欢迎来到自学宝库网 - 全方位软件学习,名师讲座视频,企业培训资料,中小学同步课程
登录   |    免费注册   |   

自学宝库网 - 全方位软件学习,名师讲座视频,企业培训资料,中小学同步课程

热门搜索: 英语   作业帮   抖音   学而思   猿辅导   高途课堂   短视频   数学   引流   电商   编程   设计   
OpenCV核心技术 机器视觉+深度学习+CNN卷积神经网络 课程+应用实战+作业+解题[百度网盘]

OpenCV核心技术 机器视觉+深度学习+CNN卷积神经网络 课程+应用实战+作业+解题[百度网盘]

本站优惠价
5.9VIP¥0
  • 库存
  • 销量
  • 充足
  • 0
  • 服务
  • 官方自营店发货,并提供售后服务。
担保交易,安全保证,有问题不解决可申请退款。
  • 分享
  • 0

官方自营店

  • 信誉:
  • 掌柜:
  • 官方卖家
  • 宝贝:
  • 2676件
  • 创店:
  • 2022-09-22
  • 描述
    5.00
  • 发货
    5.00
  • 售后
    5.00
===============课程介绍===============

非常详细的OpenCV机器视觉实战课程,课程内容包括了计算机视觉基础,计算机深度学习,计算机图像分割、目标跟踪,中阶段计算机视觉,神经网络、CNN卷积神经网络进阶及实战等课程,课程还包括了学习的作业级讲解,非常的“保姆级”。


===============课程目录===============

├─cv核心-1-计算机视觉基础:基本图像处理.mp4
├─cv核心-10-计算机视觉中的图像分类.mp4
├─cv核心-11-深度学习之两阶段目标检测.mp4
├─cv核心-12-深度学习之一阶段目标检测.mp4
├─cv核心-13-计算机视觉中的图像分割.mp4
├─cv核心-14-计算机视觉中的目标跟踪.mp4
├─cv核心-15-课程知识点总结.mp4
├─cv核心-2-中阶计算机视觉.mp4
├─cv核心-3-初步认识机器学习.mp4
├─cv核心-4-经典机器学习.mp4
├─cv核心-5-神经网络与反向传播.mp4
├─cv核心-6-详解CNN卷积神经网络part1原理篇.mp4
├─cv核心-7-详解CNN卷积神经网络part2应用篇.mp4
├─cv核心-8-详解CNN卷积神经网络part3实战细节篇.mp4
├─cv核心-9-cuda编程.mp4
(1)\1.1 计算机视觉基础:基本图像处理;目录中文件数:2个
├─CV核心基础WEEK1.docx
├─核心基础课week1 20200816.pdf
(2)\10.1 计算机视觉中的图像分类;目录中文件数:2个
├─week10.docx
├─核心基础课week10后20201101.pdf
(3)\11.1 深度学习之两阶段目标检测;目录中文件数:2个
├─week11.docx
├─核心基础课week11_20201108课后.pdf
(4)\12.1 深度学习之一阶段目标检测;目录中文件数:2个
├─核心基础课week11_20201108补充讲解vgg_bn.pdf
├─核心基础课week12-20201115发出.pdf
(5)\13.1 计算机视觉中的图像分割;目录中文件数:2个
├─week13.docx
├─核心基础课week13-图像分割设计方法20201122课后.pdf
(6)\14.1 计算机视觉中的目标跟踪;目录中文件数:2个
├─week14.docx
├─核心基础课week14-图像跟踪算法设计20201129.pdf
(7)\15.1 课程知识点总结;目录中文件数:1个
├─https.docx
(8)\2.1 中阶计算机视觉;目录中文件数:2个
├─week2 (1).docx
├─核心基础课week2-20200823发出.pdf
(9)\3.1 初步认识机器学习;目录中文件数:2个
├─week3.docx
├─核心基础课week3 20200830 发出.pdf
(10)\4.1 经典机器学习;目录中文件数:2个
├─week4 (1).docx
├─核心基础课week4 20200906课后.pdf
(11)\5.1 神经网络与反向传播;目录中文件数:2个
├─week5 (1).docx
├─核心基础课week5 20200913课后发出.pdf
(12)\6.1 详解CNN卷积神经网络 part 1 原理篇;目录中文件数:2个
├─week6.docx
├─核心基础课week6-20200920课后.pdf
(13)\7.1 详解CNN卷积神经网络 part 2 应用篇;目录中文件数:2个
├─week7.docx
├─核心基础课week7_2020-10-11课后.pdf
(14)\8.1 详解CNN卷积神经网络 part 3 实战细节篇;目录中文件数:2个
├─week8.docx
├─核心基础课week8-20201018课后.pdf
(15)\9.1 cuda编程;目录中文件数:2个
├─week9.docx
├─核心基础课week9 20201025课后.pdf
(16)\作业答案;目录中文件数:0个
(17)\作业答案\week1;目录中文件数:0个
(18)\作业答案\week2;目录中文件数:0个
(19)\作业答案\week3;目录中文件数:0个
(20)\作业答案\week4;目录中文件数:0个
(21)\作业答案\week5;目录中文件数:0个
(22)\作业答案\week7;目录中文件数:1个
├─week07.py
(23)\作业答案\week8;目录中文件数:1个
├─week8_homework.py
(24)\作业答案\week1\1;目录中文件数:8个
├─homework_zhangheng.py
├─watermark.png
├─week1_homework.png
├─各种滤波器的最佳结果.png
├─最佳结果.png
├─线性滤波结果.png
├─自定义卷积核滤波结果.png
├─非线性滤波结果.png
(25)\作业答案\week1\2;目录中文件数:6个
├─beauty-face.png
├─CV核心基础WEEK1.docx
├─homework_ray.png
├─week1_homework.png
├─week1_ray.ipynb
├─week1_ray.py
(26)\作业答案\week1\3;目录中文件数:5个
├─homework_processed.png
├─homework_processed_mask.png
├─homework_week1_huangchao.ipynb
├─mask1.png
├─week1_homework.png
(27)\作业答案\week1\4;目录中文件数:10个
├─img_bilateral.png
├─img_gaussian.png
├─img_mean.png
├─img_median.png
├─img_swf.png
├─main.py
├─side_window_filter.py
├─Watermark.png
├─week1_homework.png
├─__init__.py
(28)\作业答案\week2\1;目录中文件数:1个
├─homework.ipynb
(29)\作业答案\week2\2;目录中文件数:1个
├─名企班+week2+高桂春.ipynb
(30)\作业答案\week2\3;目录中文件数:15个
├─number_0.png
├─number_1.png
├─number_2.png
├─number_3.png
├─number_4.png
├─number_5.png
├─number_6.png
├─number_7.png
├─number_8.png
├─number_9.png
├─test_img_0.png
├─test_img_1.png
├─test_img_2.png
├─test_img_7.png
├─week2_homework.py
(31)\作业答案\week2\4;目录中文件数:1个
├─名企cv4-week2-张锐.ipynb
(32)\作业答案\week3\1;目录中文件数:3个
├─homework.py
├─loss.png
├─__init__.py
(33)\作业答案\week3\2;目录中文件数:2个
├─loss.png
├─核心+week3+蔡晨铃.ipynb
(34)\作业答案\week3\3;目录中文件数:1个
├─week3_homework.py
(35)\作业答案\week4\1;目录中文件数:3个
├─neural_network.py
├─train.py
├─__init__.py
(36)\作业答案\week4\2;目录中文件数:1个
├─pytorch_lenet_mnist.ipynb
(37)\作业答案\week4\3;目录中文件数:4个
├─acc.png
├─homework.py
├─loss.png
├─__init__.py
(38)\作业答案\week4\4;目录中文件数:1个
├─cv_home_work_zhangheng.py
(39)\作业答案\week5\1;目录中文件数:0个
(40)\作业答案\week5\2;目录中文件数:4个
├─hct66.py
├─kmeans.py
├─kmeanspp.py
├─mnist.py
(41)\作业答案\week5\3;目录中文件数:1个
├─week5_核心课_汪梓玉.ipynb
(42)\作业答案\week5\4;目录中文件数:5个
├─hct66.py
├─kmeans.py
├─kmeanspp.py
├─mnist.py
├─__init__.py
(43)\作业答案\week1\2\_ipynb_checkpoints;目录中文件数:1个
├─week1_ray-checkpoint.ipynb
(44)\作业答案\week1\3\_ipynb_checkpoints;目录中文件数:1个
├─homework_week1_huangchao-checkpoint.ipynb
(45)\作业答案\week1\4\新建文件夹;目录中文件数:5个
├─img_bilateral.png
├─img_gaussian.png
├─img_mean.png
├─img_median.png
├─img_swf.png
(46)\作业答案\week2\1\_ipynb_checkpoints;目录中文件数:1个
├─homework-checkpoint.ipynb
(47)\作业答案\week2\2\_ipynb_checkpoints;目录中文件数:1个
├─名企班+week2+高桂春-checkpoint.ipynb
(48)\作业答案\week2\4\my;目录中文件数:8个
├─2828_my_own_2.png
├─2828_my_own_3.png
├─2828_my_own_4.png
├─2828_my_own_5.png
├─2828_my_own_6.png
├─2828_my_own_image.png
├─2828_my_own_noisy_6.png
├─mnist_train_100.csv
(49)\作业答案\week2\4\_ipynb_checkpoints;目录中文件数:1个
├─名企cv4-week2-张锐-checkpoint.ipynb
(50)\作业答案\week3\2\_ipynb_checkpoints;目录中文件数:1个
├─核心+week3+蔡晨铃-checkpoint.ipynb
(51)\作业答案\week4\1\figure;目录中文件数:2个
├─accuracy.png
├─loss.png
(52)\作业答案\week4\2\_ipynb_checkpoints;目录中文件数:1个
├─pytorch_lenet_mnist-checkpoint.ipynb
(53)\作业答案\week4\3\dataset;目录中文件数:1个
├─mnist_dataset.py
(54)\作业答案\week5\1\week5;目录中文件数:3个
├─hct66.py
├─kmeanspp.py
├─__init__.py
(55)\作业答案\week5\3\_ipynb_checkpoints;目录中文件数:1个
├─week5_核心课_汪梓玉-checkpoint.ipynb
  • 商品评价
暂无商品评价
  • 购买记录
暂无购买记录
  • 交易规则



1、自动:在上方保障服务中标有自动发货的商品,拍下后,将会自动收到来自卖家的商品获取(下载)链接;

2、手动:未标有自动发货的的商品,拍下后,卖家会收到邮件、短信提醒,也可通过QQ或订单中的电话联系对方。


1、描述:源码描述(含标题)与实际源码不一致的(例:描述PHP实际为ASP、描述的功能实际缺少、版本不符等);

2、演示:有演示站时,与实际源码小于95%一致的(但描述中有"不保证完全一样、有变化的可能性"类似显著声明的除外);

3、发货:手动发货源码,在卖家未发货前,已申请退款的;

4、服务:卖家不提供安装服务或需额外收费的(但描述中有显著声明的除外);

5、其他:如质量方面的硬性常规问题等。

注:经核实符合上述任一,均支持退款,但卖家予以积极解决问题则除外。交易中的商品,卖家无法对描述进行修改!


1、在未拍下前,双方在QQ上所商定的内容,亦可成为纠纷评判依据(商定与描述冲突时,商定为准);

2、在商品同时有网站演示与图片演示,且站演与图演不一致时,默认按图演作为纠纷评判依据(特别声明或有商定除外);

3、在没有"无任何正当退款依据"的前提下,写有"一旦售出,概不支持退款"等类似的声明,视为无效声明;

4、虽然交易产生纠纷的几率很小,但请尽量保留如聊天记录这样的重要信息,以防产生纠纷时便于网站工作人员介入快速处理。


1、本站所发布的一切学习教程、软件等仅限用于学习体验和研究目的;请自觉下载后24小时内删除,严禁用于其他用途,如果你喜欢教程,请支持正版教程软件,得到更好的正版服务,本站内容全部来自网络,版权争议与本站无关,如果您认为侵犯了您的合法权益,请联系我们删除。发送邮件到邮箱:1160717335@qq.com。

2、对于不当转载或引用本网站内容而引起的民事纷争、行政处理或其他损失,本网站不承担责任。

3、对不遵守本声明或其他违法、恶意使用本网站内容者,本网站保留追究其法律责任的权利。


联系我们
QQ:1160717335
网址:www.zxbaoku.com

二维码