网易云课堂AI工程师（计算机视觉方向）

体系课

0 人浏览发布 2026-06-09更新 2026-06-09

01 人工智能与计算机视觉：课程导论 · 02 Python快速掌握 · 03 计算机视觉库OpenCV · 04 深度学习基础 · 05 深度学习框架I：Te

* 01 人工智能与计算机视觉：课程导论/

* 01 新生报到必填/

* 01 课程须知（重要）.pdf

* 02 第一章人工智能-计算机视觉概述/

* 01 1.1 如何学习AI

* 02 1.2 计算机视觉发展史

* 03 1.3 计算机视觉技术和应用场景

* 03 第二章基于图片数据的城市研究实践/

* 01 图片城市主义

* 02 基于图片的街景绿视率评价

* 02 Python快速掌握/

* 01 第一章 Python语言基础/

* 01 课前准备：Python简介及环境配置 - 【体验课】1.1.1 为什么选择Python

* 02 课前准备：Python简介及环境配置 - 【体验课】1.1.2 集成开发环境Anaconda

* 03 课前准备：Python简介及环境配置 - 【体验课】1.1.3 Jupyter Notebook基本操作

* 04 课前准备：Python简介及环境配置 - 【体验课】1.1.4 相关工具包安装

* 05 课前准备：Python简介及环境配置 - 【体验课】1.1.5 基本数据类型

* 06 课前准备：Python简介及环境配置 - 【体验课】1.1.6 索引与切片

* 07 课前准备：Python简介及环境配置 - 【体验课】1.1.7 条件控制与循环语句

* 08 课前准备：Python简介及环境配置 - 【体验课】1.1.8 函数

* 09 变量及数据类型 - 1.2.1 数据类型概述

* 10 变量及数据类型 - 1.2.2 认识变量

* 11 变量及数据类型 - 1.2.3 运算符

* 12 变量及数据类型 - 1.2.4 注释#

* 13 序列及通用操作 - 1.3.1 什么是序列

* 14 序列及通用操作 - 1.3.2 序列通用操作

* 15 序列及通用操作 - 1.3.3 列表list常用操作

* 16 序列及通用操作 - 1.3.4 文本序列str常用操作

* 17 字典映射 - 1.4.1 字典dict基本概念

* 18 字典映射 - 1.4.2 字典常用操作

* 19 字典映射 - 1.4.3 字典的元素访问及遍历

* 20 条件及循环语句 - 1.5.1 什么是语句

* 21 条件及循环语句 - 1.5.2 条件判断：if语句

* 22 条件及循环语句 - 1.5.3 循环语句：for循环

* 23 条件及循环语句 - 1.5.4 循环语句：while循环

* 24 条件及循环语句 - 1.5.5 循环控制语句

* 25 函数 - 1.6.1 函数的基本概念及调用

* 26 函数 - 1.6.2 自定义函数

* 27 函数 - 1.6.3 局部变量及全局变量

* 28 函数 - 1.6.4 匿名函数Lambda

* 29 模块与包 - 1.7.1 模块创建及import指令运用

* 30 综合练习基于Python的算法函数创建 - 解答视频

* 02 第二章科学计算库numpy/

* 01 2.1 什么是numpy

* 02 2.2 Numpy基础数据结构

* 03 2.3 Numpy索引及切片

* 03 第三章数据分析库pandas/

* 01 3.1 什么是pandas

* 02 3.2 Pandas数据结构Series：基本概念及创建

* 03 3.3 Pandas数据结构Dataframe：基本概念及创建

* 04 3.4 索引与切片

* 05 3.5 基本技巧

* 08 3.8 合并、连接、去重、替换

* 10 3.10 数据读取

* 04 第四章图表绘制库matplotlib/

* 01 4.1 Matplotlib简介及图表窗口

* 03 4.3 图表的样式参数

* 05 4.5 基本图表绘制

* 05 项目介绍/

* 01 项目01 电影数据处理及分析实战

* 06 项目解答/

* 01 项目01 电影数据处理及分析实战解答

* 03 计算机视觉库OpenCV/

* 01 体验课 Opencv图像处理/

* 01 课前准备 - 相关工具包安装

* 02 【体验课】1.1 计算机视觉基础

* 03 【体验课】1.2 图像处理基本操作 - load_display_save

* 04 【体验课】1.3 图像处理基础操作 - Image basics

* 05 【体验课】1.4 图像处理基本操作 - Translation

* 06 【体验课】1.5 图像处理基本操作 - Rotation

* 07 【体验课】图像处理基本操作 - Resizing

* 08 【体验课】人脸识别实战

* 02 第一章基础操作/

* 01 1.1 画图

* 03 第二章几何变换/

* 01 2.1 翻转

* 02 2.2 裁剪

* 03 2.3 图像算术

* 04 2.4 按位计算

* 05 2.5 遮挡

* 06 2.6 切分合并通道

* 07 2.7 图像金字塔

* 04 第三章形态学/

* 01 3.1 形态学1

* 02 3.2 形态学2

* 05 第四章图像平滑/

* 01 4.1 图像平滑

* 06 第五章颜色空间转换/

* 01 5.1 颜色空间转换

* 07 第六章二值化/

* 01 6.1 二值化Thresholding1

* 02 6.2 二值化Thresholding2

* 08 第七章图像梯度/

* 01 7.1 图像梯度

* 09 第八章 Canny边缘检测/

* 01 8.1 Canny边缘检测1

* 02 8.2 Canny边缘检测2

* 10 第九章视频操作/

* 01 9.1 读取摄像头视频

* 02 9.2 读取视频文件

* 03 9.3 视频写入

* 11 第十章人脸检测识别/

* 01 10.1 人脸检测(1)

* 02 10.2 人脸检测(2)

* 03 10.3 人脸识别

* 12 项目考核2 人脸识别项目实战/

* 01 项目介绍

* 13 项目考核2 人脸识别项目实战【答案讲解】/

* 01 项目讲解

* 04 深度学习基础/

* 01 第一章感知器/

* 01 课程1.0 本章节课程介绍

* 02 课程1.1 深度学习基本介绍和基本应用

* 03 课程1.2 深度学习发展背景和人物介绍

* 04 课程1.3 机器学习基础

* 05 课程1.4 单层感知器介绍

* 06 课程1.5 单层感知器应用案例

* 07 课程1.6 线性神经网络处理异或问题

* 08 课程1.7 delta学习规则和梯度下降法

* 02 第二章 BP神经网络/

* 01 课程2.1 BP网络介绍

* 02 课程2.2 BP算法详细推导

* 03 课程2.3 激活函数和梯度消失讲解

* 04 课程2.4 BP神经网络-异或问题

* 05 课程2.5 BP神经网络实现手写数字识别

* 06 课程2.6 sklearn-手写数字识别

* 03 考核05介绍/

* 01 考核05介绍

* 04 本章考核答案/

* 01 考核05解答

* 05 课程课件（没有本地版，移动端可缓存）/

* 01 深度学习基础-背景、应用、人物介绍.pdf

* 02 第五门-深度学习基础-机器学习、单层感知器、BP网络.pdf

* 05 深度学习框架I：Tensorflow/

* 01 Tensorflow基础/

* 01 1.0 第一周课程介绍

* 02 1.1 Tensorflow介绍和安装

* 03 1.2 Tensorflow基本概念

* 04 1.3 创建会话，启动会话

* 05 1.4 变量的使用

* 06 1.5 Fetch和Feed的用法

* 07 1.6 线性回归应用

* 08 1.7 非线性回归应用

* 09 1.8 MNIST数据集介绍

* 10 1.9 softmax函数介绍

* 11 1.10 MNIST数据集分类简单版本

* 12 1.11交叉熵讲解

* 13 1.12交叉熵程序

* 14 1.13 tensorflow的softmax说明

* 02 线性代数/

* 01 2.1 过拟合以及抵抗过拟合的方式

* 02 2.2 Dropout的应用

* 03 2.3 正则化的应用

* 04 2.3 优化器的介绍

* 05 2.5 优化器的使用

* 03 TensorFlow应用（第二周课程）/

* 01 3.1 第二周课程介绍

* 02 3.2 Tensorboard网络结构

* 03 3.3 Tensorboard记录数据

* 04 3.4 模型保存载入方式（上）

* 05 3.5 模型保存载入方式（下）

* 04 卷积神经网络/

* 01 4.1 CNN局部感受野和权值共享介绍

* 02 4.2 卷积具体计算和卷积核介绍

* 03 4.3 Pooling和Padding操作

* 04 4.4 卷积网络LeNET-5模型详解

* 05 4.5 卷积网络应用于MNIST数据集分类

* 05 序列模型/

* 01 5.1 ImageNet介绍

* 02 5.2 RNN介绍

* 03 5.3 LSTM介绍

* 04 5.4 GRU,双向RNN,多层RNN介绍

* 05 5.5 LSTM手写数字识别

* 06 多分类图像识别（第三周课程）/

* 01 6.1 Tensorflow的GPU版本安装

* 02 6.2 图像识别经典模型介绍

* 03 6.3 使用inception-v3完成图像识别

* 04 6.4 重新训练自己的图像识别模型

* 05 6.5 新训练好的图像识别模型做预测

* 07 破解图形验证码/

* 01 7.1 多任务学习介绍

* 02 7.2 验证码生成

* 03 7.3 多任务学习-验证码识别模型

* 04 7.4 验证码识别模型测试

* 08 项目04答案/

* 01 项目04_mnist数据集分类程序优化_答案解析

* 09 项目05介绍/

* 01 项目05_cifar10介绍

* 10 项目05答案/

* 01 项目05_cifar10答案

* 11 项目06 介绍/

* 01 项目06_场景分类模型训练和测试介绍

* 12 项目06 答案/

* 01 项目06_场景分类模型训练和测试答案

* 13 本章所有课件（没有本地版，移动版可缓存）/

* 01 深度学习框架：Tensorflow1.pdf

* 02 深度学习框架：Tensorflow2.pdf

* 03 深度学习框架：Tensorflow3.pdf

* 06 深度学习框架II：Keras/

* 01 第一章深度学习框架keras/

* 01 1.1 keras介绍和安装

* 02 1.2 实现线性回归

* 03 1.3 实现非线性回归

* 04 1.4 MNIST分类程序

* 05 1.5 交叉熵的介绍和应用

* 06 1.6 Dropout应用

* 07 1.7 正则化应用

* 08 1.8 优化器介绍及应用

* 09 1.9 CNN应用于手写数字识别

* 10 1.10 RNN应用

* 11 1.11 模型的保存和载入

* 12 1.12 绘制网络结构

* 13 1.13 图像数据增强

* 02 第二章猫狗分类问题/

* 01 2.1 简单CNN完成猫狗分类

* 02 2.2 Finetune-VGG16完成猫狗分类

* 03 项目07_介绍/

* 01 项目07_汪星人识别项目介绍

* 04 项目07_讲解/

* 01 项目07_汪星人识别项目答案

* 07 计算机视觉应用实战/

* 01 第一章目标检测/

* 01 1.0 本周课程介绍

* 02 1.1 11卷积介绍

* 03 1.2 空洞卷积介绍

* 04 1.3 转置卷积介绍

* 05 1.4 目标检测简单方法介绍

* 06 1.5 全卷积网络FCN介绍

* 07 1.6 交并比和mAP介绍

* 08 1.7 mAP的具体计算方法

* 09 1.8 非极大值抑制NMS

* 10 1.9 RCNN介绍

* 11 1.10 SPP-Net介绍

* 12 1.11 Fast-RCNN介绍

* 13 1.12 Faster-RCNN结构以及RPN网络介绍

* 14 1.13 Faster-RCNN代价函数分析

* 15 1.14 Faster-RCNN训练流程和结果分析

* 16 1.15 目标检测算法中的one-stage和two-stage

* 17 1.16 SSD结构介绍

* 18 1.17 SSD特征金字塔

* 19 1.18 SSD代价函数和Match策略

* 20 1.19 SSD-Hard negative mining and Data augmentation

* 21 1.20 SSD算法结果分析

* 22 1.21 YOLOv1结构及工作流程

* 23 1.22 YOLOv1代价函数讲解以及缺点分析

* 24 1.23 YOLOv2网络结构Darknet-19讲解

* 25 1.24 YOLOv2精度优化-高分辨率和anchor

* 26 1.25 YOLOv2精度优化-维度聚类

* 27 1.26 YOLOv2精度优化-直接位置预测

* 28 1.27 YOLOv2精度优化-细粒度特征和多尺度训练

* 29 1.28 YOLOv3结构讲解

* 30 1.29 YOLOv3先验框设置和代价函数修改

* 31 1.30 目标检测标注工具labelImg使用

* 32 1.31 Tensorflow object detection API准备工作

* 33 1.32 使用训练好的目标检测模型完成目标检测任务

* 34 1.33 训练自己的目标检测模型

* 35 2.1 目标检测作业布置

* 36 2.2 第一章课件（无本地版，移动端可缓存）.pdf

* 37 3.1 目标检测作业答案

* 02 第二章目标分割/

* 01 2.0 本章节课程介绍

* 02 2.1 目标分割任务介绍

* 03 2.2 目标分割数据集介绍

* 04 2.3 FCN网络结构介绍

* 05 2.4 FCN的跳级连接

* 06 2.5 语义分割评价标准

* 07 2.6 FCN结果分析

* 08 2.7 Mask-RCNN结构介绍

* 09 2.8 ROIAlign和ROIPooling对比

* 10 2.9 Mask-RCNN代价函数讲解

* 11 2.10 目标分割软件Labelme使用介绍

* 12 2.11 使用训练好的Mask-RCNN进行目标分割

* 13 2.12 训练自己的图像分割模型

* 14 2.13 目标分割作业布置（本章无解答视频，以上课程上完可完成）

* 15 2.14 第四章课件（无本地版，移动端可缓存）.pdf

* 03 第三章图像风格转换和生成对抗网络/

* 01 3.0 本周课程介绍

* 02 3.1 图像风格转换-原理介绍

* 03 3.2 图像风格转换-程序讲解1

* 04 3.3 图像风格转换-程序讲解2

* 05 3.4 生成式对抗网络原理及应用介绍

* 06 3.5 生成手写数字图片

* 07 3.6 作业布置

* 08 3.7 项目12作业讲解

* 04 第四章人脸识别/

* 01 4.0本周课程介绍

* 02 4.1人脸识别技术介绍

* 03 4.2传统检测技术-Haar特征级联分类器

网易云课堂AI工程师（计算机视觉方向）

体系课

0 人浏览发布 2026-06-09更新 2026-06-09

01 人工智能与计算机视觉：课程导论 · 02 Python快速掌握 · 03 计算机视觉库OpenCV · 04 深度学习基础 · 05 深度学习框架I：Te

* 01 人工智能与计算机视觉：课程导论/

* 01 新生报到必填/

* 01 课程须知（重要）.pdf

* 02 第一章人工智能-计算机视觉概述/

* 01 1.1 如何学习AI

* 02 1.2 计算机视觉发展史

* 03 1.3 计算机视觉技术和应用场景

* 03 第二章基于图片数据的城市研究实践/

* 01 图片城市主义

* 02 基于图片的街景绿视率评价

* 02 Python快速掌握/

* 01 第一章 Python语言基础/

* 01 课前准备：Python简介及环境配置 - 【体验课】1.1.1 为什么选择Python

* 02 课前准备：Python简介及环境配置 - 【体验课】1.1.2 集成开发环境Anaconda

* 03 课前准备：Python简介及环境配置 - 【体验课】1.1.3 Jupyter Notebook基本操作

* 04 课前准备：Python简介及环境配置 - 【体验课】1.1.4 相关工具包安装

* 05 课前准备：Python简介及环境配置 - 【体验课】1.1.5 基本数据类型

* 06 课前准备：Python简介及环境配置 - 【体验课】1.1.6 索引与切片

* 07 课前准备：Python简介及环境配置 - 【体验课】1.1.7 条件控制与循环语句

* 08 课前准备：Python简介及环境配置 - 【体验课】1.1.8 函数

* 09 变量及数据类型 - 1.2.1 数据类型概述

* 10 变量及数据类型 - 1.2.2 认识变量

* 11 变量及数据类型 - 1.2.3 运算符

* 12 变量及数据类型 - 1.2.4 注释#

* 13 序列及通用操作 - 1.3.1 什么是序列

* 14 序列及通用操作 - 1.3.2 序列通用操作

* 15 序列及通用操作 - 1.3.3 列表list常用操作

* 16 序列及通用操作 - 1.3.4 文本序列str常用操作

* 17 字典映射 - 1.4.1 字典dict基本概念

* 18 字典映射 - 1.4.2 字典常用操作

* 19 字典映射 - 1.4.3 字典的元素访问及遍历

* 20 条件及循环语句 - 1.5.1 什么是语句

* 21 条件及循环语句 - 1.5.2 条件判断：if语句

* 22 条件及循环语句 - 1.5.3 循环语句：for循环

* 23 条件及循环语句 - 1.5.4 循环语句：while循环

* 24 条件及循环语句 - 1.5.5 循环控制语句

* 25 函数 - 1.6.1 函数的基本概念及调用

* 26 函数 - 1.6.2 自定义函数

* 27 函数 - 1.6.3 局部变量及全局变量

* 28 函数 - 1.6.4 匿名函数Lambda

* 29 模块与包 - 1.7.1 模块创建及import指令运用

* 30 综合练习基于Python的算法函数创建 - 解答视频

* 02 第二章科学计算库numpy/

* 01 2.1 什么是numpy

* 02 2.2 Numpy基础数据结构

* 03 2.3 Numpy索引及切片

* 03 第三章数据分析库pandas/

* 01 3.1 什么是pandas

* 02 3.2 Pandas数据结构Series：基本概念及创建

* 03 3.3 Pandas数据结构Dataframe：基本概念及创建

* 04 3.4 索引与切片

* 05 3.5 基本技巧

* 08 3.8 合并、连接、去重、替换

* 10 3.10 数据读取

* 04 第四章图表绘制库matplotlib/

* 01 4.1 Matplotlib简介及图表窗口

* 03 4.3 图表的样式参数

* 05 4.5 基本图表绘制

* 05 项目介绍/

* 01 项目01 电影数据处理及分析实战

* 06 项目解答/

* 01 项目01 电影数据处理及分析实战解答

* 03 计算机视觉库OpenCV/

* 01 体验课 Opencv图像处理/

* 01 课前准备 - 相关工具包安装

* 02 【体验课】1.1 计算机视觉基础

* 03 【体验课】1.2 图像处理基本操作 - load_display_save

* 04 【体验课】1.3 图像处理基础操作 - Image basics

* 05 【体验课】1.4 图像处理基本操作 - Translation

* 06 【体验课】1.5 图像处理基本操作 - Rotation

* 07 【体验课】图像处理基本操作 - Resizing

* 08 【体验课】人脸识别实战

* 02 第一章基础操作/

* 01 1.1 画图

* 03 第二章几何变换/

* 01 2.1 翻转

* 02 2.2 裁剪

* 03 2.3 图像算术

* 04 2.4 按位计算

* 05 2.5 遮挡

* 06 2.6 切分合并通道

* 07 2.7 图像金字塔

* 04 第三章形态学/

* 01 3.1 形态学1

* 02 3.2 形态学2

* 05 第四章图像平滑/

* 01 4.1 图像平滑

* 06 第五章颜色空间转换/

* 01 5.1 颜色空间转换

* 07 第六章二值化/

* 01 6.1 二值化Thresholding1

* 02 6.2 二值化Thresholding2

* 08 第七章图像梯度/

* 01 7.1 图像梯度

* 09 第八章 Canny边缘检测/

* 01 8.1 Canny边缘检测1

* 02 8.2 Canny边缘检测2

* 10 第九章视频操作/

* 01 9.1 读取摄像头视频

* 02 9.2 读取视频文件

* 03 9.3 视频写入

* 11 第十章人脸检测识别/

* 01 10.1 人脸检测(1)

* 02 10.2 人脸检测(2)

* 03 10.3 人脸识别

* 12 项目考核2 人脸识别项目实战/

* 01 项目介绍

* 13 项目考核2 人脸识别项目实战【答案讲解】/

* 01 项目讲解

* 04 深度学习基础/

* 01 第一章感知器/

* 01 课程1.0 本章节课程介绍

* 02 课程1.1 深度学习基本介绍和基本应用

* 03 课程1.2 深度学习发展背景和人物介绍

* 04 课程1.3 机器学习基础

* 05 课程1.4 单层感知器介绍

* 06 课程1.5 单层感知器应用案例

* 07 课程1.6 线性神经网络处理异或问题

* 08 课程1.7 delta学习规则和梯度下降法

* 02 第二章 BP神经网络/

* 01 课程2.1 BP网络介绍

* 02 课程2.2 BP算法详细推导

* 03 课程2.3 激活函数和梯度消失讲解

* 04 课程2.4 BP神经网络-异或问题

* 05 课程2.5 BP神经网络实现手写数字识别

* 06 课程2.6 sklearn-手写数字识别

* 03 考核05介绍/

* 01 考核05介绍

* 04 本章考核答案/

* 01 考核05解答

* 05 课程课件（没有本地版，移动端可缓存）/

* 01 深度学习基础-背景、应用、人物介绍.pdf

* 02 第五门-深度学习基础-机器学习、单层感知器、BP网络.pdf

* 05 深度学习框架I：Tensorflow/

* 01 Tensorflow基础/

* 01 1.0 第一周课程介绍

* 02 1.1 Tensorflow介绍和安装

* 03 1.2 Tensorflow基本概念

* 04 1.3 创建会话，启动会话

* 05 1.4 变量的使用

* 06 1.5 Fetch和Feed的用法

* 07 1.6 线性回归应用

* 08 1.7 非线性回归应用

* 09 1.8 MNIST数据集介绍

* 10 1.9 softmax函数介绍

* 11 1.10 MNIST数据集分类简单版本

* 12 1.11交叉熵讲解

* 13 1.12交叉熵程序

* 14 1.13 tensorflow的softmax说明

* 02 线性代数/

* 01 2.1 过拟合以及抵抗过拟合的方式

* 02 2.2 Dropout的应用

* 03 2.3 正则化的应用

* 04 2.3 优化器的介绍

* 05 2.5 优化器的使用

* 03 TensorFlow应用（第二周课程）/

* 01 3.1 第二周课程介绍

* 02 3.2 Tensorboard网络结构

* 03 3.3 Tensorboard记录数据

* 04 3.4 模型保存载入方式（上）

* 05 3.5 模型保存载入方式（下）

* 04 卷积神经网络/

* 01 4.1 CNN局部感受野和权值共享介绍

* 02 4.2 卷积具体计算和卷积核介绍

* 03 4.3 Pooling和Padding操作

* 04 4.4 卷积网络LeNET-5模型详解

* 05 4.5 卷积网络应用于MNIST数据集分类

* 05 序列模型/

* 01 5.1 ImageNet介绍

* 02 5.2 RNN介绍

* 03 5.3 LSTM介绍

* 04 5.4 GRU,双向RNN,多层RNN介绍

* 05 5.5 LSTM手写数字识别

* 06 多分类图像识别（第三周课程）/

* 01 6.1 Tensorflow的GPU版本安装

* 02 6.2 图像识别经典模型介绍

* 03 6.3 使用inception-v3完成图像识别

* 04 6.4 重新训练自己的图像识别模型

* 05 6.5 新训练好的图像识别模型做预测

* 07 破解图形验证码/

* 01 7.1 多任务学习介绍

* 02 7.2 验证码生成

* 03 7.3 多任务学习-验证码识别模型

* 04 7.4 验证码识别模型测试

* 08 项目04答案/

* 01 项目04_mnist数据集分类程序优化_答案解析

* 09 项目05介绍/

* 01 项目05_cifar10介绍

* 10 项目05答案/

* 01 项目05_cifar10答案

* 11 项目06 介绍/

* 01 项目06_场景分类模型训练和测试介绍

* 12 项目06 答案/

* 01 项目06_场景分类模型训练和测试答案

* 13 本章所有课件（没有本地版，移动版可缓存）/

* 01 深度学习框架：Tensorflow1.pdf

* 02 深度学习框架：Tensorflow2.pdf

* 03 深度学习框架：Tensorflow3.pdf

* 06 深度学习框架II：Keras/

* 01 第一章深度学习框架keras/

* 01 1.1 keras介绍和安装

* 02 1.2 实现线性回归

* 03 1.3 实现非线性回归

* 04 1.4 MNIST分类程序

* 05 1.5 交叉熵的介绍和应用

* 06 1.6 Dropout应用

* 07 1.7 正则化应用

* 08 1.8 优化器介绍及应用

* 09 1.9 CNN应用于手写数字识别

* 10 1.10 RNN应用

* 11 1.11 模型的保存和载入

* 12 1.12 绘制网络结构

* 13 1.13 图像数据增强

* 02 第二章猫狗分类问题/

* 01 2.1 简单CNN完成猫狗分类

* 02 2.2 Finetune-VGG16完成猫狗分类

* 03 项目07_介绍/

* 01 项目07_汪星人识别项目介绍

* 04 项目07_讲解/

* 01 项目07_汪星人识别项目答案

* 07 计算机视觉应用实战/

* 01 第一章目标检测/

* 01 1.0 本周课程介绍

* 02 1.1 11卷积介绍

* 03 1.2 空洞卷积介绍

* 04 1.3 转置卷积介绍

* 05 1.4 目标检测简单方法介绍

* 06 1.5 全卷积网络FCN介绍

* 07 1.6 交并比和mAP介绍

* 08 1.7 mAP的具体计算方法

* 09 1.8 非极大值抑制NMS

* 10 1.9 RCNN介绍

* 11 1.10 SPP-Net介绍

* 12 1.11 Fast-RCNN介绍

* 13 1.12 Faster-RCNN结构以及RPN网络介绍

* 14 1.13 Faster-RCNN代价函数分析

* 15 1.14 Faster-RCNN训练流程和结果分析

* 16 1.15 目标检测算法中的one-stage和two-stage

* 17 1.16 SSD结构介绍

* 18 1.17 SSD特征金字塔

* 19 1.18 SSD代价函数和Match策略

* 20 1.19 SSD-Hard negative mining and Data augmentation

* 21 1.20 SSD算法结果分析

* 22 1.21 YOLOv1结构及工作流程

* 23 1.22 YOLOv1代价函数讲解以及缺点分析

* 24 1.23 YOLOv2网络结构Darknet-19讲解

* 25 1.24 YOLOv2精度优化-高分辨率和anchor

* 26 1.25 YOLOv2精度优化-维度聚类

* 27 1.26 YOLOv2精度优化-直接位置预测

* 28 1.27 YOLOv2精度优化-细粒度特征和多尺度训练

* 29 1.28 YOLOv3结构讲解

* 30 1.29 YOLOv3先验框设置和代价函数修改

* 31 1.30 目标检测标注工具labelImg使用

* 32 1.31 Tensorflow object detection API准备工作

* 33 1.32 使用训练好的目标检测模型完成目标检测任务

* 34 1.33 训练自己的目标检测模型

* 35 2.1 目标检测作业布置

* 36 2.2 第一章课件（无本地版，移动端可缓存）.pdf

* 37 3.1 目标检测作业答案

* 02 第二章目标分割/

* 01 2.0 本章节课程介绍

* 02 2.1 目标分割任务介绍

* 03 2.2 目标分割数据集介绍

* 04 2.3 FCN网络结构介绍

* 05 2.4 FCN的跳级连接

* 06 2.5 语义分割评价标准

* 07 2.6 FCN结果分析

* 08 2.7 Mask-RCNN结构介绍

* 09 2.8 ROIAlign和ROIPooling对比

* 10 2.9 Mask-RCNN代价函数讲解

* 11 2.10 目标分割软件Labelme使用介绍

* 12 2.11 使用训练好的Mask-RCNN进行目标分割

* 13 2.12 训练自己的图像分割模型

* 14 2.13 目标分割作业布置（本章无解答视频，以上课程上完可完成）

* 15 2.14 第四章课件（无本地版，移动端可缓存）.pdf

* 03 第三章图像风格转换和生成对抗网络/

* 01 3.0 本周课程介绍

* 02 3.1 图像风格转换-原理介绍

* 03 3.2 图像风格转换-程序讲解1

* 04 3.3 图像风格转换-程序讲解2

* 05 3.4 生成式对抗网络原理及应用介绍

* 06 3.5 生成手写数字图片

* 07 3.6 作业布置

* 08 3.7 项目12作业讲解

* 04 第四章人脸识别/

* 01 4.0本周课程介绍

* 02 4.1人脸识别技术介绍

* 03 4.2传统检测技术-Haar特征级联分类器