├─第01章 视频行为分析-项目简介
│ ├─第1节 Outline of The Course
│ │ 第1节 Outline of The Course.mp4
│ │
│ └─第2节 问题解答以及NMS代码
│ 第2节： Introduction to Deep Learning.mp4
│
├─第02章 视频行为分析—Two Stage Detection
│ ├─第1节 Two Stage Detection
│ │ week2-3.5 Detection.PDF
│ │ 第1节 Two Stage Detection.mp4
│ │
│ └─第2节 答疑研讨会—Faster RCNN SSDNMS 代码实操
│ 第2节：答疑研讨会—Faster RCNN _ SSD_NMS 代码实操.mp4
│
├─第03章 视频行为分析—One Stage Detection
│ ├─第1节 One Stage Detection
│ │ week3.5-5 Face Detection Recognition.PDF
│ │ 微信图片_20191005214010.jpg
│ │ 微信图片_20191005214022.jpg
│ │ 第1节 One Stage Detection.mp4
│ │
│ └─第2节 如何安装cuda，cudnn，pytorch和tensorflow以及YOLOv3代码讲解
│ 第2节 如何安装cuda，cudnn，pytorch和tensorflow以及YOLOv3代码讲解.mp4
│
├─第04章 视频行为分析—Face Detection
│ ├─第1节 Face Detection
│ │ cv正式课资料.PDF
│ │ 第1节 Face Detection-1.mp4
│ │
│ └─第2节 FasterRCNN 中 tensor的传递 以及VOC2010的评估方式及代码
│ 第2节 FasterRCNN 中 tensor的传递 以及VOC2010的评估方式及代码.mp4
│
├─第05章 视频行为分析—Face Recognition
│ ├─第1节 Face Recongnition
│ │ 第1节 Face Recongnition.mp4
│ │
│ └─第2节 faceboxes，light cnn和face evoLVe的代码
│ 第2节 faceboxes，light cnn和face evoLVe的代码.mp4
│
├─第06章 视频行为分析—Tracking Intro
│ ├─第1节 Tracking Intro
│ │ week6-7 Tracking-Kalman Filter.PDF
│ │ 第1节 Tracking Intro.mp4
│ │
│ └─第2节 6-2 答疑研讨会
│ 第2节 6-2 答疑研讨会.mp4
│
├─第07章 视频行为分析—Kalman Filter
│ │ 第1节 Kalman Filter.mp4
│ │ 第2节 7-2 答疑研讨会-1.mp4
│ │ 第2节 7-2 答疑研讨会.mp4
│ │
│ └─第2节 7-2 答疑研讨会
│ 8-2答疑研讨课.PDF
│
├─第08章 视频行为分析—检测与识别的扩展
│ │ 第1节 检测与识别的扩展.mp4
│ │ 第2节 8-2检测与识别拓展研讨课.mp4
│ │
│ ├─第1节 检测与识别的扩展
│ │ week8 Action Recognition.PDF
│ │
│ └─第2节 8-2检测与识别拓展研讨课
│ BAIdu-I答疑研讨课.PDF
│
├─第09章 Lane Segmentation & Semantic
│ │ 第1节 9-1Lane Segmentation & Semantic.mp4
│ │ 第2节 9-2研讨课.mp4
│ │
│ ├─第1节 9-1Lane Segmentation & Semantic
│ │ Lane Segmentation-Week 1.PDF
│ │
│ └─第2节 9-2研讨课
│ BAIdu-I答疑研讨课.PDF
│
├─第10章 10-1 Lane Segmentation
│ │ 第1节 10-1 Lane Segmentation.mp4
│ │ 第2节 10-2研讨课.mp4
│ │
│ ├─第1节 10-1 Lane Segmentation
│ │ Fully Convolutional Networks for Semantic Segmentation.PDF
│ │ Lane Segmentation-Week 2.pptx
│ │
│ └─第2节 10-2研讨课
│ kAIke.pptx
│
├─第11章 11-1 Lane Segmentation
│ │ 第1节 11-1Lane Segmentation.mp4
│ │ 第2节 11-2研讨课.mp4
│ │
│ └─第1节 11-1Lane Segmentation
│ 3-1课程代码.txt
│ week3-resnet(1).txt
│
├─第12章 12-1deeplab v3+的原理和实现Week4
│ │ 第1节 12-1deeplab v3+的原理和实现Week4.mp4
│ │ 第2节 12-2研讨课.mp4
│ │
│ ├─第1节 12-1deeplab v3+的原理和实现Week4
│ │ 12-1PPTLane Segmentation-Week 4.PDF
│ │ 12-1课上PPTLane Segmentation-Week 4-.PDF
│ │ Week4 预习资料.txt
│ │
│ └─第2节 12-2研讨课
│ 12-2课件PPT.PDF
│
├─第13章 项目实战-数据处理week5
│ │ 第1节 13-1项目实战-数据处理week5.mp4
│ │ 第2节 13-2数据预处理-1.mp4
│ │ 第2节 13-2数据预处理-2.mp4
│ │
│ ├─第1节 13-1项目实战-数据处理week5
│ │ 13-1week5课前预习资料.txt
│ │ 13-1课件PPT Week 5.PDF
│ │ 13-1课件PPT（笔记版）Week 5.PDF
│ │ 13-1课程作业.txt
│ │
│ └─第2节 13-2数据预处理
│ 13-2课件PPT.pptx
│
├─第14章 Traning week6
│ │ 第1节 14-1Traning week6-1.mp4
│ │ 第1节 14-1Traning week6-2.mp4
│ │ 第2节 14-2网络训练与损失选择.mp4
│ │
│ ├─第1节 14-1Traning week6
│ │ 14-1PPTWeek 6.PDF
│ │ 14-1课堂作业.txt
│ │
│ └─第2节 14-2网络训练与损失选择
│ 14-2课堂PPT.pptx
│
├─第15章 项目实战-部署Week7
│ │ 第1节 15-1项目实战-部署Week7.mp4
│ │ 第2节 15-2模型推理.mp4
│ │
│ └─第1节 15-1项目实战-部署Week7
│ 15-1课堂PPT Week 7.PDF
│ 15-1课堂作业.txt
│
├─第16章 模型融合Week8
│ │ 第1节 16-1 模型融合week8.mp4
│ │ 第2节 16-2项目二总复习.mp4
│ │
│ └─第1节 16-1 模型融合week8
│ 16-1课堂PPT-Week 8.PDF
│ 16-1项目二大作业要求.txt
│
├─第17章 数学公式识别-课程导论
│ │ 第1节 17-1数学公式识别-课程导论.mp4
│ │ 第2节 17-2 车牌识别代码讲解.mp4
│ │
│ └─第1节 17-1数学公式识别-课程导论
│ 17-1课后作业详情.txt
│ 17-1课堂PPT.pptx
│
├─第18章 数学公式识别-EAST文本区域检测算法(一)
│ │ 第1节 18-1 数学公式识别-EAST文本区域检测算法(一).mp4
│ │ 第2节 18-2 EAST代码讲解.mp4
│ │
│ └─第1节 18-1 数学公式识别-EAST文本区域检测算法(一)
│ 18-1课后作业.PDF
│ 18-1课堂PPT.PDF
│
├─第19章 数学公式识别-EAST文本区域检测算法(二)
│ │ 第1节 19-1数学公式识别-EAST文本区域检测算法(二).mp4
│ │ 第2节 19-2 EAST训练和评估.mp4
│ │
│ └─第1节 19-1数学公式识别-EAST文本区域检测算法(二)
│ 19-1课前预习.PDF
│ 19-1课堂PPT.PDF
│ 19-2课后作业.txt
│
├─第20章 EAST理解难点梳理与pytroch版本代码解析
│ │ 第1节 20-1 EAST理解难点梳理与pytroch版本代码解析.mp4
│ │ 第2节 20-2 east_pytorch版本代码解析与答疑.mp4
│ │
│ ├─第1节 20-1 EAST理解难点梳理与pytroch版本代码解析
│ │ 20-1课后作业.PDF
│ │
│ └─第2节 20-2 east_pytorch版本代码解析与答疑
│ EAST-pytorch讲解.pptx
│
├─第21章 数学公式识别-Image2MarkupGeneration(一)
│ │ 第1节 21-1数学公式识别-Image2MarkupGeneration(一).mp4
│ │ 第2节 21-2img2markup的dataloader 实现-1.mp4
│ │ 第2节 21-2img2markup的dataloader 实现-2.mp4
│ │
│ └─第1节 21-1数学公式识别-Image2MarkupGeneration(一)
│ 21-1项目三作业.txt
│ hct_cv_week20.PDF
│
├─第22章 数学公式识别-Image2MarkupGeneration(二)
│ │ 第1节 22-1数学公式识别-Image2MarkupGeneration(二).mp4
│ │ 第2节 im2latex前向推理代码详解.mp4
│ │
│ ├─第1节 22-1数学公式识别-Image2MarkupGeneration(二)
│ │ HCT 百度CV Week21 课件.PDF
│ │
│ └─第2节 im2latex前向推理代码详解
│ Im2Latex前向推理.pptx
│
├─第23章 数学公式识别-Image2MarkupGeneration(三)
│ │ 第1节 23-1数学公式识别-Image2MarkupGeneration(三).mp4
│ │ 第2节 23-2Attention与BeamSearch代码详解.mp4
│ │
│ └─第1节 23-1数学公式识别-Image2MarkupGeneration(三)
│ 23-1homework.PDF
│ HCT 百度CV Week22 课件 .PDF
│
├─第24章 数学公式识别-Image2MarkupGeneration(四)
│ │ 第1节 24-1Image2MarkupGeneration(三).mp4
│ │ 第2节 24-2注意力机制效果演示以及不同loss对比.mp4
│ │
│ └─第1节 24-1Image2MarkupGeneration(三)
│ HCT 百度CV Week23 课件.PDF
│
└─第25章 数学公式识别-Image2MarkupGeneration(五)
│ 第1节 25-1Image2MarkupGeneration(五) -1.mp4
│ 第1节 25-1Image2MarkupGeneration(五) -2.mp4
│ 第2节 25-2webserver模型部署.mp4
│
└─第1节 25-1Image2MarkupGeneration(五)
HCT 百度CV Week24.PDF
项目三大作业.txt
有需要联系v；加客服窗口的联系方式
摘要：后厂理工百度飞桨联合设计双证资深AI实战工程师（CV方向）项目，旨在培养具备深度学习、计算机视觉等前沿技术能力的专业人才。本文将从项目背景、课程设置、师资力量和就业前景四个方面对这一项目进行详细阐述，以期为相关领域人士提供参考。
1、项目背景
随着人工智能技术的飞速发展，计算机视觉（CV）领域在安防、医疗、自动驾驶等多个行业展现出巨大的应用潜力。然而，当前市场上具备深度学习、计算机视觉等前沿技术能力的专业人才却相对匮乏。后厂理工百度飞桨联合设计双证资深AI实战工程师（CV方向）项目应运而生，旨在通过理论与实践相结合的方式，培养具备实际操作能力的CV领域专业人才。
项目背景主要包括以下几个方面：一是市场需求，随着CV技术的广泛应用，相关人才需求日益增长；二是技术发展，深度学习、计算机视觉等前沿技术在不断突破，为人才培养提供了广阔的空间；三是政策支持，国家高度重视人工智能产业发展，为人才培养提供了良好的政策环境。
后厂理工百度飞桨联合设计双证资深AI实战工程师（CV方向）项目，正是基于以上背景，旨在为我国CV领域培养一批具备实战能力的专业人才。
2、课程设置
后厂理工百度飞桨联合设计双证资深AI实战工程师（CV方向）项目课程设置科学合理，涵盖了深度学习、计算机视觉、图像处理等多个方面。课程主要包括以下内容：
（1）深度学习基础，包括神经网络、卷积神经网络、循环神经网络等；
（2）计算机视觉基础，包括图像处理、特征提取、目标检测等；
（3）实战项目，通过实际项目案例，让学生掌握CV技术在各个领域的应用。
此外，项目还注重培养学生的创新能力和团队协作能力，通过项目制教学，让学生在实践中不断成长。
3、师资力量
后厂理工百度飞桨联合设计双证资深AI实战工程师（CV方向）项目拥有一支实力雄厚的师资队伍。师资力量主要包括以下几个方面：
（1）学术背景，教师团队具有丰富的学术背景，在CV领域具有较高的学术造诣；
（2）实践经验，教师团队具备丰富的实践经验，能够将理论知识与实际应用相结合；
（3）教学能力，教师团队具备良好的教学能力，能够为学生提供优质的教学服务。
此外，项目还邀请行业专家、企业技术骨干等担任客座讲师，为学生提供更广阔的视野。
4、就业前景
后厂理工百度飞桨联合设计双证资深AI实战工程师（CV方向）项目毕业生具备深度学习、计算机视觉等前沿技术能力，就业前景广阔。毕业生可在以下领域就业：
（1）人工智能企业，从事CV技术研发、产品开发等工作；
（2）互联网公司，从事图像处理、目标检测等CV相关技术工作；
（3）科研机构，从事CV领域的研究工作。
此外，项目毕业生还可自主创业，发挥所学技术优势，开拓新的市场。
总结：
后厂理工百度飞桨联合设计双证资深AI实战工程师（CV方向）项目，以市场需求为导向，注重理论与实践相结合，培养具备实战能力的CV领域专业人才。项目在课程设置、师资力量、就业前景等方面具有明显优势，为有志于从事CV领域工作的学员提供了良好的学习平台。
本文通过对项目背景、课程设置、师资力量和就业前景的详细阐述，旨在为相关领域人士提供参考。随着人工智能技术的不断发展，CV领域将迎来更加广阔的发展空间，后厂理工百度飞桨联合设计双证资深AI实战工程师（CV方向）项目将为我国CV领域培养更多优秀人才。
本文由nayona.cn整理
联系我们
关注公众号
微信扫一扫
支付宝扫一扫
