
课程介绍:
计算机视觉是AI领域发展迅速,就业前景广阔的核心领域,然而由于算法与模型选择难、数学要求高、多学科交叉融合等特性,导致入门门槛陡峭。为了帮助想入行的同学更顺滑、更省力的掌握计算机视觉核心技术,慕课网教研团队与技术专家一起精心设计了这门能让你以更低的认知负荷,快速掌握计算机视觉核心的专题课程。首先,课程会从计算机视觉基础到数学知识、及编程基础,再到热门YOLO与Transformer技术,循序渐进的提升你的技术实力。其次,在学习过程中会贯穿丰富的实战案例,让你轻松攻克技术与项目落地难题。最后,课程中也融合了图像处理、机器学习、深度学习协作等AI配套核心技术,让你多维度提升计算机视觉综合应用技能,助力你更轻松、更高效的从入门迈向技术新高度!
课程目录:
第1章 计算机视觉–YOLO+Transfomer多场景目标检测–课程导学
1 节|6分钟
-
视频:1-1 计算机视觉-YOLO+Transformer多场景目标检测实战-导学试看05:47
第2章 深度学习环境的搭建 – 三大系统全覆盖
13 节|98分钟
-
视频:2-1 深度学习开发环境搭建-导学07:03
-
视频:2-2 申请阿里云的免费GPU和CPU资源10:58
-
视频:2-3 申请Kaggle的免费GPU和CPU资源06:47
-
视频:2-4 申请Google的免费GPU和CPU资源04:32
-
视频:2-5 打造自己的深度学习开发环境-硬件部分10:56
-
视频:2-6 打造自己的深度学习开发环境-软件部分(一)05:48
-
视频:2-7 打造自己的深度学习开发环境-软件部分(二)-Nvidia驱动的安装06:26
-
视频:2-8 打造自己的深度学习开发环境-软件部分(三)-miniconda与jupyter10:10
-
视频:2-9 打造自己的深度学习开发环境-软件部分(四)-使用Docker搭建环境08:17
-
视频:2-10 打造自己的深度学习开发环境-软件部分(五)-[实战]使用Docker08:01
-
视频:2-11 使用VSCode作为深度学习开发编辑器07:28
-
视频:2-12 使用Pycharm作为深度学习开发编辑器08:16
-
视频:2-13 本章总结02:22
第3章 AI神器–ChatGPT、Gemini、Copilot – 开启AI新纪元
13 节|92分钟
-
视频:3-1 掌握多种AI工具-导学03:58
-
视频:3-2 代码生成工具-通义灵码与小浣熊09:59
-
视频:3-3 代码生成工具-Copilot07:27
-
视频:3-4 大语言模型助手-Kimi05:34
-
视频:3-5 大语言模型助手-NewBing08:12
-
视频:3-6 大语言模型助手-Gemini06:26
-
视频:3-7 大语言模型助手-Poe08:32
-
视频:3-8 大语言模型之提示词(一)06:55
-
视频:3-9 大语言模型之提示词(二)06:17
-
视频:3-10 大语言模型之提示词(三)09:42
-
视频:3-11 大语言模型之提示词(四)05:35
-
视频:3-12 大语言模型之提示词(五)08:20
-
视频:3-13 本章小结04:11
第4章 Python语言基础知识 – Python起手式,打开AI大门
13 节|131分钟
-
视频:4-1 Python语言基础知识-导学03:26
-
视频:4-2 Python语言基础知识-变量的定义与使用10:22
-
视频:4-3 Python语言基础知识-逻辑判断与优先级14:53
-
视频:4-4 Python语言基础知识-循环11:44
-
视频:4-5 Python语言基础知识-函数的定义与使用06:42
-
视频:4-6 Python语言基础知识-类与对象11:41
-
视频:4-7 Python语言基础知识-四种复合类型16:06
-
视频:4-8 Python语言基础知识-可变变量与不可变变量05:37
-
视频:4-9 Python语言基础知识-特有技术-切片11:03
-
视频:4-10 Python语言基础知识-其它特有技术07:37
-
视频:4-11 Pythony语言基础知识-NumPy库的使用16:17
-
视频:4-12 Python语言基础知识-MatPlotLib库的使用12:52
-
视频:4-13 Python语言基础知识-本章小结02:27
第5章 经典计算机视觉核心技术与算法 – 重温经典,扎实AI根基
18 节|122分钟
-
视频:5-1 经典计算机视觉核心技术与算法-导学03:17
-
视频:5-2 经典计算机视觉核心技术与算法-视觉的基本处理流程03:55
-
视频:5-3 经典计算机视觉核心技术与算法-OpenCV环境的搭建06:56
-
视频:5-4 经典计算机视觉核心技术与算法-通过OpenCV采集图像与视频11:57
-
视频:5-5 经典计算机视觉核心技术与算法-二值化06:16
-
视频:5-6 经典计算机视觉核心技术与算法-二值化背后的原理06:11
-
视频:5-7 经典计算机视觉核心技术与算法-Blur07:39
-
视频:5-8 经典计算机视觉核心技术与算法-Blur后面的原理11:35
-
视频:5-9 经典计算机视觉核心技术与算法-腐蚀操作07:48
-
视频:5-10 经典计算机视觉核心技术与算法-膨胀操作02:20
-
视频:5-11 经典计算机视觉核心技术与算法-开运算与闭运算05:27
-
视频:5-12 经典计算机视觉核心技术与算法-开运算与其它复杂运算背后的原理08:20
-
视频:5-13 经典计算机视觉核心技术与算法-查找图像轮廓12:31
-
视频:5-14 经典计算机视觉核心技术与算法-如何绘制轮廓04:35
-
视频:5-15 经典计算机视觉核心技术与算法-轮廓的面积与周长05:49
-
视频:5-16 经典计算机视觉核心技术与算法-ROI05:22
-
视频:5-17 经典计算机视觉核心技术与算法-边缘检测Canny07:36
-
视频:5-18 经典计算机视觉核心技术与算法-本章小结03:32
第6章 人工智能必知必会的数学知识 – 数学不再枯燥,AI公式秒懂
11 节|81分钟
-
视频:6-1 必知必会的数学知识-向量06:38
-
视频:6-2 必知必会的数学知识-向量的基本运算(加法与点乘)11:11
-
视频:6-3 必知必会的数学知识-运算-向量的基本运算(叉乘)07:45
-
视频:6-4 必知必会的数学知识-矩阵的基本运算06:57
-
视频:6-5 必知必会的数学知识-2D变换10:39
-
视频:6-6 必知必会的数学知识-齐次坐标06:19
-
视频:6-7 必知必会的数学知识-利用齐次坐标实现各种3D变换06:42
-
视频:6-8 必知必会的数学知识-求导11:58
-
视频:6-9 必知必会的数学知识-链式求导与偏导05:50
-
视频:6-10 必知必会的数学知识-张量04:45
-
视频:6-11 必知必会的数学知识-本章小结02:09
第7章 深度学习必备的基础知识 – 从感知机到神经网络,一网打尽
19 节|157分钟
-
视频:7-1 深度学习必备的基础知识-导学03:01
-
视频:7-2 深度学习必备的基础知识-人工智能、机器学习与深度学习的关系04:58
-
视频:7-3 深度学习必备的基础知识-神经元与神经网络10:33
-
视频:7-4 深度学习必备的基础知识-监督学习与无监督学习09:02
-
视频:7-5 深度学习必备的基础知识-数据集的划分05:31
-
视频:7-6 深度学习必备的基础知识-过拟合、欠拟合与代价函数10:08
-
视频:7-7 深度学习必备的基础知识-代价函数的意义10:53
-
视频:7-8 深度学习必备的基础知识-梯度下降11:14
-
视频:7-9 深度学习必备的基础知识-线性回归代价函数的导数06:12
-
视频:7-10 深度学习必备的基础知识-学习率06:15
-
视频:7-11 深度学习必备的基础知识-逻辑回归08:23
-
视频:7-12 深度学习必备的基础知识-sigmoid激活函数03:57
-
视频:7-13 深度学习必备的基础知识-逻辑回归的代价函数11:22
-
视频:7-14 深度学习必备的基础知识-逻辑回归的梯度下降05:19
-
视频:7-15 深度学习必备的基础知识-逻辑回归代价函数关于w和b偏导后的公式证明12:18
-
视频:7-16 深度学习必备的基础知识-深度神经网络与前向传播13:39
-
视频:7-17 深度学习必备的基础知识-多种激活函数09:56
-
视频:7-18 深度学习必备的基础知识-反向传播与计算图08:16
-
视频:7-19 深度学习必备的基础知识-前向传播与反向传播的完整过程05:45
第8章 训练优化深度神经网络模型的方法 – 炼丹秘籍,模型调优不再玄学
10 节|76分钟
-
视频:8-1 训练优化神经网络-导学04:58
-
视频:8-2 训练优化神经网络-向量化与矩阵化11:53
-
视频:8-3 训练优化神经网络-L2正则化13:44
-
视频:8-4 训练优化神经网络-Dropout04:23
-
视频:8-5 训练优化神经网络-数据归一化处理06:55
-
视频:8-6 训练优化神经网络-初始化权重参数05:13
-
视频:8-7 训练优化神经网络-全批量梯度下降05:10
-
视频:8-8 训练优化神经网络-随机梯度下降与小批量梯度下降04:56
-
视频:8-9 训练优化神经网络-参数优化08:03
-
视频:8-10 训练优化神经网络-BatchNormalization10:25
第9章 实战-手写字的识别 – 你的第一个AI项目,成就感爆棚
16 节|117分钟
-
视频:9-1 [实战]手写字识别-导学03:16
-
视频:9-2 [实战]手写字识别-Tensorflow与keras06:23
-
视频:9-3 [实战]手写字识别-加载mnist数据集11:11
-
视频:9-4 [实战]手写字识别-构造神经网络07:19
-
视频:9-5 [实战]手写字识别-编译神经网络06:42
-
视频:9-6 [实战]手写字识别-训练神经网络模型05:21
-
视频:9-7 [实战]手写字识别-优化神经网络08:08
-
视频:9-8 [实战]手写字识别-Pytorch的一点历史02:50
-
视频:9-9 [实战]-手写字识别-Pytorch加载数据集08:27
-
视频:9-10 [实战]手写字识别-Pytorch导入训练数据和测试数据06:42
-
视频:9-11 [实战]手写字识别-Pytorch构建神经网络08:44
-
视频:9-12 [实战]手写字识别-用Pytorch实现训练神经网络的逻辑09:59
-
视频:9-13 [实战]手写字识别-用Pytorch实现评估神经网路的逻辑06:34
-
视频:9-14 [实战]手写字识别-Pytorch训练和评估神经网络04:56
-
视频:9-15 [实战]手写字识别-模型与训练优化10:34
-
视频:9-16 [实战]手写字识别-模型的保存部署与使用09:08
第10章 卷积神经网络 – 图像识别的利器,CNN深度剖析
12 节|70分钟
-
视频:10-1 卷积神经网络CNN-导学05:40
-
视频:10-2 卷积神经网络CNN-卷积操作03:53
-
视频:10-3 卷积神经网络CNN-CNN的一些基本概念04:12
-
视频:10-4 卷积神经网络CNN-三维卷积与多核卷积07:16
-
视频:10-5 卷积神经网络CNN-CNN中的池化03:51
-
视频:10-6 卷积神经网络CNN-标准CNN神经网络04:08
-
视频:10-7 卷积神经网络CNN-Keras实现CNN神经卷积网络04:09
-
视频:10-8 卷积神经网络CNN-KerasCNN网络架构优化07:26
-
视频:10-9 卷积神经网络CNN-使用Pytorch实现标准CNN网络06:01
-
视频:10-10 卷积神经网络CNN-经典神经网络AlexNet07:09
-
视频:10-11 卷积神经网络CNN-经典神经网络VGGNet05:52
-
视频:10-12 卷积神经网络CNN-经典神经网络ResNet10:00
第11章 数据增强 – 巧妇难为无米之炊,数据增强来帮忙
20 节|219分钟
-
视频:11-1 目标检测算法与原理-导学03:30
-
视频:11-2 目标检测算法与原理-迁移学习的工作原理08:23
-
视频:11-3 目标检测算法与原理-Tensorflow实现迁移学习09:46
-
视频:11-4 目标检测算法与原理-Pytorch实现迁移学习15:24
-
视频:11-5 目标检测算法与原理-Tensorflow数据增强-图片的导入与显示试看23:12
-
视频:11-6 目标检测算法与原理-Tensorflow数据增强-基本变换操作16:40
-
视频:11-7 目标检测算法与原理-Tensorflow数据增强-高级裁剪17:58
-
视频:11-8 目标检测算法与原理-tensorflow数据增强-噪音增强18:42
-
视频:11-9 目标检测算法与原理-Pytorch数据增强-基本变换13:36
-
视频:11-10 目标检测算法与原理-Pytorch数据增强-基本裁剪06:36
-
视频:11-11 目标检测算法与原理-Pytorch数据增强-高级裁剪试看13:16
-
视频:11-12 目标检测算法与原理-Pytorch数据增强-噪音增强10:10
-
视频:11-13 目标检测算法与原理-目标检测数据集05:41
-
视频:11-14 目标检测算法与原理-下载VOC数据集10:24
-
视频:11-15 目标检测算法与原理-tensorflow+albumentations实现数据增强(一)09:08
-
视频:11-16 目标检测算法与原理-tensorflow+albumentations实现数据增强(二)07:52
-
视频:11-17 目标检测算法与原理-tensorflow+albumentations实现数据增强(三)05:19
-
视频:11-18 目标检测算法与原理-tensorflow+albumentations实现数据增强(四)06:34
-
视频:11-19 目标检测算法与原理-Pytorch+albumentations实现数据增强(一)10:26
-
视频:11-20 目标检测算法与原理-Pytorch+albumentations实现数据增强(二)05:31
第12章 目标检测算法与原理:深度解析计算机视觉算法 – 掌握核心,从原理到实现
35 节|359分钟
-
视频:12-1 目标检测的基本原理08:48
-
视频:12-2 Tensorflow实现最简单的单目标检测-加载数据14:18
-
视频:12-3 Tensorflow实现最简单的单目标检测-构建神经网络08:22
-
视频:12-4 Tensorflow实现最简单的单目标检测-构造训练数据22:54
-
视频:12-5 Tensorflow实现最简单的单目标检测-模型训练(一)06:22
-
视频:12-6 Tensorflow实现最简单的单目标检测-模型训练(二)07:25
-
视频:12-7 Tensorflow实现最简单的单目标检测-使用模型13:33
-
视频:12-8 Pytorch实现最简单的单目标检测-加载Dataset13:23
-
视频:12-9 Pytorch实现最简单的单目标检测-神经网络06:34
-
视频:12-10 Pytorch实现最简单的单目录检测-模型训练12:10
-
视频:12-11 Pytorch实现最简单的单目标检测-模型的使用12:38
-
视频:12-12 核心算法-滑动窗口13:38
-
视频:12-13 核心算法-AnchorBox08:11
-
视频:12-14 核心算法-AnchorBox的工作原理07:26
-
视频:12-15 目标检测的技术发展路线08:41
-
视频:12-16 双阶段目标检测模型-RCNN-FastRCNN与FasterRCNN06:53
-
视频:12-17 SelectiveSearch算法(一)07:27
-
视频:12-18 SelectiveSearch算法(二)12:09
-
视频:12-19 支持向量机15:28
-
视频:12-20 Faster-RCNN实现-RPN07:01
-
视频:12-21 Faster-RCNN实现-FasterRCNN类11:29
-
视频:12-22 Faste的-RCNN实现-为什么BBox的预测是线性回归05:06
-
视频:12-23 Faster-RCNN实现-AnchorBox的实现08:49
-
视频:12-24 Faster-RCNN实现-生成候选框07:16
-
视频:12-25 计算机视频核心算法-RoIPooling11:58
-
视频:12-26 计算机视觉核心算法-NMS04:02
-
视频:12-27 YOLO的整体架构06:55
-
视频:12-28 YOLO的输出03:55
-
视频:12-29 YOLO输出中位置信息的具体含义06:50
-
视频:12-30 YOLO输出中AnchorBox与IoU的作用10:35
-
视频:12-31 YOLOv1网络架构09:35
-
视频:12-32 YOLOv2网络架构15:24
-
视频:12-33 YOLOv3网络架构13:57
-
视频:12-34 YOLOv4及其以后的网络架构16:38
-
视频:12-35 YOLO损失函数12:26
第13章 YOLO实战与应用 – 快速上手,打造你的专属目标检测器
9 节|96分钟
-
视频:13-1 YOLO实战与应用-导学08:28
-
视频:13-2 YOLO实战与应用-命令行方式进行目标识别12:41
-
视频:13-3 YOLO实战与应用-编程方式进行目标识别(一)17:19
-
视频:13-4 YOLO实战与应用-编程方式进行目标识别(二)07:32
-
视频:13-5 YOLO实战与应用-进行实时目标识别10:38
-
视频:13-6 YOLO实战与应用-使用YOLO进行目标追踪08:16
-
视频:13-7 YOLO实战与应用-使用YOLO进行姿态评估13:21
-
视频:13-8 YOLO实战与应用-分割-分类与OBB08:25
-
视频:13-9 YOLO实战与应用-export与benchmark08:56
第14章 YOLO高阶知识-训练与部署 – YOLO进阶之路,炼丹师的自我修养
10 节|87分钟
-
视频:14-1 高阶-YOLO模型的训练与部署-导学04:15
-
视频:14-2 高阶-YOLO模型的训练与部署-火焰检测项目-获取数据集06:31
-
视频:14-3 高阶-YOLO模型的训练与部署-火焰检测项目-模型训练115:09
-
视频:14-4 高阶-YOLO模型的训练与部署-火焰检测项目-模型训练206:28
-
视频:14-5 高阶-YOLO模型的训练与部署-火焰检测项目-部署与测试05:19
-
视频:14-6 高阶-YOLO模型的训练与部署-车牌识别项目-采集数据04:11
-
视频:14-7 高阶-YOLO模型的训练与部署-车牌识别项目-数据标注109:03
-
视频:14-8 高阶-YOLO模型的训练与部署-车牌识别项目-数据标注210:05
-
视频:14-9 高阶-YOLO模型的训练与部署-车牌识别项目-模型训练15:26
-
视频:14-10 高阶-YOLO模型的训练与部署-【实战】车牌识别09:55
第15章 注意力机制 – 解密Transformer的核心引擎,为CV进阶之路铺平道路
8 节|59分钟
-
视频:15-1 什么是注意力机制07:25
-
视频:15-2 注意力机制的一些细节07:03
-
视频:15-3 自注意力机制与注意力机制的区别02:49
-
视频:15-4 注意力机制中的注意力分数03:15
-
视频:15-5 注意力机制中的缩放因子04:44
-
视频:15-6 自注意力机制的具体操作过程09:35
-
视频:15-7 自注意力机制的矩阵化05:10
-
视频:15-8 注意力机制的实现18:42
第16章 手撕Transformer – 从CV到NLP,掌握AI界的“变形金刚”
7 节|61分钟
-
视频:16-1 手撕Transformer-Transformer架构11:18
-
视频:16-2 手撕Transformer-Transformer的输入(一)05:57
-
视频:16-3 手撕Transformer-Transformer的输入(二)12:58
-
视频:16-4 手撕Transformer-编码器中的多头注意力机制04:49
-
视频:16-5 手撕Transformer-编解码器中的残差网络与层归一化09:00
-
视频:16-6 手撕Transformer-掩码注意力机制10:11
-
视频:16-7 手撕Transformer-解码器05:57
第17章 计算机视觉–YOLO+Transfomer多场景目标检测–课程总结
1 节|10分钟
-
视频:17-1 课程总结09:59
本课程已完结
阅读全文
常见问题
是否支持单个资源购买?
答:点击“立即购买”,即是单个资源购买。
开通VIP会员后,是否支持全部资源下载,如何开通VIP会员?
答:点击“升级VIP”按钮,支付完成后即可开通VIP会员,VIP会员支持全站课程免费下载。
链接失效怎么办?
答:联系客服QQ:630965719,获取最新下载链接。
原文链接:https://www.itspxx.com/qyjs/ai/3495/,转载请注明出处。



评论0