社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

【视频课】深度学习最有价值的CV领域,30小时掌握目标检测(附作者经历分享)!

有三AI • 3 年前 • 532 次点击  


前言


欢迎大家关注有三AI的视频课程系列,我们的视频课程系列共分为5层境界,内容和学习路线图如下:


第1层:掌握学习算法必要的预备知识,包括Python编程,深度学习基础,数据使用,框架使用。

第2层:掌握CV算法最底层的能力,包括模型设计基础,图像分类。

第3层:掌握CV算法最核心的方向,包括图像分割,目标检测,图像生成,目标跟踪。

第4层:掌握CV算法最核心的应用,包括人脸图像,图像质量,视频分析,图像编辑。

第5层:掌握算法落地的关键技术,包括模型优化,模型部署



其中部分课程的主体内容已经更新完毕,比如数据使用/图像分类/目标检测;部分课程正在重制更新中;比如模型优化/模型部署,部分课程正在计划上线中,比如图像编辑/视频分析,请大家及时关注!


本次给大家介绍的课程内容是《深度学习之目标检测》,目标是帮助大家掌握好深度学习目标检测问题。


为什么要学习这门课


目标检测是计算机视觉和数字图像处理的一个热门方向,广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域,通过计算机视觉减少对人力资本的消耗,具有重要的现实意义。因此,目标检测也就成为了近年来理论和应用的研究热点,它是图像处理和计算机视觉学科的重要分支,也是智能监控系统的核心部分,同时目标检测也是泛身份识别领域的一个基础性的算法,对后续的人脸识别、步态识别、人群计数、实例分割等任务起着至关重要的作用



为了帮助初学者深入学习目标检测相关知识,有三AI推出了《深度学习之目标检测》系列课程,目前已完成30余小时的理论课与实践课程,并还将继续更新 为学员深入解读目标检测基础理论原理及经典网络结构,经合实际项目,将所学理论应用于实践。



子欲学CV算法,目标检测是重中之重,可以说搞CV的人,一大半都在搞目标检测!我们这一门课期望帮大家彻底搞定目标检测的学习问题!下面请听课程的详细介绍!


课程内容介绍


本课程内容包括目标检测的各个经典领域的算法与实践,时长超过30个小时,理论与实践内容非常丰富:


(1) 理论部分内容包括:two-stage算法-Faster RCNN系列详解、one-stage算法-YOLO系列详解(从YOLO v1到YOLO v5),Anchor-free算法系列详解(包括Densebox,CenterNet,CornetNet等);会非常详细地讲解算法中的细节,帮助彻底消化算法原理;


下面是当前理论部分课程的大纲脑图:



(2) 实践部分内容包括: YOLOv3实战(工业缺陷检测)、Faster-RCNN实战(猫脸检测),CenterNet(电路板缺陷检测),MMdetection框架使用;基于Pytorch框架进行实战,逐行剖析代码,完全掌握实战细节;


下面是当前实践部分课程的大纲脑图:



下面简单了解一下各部分的内容:


(1) 目标检测基础讲解,包括问题定义,数据集,评价指标,算法发展总览,传统检测流程,基于深度学习的检测算法流程及分类,Anchor-base算法结构 本小节内容可以免费收听,共计130分钟。





(2) 二阶段目标检测模型详解,包括RCNN,SPP,Fast-RCNN,Faster-RCNN,one-stage算法引入,约75分钟





(3) 一阶段目标检测模型详解,包括YOLO v1,YOLO v2,YOLO v3,YOLO v4,YOLO v5模型,约250分钟





(4) Anchor-free模型详解,包括DenseNet,CornerNet,CenterNet,约240分钟




(5) YOLO v3,Faster-RCNN,CenterNet项目实战,约500分钟







(6) MMdetection目标检测框架使用,包括框架的简介与安装,框架总体讲解,推理相关源码分析,训练相关源码分析,训练过程可视化分析,检测结果可视化分析,工程应用技巧(C++调python,C++调torchscript)等内容约420分钟





本课程讲师


本课程讲师为费子昂,某国企研究所高级软件工程师,擅长目标检测和图形图像方向,曾在腾讯实习,拿下抖音offer 。参与智慧铁路入侵检测、智慧消防多个计算机视觉类落地项目,有三AI线上与线下讲师虽然子昂之前没有在我们平台输出过专栏文章,但是产出了这一套非常高质量的目标检测课程:


下面是作者分享的与有三 AI 的故事:


一个偶然的机会让我接触到了有三AI。因为人工智能的火热,网上相关的技术博客、公众号层出不穷,起初我以为有三AI也只是一个打着AI的幌子吸引眼球的“注水平台”。但通过阅读平台上的内容、和三哥沟通了几次后,发现这个平台是一个专注技术,并且极其务实的宝藏平台对于新的一些领域,自己看论文总是不知其所以然,甚至可能最初是不知所云的程度。但跟着平台上一些有经验的老师提供的学习思路,就可以条理清晰的把握好繁杂知识之间的拓扑优先级关系,从而更加容易的度过开头的难关。


成为有三AI的读者一小段时间后,我和有三AI的缘分发生了微妙的变化。由于硕士研究方向也是人工智能领域,并且在目标检测领域做了非常多的工作,我在毕业前的最后一段不太忙的时间里,经过与三哥的反复沟通后输出了目标检测这一门课程,花了非常多的时间,但也是给学校生活的完美谢幕!


在创造价值中成长!这是我接触了有三AI后最大的感受。在一直以来的学校教育中,我们总是习惯了复习好再考试,所以知识都学会了才能做项目这样的思维定式。但目前科技的高速发展,尤其是互联网、人工智能等领域的知识迭代速度是极快的。我们不可能把所有的内容都学会,只能锻炼自己的学习能力,学会在创造价值中成长。最后我想以一个“过来人”的身份,由衷的欢迎更多的小伙伴加入到有三AI的生态下,不管是作为知识的接受者还是价值的创造者,都会让你受益匪浅,三人行必有AI!


本课程特色与适合人群


本课程有以下特色:


(1) 理论部分丰富。本专栏总时长将近30个小时,详细地讲解了当下目标检测领域中最经典的方法,包括二阶段的检测框架,一阶段的检测框架,Anchor-free的检测框架


(2) 实践案例丰富。课程对每一个重点方向都介绍了实践案例,共有4个案例实践(如下图,包括Faster-RCNN实战,YOLO v3实战,CenterNet实战,MMdetection框架使用),并配套有代码与数据集,可循序渐进学习。


实践案例


本课程适合人群:


(1) 所有学习人工智能/深度学习算法,并有志于从事该领域的人员。

(2) 掌握了Python,深度学习基础概念等预备知识的技术人员。

(3) 学习与从事计算机视觉领域的技术人员。


学习完本课程你将掌握:


(1) 目标检测领域的主流算法。

(2) 熟悉Pytorch项目实践。

(3) MMdetection框架的使用。


如何获取课程


订阅本课程的方法有两个:


其一:参加有三AI-CV夏季划,可以获得完整的课,介绍如下:

有三AI计算机视觉学习季划

有三AI季划是我们推出的终身计算机视觉培养计划,有三作为主要导师直接带领,囊括答疑,微信群交流,线下活动,多本自写的书籍,图文课件与代码,直播与直播,知识星球社区,内容组与研发组权限,了解详细请阅读以下文章:


【CV夏季划】2021年有三AI-CV夏季划出炉,冲刺秋招,从CV基础到模型优化彻底掌握

【CV秋季划】模型优化很重要,如何循序渐进地学习好?

【CV秋季划】人脸算法那么多,如何循序渐进地学习好?

【CV秋季划】图像质量提升与编辑有哪些研究和应用,如何循序渐进地学习好?

【CV秋季划】生成对抗网络GAN有哪些研究和应用,如何循序渐进地学习好?


其二:单独订阅本视频专栏,本专栏定价为299,随着后续内容增加可能会进行价格调整,感兴趣的请提前订阅链接如下:



课程的完整目录如下:

往期相关


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/121303
 
532 次点击