【总结】超过2000页PPT，80小时讲解的CV核心内容，掌握经典模型、分类、检测、分割、生成GAN与数据使用，有它就够了...

关注

原创最新推荐文章于 2026-11-13 16:00:00 发布 777 阅读 AI 写同款· GEO 优化 ›

医疗影像AI落地实战：构建临床闭环工作流医学影像AI不是替代医生的诊断工具，而是突破人类认知带宽极限的辅助决策系统。其核心原理在于将可标准化的影像分析任务（如病灶检测、量化测量、危急值预警）从医生繁重阅片流程中解耦，通过毫秒级响应完成初筛与结构化输出。技术价值体现在可量化的临床终点改善——如肺结节随访报告时间压缩63%、卒中识别耗时缩短至6分钟、BI-RADS 4a活检阴性率下降23%。典型应用场景覆盖三甲医院PACS嵌入式辅助、基层影像质控提效及多期相放疗靶区勾画。本文聚焦‘临床-技术-影像’铁三角协作与模块化系统设计，解决真实科室中数据失真、阅读详情

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，图像生成，基础模型设计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，而且课程内容一直都在持续保持更新，每次更新小鹅通都会有消息通知的，请大家及时关注，目前PPT页数已经超过了2000页。

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，PPT数量超过300页。

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，简单图像分类任务数据增强实践，基于Pytorch实战来详解图像分类任务实践。

大纲如下：

一些PPT动图如下：

一些实践案例如下：

课程订阅地址如下：

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

图像分割是在图像分类基础上更加细粒度的像素级分类问题，在视频直播，电商推荐，自动驾驶，医学图像等行业中有着广泛的应用，是深度学习计算机视觉领域中非常底层的问题，也是必须掌握的核心算法，包含的东西非常多。

图像分割课程当前包含的内容共约12个小时，PPT总数约400页。

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。

大纲如下：

一些PPT动图如下：

一些实践案例如下：

课程订阅地址如下：

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，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，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，PPT总数约400页。

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）；

实践部分共包含4个案例，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；

一些PPT动图如下：

一些实践案例如下：

课程订阅地址如下：

课程的完整介绍，请大家点击下图阅读：

深度学习之图像生成GAN

GAN的研究和应用在这几年发展可以说是非常迅猛，已经被用于各个研究方向，其应用涉及图像与视频生成，数据仿真与增强，各种各样的图像风格化任务，人脸与人体图像编辑，图像质量提升。其中GAN最早期也是最经典的任务，就是高质量图像生成，当前已经可以生成1024分辨率以上的高清逼真图像，为了帮助初学者学习GAN用于图像生成领域的问题，有三AI推出《深度学习之图像生成-理论实践篇》课程，让你以最短的时间掌握GAN与图像生成的经典框架，并进行代码实践。

图像生成GAN课程当前包含的内容共约6个小时，PPT总数约200页。

(1) 理论非常完备。详细解读了基本的卷积GAN，各类条件生成GAN，强大的StyleGAN系列，数据增强与仿真GAN，视频生成GAN，后续还会增加3D与视频的部分内容，既有足够的宽度，也具备有足够的深度。

(2) 实践足够完备。本次课程中一共已经包含了2个Pytorch实战案例，分别为DCGAN人脸嘴唇表情生成任务，StyleGAN人脸图像生成任务，后续还会增加3D与视频部分的实践内容。

课程大纲如下：

一些PPT动图如下：

一些实践案例如下：

课程订阅地址如下：

课程的完整介绍，请大家点击下图阅读：

深度学习之模型设计

深度学习的核心是什么，当然是“模型”，从CNN到GAN，再到Transformer，正是各类深度学习模型结构的快速发展才使得当前AI技术进展日新月异，其中模型的设计是整个深度学习领域的通用基础，不管是从头设计自己的神经网络，还是对已有模型进行优化获得更高的任务指标，更快的运行速度，获得更小的模型体积，都需要掌握各类网络的设计技巧，是深度学习算法工程师进阶的难点及必学点！

为了让大家能够更加系统更加深入的掌握模型设计相关的内容，有三AI推出了《深度学习之模型设计-理论实践篇》系列课程，让有经验有实力的讲师带你系统深入学习，掌握模型设计技术，本课程长期更新。

目前本课程内容聚焦于经典的CNN模型设计，基于网络深度的模型、基于网络宽度的模型、注意力机制模型、轻量化模型、安卓部署5个部分，总共时长超过20个小时，包括理论知识和实践内容，分为4大模块，4个实践案例，内容详细，案例丰富。在课程中老师会使用通俗易懂的语言帮助大家理解涉及的知识点、原理及代码。下面是课程大纲脑图：