物体检测是计算机视觉的常见任务，在安防、无人驾驶等行业广泛落地。经过数十年的发展，物体检测方向涌现了诸多经典的方法，可分为传统方法、基于深度学习的方法、Transformer。其中，基于深度学习的方法又可以分为基于锚框的方法以及无需锚框的方法。
上图为我们的分类框架，基于此，当下主流的物体检测方法均被归纳分类了。这么多主流的方法，它们的核心思想分别是什么，这些方法之间的联系与区别又是什么，我们对此做了细致的分析（如下图）。
上述内容皆来自深蓝学院的 『基于深度学习的物体检测』 课程，课程邀请中科院自动化所张士峰博士（第一作者或共同一作论文27篇）主讲，以模型演化时间轴为主线，剖析极具代表性的物体检测算法的核心思想与基本原理，并结合相关代码讲解具体的实现细节，让大家透彻理解物体检测的主流算法，提升解决实际问题的能力。
往期课程第一期与第二期的同学们，学习完课程后，已经有多位发表了顶会论文，并拿到独角兽offer。
另外，本期课程全新升级，专门为从事人脸检测、行人检测等不同研究方向的伙伴，准备了针对性的算法及实践项目，大家可以自己根据专业方向灵活选课。
张士峰
中科院自动化所模式识别国家重点实验室室博士
研究方向为基于深度学习的物体检测，包括通用物体检测、人脸检测、行人检测。博士期间，已发表论文29篇，其中以第一作者和共同第一作者发表论文21篇，包括顶级期刊TPA MI和IJCV共2篇，顶级会议CVPR4篇、ICCV1篇、ECCV 1篇、AAAI 4篇，IJCAI 1篇，以及其他作者论文7篇。授权专利2项，在申专利3项，担任TPAMI、IJCV、TNNLS、TMM、CVPR、ICCV、ECCV、AAAI、IJCAI等国际期刊和会议的审稿人。曾获CCF-CV学术新锐奖、VALSE年度最佳学生论文提名奖、最佳 学生论文奖、百度奖学金、国家奖学金、唐立新奖学金、 必和必拓奖学金、攀登奖学金、戴汝为奖学金、国际人脸检测比赛冠军等荣誉。1. 掌握基于锚框的通用物体检测算法：多阶段法Faster R-CNN及其衍生算法、单阶段算法SSD和RetinaNet；2. 掌握无需锚框的通用物体检测算法：关键点法CornetNet和中心域法FCOS；
3. 掌握人脸检测传统算法Viola-Jones，基于深度学习的算法Cascade CNN（早期）、FaceBoxes、SFDet、RetinaFace；
4. 掌握行人检测的传统算法DPM，基于深度学习的算法RPN+BF（早期）、RepLoss、OR-CNN和JoinDet；
1. 优质的学习圈子
伙伴们大多是来自985、211及海外院校硕博，在这里大家一起学习、讨论与研究。独一无二的优质圈子将是你未来学习与就业的宝贵资源。
2. 企业认可的证书
学完课程后将有机会收获优秀学员证书、毕业证书，为你的简历加分添彩。
1. 三师助力
讲师&助教及时答疑解惑，班主任全程带班督学，帮你克服拖延，不断进步。
助教1v1批改作业，并在班会中进行讲评和指导；在班会中，学习更多技巧；在交流中收获更多思路。
添加「黎新」
咨询更多内容~
