0°

无人驾驶技术高级实战 无人驾驶+迁移学习+生成对抗网络+文字识别等

企鹅群:455535550(聊天群,游客勿加,渣男勿加,伸手党勿加...)

简介

 课程是深度学习技术的再深入课程,课程融合了多次的深度学习实战班课程,还有深度学习项目实战课程,在完成这些课程学习后,还有深度学习的论文班课程,这可以帮助同学考研及毕业的同学们。在应用实战课程方面,安排了非常火热的无人驾驶技术课程,OCR文字识别实战课程,迁移学习,深度学习中的强化学习,生成对抗网络等等高级应用实战,非常值得同学们学习和参考。

目录

(1)\ocr文字识别实战

(2)\强化学习

(3)\无人驾驶

(4)\深度学习第三期

(5)\深度学习第四期

(6)\深度学习论文班

├─第1课 Reducing the dimensionality of data with neural networks. .TS

├─第2课 A fast learning algorithm for deep belief nets..TS

├─第3课 Densely Connected Convolutional Networks.TS

├─第4课 A guide for convolution arithmetic for deep learning.TS

├─第5课 Imagenet classification with deep convolutional neural networks..TS

├─第6课 Speech recognition with deep recurrent neural networks.TS

├─第7课 Decoupled neural interfaces using synthetic gradients.TS

├─第8课 Deep Learning without Poor Local Minima.TS

(7)\深度学习项目班;目录中文件数:0个

(8)\生成对抗网络;目录中文件数:0个

(9)\迁移学习;目录中文件数:0个

(10)\ocr文字识别实战\视频;目录中文件数:6个

├─第一课 OCR技术概览.TS

├─第三课 字符序列识别.TS

├─第二课 单字符分割与识别.TS

├─第五课 自然场景中的文本检测.TS

├─第六课 图像质量增强和预处理 – .TS

├─第四课 文本行定位.TS

(11)\ocr文字识别实战\资料;目录中文件数:9个

├─captcha-image (11).jpg

├─captcha-image (4).jpg

├─CNN、RNN预习资料.rar

├─ocr_lecture_1.pdf

├─ocr_lecture_2.pdf

├─ocr_lecture_3.pdf

├─ocr_lecture_4 文本检测.pptx

├─ocr_lecture_4和5文本检测.pptx

├─ocr_lecture_6.pdf

(12)\强化学习\视频;目录中文件数:6个

├─第1课 强化学习RL简介.TS

├─第2课 Model—Free Learning.TS

├─第3课 Model-Free Control.TS

├─第4课 Q-Learning.TS

├─第5课 策略梯度学习.TS

├─第6课 TensorFlow强化学习应用案例.TS

(13)\强化学习\资料;目录中文件数:0个

(14)\无人驾驶\视频;目录中文件数:12个

├─第01课 自动驾驶概述.ts

├─第02课 软件环境基础(ROS CMake).ts

├─第03课 感知基础.ts

├─第04课 感知实战:目标检测.ts

├─第05课 感知实战:物体跟踪.ts

├─第06课 视觉定位.ts

├─第07课 高精地图与车路协同设备.ts

├─第08课 无人车定位系统.ts

├─第09课 预测系统.ts

├─第10课 路径规划.ts

├─第11课 控制理论.ts

├─第12课 基于强化学习的自动驾驶系统.ts

(15)\无人驾驶\资料;目录中文件数:0个

(16)\深度学习第三期\视频;目录中文件数:10个

├─第01课 夯实深度学习数据基础.TS

├─第02课 DNN与混合网络:google Wide&Deep.TS

├─第03课 CNN-从AlexNet到ResNet.TS

├─第04课 NN框架:caffe, tensorflow与pytorch.TS

├─第05课 生成对抗网络GAN.TS

├─第06课 图像风格转化.TS

├─第07课 RNN_LSTM_Grid LSTM.TS

├─第08课 RNN条件生成与attention.TS

├─第09课 增强学习与Deep Q Network.TS

├─第10课 物体检测与迁移学习.TS

(17)\深度学习第三期\资料;目录中文件数:0个

(18)\深度学习第四期\视频;目录中文件数:11个

├─深度学习 第四期.TS

├─第10课 迁移学习与新技术.TS

├─第1课 DNN与混合网络:google Wide&Deep.TS

├─第2课 CNN从入门到高级应用(上).TS

├─第3课 CNN从入门到高级应用(下).TS

├─第4课 NN框架:caffe, tensorflow与pytorch.TS

├─第5课 生成对抗网络GAN.TS

├─第6课 从词向量到NLP分类问题.TS

├─第7课 RNN_LSTM_Grid LSTM.TS

├─第8课 RNN条件生成与attention.TS

├─第9课 增强学习与Deep Q Network.TS

(19)\深度学习第四期\资料;目录中文件数:19个

├─01_NN_Basics.pdf

├─02_ConvNets_Principles.pdf

├─20181003092340689.png

├─img_add.zip

├─img_add_smirk.zip

├─Mastering OpenCV with Practical Computer Vision Projects_full.pdf

├─OpenCV+3计算机视觉Python语言实现.pdf

├─QQ截图20181205165906.png

├─uconn_comp_2018_test.csv

├─uconn_comp_2018_train.csv

├─Word2Vec中的数学原理详解.pdf

├─Xshell-6.0.0091p.exe

├─DL4第4次课 NN框架:Caffe,Tensorflow与PyTorch .png

├─DL4第5次课 从词向量到NLP分类问题.png

├─DL4第7次课 RNN条件生成与attention.png

├─DL4第7课-RNN条件生成与attention.png

├─卷积神经网络.rar

├─影评数据情感分析竞赛引导.zip

├─花书中文.pdf

(20)\深度学习项目班\视频;目录中文件数:10个

├─卷积神经网络与计算机视觉.TS

├─神经网络初步- .TS

├─第一课 深度卷积神经网络基础(原理、调参、Kaggle比赛实践)  .TS

├─第七课 从矩阵分解到FM based NN.TS

├─第三课 自然语言处理从入门到进阶.TS

├─第二课 深度学习在大规模图像搜索中的实际应用.TS

├─第五课 从FM到DNN到wide&deep model.TS

├─第八课 从CCF神经网络到Deep Auto-encoder for CF.TS

├─第六课 FNN CCPM PNN与图片混合点击率预估.TS

├─第四课 聊天机器人实战演练.TS

(21)\深度学习项目班\资料;目录中文件数:0个

(22)\生成对抗网络\视频;目录中文件数:4个

├─第1课 生成对抗网络基本原理.TS

├─第2课 多种多样的GAN.TS

├─第3课 基于能量的GAN.TS

├─第4课 GAN实战.TS

(23)\生成对抗网络\资料;目录中文件数:0个

(24)\迁移学习\视频;目录中文件数:2个

├─第1课 迁移学习详解.TS

├─第2课 迁移学习实战.TS

(25)\迁移学习\资料;目录中文件数:2个

├─transfer-learning code.zip

├─第一课 迁移学习.pdf

(26)\ocr文字识别实战\资料\助学资料TESSERACT OCR;目录中文件数:5个

├─1_操作指南(1).ipynb

├─sample1.jpg

├─sample2.jpg

├─sample3.jpg

├─tesserocr-master.zip

(27)\ocr文字识别实战\资料\助学资料前三次课的知识点总结;目录中文件数:10个

├─2_RNN.html

├─3_LSTM.html

├─6_AlexNet.ipynb

├─7_VGG16.ipynb

├─第一课.png

├─第一课知识点总结.ipynb

├─第三课.png

├─第三课知识点总结.ipynb

├─第二课.png

├─第二课知识点总结.ipynb

(28)\强化学习\资料\第1课;目录中文件数:1个

├─第一课 强化学习简介.pdf

(29)\强化学习\资料\第2课;目录中文件数:3个

├─code.zip

├─Reinforcement Learning An Introduction.pdf

├─第二课 model-free Learning.pdf

(30)\强化学习\资料\第3课;目录中文件数:2个

├─code.zip

├─第三课 model-free control.pdf

(31)\强化学习\资料\第4课;目录中文件数:7个

├─code.zip

├─Deep Reinforcement Learning with Double Q-learning.pdf

├─Dueling Network Architectures for Deep Reinforcement Learning.pdf

├─Human-level control through deep reinforcement learning.pdf

├─Playing Atari with Deep Reinforcement Learning.pdf

├─PRIORITIZED EXPERIENCE REPLAY.pdf

├─第四课 Q-Learning.PDF

(32)\强化学习\资料\第5课;目录中文件数:6个

├─alphaGoZero-论文.pdf

├─Continuous MountainCar Actor Critic Solution.ipynb

├─pg-draft-论文.pdf

├─pg-rl-fa-论文.pdf

├─plotting.py

├─第五课 策略梯度学习.pdf

(33)\强化学习\资料\第6课;目录中文件数:3个

├─code.zip

├─[翻译] Deep Reinforcement Learning_Pong.pdf

├─第六课 强化学习与DQN.pdf

(34)\无人驾驶\资料\无人驾驶 思维导图;目录中文件数:9个

├─无人驾驶实践–第七课高精度地图1.png

├─无人驾驶实践–第八课定位.png

├─无人驾驶实践–第六课:动态环境感知与跟踪算法.png

├─无人驾驶实践—第五课:动态环境感知与3D检测算法.png

├─无人驾驶实践–.png

├─无人驾驶实践–第四课:动态环境感知与2D检测算法–.png

├─无人驾驶实践-.xmind

├─无人驾驶实践.png

├─无人驾驶实践3rd–.png

(35)\无人驾驶\资料\第一课 自动驾驶概述;目录中文件数:4个

├─Computer Vision for Autonomous Vehicles.pdf

├─Self-Driving Cars A Survey.pdf

├─基于深度学习的自动驾驶技术综述.pdf

├─第一课课件.docx

(36)\无人驾驶\资料\第七课 高精地图与车路协同设备;目录中文件数:4个

├─HD Map.ipynb

├─project.tgz

├─第七课课件.zip

├─高精地图Class.pptx

(37)\无人驾驶\资料\第三课-静态环境感知与分割算法;目录中文件数:5个

├─1_车道线检测案例_传统方式.zip

├─2_车道线检测深度学习方法.zip

├─第三课车道检测参考文章(外网无法打开可查看这个).pdf

├─静态环境感知与分割算法-更新.pptx

├─静态环境感知与分割算法.pptx

(38)\无人驾驶\资料\第九课 预测系统;目录中文件数:2个

├─预测系统 preview.pptx

├─预测系统v1.0.pptx

(39)\无人驾驶\资料\第二课 软件环境基础(ROS CMake);目录中文件数:7个

目录过长没有全部列出

下载

限制以下用户组阅读此隐藏内容

请先登录

您的用户组:
新人必读:本站积分规则声明

免责声明:

本站提供的资源,都来自网络,版权争议与本站无关,所有内容及软件的文章仅限用于学习和研究目的。不得将上述内容用于商业或者非法用途,否则,一切后果请用户自负,我们不保证内容的长久可用性,通过使用本站内容随之而来的风险与本站无关,您必须在下载后的24个小时之内,从您的电脑/手机中彻底删除上述内容。如果您喜欢该程序,请支持正版软件,购买注册,得到更好的正版服务。侵删请致信E-mail:i@zcjun.com

「点点赞赏,手留余香」

    还没有人赞赏,快来当第一个赞赏的人吧!

搜索

跳转

复制

通知!

达到等级即可发表文章。已开通收益提现功能,满10元即可提现,不允许转售他人课程及影音资源。

已去除图片水印和防采集代码,欢迎搬运扒码。

Close