计算机视觉—YOLO+Transfomer多场景目标检测实战

你将学到

掌握计算机视觉必备核心技能
能够按需训练特定的视觉模型
掌握YOLO算法底层原理及应用
解决目标检测项目落地难题
掌握Transfomer原理及应用
掌握AI技术融合，数据增强

课程目录

第1章 计算机视觉–YOLO+Transfomer多场景目标检测–课程导学
1 节｜6分钟
展开
视频：
1-1 计算机视觉-YOLO+Transformer多场景目标检测实战-导学
试看
05:47
第2章 深度学习环境的搭建 – 三大系统全覆盖
13 节｜98分钟
收起
视频：
2-1 深度学习开发环境搭建-导学
07:03
视频：
2-2 申请阿里云的免费GPU和CPU资源
10:58
视频：
2-3 申请Kaggle的免费GPU和CPU资源
06:47
视频：
2-4 申请Google的免费GPU和CPU资源
04:32
视频：
2-5 打造自己的深度学习开发环境-硬件部分
10:56
视频：
2-6 打造自己的深度学习开发环境-软件部分(一)
05:48
视频：
2-7 打造自己的深度学习开发环境-软件部分(二)-Nvidia驱动的安装
06:26
视频：
2-8 打造自己的深度学习开发环境-软件部分(三)-miniconda与jupyter
10:10
视频：
2-9 打造自己的深度学习开发环境-软件部分(四)-使用Docker搭建环境
08:17
视频：
2-10 打造自己的深度学习开发环境-软件部分(五)-[实战]使用Docker
08:01
视频：
2-11 使用VSCode作为深度学习开发编辑器
07:28
视频：
2-12 使用Pycharm作为深度学习开发编辑器
08:16
视频：
2-13 本章总结
02:22
第3章 AI神器–ChatGPT、Gemini、Copilot – 开启AI新纪元
13 节｜92分钟
收起
视频：
3-1 掌握多种AI工具-导学
03:58
视频：
3-2 代码生成工具-通义灵码与小浣熊
09:59
视频：
3-3 代码生成工具-Copilot
07:27
视频：
3-4 大语言模型助手-Kimi
05:34
视频：
3-5 大语言模型助手-NewBing
08:12
视频：
3-6 大语言模型助手-Gemini
06:26
视频：
3-7 大语言模型助手-Poe
08:32
视频：
3-8 大语言模型之提示词(一)
06:55
视频：
3-9 大语言模型之提示词(二)
06:17
视频：
3-10 大语言模型之提示词(三)
09:42
视频：
3-11 大语言模型之提示词(四)
05:35
视频：
3-12 大语言模型之提示词(五)
08:20
视频：
3-13 本章小结
04:11
第4章 Python语言基础知识 – Python起手式，打开AI大门
13 节｜131分钟
展开
视频：
4-1 Python语言基础知识-导学
03:26
视频：
4-2 Python语言基础知识-变量的定义与使用
10:22
视频：
4-3 Python语言基础知识-逻辑判断与优先级
14:53
视频：
4-4 Python语言基础知识-循环
11:44
视频：
4-5 Python语言基础知识-函数的定义与使用
06:42
视频：
4-6 Python语言基础知识-类与对象
11:41
视频：
4-7 Python语言基础知识-四种复合类型
16:06
视频：
4-8 Python语言基础知识-可变变量与不可变变量
05:37
视频：
4-9 Python语言基础知识-特有技术-切片
11:03
视频：
4-10 Python语言基础知识-其它特有技术
07:37
视频：
4-11 Pythony语言基础知识-NumPy库的使用
16:17
视频：
4-12 Python语言基础知识-MatPlotLib库的使用
12:52
视频：
4-13 Python语言基础知识-本章小结
02:27
第5章 经典计算机视觉核心技术与算法 – 重温经典，扎实AI根基
18 节｜122分钟
展开
视频：
5-1 经典计算机视觉核心技术与算法-导学
03:17
视频：
5-2 经典计算机视觉核心技术与算法-视觉的基本处理流程
03:55
视频：
5-3 经典计算机视觉核心技术与算法-OpenCV环境的搭建
06:56
视频：
5-4 经典计算机视觉核心技术与算法-通过OpenCV采集图像与视频
11:57
视频：
5-5 经典计算机视觉核心技术与算法-二值化
06:16
视频：
5-6 经典计算机视觉核心技术与算法-二值化背后的原理
06:11
视频：
5-7 经典计算机视觉核心技术与算法-Blur
07:39
视频：
5-8 经典计算机视觉核心技术与算法-Blur后面的原理
11:35
视频：
5-9 经典计算机视觉核心技术与算法-腐蚀操作
07:48
视频：
5-10 经典计算机视觉核心技术与算法-膨胀操作
02:20
视频：
5-11 经典计算机视觉核心技术与算法-开运算与闭运算
05:27
视频：
5-12 经典计算机视觉核心技术与算法-开运算与其它复杂运算背后的原理
08:20
视频：
5-13 经典计算机视觉核心技术与算法-查找图像轮廓
12:31
视频：
5-14 经典计算机视觉核心技术与算法-如何绘制轮廓
04:35
视频：
5-15 经典计算机视觉核心技术与算法-轮廓的面积与周长
05:49
视频：
5-16 经典计算机视觉核心技术与算法-ROI
05:22
视频：
5-17 经典计算机视觉核心技术与算法-边缘检测Canny
07:36
视频：
5-18 经典计算机视觉核心技术与算法-本章小结
03:32
第6章 人工智能必知必会的数学知识 – 数学不再枯燥，AI公式秒懂
11 节｜81分钟
展开
视频：
6-1 必知必会的数学知识-向量
06:38
视频：
6-2 必知必会的数学知识-向量的基本运算(加法与点乘)
11:11
视频：
6-3 必知必会的数学知识-运算-向量的基本运算(叉乘)
07:45
视频：
6-4 必知必会的数学知识-矩阵的基本运算
06:57
视频：
6-5 必知必会的数学知识-2D变换
10:39
视频：
6-6 必知必会的数学知识-齐次坐标
06:19
视频：
6-7 必知必会的数学知识-利用齐次坐标实现各种3D变换
06:42
视频：
6-8 必知必会的数学知识-求导
11:58
视频：
6-9 必知必会的数学知识-链式求导与偏导
05:50
视频：
6-10 必知必会的数学知识-张量
04:45
视频：
6-11 必知必会的数学知识-本章小结
02:09
第7章 深度学习必备的基础知识 – 从感知机到神经网络，一网打尽
19 节｜157分钟
展开
视频：
7-1 深度学习必备的基础知识-导学
03:01
视频：
7-2 深度学习必备的基础知识-人工智能、机器学习与深度学习的关系
04:58
视频：
7-3 深度学习必备的基础知识-神经元与神经网络
10:33
视频：
7-4 深度学习必备的基础知识-监督学习与无监督学习
09:02
视频：
7-5 深度学习必备的基础知识-数据集的划分
05:31
视频：
7-6 深度学习必备的基础知识-过拟合、欠拟合与代价函数
10:08
视频：
7-7 深度学习必备的基础知识-代价函数的意义
10:53
视频：
7-8 深度学习必备的基础知识-梯度下降
11:14
视频：
7-9 深度学习必备的基础知识-线性回归代价函数的导数
06:12
视频：
7-10 深度学习必备的基础知识-学习率
06:15
视频：
7-11 深度学习必备的基础知识-逻辑回归
08:23
视频：
7-12 深度学习必备的基础知识-sigmoid激活函数
03:57
视频：
7-13 深度学习必备的基础知识-逻辑回归的代价函数
11:22
视频：
7-14 深度学习必备的基础知识-逻辑回归的梯度下降
05:19
视频：
7-15 深度学习必备的基础知识-逻辑回归代价函数关于w和b偏导后的公式证明
12:18
视频：
7-16 深度学习必备的基础知识-深度神经网络与前向传播
13:39
视频：
7-17 深度学习必备的基础知识-多种激活函数
09:56
视频：
7-18 深度学习必备的基础知识-反向传播与计算图
08:16
视频：
7-19 深度学习必备的基础知识-前向传播与反向传播的完整过程
05:45
第8章 训练优化深度神经网络模型的方法 – 炼丹秘籍，模型调优不再玄学
10 节｜76分钟
展开
视频：
8-1 训练优化神经网络-导学
04:58
视频：
8-2 训练优化神经网络-向量化与矩阵化
11:53
视频：
8-3 训练优化神经网络-L2正则化
13:44
视频：
8-4 训练优化神经网络-Dropout
04:23
视频：
8-5 训练优化神经网络-数据归一化处理
06:55
视频：
8-6 训练优化神经网络-初始化权重参数
05:13
视频：
8-7 训练优化神经网络-全批量梯度下降
05:10
视频：
8-8 训练优化神经网络-随机梯度下降与小批量梯度下降
04:56
视频：
8-9 训练优化神经网络-参数优化
08:03
视频：
8-10 训练优化神经网络-BatchNormalization
10:25
第9章 实战-手写字的识别 – 你的第一个AI项目，成就感爆棚
16 节｜117分钟
展开
视频：
9-1 [实战]手写字识别-导学
03:16
视频：
9-2 [实战]手写字识别-Tensorflow与keras
06:23
视频：
9-3 [实战]手写字识别-加载mnist数据集
11:11
视频：
9-4 [实战]手写字识别-构造神经网络
07:19
视频：
9-5 [实战]手写字识别-编译神经网络
06:42
视频：
9-6 [实战]手写字识别-训练神经网络模型
05:21
视频：
9-7 [实战]手写字识别-优化神经网络
08:08
视频：
9-8 [实战]手写字识别-Pytorch的一点历史
02:50
视频：
9-9 [实战]-手写字识别-Pytorch加载数据集
08:27
视频：
9-10 [实战]手写字识别-Pytorch导入训练数据和测试数据
06:42
视频：
9-11 [实战]手写字识别-Pytorch构建神经网络
08:44
视频：
9-12 [实战]手写字识别-用Pytorch实现训练神经网络的逻辑
09:59
视频：
9-13 [实战]手写字识别-用Pytorch实现评估神经网路的逻辑
06:34
视频：
9-14 [实战]手写字识别-Pytorch训练和评估神经网络
04:56
视频：
9-15 [实战]手写字识别-模型与训练优化
10:34
视频：
9-16 [实战]手写字识别-模型的保存部署与使用
09:08
第10章 卷积神经网络 – 图像识别的利器，CNN深度剖析
12 节｜70分钟
展开
视频：
10-1 卷积神经网络CNN-导学
05:40
视频：
10-2 卷积神经网络CNN-卷积操作
03:53
视频：
10-3 卷积神经网络CNN-CNN的一些基本概念
04:12
视频：
10-4 卷积神经网络CNN-三维卷积与多核卷积
07:16
视频：
10-5 卷积神经网络CNN-CNN中的池化
03:51
视频：
10-6 卷积神经网络CNN-标准CNN神经网络
04:08
视频：
10-7 卷积神经网络CNN-Keras实现CNN神经卷积网络
04:09
视频：
10-8 卷积神经网络CNN-KerasCNN网络架构优化
07:26
视频：
10-9 卷积神经网络CNN-使用Pytorch实现标准CNN网络
06:01
视频：
10-10 卷积神经网络CNN-经典神经网络AlexNet
07:09
视频：
10-11 卷积神经网络CNN-经典神经网络VGGNet
05:52
视频：
10-12 卷积神经网络CNN-经典神经网络ResNet
10:00
第11章 数据增强 – 巧妇难为无米之炊，数据增强来帮忙
20 节｜219分钟
展开
视频：
11-1 目标检测算法与原理-导学
03:30
视频：
11-2 目标检测算法与原理-迁移学习的工作原理
08:23
视频：
11-3 目标检测算法与原理-Tensorflow实现迁移学习
09:46
视频：
11-4 目标检测算法与原理-Pytorch实现迁移学习
15:24
视频：
11-5 目标检测算法与原理-Tensorflow数据增强-图片的导入与显示
试看
23:12
视频：
11-6 目标检测算法与原理-Tensorflow数据增强-基本变换操作
16:40
视频：
11-7 目标检测算法与原理-Tensorflow数据增强-高级裁剪
17:58
视频：
11-8 目标检测算法与原理-tensorflow数据增强-噪音增强
18:42
视频：
11-9 目标检测算法与原理-Pytorch数据增强-基本变换
13:36
视频：
11-10 目标检测算法与原理-Pytorch数据增强-基本裁剪
06:36
视频：
11-11 目标检测算法与原理-Pytorch数据增强-高级裁剪
试看
13:16
视频：
11-12 目标检测算法与原理-Pytorch数据增强-噪音增强
10:10
视频：
11-13 目标检测算法与原理-目标检测数据集
05:41
视频：
11-14 目标检测算法与原理-下载VOC数据集
10:24
视频：
11-15 目标检测算法与原理-tensorflow+albumentations实现数据增强(一)
09:08
视频：
11-16 目标检测算法与原理-tensorflow+albumentations实现数据增强(二)
07:52
视频：
11-17 目标检测算法与原理-tensorflow+albumentations实现数据增强(三)
05:19
视频：
11-18 目标检测算法与原理-tensorflow+albumentations实现数据增强(四)
06:34
视频：
11-19 目标检测算法与原理-Pytorch+albumentations实现数据增强(一)
10:26
视频：
11-20 目标检测算法与原理-Pytorch+albumentations实现数据增强(二)
05:31
第12章 目标检测算法与原理：深度解析计算机视觉算法 – 掌握核心，从原理到实现
35 节｜359分钟
展开
视频：
12-1 目标检测的基本原理
08:48
视频：
12-2 Tensorflow实现最简单的单目标检测-加载数据
14:18
视频：
12-3 Tensorflow实现最简单的单目标检测-构建神经网络
08:22
视频：
12-4 Tensorflow实现最简单的单目标检测-构造训练数据
22:54
视频：
12-5 Tensorflow实现最简单的单目标检测-模型训练(一)
06:22
视频：
12-6 Tensorflow实现最简单的单目标检测-模型训练(二)
07:25
视频：
12-7 Tensorflow实现最简单的单目标检测-使用模型
13:33
视频：
12-8 Pytorch实现最简单的单目标检测-加载Dataset
13:23
视频：
12-9 Pytorch实现最简单的单目标检测-神经网络
06:34
视频：
12-10 Pytorch实现最简单的单目录检测-模型训练
12:10
视频：
12-11 Pytorch实现最简单的单目标检测-模型的使用
12:38
视频：
12-12 核心算法-滑动窗口
13:38
视频：
12-13 核心算法-AnchorBox
08:11
视频：
12-14 核心算法-AnchorBox的工作原理
07:26
视频：
12-15 目标检测的技术发展路线
08:41
视频：
12-16 双阶段目标检测模型-RCNN-FastRCNN与FasterRCNN
06:53
视频：
12-17 SelectiveSearch算法(一)
07:27
视频：
12-18 SelectiveSearch算法(二)
12:09
视频：
12-19 支持向量机
15:28
视频：
12-20 Faster-RCNN实现-RPN
07:01
视频：
12-21 Faster-RCNN实现-FasterRCNN类
11:29
视频：
12-22 Faste的-RCNN实现-为什么BBox的预测是线性回归
05:06
视频：
12-23 Faster-RCNN实现-AnchorBox的实现
08:49
视频：
12-24 Faster-RCNN实现-生成候选框
07:16
视频：
12-25 计算机视频核心算法-RoIPooling
11:58
视频：
12-26 计算机视觉核心算法-NMS
04:02
视频：
12-27 YOLO的整体架构
06:55
视频：
12-28 YOLO的输出
03:55
视频：
12-29 YOLO输出中位置信息的具体含义
06:50
视频：
12-30 YOLO输出中AnchorBox与IoU的作用
10:35
视频：
12-31 YOLOv1网络架构
09:35
视频：
12-32 YOLOv2网络架构
15:24
视频：
12-33 YOLOv3网络架构
13:57
视频：
12-34 YOLOv4及其以后的网络架构
16:38
视频：
12-35 YOLO损失函数
12:26
第13章 YOLO实战与应用 – 快速上手，打造你的专属目标检测器
9 节｜96分钟
展开
视频：
13-1 YOLO实战与应用-导学
08:28
视频：
13-2 YOLO实战与应用-命令行方式进行目标识别
12:41
视频：
13-3 YOLO实战与应用-编程方式进行目标识别（一）
17:19
视频：
13-4 YOLO实战与应用-编程方式进行目标识别（二）
07:32
视频：
13-5 YOLO实战与应用-进行实时目标识别
10:38
视频：
13-6 YOLO实战与应用-使用YOLO进行目标追踪
08:16
视频：
13-7 YOLO实战与应用-使用YOLO进行姿态评估
13:21
视频：
13-8 YOLO实战与应用-分割-分类与OBB
08:25
视频：
13-9 YOLO实战与应用-export与benchmark
08:56
第14章 YOLO高阶知识-训练与部署 – YOLO进阶之路，炼丹师的自我修养
10 节｜87分钟
展开
视频：
14-1 高阶-YOLO模型的训练与部署-导学
04:15
视频：
14-2 高阶-YOLO模型的训练与部署-火焰检测项目-获取数据集
06:31
视频：
14-3 高阶-YOLO模型的训练与部署-火焰检测项目-模型训练1
15:09
视频：
14-4 高阶-YOLO模型的训练与部署-火焰检测项目-模型训练2
06:28
视频：
14-5 高阶-YOLO模型的训练与部署-火焰检测项目-部署与测试
05:19
视频：
14-6 高阶-YOLO模型的训练与部署-车牌识别项目-采集数据
04:11
视频：
14-7 高阶-YOLO模型的训练与部署-车牌识别项目-数据标注1
09:03
视频：
14-8 高阶-YOLO模型的训练与部署-车牌识别项目-数据标注2
10:05
视频：
14-9 高阶-YOLO模型的训练与部署-车牌识别项目-模型训练
15:26
视频：
14-10 高阶-YOLO模型的训练与部署-【实战】车牌识别
09:55
第15章 注意力机制 – 解密Transformer的核心引擎，为CV进阶之路铺平道路
8 节｜59分钟
展开
视频：
15-1 什么是注意力机制
07:25
视频：
15-2 注意力机制的一些细节
07:03
视频：
15-3 自注意力机制与注意力机制的区别
02:49
视频：
15-4 注意力机制中的注意力分数
03:15
视频：
15-5 注意力机制中的缩放因子
04:44
视频：
15-6 自注意力机制的具体操作过程
09:35
视频：
15-7 自注意力机制的矩阵化
05:10
视频：
15-8 注意力机制的实现
18:42
第16章 手撕Transformer – 从CV到NLP，掌握AI界的“变形金刚”
7 节｜61分钟
展开
视频：
16-1 手撕Transformer-Transformer架构
11:18
视频：
16-2 手撕Transformer-Transformer的输入（一）
05:57
视频：
16-3 手撕Transformer-Transformer的输入（二）
12:58
视频：
16-4 手撕Transformer-编码器中的多头注意力机制
04:49
视频：
16-5 手撕Transformer-编解码器中的残差网络与层归一化
09:00
视频：
16-6 手撕Transformer-掩码注意力机制
10:11
视频：
16-7 手撕Transformer-解码器
05:57
第17章 计算机视觉–YOLO+Transfomer多场景目标检测–课程总结
1 节｜10分钟
展开
视频：
17-1 课程总结
09:59

本课程已完结