• 学习时长

    11小时

  • 答疑服务

    2个月/专属微信群答疑服务,助教答疑

  • 课程有效期

    一年/告别拖延,温故知新

  • 第1章: Transformer在图像分类中的应用
  • 1: 【课件】Transformer在图像分类中的应用
  • 第1节: 图像分类数据集介绍
  • 2: 【视频】图像分类数据集
  • 第2节: 基于CNN的图像分类模型
  • 3: 【视频】基于CNN的图像分类
  • 第3节: 基于transformer的图像分类模型
  • 4-1: 【视频】基于Transformer的图像分类算法
  • 4-2: 【视频】ViT算法精讲
  • 4-3: 【视频】TNT算法精讲
  • 4-4: 【视频】CvT算法精讲
  • 第4节: 本章小节
  • 5: 【视频】本章小结
  • 第2章: Transformer在目标检测中的应用
  • 6: 【课件】Transformer在目标检测中的应用
  • 第1节: 目标检测基本知识
  • 7: 【视频】 目标检测基础
  • 第2节: CNN-based目标检测
  • 8-1: 【视频】基于CNN目标检测概述
  • 8-2: 【视频】两阶段目标检测
  • 8-3: 【视频】一阶段目标检测
  • 第3节: Transformer-based目标检测
  • 9: 【视频】基于Transformer的目标检测
  • 第4节: 本章总结
  • 10: 【视频】总结
  • 第3章: Transformer在图像分割中的应用
  • 11: 【课件】Transformer在图像分割中的应用
  • 第1节: 图像分割任务介绍及其相关数据集
  • 12: 【视频】 图像分割任务介绍及其相关数据集
  • 第2节: 基于CNN的图像分割方法
  • 13: 【视频】基于CNN的图像分割方法
  • 第3节: 基于 Transformer 的语义分割
  • 14: 【视频】基于 Transformer 的语义分割
  • 第4节: 本章总结
  • 15: 【视频】总结
  • 第5章: 两段式端到端方法
  • 第1节: 基于Transformer的BEV感知:以BEVFormer为例
  • 第2节: BEVFormer感知模型的工程实现
  • 第3节: BEV for Occupancy and Mapless
  • 第4节: 基于Transformer的规划