课程采用“PyTorch框架入门—核心任务理论—工业级项目实战—学术论文写作”的四维进阶体系，旨在帮助学员打通从代码实现到算法落地，再到科研成果产出的完整闭环。你将从PyTorch环境配置与张量操作起步，深入掌握数据清洗、标注与增强（imgaug）的全流程处理技巧。课程核心重点攻克计算机视觉的三大支柱任务：图像分类（涵盖细粒度、多标签、半监督及零样本分类）、目标检测（深入剖析YOLO系列、Faster R-CNN、CenterNet及MMDetection框架）与图像分割（语义分割、实例分割及人像抠图）。进阶部分通过血红细胞分类竞赛与工业缺陷检测等真实项目，传授知识蒸馏、TTA测试时增强、标签平滑等提分技巧。最后，课程独家附赠CV科研论文写作指导，助你从实验设计到投稿回复全方位提升学术能力。这是一场从“调包侠”到“算法专家”的深度修行，助你构建“懂原理、擅实战、能发Paper”的顶级核心竞争力。
课程目录：
+—1__科研论文写作指导（CV方向）
| 1__CV论文指导第7次直播-科研工具使用以及实验逻辑串讲[防断更微].mp4
| 2__CV论文指导第6次直播-论文查漏补缺[防断更微].mp4
| 3__CV论文指导第5次直播-论文投稿及审稿意见回复[防断更微].mp4
| 4__CV论文指导第4次直播-论文写作章节解析[防断更微].mp4
| 5__CV论文指导第3次直播-研究方法总结与应用[防断更微].mp4
| 6__CV论文指导第2次直播-撰写论文的前期准备[防断更微].mp4
| 7__CV论文指导第1次直播-什么是科研论文写作[防断更微].mp4
| README[防断更微].md
|
+—2__深度学习之Pytorch―入门及实战
| 10__7-优化器及损失函数[防断更微].mp4
| 11__8.1-数据读取及增强（上）[防断更微].mp4
| 12__8.2-数据读取及增强（下）[防断更微].mp4
| 13__9-模型读取和加载[防断更微].mp4
| 14__10.1-从零完成表情识别（项目简介）[防断更微].mp4
| 15__10.2-从零完成表情识别（数据读取）[防断更微].mp4
| 16__10.3-从零完成表情识别（模型搭建与训练）[防断更微].mp4
| 17__10.4-从零完成表情识别（模型测试）[防断更微].mp4
| 18__代码与数据[防断更微].html
| 1__0-课程介绍[防断更微].mp4
| 2__1-PyTorch简介[防断更微].mp4
| 3__2.1-Windows系统下配置PyTorch环境[防断更微].mp4
| 4__2.2-ubuntu系统下配置PyTorch环境[防断更微].mp4
| 5__3.1-张量（上）[防断更微].mp4
| 6__3.2-张量（下）[防断更微].mp4
| 7__4-层结构基本介绍[防断更微].mp4
| 8__5-网络结构搭建方法[防断更微].mp4
| 9__6-经典分类网络介绍[防断更微].mp4
| readme[防断更微].txt
| 更多相关资料[防断更微].html
|
+—3__深度学习之数据使用―理论实践篇
| 00 – 必看[防断更微].html
| 10__6.2 数据增强开源库imgaug使用[防断更微].vep
| 1__《深度学习之数据使用》直播01-自动化数据标注[防断更微].vep
| 2__0 课程介绍[防断更微].vep
| 3__1 数据获取[防断更微].vep
| 4__2 数据整理[防断更微].vep
| 5__3 数据标注[防断更微].vep
| 6__4 数据增强方法[防断更微].vep
| 7__5.1 Pytorch图像分类数据增强实践-数据增强接口介绍[防断更微].vep
| 8__5.2 Pytorch图像分类数据增强实践-实验结果[防断更微].vep
| 9__6.1 数据增强开源库imgaug介绍[防断更微].vep
|
+—4__深度学习之图像分类―理论与实践
| 10__3.3 从零完成表情识别实践（模型搭建与训练）[防断更微].vep
| 11__3.4 从零完成表情识别实践（模型测试）[防断更微].vep
| 12__4.1 简单图像分类数据增强实战（接口简介）[防断更微].vep
| 13__4.2 简单图像分类数据增强实战（实验比较）[防断更微].vep
| 14__5.1 细粒度图像分类理论[防断更微].vep
| 15__5.2 细粒度图像分类参考资料（图文）[防断更微].html
| 16__6.1 鸟类细粒度图像分类实战（项目简介）[防断更微].vep
| 17__6.2 鸟类细粒度图像分类实战（数据读取）[防断更微].vep
| 18__6.3 鸟类细粒度图像分类实战（模型搭建与训练）[防断更微].vep
| 19__7.1 多标签图像分类理论[防断更微].vep
| 1__《深度学习之图像分类》直播答疑04[防断更微].vep
| 20__7.2 多标签图像分类参考资料（图文）[防断更微].html
| 21__8.1 生活用品多标签图像分类实战（多标签分类简介及算法简介）[防断更微].vep
| 22__8.2 生活用品多标签图像分类实战（数据集制作及读取）[防断更微].vep
| 23__8.3 生活用品多标签图像分类实战（训练）[防断更微].vep
| 24__8.4 生活用品多标签图像分类实战（测试）[防断更微].vep
| 25__9.1 半监督与无监督分类理论[防断更微].vep
| 26__9.2 半监督与无监督图像分类参考资料（图文）[防断更微].html
| 27__10.1 零样本分类理论[防断更微].vep
| 28__10.2 零样本图像分类参考资料（图文）[防断更微].html
| 29__11.1 血红细胞图像分类竞赛（内容简介）[防断更微].vep
| 2__《深度学习之图像分类》直播答疑03[防断更微].vep
| 30__11.2 血红细胞图像分类竞赛（思路分析）[防断更微].vep
| 31__11.3 血红细胞图像分类竞赛（基础功能实现-数据集的统计分析）[防断更微].vep
| 32__11.4 血红细胞图像分类竞赛（基础功能实现-网络模型构建）[防断更微].vep
| 33__11.5 血红细胞图像分类竞赛（基础功能实现-训练）[防断更微].vep
| 34__11.6 血红细胞图像分类竞赛（学习率调整）[防断更微].vep
| 35__11.7 血红细胞图像分类竞赛（标签平滑）[防断更微].vep
| 36__11.8 血红细胞图像分类竞赛（知识蒸馏）[防断更微].vep
| 37__11.9 血红细胞图像分类竞赛（投票策略）[防断更微].vep
| 38__11.10 血红细胞图像分类竞赛（TTA策略）[防断更微].vep
| 3__《深度学习之图像分类》直播答疑02[防断更微].vep
| 4__《深度学习之图像分类》直播答疑01[防断更微].vep
| 5__0 课程简介[防断更微].vep
| 6__1 图像分类基础[防断更微].vep
| 8__3.1 从零完成表情识别实践（项目背景）[防断更微].vep
| 9__3.2 从零完成表情识别实践（数据处理与读取）[防断更微].vep
| 资料_[防断更微].7z
| 资料代码[防断更微].rar
|
+—5__深度学习之图像分割―理论与实践
| 10__4.1_缺陷分割实战_内容介绍[防断更微].vep
| 11__4.2_缺陷分割实战_模型搭建(理论)[防断更微].vep
| 12__4.3_缺陷分割实战_模型搭建(代码)[防断更微].vep
| 13__4.4_缺陷分割实战_数据读取[防断更微].vep
| 14__4.5_缺陷分割实战_模型训练[防断更微].vep
| 15__4.6_缺陷分割实战_模型测试[防断更微].vep
| 16__5.1_弱监督语义分割基础[防断更微].vep
| 17__5.2_弱监督语义分割模型[防断更微].vep
| 18__5.3_弱监督语义分割参考资料（图文）[防断更微].html
| 19__6.1_Image Matting基础[防断更微].vep
| 1__0_课程内容[防断更微].vep
| 20__6.2_基于Trimap预测的Image Matting模型[防断更微].vep
| 21__6.3_Image Matting模型改进（粗标签篇）[防断更微].vep
| 22__6.4_Image Matting参考资料（图文）[防断更微].html
| 23__7.1_人像Image Matting实战_模型简介[防断更微].vep
| 24__7.2_人像Image Matting实战_数据准备与读取[防断更微].vep
| 25__7.3_人像Image Matting实战_模型定义[防断更微].vep
| 26__7.4_人像Image Matting实战模型_训练与测试[防断更微].vep
| 27__8.1_实例分割基础[防断更微].vep
| 28__8.2_实例分割基础模型[防断更微].vep
| 29__8.3_二阶段实例分割算法[防断更微].vep
| 2__1_图像分割基础[防断更微].vep
| 30__8.4_一阶段实例分割算法[防断更微].vep
| 31__8.5_实例分割参考资料（图文）[防断更微].html
| 32__9.1_实例分割实战_数据读取[防断更微].vep
| 33__9.2_实例分割实战_评价指标编写[防断更微].vep
| 34__9.3_实例分割实战_网络模型搭建[防断更微].vep
| 3__2.1_语义分割基础模型[防断更微].vep
| 4__2.2_语义分割模型改进[防断更微].vep
| 5__2.3_语义分割参考资料（图文）[防断更微].html
| 6__3.1_简单模型嘴唇分割_数据获取与整理[防断更微].vep
| 7__3.2_简单模型嘴唇分割_模型搭建[防断更微].vep
| 8__3.3_简单模型嘴唇分割_模型训练[防断更微].vep
| 9__3.4_简单模型嘴唇分割_模型测试[防断更微].vep
| README[防断更微].md
| 资料代码[防断更微].rar
|
+—6__深度学习之目标检测―理论与实践
| 10__1.6-传统检测算法流程[防断更微].vep
| 11__1.7-基于深度学习的目标检测流程和分类[防断更微].vep
| 12__1.8-脑图时刻[防断更微].vep
| 13__1.9-anchor-base算法结构[防断更微].vep
| 14__2.1-RCNN详解[防断更微].vep
| 15__2.2-SPPNet详解[防断更微].vep
| 16__2.3-Fast RCNN详解[防断更微].vep
| 17__2.4-Faster RCNN详解[防断更微].vep
| 18__2.5-one-stage算法引入+脑图时刻[防断更微].vep
| 19__2.6 二阶段目标检测参考资料（图文）[防断更微].html
| 1__《深度学习之目标检测》直播答疑03[防断更微].vep
| 20__3.1-YOLOv1讲解[防断更微].vep
| 21__3.2-YOLOv2讲解[防断更微].vep
| 22__3.3-YOLOv3讲解[防断更微].vep
| 23__3.4-YOLOv4讲解[防断更微].vep
| 24__3.5-YOLOv5讲解[防断更微].vep
| 25__3.6 一阶段目标检测参考资料（图文）[防断更微].html
| 26__4.1-YOLO v3工业缺陷检测实战-原理回顾[防断更微].vep
| 27__4.2-YOLO v3工业缺陷检测实战-数据集介绍[防断更微].vep
| 28__4.3.1-YOLO v3工业缺陷检测实战-主干网络代码讲解[防断更微].vep
| 29__4.3.2-YOLO v3工业缺陷检测实战-Neck+Head部分代码讲解[防断更微].vep
| 2__《深度学习之目标检测》直播答疑02[防断更微].vep
| 30__4.3.3-YOLO v3工业缺陷检测实战-解码过程讲解[防断更微].vep
| 31__4.3.4-YOLO v3工业缺陷检测实战-前向推理代码讲解[防断更微].vep
| 32__4.4-YOLO v3工业缺陷检测实战-模型训练[防断更微].vep
| 33__4.5-YOLO v3工业缺陷检测实战-模型测试.vep[防断更微].vep
| 34__5.1-FasterRCNN原理回顾[防断更微].vep
| 35__5.2-数据集介绍[防断更微].vep
| 36__5.3.1-主干网络代码讲解[防断更微].vep
| 37__5.3.2-RPN网络代码讲解[防断更微].vep
| 38__5.3.3-Head部分代码讲解[防断更微].vep
| 39__5.3.4-前向推理代码详解[防断更微].vep
| 3__《深度学习之目标检测》直播答疑01[防断更微].vep
| 40__5.3.5-训练部分详解[防断更微].vep
| 41__5.4-权重文件处理知识+本期内容整体梳理[防断更微].vep
| 42__6.1-Anchor free引入[防断更微].vep
| 43__6.2-Densebox详解（上）[防断更微].vep
| 44__6.2-Densebox详解（中）[防断更微].vep
| 45__6.2-Densebox详解（下）[防断更微].vep
| 46__6.3-CornerNet详解（上）[防断更微].vep
| 47__6.3-CornerNet详解（中）[防断更微].vep
| 48__6.3-CornerNet详解（下）[防断更微].vep
| 49__6.4-CenterNet详解（上）[防断更微].vep
| 4__0-课程简介[防断更微].vep
| 50__6.4-CenterNet详解（中）[防断更微].vep
| 51__6.4-CenterNet详解（下）[防断更微].vep
| 52__6.5-Anchor-free参考资料（图文）[防断更微].html
| 53__7.1-印刷电路板数据集介绍[防断更微].vep
| 54__7.2-CenterNet原理回顾（上）[防断更微].vep
| 55__7.2-CenterNet原理回顾（下）[防断更微].vep
| 56__7.3-前向推理代码详解[防断更微].vep
| 57__7.4-训练过程代码详解（上）[防断更微].vep
| 58__7.4-训练过程代码详解（下）[防断更微].vep
| 59__7.5-内容总结[防断更微].vep
| 5__1.1-问题定义[防断更微].vep
| 60__8.1_MMdetection简介与安装[防断更微].vep
| 61__8.2_MMdetection框架总体讲解[防断更微].vep
| 62__8.3_配置文件讲解（上）[防断更微].vep
| 63__8.3_配置文件讲解（下）[防断更微].vep
| 64__8.4_推理相关源码分析[防断更微].vep
| 65__8.5_训练相关源码分析[防断更微].vep
| 66__8.6_自定义数据集[防断更微].vep
| 67__8.7_COCO与VOC格式转化[防断更微].vep
| 68__8.8_Kmeans聚类边界框[防断更微].vep
| 69__8.9_热力图绘制[防断更微].vep
| 6__1.2-数据集[防断更微].vep
| 70__8.10_训练过程和检测结果可视化分析[防断更微].vep
| 71__8.11_工程实践技巧[防断更微].vep
| 7__1.3-评价指标[防断更微].vep
| 8__1.4-脑图时刻[防断更微].vep
| 9__1.5-算法发展总览[防断更微].vep
| 必看_[防断更微].7z
| 资料代码[防断更微].rar
|
+—7__基于ResNet的生活用品多标签图像分类实战
| 1__第1节_多标签分类简介及算法简介[防断更微].vep
| 2__第2节_数据集制作及读取[防断更微].vep
| 3__第3节_模型搭建与训练[防断更微].vep
| 4__第4节_模型测试[防断更微].vep
| 必看_[防断更微].7z
|
+—8__基于EfficientNet的血红细胞分类竞赛实战
| 10__第8节_TTA策略[防断更微].vep
| 1__第1节_内容简介[防断更微].vep
| 2__第2节_思路分析[防断更微].vep
| 3__第3.1节_基础功能实现（数据集统计分析）[防断更微].vep
| 4__第3.2节_基础功能实现（网络模型搭建）[防断更微].vep
| 5__第3.3节_基础功能实现（模型训练）[防断更微].vep
| 6__第4节_学习率调整[防断更微].vep
| 7__第5节_标签平滑[防断更微].vep
| 8__第6节_知识蒸馏[防断更微].vep
| 9__第7节_投票策略[防断更微].vep
| 必看_[防断更微].7z
|
+—9__基于BiSeNet的表面缺陷分割实战
| 1__第1节_项目介绍[防断更微].vep
| 2__第2.1节_模型搭建(理论)[防断更微].vep
| 3__第2.2节_模型搭建(代码)[防断更微].vep
| 4__第3节_数据集读取[防断更微].vep
| 5__第4节_模型训练[防断更微].vep
| 6__第5节_模型测试[防断更微].vep
| readme[防断更微].txt
| 更多相关资料[防断更微].html
|
下载地址：
感谢您的来访，获取更多精彩文章请收藏本站。
