2021年的有三AI-CV夏季划正式发布，并且这也是最后一届由言有三本人直接带领的夏季划小组，仅限于今年。
有三AI-CV夏季划是言有三直接一对一带领的深度学习和计算机视觉学习计划小组，目标是在新手入门的基础之上，彻底掌握好CV的重要方向，同时提升模型设计与优化的工程代码经验。
什么是有三AI-CV夏季划
夏季划是给以下选手准备的，目标是较深入地掌握若干计算机视觉领域，培养独立完整的模型设计与优化部署的工程项目能力。
(1) 有较好的Python编程基础，缺少更多的C++编程经验。
(2) 缺少深度学习和计算机视觉项目经验。
下图是2021年CV夏季划包括的所有内容预览简图，可以自行放大仔细阅读。
学习内容覆盖以下几个部分：
(1) 编程基础夯实，包括C++使用，Caffe等框架的完整源代码解读与定制，C++部署。
(2) 数据使用，包括数据获取，数据整理，数据标注，数据增强。
(3) 计算机基础方向深入掌握，包括图像分类，图像分割，目标检测与跟踪。
(4) 模型设计与优化深入掌握，包括模型设计，模型优化。
学习资源包括以下部分：
(1) 配套的图文项目与视频教程。
(2) 4本图书教材。
(3) 2个知识星球学习社区。
(4) 生态组与一对一答疑。
点击边框调出视频工具条
快速介绍可看下面的视频：
下面我们来看完整的各个部分的内容介绍。
编程部分
C++是项目落地的关键，我们需要熟练使用基本库，计算机视觉相关库，掌握高效的编程习惯，学会编写CMake和Makefile编译文件，会配置若干个小任务和1个综合性任务。
Caffe是一个非常适合提高C++与CUDA编程能力，熟悉开源框架开发的框架，需要掌握源代码解读，修改与模型部署(C++接口)，掌握Caffe的设计思想，核心代码解读，学会Caffe代码的自定义与修改，学会使用C++接口进行模型部署。
数据使用
数据的使用是深度学习算法领域从业者的必备素质，需要掌握如何收集高质量的数据，如何整理数据，如何分析数据，如何在各类项目中使用好数据增强。我们配置了1门《深度学习之数据使用》课程与若干个项目实践，主讲老师为言有三。
图像分类
对于刚接触深度学习计算机视觉的初学者来说，图像分类问题是最常见的问题，如何做好图像分类任务，关系到大家能否正确顺利地入门。夏季划配置了1门超过10个小时的《深度学习之图像分类》课程与若干个项目实践，主讲老师为言有三与有三AI资深讲师郭冰洋。
(1) 内容非常完备。涵盖了深度学习之图像分类的各个研究方向，如图像分类基础、多类别图像分类、细粒度图像分类，多标签图像分类，弱监督图像分类，零样本图像分类等，既有足够的宽度，也具备有足够的深度。
(2) 实践非常丰富。本次课程中一共已经包含了4个实践案例，分别为人脸表情分类实战，动物细粒度分类实战，生活用品多标签图像分类实战，基于血红细胞的图像分类竞赛技巧，从4大方向基于Pytorch实战来详解图像分类任务实践。
图像分割
图像分割在直播，电商，自动驾驶等行业中有着广泛的应用，夏季划配置了1门超过10个小时的《深度学习之图像分割-理论实践篇》课程，主讲老师为言有三与有三AI资深讲师郭冰洋。
本系列课程有以下几个特点：
(1) 内容非常完备。涵盖了深度学习之图像分割的各个研究方向，如图像分割基础、语义分割、弱监督语义分割，Image Matting，实例分割与全景分割等，既有足够的宽度，也具备有足够的深度。
(2) 实践非常丰富。本次课程中一共已经包含了3个实践案例，分别为人脸嘴唇分割实战，缺陷数据集实战，Mask RCNN实例分割实战，并且还会陆续增加如Image Matting方向的实战。
目标检测
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。夏季划配置了《深度学习之目标检测》系列课程，已完成超过30小时的理论课与实践课程，并还将继续更新，主讲老师为有三AI资深讲师费子昂与言有三。
课程大纲包含理论和实战两大部分，当前时长已超过30个小时：
(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：
下面是实践案例效果图：
另外，目标跟踪的视频课程也在准备中，主讲老师为言有三。
模型设计与优化
好的模型结构是深度学习成功的关键因素之一，不仅是非常重要的学术研究方向，在工业界实践中也是模型是否能上线的关键。对各类底层深度学习模型设计和优化技术理解的深度是决定我们能否在深度学习项目中游刃有余的关键，夏季划配置了2门对应的视频课程。
《深度学习之模型设计-理论实践篇》系列课程主讲老师包括大学老师鲁健恒以及言有三本人。
目前已经包含有网络深度与模型性能、网络宽度与模型性能、注意力机制、轻量化网络、安卓部署5个部分，总共时长超过20个小时：
理论部分内容如下，包括：
(1) 网络深度与模型性能主要包含：经典浅层卷积网络的设计、网络深度对分类模型的影响；
(2) 网络宽度与模型性能主要包含：经典模型的宽度设计思想、网络宽度对模型性能影响；
(3) 注意力机制主要包含：空间注意力模型、通道注意力模型、 混合注意力模型、项目实战；
(4) 轻量化网络理论主要包含：Xception网络、MobileNet V1和V2网络、 ShuffleNet V1和V2网络、SqueezeNet网络；
实践部分内容如下，包括：
(1) 基于MobileNet的网络深度设计分析及实战；
(2) 基于XceptionNet的网络宽度设计分析及实战；
(3) 基于SeNet的人种分类实战；
(4) 基于Pytorch的安卓端模型部署。
案例结果展示如下：
模型优化方向专门讲解对模型进行精简的相关方向，这是模型能够在各类嵌入式平台使用的关键技术，包括数据使用，模型性能分析，紧凑模型设计，模型剪枝，模型量化，模型蒸馏，自动化模型设计，主讲老师为言有三。
目前已经包含有Pytorch模型性能分析，模型剪枝，模型量化，模型蒸馏理论与实践（统一放在模型精简理论与模型精简实践中，后续会拆分讲解）等内容，总共时长约3个小时：
同时与本课程相关的还有有三AI知识星球中的各类模型优化模块，形式是相关论文的图文解读。
人脸、人像
人脸与人像是整个计算机视觉领域中最重要的图像，我们会掌握4个案例实践，包括人脸识别，人像分割，三维人脸重建，人脸编辑，本部分为最后的课程实践部分，暂时不再录制视频。
其他还有如《深度学习之Pytorch入门》，《传统图像处理》，《深度学习之Caffe图像识别》等课程，属于额外增加的内容，不再一一介绍，大家可以自己扫码查看相关课程目录。
关于学习方式
有三AI-CV夏季划学习方式非常自由，包括：
(1) 按照给出的路线和学习资料，分视频，书籍，代码实践3部分可自主把控学习进度，不限制学习时间，永久有效。新增内容会在群里通知和知识星球更新。
(2) 有三微信群答疑，有三一对一微信答疑和线下答疑。
(3) 参与内容组，兼职当老师获得收入。参与项目组，做真实项目获得收入。参与运营组，获得收入。
学会能获得什么
有三AI-CV夏季划的目标是在有三AI CV春季划的基础上，对CV相关方向的拓展，对编程相关能力的提升。
关于学习效果和产出形式，下面是一些有三AI季划成员的分享，供大家参考：
【杂谈】从学员到专栏作者、讲师，我在有三AI学习与名利双收的故事
【杂谈】从失业到重要项目负责人，2020年里我如何在有三AI上岸
【杂谈】参加有三AI秋季划4个月，薪资翻倍，我在有三AI都学了啥？
【杂谈】从医学专业转行到AI，独立完成项目到获得加州理工大学读研推荐，我如何与有三AI结缘
如何报名
即日起至2021年底学费为2500元，终身有效，此后内容增加也不会新增费用，如果有4本书其中的一本或若干本，以及有三AI知识星球，可以抵扣相应费用，直接订阅下面的有三AI-CV夏季划小鹅通专栏即可，订阅后联系有三微信Longlongtogo获得其他内容。
往期相关
9020
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
