深度之眼CV项班视频教程，由优库it资源网整理发布原画质已完结版。本课程涵盖了许多深度学习和计算机视觉领域的核心概念，包括目标检测、图像分类、图像分割、生成对抗网络（GAN）等等。课程中还包括许多最新的技术和算法，并围绕项目实战，让你获得深度学习在计算机视觉领域中所需的核心技能，从而能够在该领域中进行深入研究和应用。
【有三AI】人工智能：计算机视觉体系化进阶升级版
深度之眼-推荐系统1V多项目小班
深度之眼-NLP项目1v多
.
├── 1-1_深度之眼CV项目就业小班先修课/
│ ├── 1-1_12FPN与RetinaNet原理讲解
│ ├── 1-2_11SSD算法讲解
│ ├── 1-3_资料
│ ├── 1-4_02VGG-01-研究背景成果意义
│ ├── 1-5_02VGG-02-论文结构摘要精读
│ ├── 1-6_02VGG-03-结构及特点
│ ├── 1-7_02VGG-04-训练、测试技巧
│ ├── 1-8_02VGG-05-实验结果及分析
│ ├── 1-9_02VGG-06-论文总结
│ ├── 1-10_02VGG-07-代码结构
│ ├── 1-11_02VGG-08-代码数据集
│ ├── 1-12_02VGG-09-代码构建VGG模型
│ ├── 1-13_07-googlenet-v4-01-背景成果意义
│ ├── 1-14_07-googlenet-v4-02-论文泛读
│ ├── 1-15_07-googlenet-v4-03-inception-v4
│ ├── 1-16_07-googlenet-v4-04-inception-resnet
│ ├── 1-17_07-googlenet-v4-05-实验结果论文总结
│ ├── 1-18_07-googlenet-v4-06-inceptionv4代码（上）
│ ├── 1-19_07-googlenet-v4-07-inceptionv4代码（下）
│ ├── 1-20_07-googlenet-v4-08-inception-resnet代码
│ ├── 1-21_06-ResNet-01-背景成果意义
│ ├── 1-22_06-ResNet-02-论文泛读
│ ├── 1-23_06-ResNet-03-残差结构
│ ├── 1-24_06-ResNet-04-ResNet结构
│ ├── 1-25_06-ResNet-05-论文总结
│ ├── 1-26_06-ResNet-06-ResNet推理
│ ├── 1-27_06-ResNet-07-ResNet结构搭建详解
│ ├── 1-28_06-ResNet-08-ResNet20训练及实验分析
│ ├── 1-29_01mobileNet-01-背景介绍
│ ├── 1-30_01mobileNet-02-论文结构摘要精读
│ ├── 1-31_01mobileNet-03-主体架构深度可分离卷积
│ ├── 1-32_01MobileNet-04-超参数
│ ├── 1-33_01mobileNet-05-后续创新及改进
│ ├── 1-34_01MobileNets-06-代码结构
│ ├── 1-35_01MobileNets-07-模型设计
│ ├── 1-36_01MobileNets-08-模型评估
│ ├── 1-37_10-SENet-01-学习目标课程安排
│ ├── 1-38_10-SENet-02-研究背景
│ ├── 1-39_10-SENet-03-研究意义及成果
│ ├── 1-40_10-SENet-04-论文结构
│ ├── 1-41_10-SENet-05-论文图表
│ ├── 1-42_10-SENet-06-Squeeze-Excitation
│ ├── 1-43_10-SENet-07-SE-ResNet-50
│ ├── 1-44_10-SENet-08-实验结果及分析
│ ├── 1-45_10-SENet-09-Ablation-Study
│ ├── 1-46_10-SENet-10-论文总结
│ ├── 1-47_10-SENet-11-代码实现及Baseline结语
│ ├── 1-48_02unet-01-论文总览摘要精读
│ ├── 1-49_02unet-02-医学分割相关背景取得的成果及意义
│ ├── 1-50_02unet-03-两篇论文相互补充
│ ├── 1-51_02unet-04-回顾医学图像分析及CNN的发展历程
│ ├── 1-52_02unet-05-先验知识补充
│ ├── 1-53_02unet-06-算法架构实验结果及分析
│ ├── 1-54_01YOLOV3-10-代码讲解_Anchor_box生成与预测结果的解码
│ ├── 1-55_02unet-07-试验设置及结果分析
│ ├── 1-56_02unet-08-代码精读
│ ├── 1-57_04DeepLab-01论文背景、研究成果及意义
│ ├── 1-58_04DeepLab-02-摘要
│ ├── 1-59_04DeepLab-03-v1论文精读
│ ├── 1-60_04DeepLab-04-v1论文精读2
│ ├── 1-61_04DeepLab-05-v1-论文精读3总结
│ ├── 1-62_04DeepLab-06-v2论文精读1
│ ├── 1-63_04DeepLab-07-v2-论文精读2
│ ├── 1-64_04DeepLab-08-v2论文精读3总结
│ ├── 1-65_04DeepLab-09-v3论文精读1
│ ├── 1-66_04DeepLab-10-v3-算法及实验部分
│ ├── 1-67_04DeepLab-11-论文精讲v3+
│ ├── 1-68_04DeepLab-12-v3+深度可分离卷积
│ ├── 1-69_04DeepLab-13-v3+算法和实验、论文总结
│ ├── 1-70_04DeepLab-14-代码复现
│ ├── 1-71_04DeepLab-15-算法架构
│ ├── 1-72_01FCN-01-语意分割简介
│ ├── 1-73_01FCN-02常用数据集、指标、研究成果
│ ├── 1-74_01FCN-03-论文摘要精读
│ ├── 1-75_01FCN-04-论文引言、全局信息及部分信息
│ ├── 1-76_01FCN-05-感受域平移不变性
│ ├── 1-77_01FCN-06-经典算法本文算法、上采样
│ ├── 1-78_01FCN-07-算法架构
│ ├── 1-79_01FCN-08-训练技巧实验结果及分析
│ ├── 1-80_01FCN-09-讨论总结
│ ├── 1-81_01FCN-10-代码实现
│ ├── 1-82_01FCN-11-数据预处理
│ ├── 1-83_01FCN-12-模型搭建
│ ├── 1-84_01FCN-13-训练、验证预测函数搭建
│ ├── 1-85_01FCN-14-损失函数
│ ├── 1-86_01FCN-15-指标计算
│ ├── 1-87_01GAN-01-论文摘要
│ ├── 1-88_01YOLOV3-11-代码讲解_训练测试和Loss函数
│ ├── 1-89_03FasterR-CNN-01-论文泛读_RCNN演变
│ ├── 1-90_01GAN-02-论文背景
│ ├── 1-91_01GAN-03-论文泛读
│ ├── 1-92_01GAN-04-价值函数
│ ├── 1-93_01GAN-05-训练流程理论证明1
│ ├── 1-94_01GAN-06-理论证明2实验结果总结展望
│ ├── 1-95_01GAN-07-代码分析综述
│ ├── 1-96_01GAN-08-代码分析精讲
│ ├── 1-97_03DCGAN-01-论文摘要论文背景
│ ├── 1-98_03DCGAN-02-论文泛读
│ ├── 1-99_03DCGAN-03-模型结构图像生成
│ ├── 1-100_03DCGAN-04-无监督表征学习模型可视化隐空间分析1
│ ├── 2-1_03DCGAN-05-隐空间分析2总结展望论文总结
│ ├── 2-2_03DCGAN-06-代码讲解1
│ ├── 2-3_03DCGAN-07-代码讲解2
│ ├── 2-4_05pix2pix-01-论文摘要论文背景
│ ├── 2-5_05pix2pix-02-论文成果及意义论文泛读1
│ ├── 2-6_05pix2pix-03-论文泛读2
│ ├── 2-7_05pix2pix-04-目标函数模型结构及训练参数
│ ├── 2-8_05pix2pix-05-评价方式目标函数分析模型分析
│ ├── 2-9_05pix2pix-06-应用分析论文总结
│ ├── 2-10_05pix2pix-07-代码讲解1
│ ├── 2-11_05pix2pix-08-代码讲解2
│ ├── 2-12_03FasterR-CNN-15-代码讲解_Anchorbox的生成和正负样本的划分
│ ├── 2-13_YOLOV3-01-泛读
│ ├── 2-14_01YOLOV3-02-泛读_摘要与结论分析
│ ├── 2-15_01YOLOV3-03-论文精读_背景和结构
│ ├── 2-16_01YOLOV3-04-论文精读_实验和结论
│ ├── 2-17_01YOLOV3-05-论文精读_归纳总结
│ ├── 2-18_01YOLOV3-06-代码讲解_项目讲解与VOC数据制作
│ ├── 2-19_01YOLOV3-07-代码讲解_训练代码讲解
│ ├── 2-20_01YOLOV3-08-代码讲解_Dataset类编码训练数据
│ ├── 2-21_01YOLOV3-09-代码讲解_网络结构搭建mp4
│ ├── 2-22_03FasterR-CNN-02-论文泛读_摘要和网络结构
│ ├── 2-23_03FasterR-CNN-03-精读_结构总览mp4
│ ├── 2-24_03FasterR-CNN-04-精读Paper_背景介绍mp4
│ ├── 2-25_03FasterR-CNN-05-精读Paper_RPN与rpn_lossmp4
│ ├── 2-26_03FasterR-CNN-06-精读Paper_RPN训练mp4
│ ├── 2-27_03FasterR-CNN-07-精读Paper_实验和结论MP4
│ ├── 2-28_03FasterR-CNN-08-精读PPT_Anchor和RPNmp4
│ ├── 2-29_03FasterR-CNN-09-精读PPT_网络细节
│ ├── 2-30_03FasterR-CNN-10-代码讲解_训练VOC数据集
│ ├── 2-31_03FasterR-CNN-11-代码讲解_backbone网络讲解
│ ├── 2-32_03FasterR-CNN-12-代码讲解_RPN
│ ├── 2-33_03FasterR-CNN-13-代码讲解_数据和标签的同步处理(Dataset类)
│ └── 2-34_03FasterR-CNN-14代码讲解_建议框的生成(Proposallayer)
├── 1-1_课件资料@认准一手完整 www.ukoou.com
├── 1-2_CV项目班9期-分类-看图识花软件/
│ └── 1-1_CV项目班-分类-看图识花软件
├── 1-3_图像分类-第9期/
│ ├── 1-1_图像分类专题-第9期
│ ├── 1-2_1花朵分类-代码框架
│ ├── 1-3_2花朵分类-功能函数
│ ├── 1-4_3花朵分类-常用CNN串讲
│ ├── 1-5_4花朵分类-涨点技巧
│ ├── 1-6_5长尾分布-不均衡数据集
│ ├── 1-7_6数据爬取与筛选
│ └── 1-8_专题总结及答疑
├── 1-4_图像分割-第9期/
│ ├── 1-1_1图像分割及模型
│ ├── 1-2_2SegNet及模型推理
│ ├── 1-3_重点知识讲解及答疑
│ ├── 1-4_3BiSeNet及人像分割
│ ├── 1-5_4图像分割损失函数
│ ├── 1-6_重点知识讲解及答疑
│ ├── 1-7_5数据增强
│ ├── 1-8_6封装-TTA-badcase分析
│ ├── 1-9_重点知识讲解及答疑
│ ├── 1-10_7基于Flask的web部署
│ ├── 1-11_模拟面试
│ ├── 1-12_图像分割-课件
│ └── 1-13_图像分割第9期-模拟面试
├── 1-5_目标检测-第9期/
│ ├── 1-1_1创建目标检测项目、YOLOX理论（1）
│ ├── 1-2_2YOLOX理论（2）
│ ├── 1-3_3代码讲解（1）：YOLOX中的数据增强
│ ├── 1-4_4代码讲解（2）：YOLOX的网络结构：Backbone、Neck、Head
│ ├── 1-5_5代码讲解（3）：YOLOX中的正负样本分配与损失函数
│ ├── 1-6_6代码讲解（4）：Log记录与训练加速、YOLOX的推理
│ ├── 1-7_7自定义数据集、性能评价指标
│ ├── 1-8_8目标检测器的优化
│ ├── 1-9_9目标检测算法轻量化的通用技巧
│ ├── 1-10_10NanoDetPlus实例讲解：Backbone、Neck和Head
│ ├── 1-11_11NanoDetPlus代码讲解、轻量化YOLOX
│ ├── 1-12_12使用OpenVINO部署YOLOX、面试
│ └── 1-13_目标检测-课件
├── 1-6_GAN-第9期/
│ ├── @认准一手完整 www.ukoou.com
│ ├── 1-1_课件
│ ├── 1-2_8项目总结
│ ├── 1-3_7模型部署
│ ├── 1-4_6模型改进
│ ├── 1-5_5模型调参
│ ├── 1-6_4baseline搭建
│ ├── 1-7_3算法调研
│ ├── 1-8_2数据收集与处理
│ └── 1-9_1超分辨率任务介绍
└── 资料代码/
