文档详情 ID: cm6uv85zl1se0b3py45i425py 后台管理 六：计算机视觉实战项目 等3个文件 - 爱搜-网盘资源搜索-一站式网盘资源搜索，阿里夸克百度迅雷UC全聚合 file:UC网盘资源合集（持续更新）.docx file:人工智能大纲升级版本.pdf file:第十五章：项目实战-答题卡识别判卷.zip file:第十八章：Opencv的DNN模块.zip file:第2-7章notebook课件.zip file:第二十章：人脸关键点定位.zip file:6-缺陷检测模型培训.mp4 file:7-输出结果与项目总结.mp4 file:3-标签转格式脚本制作.mp4 file:1.任务需求与项目概述.mp4 file:2-数据与标签配置方法.mp4 file:5-项目参数配置.mp4 file:unet++.zip file:深度学习分割任务.pdf file:第五章：迁移学习.zip file:第三章：基于MASK-RCNN框架训练自己的数据与任务.zip file:第二章：MaskRcnn网络框架源码详解.zip file:第四章：练手小项目-人体姿态识别demo.zip file:NEU-DET.zip file:YOLO5.zip file:PyTorch-YOLOv3.zip file:5.mp4 file:论文集索引.jpg file:1311.2524v5_R_CNN.pdf file:1406.2661v1_Generative Adversarial Nets.pdf file:1504.08083_Fast R-CNN.pdf file:1412.2306v2_Deep Visual-Semantic Alignments for Generating Image Descriptions.pdf file:1311.2901v3_Visualizing and Understanding Convolutional Networks.pdf file:1512.03385v1_Deep Residual Learning for Image Recognition.pdf file:1506.02025_Spatial Transformer Networks.pdf file:Szegedy_Going_Deeper_With_2015_CVPR_paper.pdf file:1409.1556v6_VERY DEEP CONVOLUTIONAL Networks.pdf file:4824-imagenet-classification-with-deep-convolutional-neural-networks.pdf folder:六：计算机视觉实战项目 folder:一：人工智能论文合集 folder:三：超详细人工智能学习大纲 folder:01.OpenCV图像处理实战视频课程 folder:03.MASK-RCNN目标检测实战视频课程 folder:02.YOLOV5目标检测视频课程 folder:08.Unet图像分割课程资料 folder:图神经网络（GNN）100篇论文集 folder:CNN_不能错过的10篇论文 folder:Resnet论文解读 folder:CVPR行人重识别论文解读 folder:深度学习论文精讲-BERT模型 folder:项目实战五：答题卡识别判卷 folder:项目实战二：文档扫描OCR识别 folder:项目实战三：全景图像拼接 folder:第一章：物体检测框架-MaskRcnn项目介绍与配置 folder:第六章：必备基础-物体检测FasterRcnn系列 folder:Applications folder:Survey folder:Models folder:4-选项判断识别 folder:2-预处理操作 folder:1-整体流程与效果概述 folder:3-填涂轮廓检测 folder:6-文档扫描识别效果 folder:5-tesseract-ocr安装配置 folder:4-透视变换结果 folder:3-原始与变换坐标计算 folder:4-输入数据处理方法 folder:5-模板匹配得出识别结果 folder:2-环境配置与预处理 folder:2-RANSAC算法 folder:2-图像拼接方法 folder:4-流程解读 folder:8-基于视频的车位检测 folder:7-识别模型构建 folder:2-所需数据介绍 folder:5-按列划分区域 folder:6-车位区域划分 folder:10-RoiPooling层的作用与目的 folder:11-RorAlign操作的效果 folder:7-Proposal层实现方法 folder:5-RPN层的作用与实现解读 folder:3-生成框比例设置 folder:8-DetectionTarget层的作用 folder:12-整体框架回顾 folder:9-正负样本选择与标签定义 folder:4-基于不同尺度特征图生成所有框 folder:1-Labelme工具安装 folder:6-测试与展示模块 folder:2-使用labelme进行数据与标签标注 folder:5-基于标注数据训练所需任务 folder:3-完成训练数据准备工作 folder:4-maskrcnn源码修改方法 folder:第五章：必备基础-迁移学习与Resnet网络架构 folder:1-Mask-Rcnn开源项目简介 folder:1-三代算法-1-物体检测概述 folder:5-论文解读-2-RPN网络结构 folder:3-三代算法-3-faster-rcnn概述 folder:2-网络架构概述 folder:1-COCO数据集与人体姿态识别简介 folder:graph generation folder:combinatorial optimization folder:science folder:knowledge graph folder:极力推荐 folder:training methods folder:graph_type folder:8-迁移学习效果对比 folder:7-加载训练好的权重 folder:6-shortcut模块 folder:Image classification folder:Object Detection folder:Semantic Segmentation folder:Visual Question Answering folder:receptive field control folder:neighborhood sampling folder:boosting folder:edge-informative graph 分享时间 2024-12-29 入库时间 2025-02-07 资源类型 UC网盘 分享用户 梦* 扫码获取资源 问题反馈 链接失效、内容异常、密码错误等问题都可以快速提交。 选择举报类型 复制链接 进入网盘 分享资源
