pytorch实现图片识别和分类任务，里面包含代码部分和详细的程序解释部分。代码部分适用于pytorch环境下。通过迁徙学习的方法实现对112中不同花的图像识别并分类的问题。
2021-09-15 15:40:50
2.42MB
1
课程目标：
学习完本门课程，您将对自然语言处理技术有更深入的了解，彻底掌握中文命名实体识别技术。
适用人群：
自然语言处理从业者、深度学习爱好者
课程简介：
命名实体识别作为自然语言处理的基础技术之一，在自然语言处理上游各个任务（问答系统、机器翻译、对话系统等）重扮演者十分重要的角色，因此深入掌握命名实体识别技术，是作为自然语言处理从业者毕本技能，本课程理论与实践相结合，希望能给大家带来帮助。
课程要求：
（1）开发环境：Python3.6.5 Tensorflow1.13.1；（2）开发工具：Pycharm；
（3）学员基础：需要一定的Python基础，及深度学习基础；
（4）学院收货：掌握命名实体识别关键技术；
（5）学院资料：见课程资料；
（6）课程亮点：全程实战操作，徒手撸代码。
2021-08-08 21:24:43
503B
1
分享视频教程——深度学习-行人重识别实战(2020)
课程共10章：
章节1:第一章：行人重识别原理及其应用
章节2:第二章：基于注意力机制的ReId模型论文解读
章节3:第三章：基于Attention的行人重识别项目实战
章节4:计算机视觉顶会算法（特征融合）精讲
章节5:基于行人局部特征融合的再识别实战
章节6:旷视研究院最新算法解读（基于图模型）
章节7:基于拓扑图的行人重识别项目实战
章节8:算法补充-卷积神经网络
章节9:基础补充-PyTorch框架基本处理操作
章节10:基础补充-PyTorch卷积模型实例
2021-08-06 09:19:01
883B
1
深度学习-行为识别实战视频教程，完整版，2021最新，提供源码、课件和数据下载！
深度学习-行为识别实战旨在帮助同学们快速掌握行为识别领域核心算法及其项目应用。
课程内容主要包括三大模块：
1.基于slowfast的行为识别实战，通俗讲解行为识别领域核心算法原理及其环境配置，详细解读其源码实现及训练测试方法，给出行为识别通用模板；2.视频行为分类模型，使用C3D模型对视频数据进行建模分类；
3.视频异常行为检测，通俗解读异常行为判断方法及其源码实现。整体风格通俗易懂，提供课程所需全部数据代码。
2021-08-03 09:50:14
663B
1
分享课程——深度学习-行为识别实战，2021最新；完整版，提供课件代码数据下载！课程旨在帮助同学们快速掌握行为识别领域核心算法及其项目应用。
2021-08-03 09:49:53
669B
1
基于深度学习的语音识别实战课程主要包括三部分内容：
1.经典论文算法讲解；
2.算法源码解读；
3.项目实战；
2021-05-16 15:06:52
875B
1
整体课程覆盖语音识别领域四大核心主题：语音识别，语音分离，语音转换，语音合成；每一主题均按照论文思想解读，源码分析，项目实战顺序进行讲解。提供课程所需全部数据集，代码，PPT课件。
2021-05-12 18:06:29
861B
1
深度学习-行人重识别实战视频课程，2020年最新，课程主要包括三大核心模块：
1、2020经典算法(论文)详细解读；
2、项目源码分析；
3、实战应用；
2021-05-06 16:09:02
824B
1
情绪识别数据集汇总，里面是本人亲自汇总的情绪识别的训练数据集，其中第一个是label标签，表示的是情绪，第二个是数据，是句子。
2021-04-20 22:57:09
928KB
1