【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）！ / 开普饭

前言

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。