全集试看

【宣导片2】15w同学在这征服论文

部分试看

【先导课】效率提高3倍的论文阅读方法

全集试看

【人工智能优秀科研论文奖】等你来拿

部分试看

01-CV Transformer-Vit-前言

02-CV Transformer-Vit-论文简介

03-CV Transformer-Vit-vit整体结构

04-CV Transformer-attention机制

05-vit-multihead attention

06-CV Transformer-Vit-输入端适配

07-CV Transformer-Vit-实验及结论

08-CV Transformer-Vit-拓展及总结

09-CV Transformer-Vit-代码前言

10-CV Transformer-Vit-参数

11-CV Transformer-图像切分重排einops实现

12-CV Transformer-图像切分重排conv2d实现

13-CV Transformer-cls_token

14-CV Transformer-transblock

15-CV Transformer-MHSA-实现1

16-CV Transformer-MSHA-实现2

17-CV Transformer-vit前向回顾

18-CV Transformer-猫狗大战例子

19-CV Transformer-总结

swin01-前言

swin02- 论文简介

swin03- 论文详解-金字塔结构

swin04- 论文详解-wmsa

swin05- 论文详解-sw-msa

swin06- 论文详解-实验结果

swin07- 论文详解-拓展1

swin08- 论文详解-拓展2

swin09-代码-前言

swin10-代码-参数

swin11-代码-swin大框架

swin12-代码-basic_layer

swin13-代码-block详解-wmsa&相对位置编码

swin14-代码-swmsa

swin15-代码-swin代码整体回顾

swin16-代码-dwconv与wmsa

swin17-代码-总结

DETR-01-论文讲解

DETR-02-论文讲解

DETR-03-论文讲解

DETR-04-代码讲解

DETR-05-代码讲解

DETR-06-代码讲解

Han-Attention-01-前期储备知识介绍

Han-Attention-02-研究背景成果及意义

Han-Attention-03-论文总览

Han-Attention-04-模型详解

Han-Attention-05-实验结果及论文总结

Han-Attention-06-数据读取

Han-Attention-07-模型实现及训练和测试

LLaMa-01-论文泛读

LLaMa-02-论文精读

LLaMa-03-代码讲解

GLM-130B-01-论文泛读

GLM-130B-02-论文精读

GLM-130B-03-代码讲解

Self-Instruct-01-论文泛读

Self-Instruct-02-论文精读

Self-Instruct-03-代码讲解

CLIP-01-前言

CLIP-02-background

CLIP-03-model01

CLIP-04-model02

CLIP-05-experiement

CLIP-06-code

m4c-01-摘要

m4c-02-intro(1)

m4c-03-intro(2)

m4c-04-related泛读扩展

m4c-05-论文精读

m4c-06-论文精读

m4c-07-代码

BLIP-01-泛读mp4

BLIP-02-精读01

BLIP-03-精读02

BLIP-04-代码讲解

LLAVA-01-泛读

LLAVA-02-数据

LLAVA-03-训练实验

AIGC基础知识-01

AIGC基础知识-02

Latent Diffusion-03-论文摘要

Latent Diffusion-04-研究背景

Latent Diffusion-05-扩散模型

Latent Diffusion-06-模型结构

Latent Diffusion-07-实验

Latent Diffusion-08-结论和展望

Latent Diffusion-09-代码讲解(1)

Latent Diffusion-10-代码讲解(2)

Latent Diffusion-11-代码讲解(3)

Latent Diffusion-12-代码讲解(4)

Latent Diffusion-13-代码讲解(5)

Latent Diffusion-14-代码讲解(6)

IMAGEBIND-01-论文摘要

IMAGEBIND-02-研究背景

IMAGEBIND-03-数据集

IMAGEBIND-04-方法

IMAGEBIND-05-对比实验

IMAGEBIND-06-消融实验

IMAGEBIND-07-结论和展望

IMAGEBIND-08-代码讲解(1)

IMAGEBIND-09-代码讲解(2)

IMAGEBIND-10-代码讲解(3)

IMAGEBIND-11-代码讲解(4)

IMAGEBIND-12-代码讲解(5)

IMAGEBIND-13-代码讲解(6)

IMAGEBIND-14-代码讲解(7)

HuggingGPT-01-论文摘要

HuggingGPT-02-研究背景

HuggingGPT-03-方法

HuggingGPT-04-实验

HuggingGPT-05-结论

HuggingGPT-06-代码讲解(1)

HuggingGPT-07-代码讲解(2)

HuggingGPT-08-代码讲解(3)

HuggingGPT-09-代码讲解(4)

HuggingGPT-10-代码讲解(5)

GAN-01-论文摘要

GAN-02-论文背景

GAN-03-论文泛读

GAN-04-价值函数

GAN-05-训练流程&理论证明

GAN-06-实验结果&总结展望

GAN-07-代码分析综述

GAN-08-代码分析精讲

ITGAN-01-论文摘要&论文背景

ITGAN-02-论文泛读

ITGAN-03-GAN的训练改进

ITGAN-04-图像质量评价&半监督学习

ITGAN-05-实验结果&论文总结

ITGAN-06-代码讲解1

ITGAN-07-代码讲解2

ITGAN-08-代码讲解3

pix2pix-01-论文摘要&论文背景

pix2pix-02-论文成果及意义&论文泛读1

pix2pix-03-论文泛读2

pix2pix-04-目标函数&模型结构及训练参数

pix2pix-05-评价方式&目标函数分析&模型分析

pix2pix-06-应用分析&论文总结

pix2pix-07-代码讲解1

pix2pix-08-代码讲解2

cyclegan-01-论文摘要&研究背景

cyclegan-02-论文成果及意义&论文泛读

cyclegan-03-目标函数

cyclegan-04-模型结构与训练参数&模型评价与比较&损失

cyclegan-05-应用分析&论文总结

cyclegan-06-代码讲解1

cyclegan-07-代码讲解2

cyclegan-08-代码讲解3

StyleGAN-01-论文摘要&研究背景

StyleGAN-02-论文成果及意义&论文泛读

StyleGAN-03-基于样式的生成器架构

StyleGAN-04-实验结果&生成器的属性分析

StyleGAN-05-隐变量解耦1

StyleGAN-06-隐变量解耦2&论文总结

全集试看

StyleGAN-07-代码讲解1

StyleGAN-08-代码讲解2

StyleGAN-09-代码讲解3

YOLO-01-Anchors Base原理

YOLO-02-YOLOV1

YOLO-03-YOLOV2

YOLO-04-YOLOV3

YOLO-05-YOLOV4

YOLO-06-回顾

YOLO-07-YOLOV5

YOLO-08-YOLOVX

YOLO-09-YOLOV6

YOLO-10-YOLOV7

YOLO-11-各领域应用

yolox-01-前言

yolox-02-背景

yolox-03-概览

yolox-04-详解-模型框架

yolox-05-详解simOTA

yolox-06-详解-模型结构

yolox-07-详解-预处理

yolox-08-训练及总结

yolox代码-09-前言

yolox代码-10-预处理-mosaic

yolox代码-11-预处理-randomaffine

yolox代码-12-预处理-mixup

yolox代码-13-backbone

yolox代码-14-pafpn

yolox代码-15-bbox decode

yolox代码-16-simOTA

yolox代码-17 总结

YOLOv5-01-目标检测技术与YOLO系列

YOLOv5-02-YOLOV3回顾

YOLOv5-03-YOLOV5核心知识点1

YOLOv5-04-YOLOV5核心知识点1

YOLOv5-05-YOLOV5核心知识点2

YOLOv5-06-YOLOV5代码讲解1

YOLOV5-07-YOLOV5代码讲解2

YOLOV5-08-YOLOV5代码讲解3

YOLOV5-09-YOLOV5代码讲解4

YOLOv5-10-YOLOV5-代码讲解5

YOLOv5-11-YOLOV5-代码讲解6

YOLOv5-12-YOLOV5-代码讲解7

YOLOv5-13-YOLOV5-代码讲解8

YOLOv5-14-YOLOV5-代码讲解9

Faster R-CNN-01-RCNN演变

Faster R-CNN-02-摘要和网络结构

Faster R-CNN-03-结构总览

Faster R-CNN-04-背景介绍

Faster R-CNN-05-RPN与rpn_loss

Faster R-CNN-06-RPN训练

Faster R-CNN-07-实验和结论

Faster R-CNN-08-Anchor和RPN

Faster R-CNN-09-网络细节

Faster R-CNN-10-训练VOC数据集

Faster R-CNN-11-backbone网络讲解

Faster R-CNN-12-RPN

Faster R-CNN-13-数据和标签的同步处理

Faster R-CNN-14-建议框的生成

Faster R-CNN-15-Anchor box的生成和正负

FPN-01-背景介绍

FPN-02-论文泛读

FPN-03-背景及意义

FPN-04-特征金字塔的生成

FPN-05-特征金字塔与RPN及Fast Rcnn的结合

FPN-06-实验和消融实验

FPN-07-精读PPT补充知识

FPN-08-模型训练

FPN-09-网络结构总览

FPN-10-Backbone_resnet50讲解

FPN-11-FPN特征金字塔构建

FPN-12-多尺度特征图上AnchorBox的生成

FPN-13-RPN结构

RetinaNet-01-论文背景

RetinaNet-02-摘要及总结

RetinaNet-03-研究背景及相关工作

RetinaNet-04-Focal loss及Retinane

RetinaNet-05-Retinanet核心知识归纳

RetinaNet-06-训练

RetinaNet-07-训练数据格式转化生成

RetinaNet-08-Dataset和Dataloader

RetinaNet-09-网络结构

RetinaNet-10-Anchors的生成

RetinaNet-11-Focal Loss代码

CenterNet-01-背景介绍

CenterNet-02-摘要

CenterNet-03-模型结构

CenterNet-04-模型结构2

CenterNet-05-实验设置

CenterNet-06-实验结论和总结

CenterNet-07-训练数据和参数设置

CenterNet-08-网络主体结构

CenterNet-09-解码与预测

FaceNet-01-研究意义背景介绍

FaceNet-02-摘要

FaceNet-03-介绍

FaceNet-04-相关工作和总结预告

FaceNet-05-TripletLoss讲解与推导

FaceNet-06-TripletSelection讲解

FaceNet-07-网络架构

FaceNet-08-实验part1

FaceNet-09-实验part2

FaceNet-10-实验part3

FaceNet-11-实验part4_总结

Center Loss-01-研究成果以及意义

Center Loss-02-摘要以及介绍

Center Loss-03-相关工作以及总结预告

Center Loss-04-推导part1

Center Loss-05-实验讲解part1

Center Loss-06-推导part2

Center Loss-07-实验讲解part2

Center Loss-08-结果分析以及总结

SphereFace-01-研究背景成果意义

SphereFace-02-摘要和介绍

SphereFace-03-相关工作

SphereFace-04-ASotfmax详解_part1

SphereFace-05-ASoftmax详解_part2

SphereFace-06-Asoftmax详解_part3

SphereFace-07-实验代码讲解

SphereFace-08-结果分析与总

FCN-01-语意分割简介

FCN-02-常用数据集、指标、研究成果

FCN-03-论文摘要精读

FCN-04-论文引言、全局信息及部分信息

FCN-05-感受域&平移不变性

FCN-06-经典算法&本文算法、上采样

FCN-07-算法架构

FCN-08-训练技巧&实验结果及分析

FCN-09-讨论&总结

FCN-10-代码实现

FCN-11-数据预处理

FCN-12-模型搭建

FCN-13-训练、验证&预测函数搭建

FCN-14-损失函数

FCN-15-指标计算

01-Unet-论文总览和摘要精读

02-Unet-医学分割相关背景和取得的成果及意义

03-Unet-两篇论文相互补充

04-Unet-回顾医学图像分析及CNN的发展历程

05-Unet-先验知识补充

06-Unet-算法架构和实验结果及分析

07-Unet-试验设置及结果分析

08-Unet-代码精读

DeepLab-01论文背景、研究成果及意义

DeepLab-02-摘要