实验0
• 118 BiSeNet11算法结构详解实验1
• 119 BiSeNet12模型代码定义0
• 12 09CV TransformerVit回顾代码
• 120 BiSeNet13模型代码定义1
• 121 BiLSTMCRF01论文研究背景
• 122 BiLSTMCRF_02关键算法
• 123 BiLSTMCRF_03论文模型
• 124 BiLSTMCRF_04损失函数l
• 125 BiLSTMCRF_05实验结果与总结
• 126 BiLSTMCRF_06代码讲解
• 127 GAN01论文摘要
• 128 GAN02论文背景
• 129 GAN03论文泛读
• 13 10CV TransformerVit代码示例
• 13 10CV TransformerVit代码示例002.m4s
• 130 GAN04价值函数
• 131 GAN05训练流程 理论证明
• 132 GAN06实验结果 总结展望
• 133 GAN07代码分析综述
• 134 GAN08代码分析精讲
• 14 01Unet论文总览和摘要精读
• 144 CLIP01前言
• 145 CLIP02background
• 146 CLIP03model01
• 147 CLIP04model02
• 148 CLIP05experiement
• 149 CLIP06code0
• 15 02Unet医学分割相关背景和取得的成果及意义
• 150 CLIP07code1
• 151 CLIP08code2
• 152 CLIP09code3
• 153 cnn_for_re11论文总结ll
• 154 cnn_for_re12代码讲解1l
• 155 cnn_for_re13代码讲解2
• 156 cnn_for_re14代码讲解3
• 157 cnn_for_re15代码讲解4
• 158 cnn_for_re16代码讲解5
• 159 cnn_for_re17代码讲解6
• 16 03Unet两篇论文相互补充
• 160 cnn_for_re18代码讲解7
• 161 swin10代码参数
• 162 swin11代码swin大框架
• 163 swin12代码basic_layer
• 164 swin13代码block详解wmsa 相对位置编码
• 165 swin14代码swmsa
• 166 swin15代码swin代码整体回顾
• 167 swin16代码dwconv与wmsa
• 168 swin17代码总结
• 17 04Unet回顾医学图像分析及CNN的发展历程
• 18 05Unet先验知识补充
• 19 06Unet算法架构和实验结果及分析
• 2 【先导课】效率提高3倍的论文阅读方法
• 20 07Unet试验设置及结果分析
• 21 08Unet代码精读
• 22 BIDAF01背景意义
• 23 BIDAF02相关工作+小结
• 24 BIDAF03模型结构
• 25 BIDAF04实验分析
• 26 BIDAF05数据读取jupyter
• 27 BIDAF06数据读取pycharm
• 28 BIDAF07模型构建
• 29 BIDAF08训练加预测
• 3 【宣导片2】15w同学在这征服论文
• 30 BIDAF09评测指标计算
• 31 YOLOv501目标检测技术与YOLO系列
• 32 YOLOv502YOLOV3回顾
• 33 YOLOv503YOLOV5新激活函数
• 34 YOLOv504YOLOV5核心知识点1
• 35 YOLOv505YOLOV5核心知识点2
• 36 YOLOv506YOLOV5代码讲解1
• 37 YOLOV507YOLOV5代码讲解2
• 38 YOLOV508YOLOV5代码讲解3
• 39 YOLOV509YOLOV5代码讲解4
• 4 01-CV Transformer-Vit-论文介绍–
• 40 YOLOv510YOLOV5代码讲解5
• 41 YOLOv511YOLOV5代码讲解6
• 42 YOLOv512YOLOV5代码讲解7
• 42 YOLOv512YOLOV5代码讲解7001.m4s
• 43 YOLOv513YOLOV5代码讲解8
• 43 YOLOv513YOLOV5代码讲解8001.m4s
• 44 YOLOv514YOLOV5代码讲解9
• 44 YOLOv514YOLOV5代码讲解9001.m4s
• 44 YOLOv514YOLOV5代码讲解9002.m4s
• 44 YOLOv514YOLOV5代码讲解9002.m4s.aria2
• 45 yolox01前言001.m4s
• 46 yolox02背景
• 47 yolox03概览
• 48 yolox04详解模型框架
• 49 yolox05详解simOTA
• 5 02CV TransformerVit论文精读1
• 50 yolox06详解模型结构
• 51 yolox07详解预处理
• 52 yolox08训练及总结
• 53 yolox代码09前言
• 54 yolox代码10预处理mosaic
• 55 yolox代码11预处理randomaffine
• 56 yolox代码12预处理mixup
• 57 yolox代码13backbone
• 58 yolox代码14pafpn
• 59 yolox代码15bbox decode
• 6 03CV TransformerVit论文精读2
• 60 yolox代码16simOTA
• 61 yolox代码17 总结
• 62 cnn_for_re01前言
• 63 cnn_for_re02论文介绍研究背景
• 64 cnn_for_re03论文介绍相关工作1
• 65 cnn_for_re04论文介绍相关工作2
• 66 cnn_for_re05论文介绍相关工作3
• 67 cnn_for_re06论文泛读
• 69 cnn_for_re08论文精读2
• 7 04CV TransformerVit论文精读3
• 70 cnn_for_re09论文精读3
• 71 cnn_for_re10实验结果分析
• 72 ResNet01背景成果意义
• 73 ResNet02论文泛读
• 74 ResNet03上节回顾
• 75 ResNet04论文精读残差结构1
• 76 ResNet05论文精读残差结构2
• 77 ResNet06ResNet结构1
• 78 ResNet07ResNet结构2
• 79 ResNet08实验结果及分析
• 8 05CV TransformerVit前言
• 80 ResNet09论文总结
• 81 ResNet10本节回顾及下节预告
• 82 ResNet11ResNet结构搭建详解
• 83 ResNet12ResNet20训练及实验分析0
• 84 ResNet13ResNet20训练及实验分析1
• 85 ResNet14ResNet20训练及实验分析2
• 86 ResNet15ResNet20训练及实验分析3
• 87 HanAttention01前期储备知识介绍
• 88 HanAttention02研究背景成果及意义
• 89 HanAttention03论文总览
• 9 06CV TransformerVit关键代码详解1
• 90 HanAttention04模型详解
• 91 HanAttention05实验结果及论文总结
• 92 HanAttention06数据读取
• 93 HanAttention07模型实现及训练和测试
• 94 gat01研究背景
• 95 gat02图卷积消息传递
• 96 gat03研究成果研究意义
• 97 gat04gnn核心框架
• 98 gat05gat算法讲解
• 99 gat06各种attention总结