计算机视觉中大大小小可以包括至少30个以上的方向，在基于深度学习的计算机视觉研究方向中，图像分类，图像分割，目标检测无疑是最基础最底层的任务，掌握好之后可以很快的迁移到其他方向，比如目标识别，目标跟踪，图像增强等。为了让大家能够掌握好相关技术，我们平台开设了3门相关的视频课程，分别从理论和实践详细讲解了其中的核心技术。
这不是随便拼凑一些案例堆积而成的快消课程，而是真正希望大家可以借助课程完成整个领域的学习，所以课程内容会持续保持更新。
深度学习之图像分类
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、如何学习接下来更加高阶的内容。
图像分类课程当前包含的内容共约12个小时，大纲如下。
理论部分：涵盖了深度学习之图像分类的各个研究方向，如图像分类简介、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。
实践部分：一共已经包含了5个实践案例，分别为人脸表情分类基本模型与ResNet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。
课程订阅地址如下：
课程的完整目录如下：
课程的完整介绍，请大家点击下图阅读：
深度学习之图像分割
图像分割在直播，电商，自动驾驶等行业中有着广泛的应用。
图像分割课程当前包含的内容共约13个小时，大纲如下：
理论部分：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，实例分割等，既有足够的宽度，也具备有足够的深度。
实践部分。本次课程中一共已经包含了4个实践案例，分别为人脸嘴唇分割实战，缺陷分割实战，Image Matting人像抠图实战，Mask RCNN实例分割实战，后续可能还会增加其他方向的实战。
课程订阅地址如下：
课程的完整目录如下：
课程的完整介绍，请大家点击下图阅读：
深度学习之目标检测
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，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。
目标检测课程当前包含的内容共约28个小时。
理论部分内容包括：目标检测相关基础，包括流程与评价指标，two-stage算法-Faster RCNN系列详解、one-stage算法-YOLO系列详解，Anchor-free算法系列详解（包括Densebox，CenterNet，CornetNet等）；
本次课程中一共已经包含了4个实践案例，分别是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；
课程订阅地址如下：
完整的课程目录如下：
课程的完整介绍，请大家点击下图阅读：
除了单独订阅三门课程外，还可以一起订阅该视频课合集，扫码即可订阅，订阅合集相比于订阅单独的课程有一定的优惠，合集地址如下：
更多内容
更多内容，请参考有三AI-CV季划，包括但不限于图文，直播与视频，书籍，答疑，项目研发，个人答疑指导，介绍如下：
【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】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？
转载文章请后台联系
侵权必究
往期精选
376
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
