-
学习人数
1644
-
难度级别
中级
-
课程时长
3时32分
-
综合评分
10
￥ 1699.00
- 第1章 深度学习基础
- 1-1 卷积神经网络基本原理 （ 34:39）
- 1-2 实操：卷积神经网络 （ 06:24）
- 1-3 反向传播及公式推导 （ 39:29）
- 1-4 反向传播梯度计算推导 （ 12:00）
- 1-5 图像中的几种变形卷积 （ 24:33）
- 1-6 什么是尺度不变性 （ 14:11）
- 1-7 CNN与transformer（上） （ 22:53）
- 1-8 CNN与transformer（下） （ 20:10）
- 第2章 目标检测算法系统精讲
- 2-1 传统目标检测算法RCNN （ 13:59）
- 2-2 二阶段目标检测算法 （ 06:33）
- 2-3 FasterRCNN算法原理精讲 （ 34:28）
- 2-4 Realtime的二阶段检测算法 （ 19:49）
- 2-5 目标检测前沿算法 （ 37:00）
- 2-6 SSD与YOLO系列算法的原理（上） （ 46:52）
- 2-7 SSD与YOLO系列算法的原理（下） （ 28:38）
- 2-8 YOLOv4-YOLOv5算法的改进点精讲 （ 25:16）
- 第3章 AnchorFree系列目标检测算法精讲
- 3-1 AnchorFree检测算法原理 （ 00:00）
- 3-2 CenterNet算法精讲 （ 23:31）
- 3-3 通过CenterNet构建复杂多头网络 （ 18:04）
- 3-4 实操：CenterNet代码讲解 （ 28:20）
- 3-5 第一章到第三章作业答疑（上） （ 29:46）
- 3-6 第一章到第三章作业答疑（下） （ 17:44）
- 第4章 语义分割算法系统精讲
- 4-1 语义分割概述 （ 26:13）
- 4-2 语义分割的自动驾驶应用 （ 17:19）
- 4-3 基于语义分割的Landmark检测与车道线提取 （ 14:58）
- 4-4 语义分割模型的优化（上） （ 22:21）
- 4-5 语义分割模型的优化（下） （ 31:42）
- 第5章 实例分割与全景算法系统精讲
- 5-1 MaskRCNN算法原理 （ 42:21）
- 5-2 实践：MaskRCNN算法原理 （ 23:32）
- 5-3 基于SOLOv2的实例分割算法（上） （ 38:52）
- 5-4 基于SOLOv2的实例分割算法（下） （ 16:12）
- 5-5 实例分割算法的工程TensorRT加速与优化 （ 19:07）
- 5-6 实践：实例分割算法的工程TensorRT加速与优化 （ 31:48）
- 5-7 全景分割算法PanopticFCN（上） （ 20:57）
- 5-8 全景分割算法PanopticFCN（下） （ 20:27）
- 第6章 深度学习模型的部署与TensorRT加速
- 6-1 为什么要使用TensorRT加速 （ 34:13）
- 6-2 TENSORRT加速的效果（上） （ 39:20）
- 6-3 TENSORRT加速的效果（下） （ 12:02）
- 6-4 通过TENSORRT进行模型的量化 （ 19:49）
- 第7章 深度学习模型量化与剪枝概述
- 7-1 量化算法的基本理论（上） （ 16:41）
- 7-2 量化算法的基本理论（下） （ 22:22）
- 7-3 量化感知训练与后训练量化（上） （ 19:59）
- 7-4 量化感知训练与后训练量化（下） （ 20:17）
- 7-5 基于 PyTorch 的量化感知训练 QAT 实战(上) （ 21:48）
- 7-6 基于 PyTorch 的量化感知训练 QAT 实战(下) （ 15:19）
- 第8章 单目与多目传感器的视觉测距系统
- 8-1 单目测距与多目测距的原理（上） （ 18:40）
- 8-2 单目测距与多目测距的原理（下） （ 25:33）
- 8-3 基于单目的深度估计（上） （ 29:07）
- 8-4 基于单目的深度估计（下） （ 32:11）
- 8-5 基于单目的3D障碍物感知（上） （ 15:33）
- 8-6 基于单目的3D障碍物感知（下） （ 21:17）
- 8-7 实战：单目深度估计 （ 16:48）
- 第9章 基于计算机视觉的无人车障碍物感知系统
- 9-1 多模型综合实践 （ 52:04）
- 9-2 基于检测与分割的障碍物感知系统 （ 33:00）
- 9-3 基于深度估计与检测的障碍物感知系统 （ 30:54）
- 第10章 车道线检测算法精讲与系统构建
- 10-1 车道线检测任务概述 （ 28:23）
- 10-2 ANCHORBASED的车道线检测系统 （ 26:22）
- 10-3 基于分割的车道线检测方法 （ 29:56）
- 10-4 实践：车道线检测后处理相关的知识 （ 41:25）
- 第11章 基于深度学习的多目标跟踪系统
- 11-1 多目标跟踪之基础（上） （ 28:15）
- 11-2 多目标跟踪之基础（下） （ 09:58）
- 11-3 卡尔曼滤波算法 （ 27:54）
- 11-4 基于深度学习表观特征的跟踪 （ 18:53）
- 11-5 DEEPSORT系统 （ 21:04）
- 11-6 实战 （ 34:22）
- 11-7 直播答疑（上） （ 27:37）
- 11-8 直播答疑（中） （ 27:28）
- 11-9 直播答疑（下） （ 26:28）
- 第12章 基于计算机视觉的红绿灯识别系统
- 12-1 红绿灯识别基本思路 （ 17:26）
- 12-2 红绿灯检测与状态识别 （ 20:15）
- 12-3 红绿灯检测与状态识别（上） （ 24:11）
- 12-4 红绿灯检测与状态识别（下） （ 19:50）
- 12-5 基于状态机的红绿灯状态优化 （ 29:20）
- 第13章 基于视觉特征的辅助定位技术
- 13-1 基于车道线与灯杆检测的辅助定位技术 （ 27:08）
- 13-2 建立vslam地图与vslam地图自动标注 （ 28:08）
讲师提示
Sky_Hole
现任某知名自动驾驶公司 感知系统算法专家
- 讲师简介
- 自动驾驶领域资深从业人员，早期入局自动驾驶领域并负责多个项目的系统架构、感知系统开发等，拥有多个自动驾驶大型项目部署经验，曾参与滴滴出行早期自动驾驶系统的开发，前腾讯自动驾驶研究院。
资料下载
-
【课前资料】学习资源汇总177.372K 9次下载 -
【课前资料】深度学习教程资源146.8K 8次下载
-
【自动驾驶第1章】课件5.897M 6次下载 -
【自动驾驶第1章】作业195.984K 2次下载
-
【自动驾驶第2章】课件（最新）4.783M 2次下载
-
【自动驾驶第2章】作业182.448M 2次下载
-
【自动驾驶第1章】作业参考776.347K 2次下载
-
【自动驾驶第3章】课件1.861M 3次下载
-
【自动驾驶第4章】课件3.475M 5次下载
-
【自动驾驶第4章】作业177.419K 4次下载
