六：计算机视觉实战项目夸克网盘资源_网盘资源_夸克网盘资源搜索_全盘搜

• 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:第五章：迁移学习.zip
• file:第11-12章notebook课件.zip
• file:第二十章：人脸关键点定位.zip
• file:第十章：项目实战-文档扫描OCR识别.zip
• file:第十三章：案例实战-全景图像拼接.zip
• file:第十八章：Opencv的DNN模块.zip
• file:第二十一章：项目实战-疲劳检测.zip
• file:unet++.zip
• file:深度学习分割任务.pdf
• file:2-数据与标签配置方法.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:6-缺陷检测模型培训.mp4
• file:7-输出结果与项目总结.mp4
• file:5-项目参数配置.mp4
• file:NEU-DET.zip
• file:YOLO5.zip
• file:PyTorch-YOLOv3.zip
• file:5.mp4
• file:faster-rcnn.pptx
• file:iccv15_tutorial_training_rbg.pdf
• file:Faster R-CNN Towards Real-Time Object Detection with Region Proposal Networks.pdf
• file:0-课程简介.mp4
• file:0-Mask-Rcnn开源项目简介.mp4
• file:论文解读-2-RPN网络结构.mp4
• file:三代算法-2-深度学习经典检测方法.mp4
• file:三代算法-3-faster-rcnn概述.mp4
• folder:六：计算机视觉实战项目
• folder:03.MASK-RCNN目标检测实战视频课程
• folder:01.OpenCV图像处理实战视频课程
• folder:08.Unet图像分割课程资料
• folder:02.YOLOV5目标检测视频课程
• 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:项目实战一：信用卡数字识别
• folder:项目实战三：全景图像拼接
• folder:第五章：必备基础-迁移学习与Resnet网络架构
• folder:2-开源项目数据集
• folder:3-参数配置
• folder:6-论文解读-3-损失函数定义
• folder:1-三代算法-1-物体检测概述
• folder:1-FPN层特征提取原理解读
• folder:7-Proposal层实现方法
• folder:6-候选框过滤方法
• folder:4-基于不同尺度特征图生成所有框
• folder:12-整体框架回顾
• folder:11-RorAlign操作的效果
• folder:10-RoiPooling层的作用与目的
• folder:9-正负样本选择与标签定义
• folder:8-DetectionTarget层的作用
• folder:1-COCO数据集与人体姿态识别简介
• folder:3-流程与结果演示
• folder:2-网络架构概述
• folder:3-完成训练数据准备工作
• folder:4-maskrcnn源码修改方法
• folder:2-使用labelme进行数据与标签标注
• folder:6-测试与展示模块
• folder:1-Labelme工具安装
• folder:5-基于标注数据训练所需任务
• folder:2-环境配置与预处理
• folder:4-输入数据处理方法
• folder:5-模板匹配得出识别结果
• folder:4-选项判断识别
• folder:3-填涂轮廓检测
• folder:2-预处理操作
• 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:6-文档扫描识别效果
• folder:2-RANSAC算法
• folder:6-车位区域划分
• folder:7-识别模型构建
• folder:5-按列划分区域
• folder:8-基于视频的车位检测
• folder:1-任务整体流程
• folder:6-shortcut模块
• folder:8-迁移学习效果对比
• folder:7-加载训练好的权重
• folder:3-Resnet原理