课时01

1图像&视频加载和显示(一)

课时02

2图像&视频加载和显示(二)

课时03

3OpenCV基础知识和绘图(一)

课时04

4OpenCV基础知识和绘图(二)

课时05

5图像的算术与位运算

课时06

6基本变换

课时07

7滤波器(一)

课时08

8滤波器(二)

课时09

9形态学(一)

课时10

10形态学(二)和图像轮廓

课时11

11图像金字塔和图像直方图

课时12

12信用卡数字识别项目

课时13

13虚拟计算器项目

课时14

14深度学习基础

课时15

15深度学习进阶

课时16

16TensorFlow入门

课时17

17TensorFlow入门(二)

课时18

18keras入门

课时19

19keras进阶

课时20

20函数式api,子类api和wide&deep模型

课时21

21超参数搜索

课时22

22高阶API

课时23

23 微分和datasets（一）

课时24

24 微分和datasets（二）

课时25

25 dataset进阶API

课时26

26 卷积神经网络

课时27

27 AlexNet

课时28

28 VGG和GoogleNet

课时29

29 ResNet

课时30

30 迁移学习

课时31

31 mobileNet

课时32

32 pytorch入门(一)

课时33

33 pytorch入门(二)

课时34

34 dataset和dataloader

课时35

35 pytorch实现卷积神经网络

课时36

36 dropout和bn

课时37

37 数据增强和迁移学习

课时38

38 自定义数据和模型保存

课时39

39 目标检测入门

课时40

40 faster-R-CNN系列算法

课时41

41 SSD和RetinaNet

课时42

42 yolov1-v3

课时43

43 yolov4-v5

课时44

44 目标检测项目

课时45

45 nlp基础

课时46

46 分词工具的使用

课时47

47 RNN

课时48

48 LSTM和GRU

课时49

49 seq2seq

课时50

50 注意力机制

课时51

51 注意力评分函数

课时52

52 带注意力及机制的seq2seq和 transformer