迈向人工智能—深度学习论文精读系列

mxrgznsdxx_ye_1.webp (17.58 KB, 下载次数: 28) 下载附件 保存到相册 2026-1-1 21:25 上传 本期课程为 深度学习 研究者推出了一个精读系列视频课。这一系列专注于解析深度学习历史上关键性贡献的学术文章，涵盖的内容极其广泛： 经典卷积神经网络（CNN）及Transformer模型及其变体的相关文献。 计算机视觉领域内任务如分类、检测和分割的文章解读。 神经网络优化技术和正则化策略相关的研究成果。 对不同损失函数的选择与应用，以及评估模型性能的方法论探讨。 综述性质的论文总结了CV领域的重大发展脉络。 这些课程内容旨在帮助学习者深入了解深度学习技术的核心原理，并且紧随领域内的最新动态。此外，本系列也包含了关于学术写作的建议和技巧，这将有助于提高学员们的文章撰写能力和在国际会议上的影响力。 1 初学者如何高效阅读论文.mp4 2 AlexNet横空出世.mp4 3 VGG.mp4 4 残差学习：ResNet.mp4 5 Transformer一作如何改进自注意力.mp4 6 EfficientViT-可在边缘计算设备上高效运行的ViT.mp4 7 【综述】视觉Transformer-SOTA与挑战.mp4 8 图像分割开创性工作：FCN.mp4 9 生物医学图像分割：U-Net.mp4 10 改进的U-Net-U-NetV2.mp4 11 改进的U-Net-U-Net++.mp4 12 目标检测开创性工作-R-CNN.mp4 13 R-CNN的升级版-Fast R-CNN.mp4 14 OPPO出品_用于显著目标检测-PSUNet.mp4 15 RetinaNet.mp4 16 网络优化器类型及优缺点.mp4 17 【综述】深度学习VS传统CV.mp4 18 ViT真的超越CNN了？.mp4 19 AnchorNet-减小图像空间 冗余度_加速图像分类推理.mp4 20 ImageNet数据集.mp4 21 GC-CLIP：改进CLIP zero-shot分类性能.mp4 22 SAM(Segment Anything Model).mp4 23 改进SAM-EfficientSAM.mp4 24 BLIP2-高效进行VLP.mp4 25 机器人中的GPT-4V(ision).mp4 26 能在iPhone12上运行的SAM-RepViTSAM.mp4 27 医疗设备上的大语言模型-SM70.mp4 28 大语言模型在电力系统中的应用.mp4 29 Segment and Track Anything.mp4 30 MAE-以自监督范式训练ViT.mp4