这份文档详细介绍了唐宇迪老师的深度学习系统班V9.1课程内容,涵盖了深度学习在各个领域的应用和实战项目。具体项目包括:
1、经典视觉项目实战:涉及行为识别、姿态估计、目标追踪等领域,使用sowfast、C3D模型等进行视频行为分类和异常行为检测,以及使用deepsort、BvteTrack等算法进行目标追踪。
2、Transformer实战系列:聚集于Transformer模型在NLPICV领域的应用,包括VIT、SwinTransformer、DETR、医疗Transformer等多种Transformer架构的源码解读和项目实践。
3、图神经网络实战:通过PyTorch-Geometric架进行图神经网络的实战应用,包括图模型的应用领域分析、图卷积GCN) 模块构建、图意力机制等内容。
4、面向深度学习的无人驾驶实战:探索深度估计、车道线检测、三维重建、轨迹估计等无人驾驶领域的算法模型和项目应用,基于特斯拉无人驾驶案例进行分析。
5、对比学习与多模态任务实战:结合对比学习核心算法及其应用场景,进行多模态任务的建模实战,如Clip算法的应用实例和源码解读。
6、缺陷检测实战:基于深度学习和传统算法(如opencv)进行缺陷检测的实战项目,包括物体检测框架YOLO版本的算法解读和钢材缺陷检测实战。
7、行人重识别实战:解读行人重识别领域的最新算法,进行源码实现和项目应用实例分析。
8、对抗生成网络实战:涵盖GAN模型的基础原理、CycleGan、StarGan、StyleGan等模型的项目实战和源码解读。
9、强化学习与AI黑科技实例:探讨强化学习领域的经典算法及其在AI黑科技中的应用,如OpenAI的GPT系列、CLIP模型、Diffusion模型等。
10、面向医学领域的深度学习实战:基于医疗数据集进行的项目实战,包括图像分割、细胞检测、知识图谱等在医疗领域的应用。
11、CV与NLP经典大模型解读:深入探讨在CV和NLP任务中的经典大模型,如BERT、GPT等的原理和应用。
12、深度学习模型部署与剪枝优化实战:讨论模型部署、剪枝、轻量化模型等在实际应用中的优化策略。
如果你想对此有进一步的了解,可以找我进行咨询了解,帮助你解决现在的问题!