└─ OpenCV+TensorFlow 入门人工智能图像处理(无密完整) ->
  ├─ 第9章 课程总结 ->
    └─ 9-1 课程总结.mp4 - 27.5M
  ├─ 第8章 “刷脸”识别 ->
    ├─ 8-9 本章小结.mp4 - 46.6M
    ├─ 8-8 神经网络训练识别4.mp4 - 65.5M
    ├─ 8-7 神经网络训练识别3.mp4 - 63.9M
    ├─ 8-6 神经网络训练识别2.mp4 - 56M
    ├─ 8-5 神经网络训练识别1.mp4 - 21.8M
    ├─ 8-4 OpenCV预处理.mp4 - 49.3M
    ├─ 8-3 ffmpeg初识_音频.mp4.mp4 - 90.4M
    ├─ 8-2 最简单的图片爬虫.mp4 - 122M
    └─ 8-1 章节介绍.mp4 - 22.1M
  ├─ 第7章 手写数字识别 ->
    ├─ 7-9 knn数字识别7.mp4 - 102.1M
    ├─ 7-8 knn数字识别6.mp4 - 83.2M
    ├─ 7-7 knn数字识别5.mp4 - 124.2M
    ├─ 7-6 knn数字识别4.mp4 - 87.2M
    ├─ 7-5 knn数字识别3.mp4 - 110.8M
    ├─ 7-4 knn数字识别2.mp4 - 57.6M
    ├─ 7-3 knn数字识别1.mp4 - 23.9M
    ├─ 7-2 样本介绍.mp4 - 18.3M
    ├─ 7-19 数字识别小结.mp4 - 131.9M
    ├─ 7-18 cnn实现手写数字识别6.mp4 - 115.1M
    ├─ 7-17 cnn实现手写数字识别5.mp4 - 91.1M
    ├─ 7-16 cnn实现手写数字识别4.mp4 - 112.7M
    ├─ 7-15 cnn实现手写数字识别3.mp4 - 89.5M
    ├─ 7-14 cnn实现手写数字识别2.mp4 - 107.4M
    ├─ 7-13 cnn实现手写数字识别1.mp4 - 53.1M
    ├─ 7-12 knn数字识别10.mp4 - 116.4M
    ├─ 7-11 knn数字识别9.mp4 - 59.3M
    ├─ 7-10 knn数字识别8.mp4 - 88.6M
    └─ 7-1 章节介绍.mp4 - 6M
  ├─ 第6章 计算机视觉加强之机器学习 ->
    ├─ 6-9 Haar+adaboost人脸识别.mp4 - 123.6M
    ├─ 6-8 adaboost分类器2.mp4 - 76.4M
    ├─ 6-7 adaboost分类器1.mp4 - 128.3M
    ├─ 6-6 Haar特征3.mp4 - 17.2M
    ├─ 6-5 Haar特征2.mp4 - 33.7M
    ├─ 6-4 Haar特征1.mp4 - 24.6M
    ├─ 6-3 图片合成视频.mp4 - 17.9M
    ├─ 6-23 机器学习小结.mp4 - 166.3M
    ├─ 6-22 Hog_SVM小狮子识别5.mp4 - 129.7M
    ├─ 6-21 Hog_SVM小狮子识别4.mp4 - 105.1M
    ├─ 6-20 Hog_SVM小狮子识别3.mp4 - 93.3M
    ├─ 6-2 视频分解图片.mp4 - 43.9M
    ├─ 6-19 Hog_SVM小狮子识别2.mp4 - 88.9M
    ├─ 6-18 Hog_SVM小狮子识别1.mp4 - 117.7M
    ├─ 6-17 Hog小结.mp4 - 64.5M
    ├─ 6-16 Hog特征4.mp4 - 57.8M
    ├─ 6-15 Hog特征3.mp4 - 54.8M
    ├─ 6-14 Hog特征2.mp4 - 105.5M
    ├─ 6-13 Hog特征1.mp4 - 59.3M
    ├─ 6-12 SVM小结.mp4 - 37M
    ├─ 6-11 SVM支持向量机2.mp4 - 71.6M
    ├─ 6-10 SVM支持向量机1.mp4 - 41.5M
    └─ 6-1 机器学习章节介绍.mp4 - 32.6M
  ├─ 第5章 计算机视觉加强之图像美化 ->
    ├─ 5-9 亮度增强.mp4 - 22.5M
    ├─ 5-8 彩色直方图均衡化.mp4 - 50.3M
    ├─ 5-7 灰度直方图均衡化.mp4 - 76.7M
    ├─ 5-6 彩色直方图源码.mp4 - 33.7M
    ├─ 5-5 灰度直方图源码.mp4 - 25.9M
    ├─ 5-4 图片修补.mp4 - 45.1M
    ├─ 5-3 直方图均衡化.mp4 - 54.3M
    ├─ 5-2 彩色图片直方图.mp4 - 57.4M
    ├─ 5-13 图像美化章节小结.mp4 - 48.9M
    ├─ 5-12 中值滤波.mp4 - 38.9M
    ├─ 5-11 高斯均值滤波.mp4 - 52.5M
    ├─ 5-10 磨皮美白.mp4 - 25.9M
    └─ 5-1 美化效果章节介绍.mp4 - 59.9M
  ├─ 第4章 计算机视觉加强之图像特效&线段文字绘制 ->
    ├─ 4-9 边缘检测1.mp4 - 54.6M
    ├─ 4-8 图片融合.mp4 - 36.7M
    ├─ 4-7 毛玻璃.mp4 - 38.5M
    ├─ 4-6 马赛克.mp4 - 36.6M
    ├─ 4-5 颜色反转.mp4 - 32.2M
    ├─ 4-4 算法优化.mp4 - 33.9M
    ├─ 4-3 图像灰度处理2.mp4 - 29.9M
    ├─ 4-2 图像灰度处理1.mp4 - 20.3M
    ├─ 4-17 文字图片绘制.mp4 - 28.6M
    ├─ 4-16 矩形圆形任意多边形绘制.mp4 - 47M
    ├─ 4-15 线段绘制.mp4 - 38.9M
    ├─ 4-14 图像特效小结.mp4 - 24.7M
    ├─ 4-13 油画特效.mp4 - 56.4M
    ├─ 4-12 颜色映射.mp4 - 21M
    ├─ 4-11 浮雕效果.mp4 - 19.4M
    ├─ 4-10 边缘检测2.mp4 - 53.1M
    └─ 4-1 图像特效介绍.mp4 - 93.7M
  ├─ 第3章 计算机视觉加强之几何变换 ->
    ├─ 3-9 图片镜像.mp4 - 46.1M
    ├─ 3-8 图片移位3.mp4 - 13M
    ├─ 3-7 图片移位2.mp4 - 30.6M
    ├─ 3-6 图片位移1.mp4 - 20.3M
    ├─ 3-5 图片剪切.mp4 - 16.6M
    ├─ 3-4 图片缩放3.mp4 - 36.1M
    ├─ 3-3 图片缩放2.mp4 - 44M
    ├─ 3-2 图片缩放1.mp4 - 21.8M
    ├─ 3-13 图片几何变换小结.mp4 - 20.8M
    ├─ 3-12 图片旋转.mp4 - 21.8M
    ├─ 3-11 图片仿射变换.mp4 - 42M
    ├─ 3-10 图片缩放.mp4 - 21.6M
    └─ 3-1 本章介绍.mp4 - 36.7M
  ├─ 第2章 计算机视觉入门 ->
    ├─ 2-9 像素操作基础.mp4 - 24.9M
    ├─ 2-8 案例3:不同图片质量保存.mp4 - 30.5M
    ├─ 2-7 案例2:图片写入.mp4 - 20.9M
    ├─ 2-6 Opencv模块组织结构.mp4 - 37.9M
    ├─ 2-5 案例1:图片的读取和展示.mp4 - 22.7M
    ├─ 2-4 测试案例helloWorld.mp4 - 18.8M
    ├─ 2-3 Windows下一站式开发环境anaconda搭建.mp4 - 21.4M
    ├─ 2-22 小综合:人工神经网络逼近股票价格4.mp4 - 91.9M
    ├─ 2-21 小综合:人工神经网络逼近股票价格3.mp4 - 53.4M
    ├─ 2-20 小综合:人工神经网络逼近股票价格2.mp4 - 27.2M
    ├─ 2-2 Mac下一站式开发环境anaconda搭建.mp4 - 34.8M
    ├─ 2-19 小综合:人工神经网络逼近股票价格1.mp4 - 48.7M
    ├─ 2-18 matplotlib模块的使用.mp4 - 28.8M
    ├─ 2-17 numpy模块使用.mp4 - 38.5M
    ├─ 2-16 矩阵基础3.mp4 - 29M
    ├─ 2-15 矩阵基础2.mp4 - 35.6M
    ├─ 2-14 矩阵基础1.mp4 - 63.1M
    ├─ 2-13 常量变量四则运算.mp4 - 63.7M
    ├─ 2-12 tensorflow运算原理.mp4 - 32.9M
    ├─ 2-11 tensorflow常量变量定义.mp4 - 28.8M
    ├─ 2-10 案例4:像素读取写入.mp4 - 12.4M
    └─ 2-1 本章介绍.mp4 - 31.4M
  ├─ 第1章 课程导学 ->
    └─ 1-1 计算机视觉导学.mp4 - 48.2M
  └─ 源码.zip - 39.3M

发表回复

后才能评论