人工智能Paper论文深度解读完整版167课时

你将会学到的[部分课程介绍]

• 该视频主要讲述了基于mtcn网络的人脸检测论文的导读课程。首先介绍了论文的研究背景、成果和意义，强调了在无约束环境下人脸检测的挑战及深度学习方法的引入。随后，概述了mtcn网络的相关流程和技术，并分析了其未来研究趋势。此外，还指出了学习本课程所需的知识储备，并给出了学习规划和建议。整体内容旨在帮助学员理解论文的核心内容，为后续深入学习打下基础。
• 该视频主要讲述了论文导读的内容，包括论文题目、摘要和引言的详解。论文主题为人脸检测和对齐的多任务框架，采用深度卷积神经网络实现。摘要部分提到现有方法在现实世界的挑战和卷积神经网络在计算机视觉任务中的成功应用。引言部分介绍了相关研究及其局限性，并提到了边框回归的概念。视频最后总结了论文的主要思路和创新点。
• 本期视频详细讲解了深度学习的综述，重点包括深度学习的历史、核心理念、算法和应用。主要介绍了2018年图灵奖得主及其在深度学习领域的贡献，并概述了深度学习从历史到应用的重要进展。内容分为六大部分：论文背景与作者介绍、论文意义及内容分析、前期知识储备、课程安排与学习建议、论文引言部分及正文监督学习部分。重点阐述了深度学习的概念、原理、应用领域以及监督学习、反向传播算法等核心算法。此外，还提出了阅读经典论文、跟进最新研究、代码复现和写作论文等学习建议，旨在帮助学习者全面深刻地理解深度学习的整体轮廓和最基础、最核心的理念和算法。
• 该视频主要讲述了通过三寸点py程序中的重点部分代码来看一下模型是怎样训练的，以及卷积神经网络中的卷积核和特征图的可视化。视频中指定了训练数据集合与验证数据集合的路径，并设置了训练轮数、批量大小等参数。还讲解了如何在别人训练的权重上进行再次学习，也就是微调，并指定了需要训练的层。此外，视频还介绍了占位符机制，以及如何获取可训练变量、创建网络优化器等。最后，视频还讲解了工程中模型测试的程序，如何使用测试数据来评估模型的性能。
• 该视频主要讲述了论文主题为单点多尺寸目标检测器，介绍了目标检测的相关技术，包括基于手工特征的目标检测、基于深度学习的目标检测和基于端对端学习的目标检测。论文提出了一种使用单个神经网络的目标检测算法叫做SSD，并介绍了该算法的成果和贡献。此外，还介绍了SSD算法的创新点，包括在多个特征图上进行预测，使用小卷积滤波器预测特征图上固定一组默认框的类别分数等。视频还讲述了SSD算法的原理和结构，包括特征提取、多尺度特征图检测和输出等关键步骤。通过这些讲解，观众可以更好地理解SSD算法在目标检测领域的应用和优势。
• 该视频主要讲述了图卷积神经网络在建模关系型数据中的应用。首先回顾了非欧数据的概念和知识图谱的特点，强调了节点和关系的重要性。接着介绍了图卷积神经网络（GCN）的基本概念，以及如何通过邻接矩阵将节点的结构化知识融入节点表示中。同时，指出了直接拼接邻接矩阵和节点特征矩阵的缺陷，如参数量庞大和无法应用于变化的图结构。最后，强调了利用参数共享来更好地建模图数据的重要性，并介绍了后续课程将探讨的GCN在关系型数据中的应用和性能表现。

├── 人工智能Paper论文精读班（CV方向）
│ ├── 24-2..mp4
│ ├── 12-2..mp4
│ ├── 10-1..mp4
│ ├── 7-2..mp4
│ ├── 21-2..mp4
│ ├── 12-3..mp4
│ ├── 13-2..mp4
│ ├── 18-2..mp4
│ ├── 7-1..mp4
│ ├── 9-3..mp4
│ ├── 7-5..mp4
│ ├── 5-3..mp4
│ ├── 23-1..mp4
│ ├── 9-4..mp4
│ ├── 17-2..mp4
│ ├── 2..mp4
│ ├── 11-2..mp4
│ ├── 6-3..mp4
│ ├── 1..mp4
│ ├── 18-1..mp4
│ ├── 18-3..mp4
│ ├── 20-4..mp4
│ ├── 12-1..mp4
│ ├── 7-3..mp4
│ ├── 24-1..mp4
│ ├── 7-4..mp4
│ ├── 9-5..mp4
│ ├── 4-1..mp4
│ ├── 16-2..mp4
│ ├── 13-1..mp4
│ ├── 20-2..mp4
│ ├── 5-2..mp4
│ ├── 5-1..mp4
│ ├── 6-2..mp4
│ ├── 8-2..mp4
│ ├── 15-1..mp4
│ ├── 10-3..mp4
│ ├── 11-1..mp4
│ ├── 16-1..mp4
│ ├── 20-1..mp4
│ ├── 19-1..mp4
│ ├── 11-3..mp4
│ ├── 22-2..mp4
│ ├── 19-2..mp4
│ ├── 21-1..mp4
│ ├── 4-3..mp4
│ ├── 13-3..mp4
│ ├── 10-2..mp4
│ ├── 4-2..mp4
│ ├── 6-1..mp4
│ ├── 9-2..mp4
│ ├── 15-3..mp4
│ ├── 9-1..mp4
│ ├── 20-3..mp4
│ ├── 8-1..mp4
│ ├── 23-2..mp4
│ ├── 3..mp4
│ ├── 15-2..mp4
│ ├── 10-4..mp4
│ ├── 18-4..mp4
│ ├── 12-4..mp4
│ ├── 11-5..mp4
│ ├── 22-1..mp4
│ ├── 17-1..mp4
│ ├── 11-4..mp4
│ ├── 14-1..mp4
│ ├── 17-3..mp4
│ ├── 24-3..mp4
│ ├── 14-2..mp4
├── 人工智能Paper论文精读班（C方向）
│ ├── 22.第六篇论文词MTCNN——第一课时&.mp4
│ ├── 代码资料&.txt
│ ├── 25.第六篇论文MTCNN——第四课时&.mp4
│ ├── 29.第七篇论文Facenet——第三课时3.1&.mp4
│ ├── 28.第七篇论文Facenet——第二课时&.mp4
│ ├── 15.第四篇论文RCNN——第四课时&.mp4
│ ├── 5.第二篇论文AlexNet——第二课时2.1&.mp4
│ ├── 3.第一篇论文《Deep learning》— 第三课时&.mp4
│ ├── 14.第四篇论文RCNN——第三课时&.mp4
│ ├── 10.第三篇论文GG——第二课时&.mp4
│ ├── 11.第三篇论文GG——第三课时&.mp4
│ ├── 1.第一篇论文《Deep learning》— 第一课时&.mp4
│ ├── 9.第三篇论文GG——第一课时&.mp4
│ ├── 16.第四篇论文RCNN——第五课时&.mp4
│ ├── 27.第七篇论文Facenet——第一课时&.mp4
│ ├── 7.第二篇论文AlexNet——第三课时3.1&.mp4
│ ├── 20.第五篇论文SSD——第三课时3.1&.mp4
│ ├── 12.第四篇论文RCNN——第一课时&.mp4
│ ├── 19.第五篇论文SSD——第二课时2.2&.mp4
│ ├── 17.第五篇论文SSD——第一课时&.mp4
│ ├── 6.第二篇论文AlexNet——第二课时2.2&.mp4
│ ├── 23.第六篇论文词MTCNN——第二课时&.mp4
│ ├── 21.第五篇论文SSD——第三课时3.2&.mp4
│ ├── 24.第六篇论文MTCNN——第三课时&.mp4
│ ├── 8.第二篇论文AlexNet——第三课时3.2&.mp4
│ ├── 13.第四篇论文RCNN——第二课时&.mp4
│ ├── 4.第二篇论文AlexNet —— 第一课时&.mp4
│ ├── 30.第七篇论文Facenet——第三课时3.2&.mp4
│ ├── 2.第一篇论文《Deep learning》— 第二课时&.mp4
│ ├── 18.第五篇论文SSD——第二课时2.1&.mp4
│ ├── 26.第六篇论文词MTCNN——第五课时&.mp4
├── 人工智能Paper论文精读班（NLP方向）
│ ├── 25-2&.ts
│ ├── 7-3&.ts
│ ├── 5-1&.ts
│ ├── 20-3&.ts
│ ├── 16-1&.ts
│ ├── 30-2&.ts
│ ├── 18-2&.ts
│ ├── 26-1&.ts
│ ├── 10-3&.ts
│ ├── 10-2&.ts
│ ├── 4-5&.ts
│ ├── 14-2&.ts
│ ├── 8-2&.ts
│ ├── 5-3&.ts
│ ├── 4-1&.ts
│ ├── 6-2&.ts
│ ├── 18-1&.ts
│ ├── 28-2&.ts
│ ├── 5-2&.ts
│ ├── 24-1&.ts
│ ├── 23-2&.ts
│ ├── 12-2&.ts
│ ├── 9-2&.ts
│ ├── 27-1&.ts
│ ├── 19-2&.ts
│ ├── 11-5&.ts
│ ├── 13-1&.ts
│ ├── 7-2&.ts
│ ├── 12-3&.ts
│ ├── 9-3&.ts
│ ├── 10-1&.ts
│ ├── 13-2&.ts
│ ├── 24-2&.ts
│ ├── 25-1&.ts
│ ├── 7-1&.ts
│ ├── 11-4&.ts
│ ├── 8-3&.ts
│ ├── 14-1&.ts
│ ├── 16-2&.ts
│ ├── 13-3&.ts
│ ├── 8-1&.ts
│ ├── 20-1&.ts
│ ├── 4-4&.ts
│ ├── 4-2&.ts
│ ├── 21-2&.ts
│ ├── 4-3&.ts
│ ├── 11-1&.ts
│ ├── 12-1&.ts
│ ├── 11-2&.ts
│ ├── 10-4&.ts
│ ├── 11-3&.ts
│ ├── 21-3&.ts
│ ├── 21-1&.ts
│ ├── 27-2&.ts
│ ├── 23-1&.ts
│ ├── 20-2&.ts
│ ├── 30-1&.ts
│ ├── 28-1&.ts
│ ├── 5-4&.ts
│ ├── 14-3&.ts
│ ├── 6-1&.ts
│ ├── 19-1&.ts
│ ├── 26-2&.ts
│ ├── 9-1&.ts