深度学习-行人重识别实战(2020新版) 高阶

掌握行人重识别经典算法及现阶段各大会议论文最新思想,从源码角度掌握项目实现中每一模块的细节

5分 新课热卖榜    第1 严选课 更新: 2020/08/17

收藏( 7 下载课程 二维码 下载学院APP 缓存视频离线看 学习社群 二维码 关注公众号 加入官方群

1088 学习人数 12小时22分钟 91课时
课程权益 15分钟内无条件退款 1、仅限付费视频课程适用
2、购买后15分钟内可以找到客服进行沟通退款
3、下载资料后不再享有退款特权
4、客服(Tel:400-101-1651)

24小时内答疑 随时随地观看课程 专属资料下载

唐宇迪

讲师评分:4.8 82门 课程 271万 次学习

同济大学硕士,华东理工大学博士,精通机器学习算法,主攻计算机视觉方向,著有《跟着迪哥学Python数据分析与机器学习实战》,线上选课学员30W+,累计开发课程50余门覆盖人工智能热门方向。联...

主页
  • 课程介绍
  • 课程大纲
  • 学员评价
  • 其他课程 81
  • 学习路径

学完本课程,您将掌握:

  • 掌握行人重识别领域最新算法与核心项目构建方法
  • 熟练使用PyTorch框架构建行人重识别模型
  • 掌握当下最新会议论文思想,并结合论文进行项目开发
  • 熟练改进网络模型架构以应用于不同实际场景

适合人群:

人工智能,计算机视觉方向的同学们

唐宇迪老师官方粉丝群

独学而无友,则孤陋而寡闻。 与良师益友,一起交流学习。

学习计划:

第一步:建议同学们先掌握行人重识别算法,并结合论文来进行理解 第二步:从源码角度熟练掌握项目第一行代码的作用 第三步:熟练使用Pytorch框架进行实际项目开发

课程目标:

掌握行人重识别经典算法及现阶段各大会议论文最新思想,从源码角度掌握项目实现中每一模块的细节

课程简介:

行人重识别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;通俗讲解CVPR等会议最新行人重识别方向算法及其实现,基于PyTorch框架展开实战,逐行讲解全部项目源码及其应用实例。整体风格通俗易懂,用最接地气的方式带领同学们掌握最新行人重识别算法并进行项目实战未命名.png行人重识别_副本.png



展开更多

课程大纲

资料下载
  • 第1章 第一章:行人重识别原理及其应用

    54分钟7节

  • 1-1

    课程简介

    [07:33] 开始学习
  • 1-2

    行人重识别要解决的问题

    [06:00] 开始学习
  • 1-3

    挑战与困难分析

    [12:14] 开始学习
  • 1-4

    map值计算方法

    [05:42] 开始学习
  • 1-5

    评估标准rank1指标

    「仅限付费用户」点击下载“数据代码.txt”

    [04:03] 开始学习
  • 1-6

    triplet损失计算实例

    [09:40] 开始学习
  • 1-7

    Hard-Negative方法应用

    [09:28] 开始学习
  • 第2章 基于注意力机制的ReId模型论文解读

    26分钟4节

  • 2-1

    空间权重值计算流程分析

    [05:31] 开始学习
  • 2-2

    融合空间注意力所需特征

    [06:07] 开始学习
  • 2-3

    论文整体思想及注意力机制的作用解读

    [10:03] 开始学习
  • 2-4

    基于特征图的注意力计算

    [04:56] 开始学习
  • 第3章 基于Attention的行人重识别项目实战

    1小时29分钟9节

  • 3-1

    项目环境与数据集配置

    [11:47] 开始学习
  • 3-2

    参数配置与整体架构分析

    [11:56] 开始学习
  • 3-3

    进入debug模式解读网络计算流程

    [07:56] 开始学习
  • 3-4

    获得空间位置点之间的关系

    [10:46] 开始学习
  • 3-5

    组合关系特征图

    [08:06] 开始学习
  • 3-6

    计算得到位置权重值

    [09:09] 开始学习
  • 3-7

    基于特征图的权重计算

    [06:26] 开始学习
  • 3-8

    损失函数计算实例解读

    [12:06] 开始学习
  • 3-9

    训练与测试模块演示

    [10:55] 开始学习
展开更多

5

学员评分

  • 0%
  • 0%
  • 0%
  • 0%
  • 0%

    1
    非常糟

    2
    很差

    3
    一般

    4
    很好

    5
    非常好

      展开更多
      加载中
      没有了哦~
      关注公众号 领VIP会员
      下次再说

      点击打包下载,即可获取该课程全部资料

      打包下载
      在线
      客服
      在线
      客服

      下载Android客户端

      下载iphone 客户端

      关注官方微信

      返回
      顶部