注意：只展示部分的文件和文件夹 实际有51个文件
Python深度学习物体实战
Python深度学习物体实战 6.4GB
数据代码.txt 122 B
6-7 网络细节.mp4 80.1MB
6-6 损失函数定义.mp4 101.1MB
6-5 RPN网络架构.mp4 70.5MB
6-4 论文解读.mp4 79.8MB
6-3 faster-rcnn概述.mp4 31.1MB
6-2 深度学习经典检测方法.mp4 39.3MB
6-1 物体检测概述.mp4 42.6MB
5-8 迁移学习效果对比.mp4 42.6MB
5-7 加载训练好的权重.mp4 31.7MB
5-6 shortcut模块.mp4 37.4MB
5-5 Resnet基本处理操作.mp4 25.7MB
5-4 Resnet网络细节.mp4 38.1MB
5-3 Resnet原理.mp4 60.2MB
5-2 迁移学习策略.mp4 16.1MB
5-1 迁移学习的目标.mp4 13.3MB
4-3 流程与结果演示.mp4 41.1MB
4-2 网络架构概述.mp4 33.4MB
4-1 COCO数据集与人体姿态识别简介.mp4 34.9MB
3-6 测试与展示模块.mp4 28.2MB
3-5 基于标注数据训练所需任务.mp4 33.4MB
3-4 maskrcnn源码修改方法.mp4 54.8MB
3-3 完成训练数据准备工作.mp4 24.9MB
3-2 使用labelme进行数据与标签标注.mp4 22.2MB
3-1 Labelme工具安装.mp4 12.2MB
2-9 正负样本选择与标签定义.mp4 27.1MB
2-8 DetectionTarget层的作用.mp4 26.7MB
2-7 Proposal层实现方法.mp4 33.1MB
2-6 候选框过滤方法.mp4 15.8MB
2-5 RPN层的作用与实现解读.mp4 30.6MB
2-4 基于不同尺度特征图生成所有框.mp4 33.4MB
2-3 生成框比例设置.mp4 30.6MB
2-2 FPN层特征提取原理解读.mp4 44.5MB
2-12 整体框架回顾.mp4 30.9MB
2-11 RorAlign操作的效果.mp4 27.4MB
2-10 RoiPooling层的作用与目的.mp4 36.9MB
2-1 FPN网络架构实现解读.mp4 58.7MB
1-4 参数配置.mp4 62.2MB
1-3 开源项目数据集.mp4 23.4MB
1-2 Mask-Rcnn开源项目简介.mp4 40.1MB
1-1 课程简介.mp4 12.1MB
MASK-RCNN 4.9GB
第五章：迁移学习.zip 91.9MB
第四章：练手小项目-人体姿态识别demo.zip 530.3MB
第三章：基于MASK-RCNN框架训练自己的数据与任务.zip 439.4MB
第二章：MaskRcnn网络框架源码详解.zip 1.1GB
mask-rcnn.pdf 898KB
f112c9fda85536ee3eba662c9043e683.bat 70 B
第六章：物体检测-faster-rcnn 2.8GB
iccv15_tutorial_training_rbg.pdf 17.4MB
FasterRcnn.zip 2.7GB
faster-rcnn.pptx 3.2MB
Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks.pdf 6.5MB
