这门课解决什么工作场景
目标检测是计算机视觉里最常被搬进真实业务的一环，它解决的是“画面里有什么、在哪里”的问题。这门课对应的工作场景并不抽象：工业流水线上的缺陷定位、安防画面里的人车识别、医疗影像里的病灶框选，乃至无人零售的货架盘点，底层逻辑都绕不开它。很多上班族想转行做算法，或者后端开发想往 AI 方向靠，往往卡在“看懂了理论却写不出能跑的模型”这一步。这门课的切入角度比较务实，它从问题定义、数据集、评价指标讲起，再推进到两阶段算法的演进，重点拆解 RCNN 系列怎么从慢吞吞的初版演化到 Faster-RCNN。它不承诺让你立刻搞定高并发部署，但能帮你把“看论文像看天书”的门槛先迈过去。
适合什么基础与建议先看哪几块
这门课不适合零基础。你得有 Python 基本语法、能看懂张量维度、对卷积神经网络有起码的概念，最好自己手写过几次简单的分类任务。如果连反向传播都还模糊，建议先补基础再碰它。拿到资料后，别一上来就钻进 RCNN 的代码细节。建议先看课程简介和第一章前六节，把问题定义、数据集格式、mAP 这类评价指标彻底弄懂——这是后面所有算法的公共地基，也是面试时最容易被追问的部分。接着重点啃 SPPNet 和 Fast-RCNN 这两节，因为它们解释了 RoI 池化和共享卷积特征图为什么能让速度起飞。Faster-RCNN 那节是核心，尤其 RPN 的设计逻辑，建议反复看，配合手画结构图确认自己真懂了。
学完能独立做什么与资料怎么配合练习
学完这套理论框架，你不会立刻成为算法专家，但能独立做几件具体的事：读懂两阶段检测论文的核心图表、自己拿开源数据集跑通一个基线模型、根据指标日志判断是数据标注有问题还是锚框设置不合理。资料里的直播答疑部分别跳过，那里往往藏着初学者卡了一周的实操盲点，比如显存溢出怎么裁 batch、小目标漏检怎么调。练习时，建议先找一份公开的 VOC 格式数据集，按课程讲的评价指标自己算一遍 mAP，再对照两阶段算法的演进顺序逐个复现。看一节视频，就对着对应算法的精简版代码改一处超参数，看指标变化。目标检测的坑大多在数据端和配置端，把这套流程完整走一遍，比盲目刷十篇博客管用。
1_《深度学习之目标检测》直播答疑03(直播.05.08).mp4 · 2_《深度学习之目标检测》直播答疑02(直播.04.17).mp4 · 3_《深度学习之目标检测》直播答疑01(直播.03.27).mp4 · 4_0-课程简介.mp4 · 5_1.1-问题定义.mp4 · 6_1.2-数据集.mp4 · 7_1.3-评价指标.mp4 · 8_1.4-脑图时刻.mp4 · 9_1.5-算法发展总览.mp4 · 10_1.6-传统检测算法流程.mp4 · 11_1.7-基于深度学习的目标检测流程和分类.mp4 · 12_1.8-脑图时刻.mp4 · 13_1.9-anchor-base算法结构.mp4 · 14_2.1-RCNN详解.mp4 · 15_2.2-SPPNet详解.mp4 · 16_2.3-Fast-RCNN详解.mp4 · 17_2.4-Faster-RCNN详解.mp4 · 18_2.5-one-stage算法引入+脑图时刻.mp4 · 20_3.1-YOLOv1讲解.mp4 · 21_3.2-YOLOv2讲解.mp4 · 22_3.3-YOLOv3讲解.mp4 · 23_3.4-YOLOv4讲解.mp4 · 24_3.5-YOLOv5讲解.mp4 · 26_4.1-YOLO-v3工业缺陷检测实战-原理回顾.mp4 · 27_4.2-YOLO-v3工业缺陷检测实战-数据集介绍.mp4 · 28_4.3.1-YOLO-v3工业缺陷检测实战-主干网络代码讲解.mp4 · 29_4.3.2-YOLO-v3工业缺陷检测实战-Neck+Head部分代码讲解.mp4 · 30_4.3.3-YOLO-v3工业缺陷检测实战-解码过程讲解.mp4 · 31_4.3.4-YOLO-v3工业缺陷检测实战-前向推理代码讲解.mp4 · 32_4.4-YOLO-v3工业缺陷检测实战-模型训练.mp4 · 33_4.5-YOLO-v3工业缺陷检测实战-模型测试.mp4.mp4 · 34_5.1-FasterRCNN原理回顾.mp4 · 35_5.2-数据集介绍.mp4 · 36_5.3.1-主干网络代码讲解.mp4 · 37_5.3.2-RPN网络代码讲解.mp4 · 38_5.3.3-Head部分代码讲解.mp4 · 39_5.3.4-前向推理代码详解.mp4 · 40_5.3.5-训练部分详解.mp4 · 41_5.4-权重文件处理知识+本期内容整体梳理.mp4 · 42_6.1-Anchor-free引入.mp4 · 43_6.2-Densebox详解（上）.mp4 · 44_6.2-Densebox详解（中）.mp4 · 45_6.2-Densebox详解（下）.mp4 · 46_6.3-CornerNet详解（上）.mp4 · 47_6.3-CornerNet详解（中）.mp4 · 48_6.3-CornerNet详解（下）.mp4 · 49_6.4-CenterNet详解（上）.mp4 · 50_6.4-CenterNet详解（中）.mp4 · 51_6.4-CenterNet详解（下）.mp4 · 53_7.1-印刷电路板数据集介绍.mp4 · 54_7.2-CenterNet原理回顾（上）.mp4 · 55_7.2-CenterNet原理回顾（下）.mp4 · 56_7.3-前向推理代码详解.mp4 · 57_7.4-训练过程代码详解（上）.mp4 · 58_7.4-训练过程代码详解（下）.mp4 · 59_7.5-内容总结.mp4 · 60_8.1_MMdetection简介与安装.mp4 · 61_8.2_MMdetection框架总体讲解.mp4 · 62_8.3_配置文件讲解（上）.mp4 · 63_8.3_配置文件讲解（下）.mp4 · 64_8.4_推理相关源码分析.mp4 · 65_8.5_训练相关源码分析.mp4 · 66_8.6_自定义数据集.mp4 · 67_8.7_COCO与VOC格式转化.mp4 · 68_8.8_Kmeans聚类边界框.mp4 · 69_8.9_热力图绘制.mp4 · 70_8.10_训练过程和检测结果可视化分析.mp4 · 71_8.11_工程实践技巧.mp4
课程目录
* 1_《深度学习之目标检测》直播答疑03(直播.05.08).mp4
* 2_《深度学习之目标检测》直播答疑02(直播.04.17).mp4
* 3_《深度学习之目标检测》直播答疑01(直播.03.27).mp4
* 4_0-课程简介.mp4
* 5_1.1-问题定义.mp4
* 6_1.2-数据集.mp4
* 7_1.3-评价指标.mp4
* 8_1.4-脑图时刻.mp4
* 9_1.5-算法发展总览.mp4
* 10_1.6-传统检测算法流程.mp4
* 11_1.7-基于深度学习的目标检测流程和分类.mp4
* 12_1.8-脑图时刻.mp4
* 13_1.9-anchor-base算法结构.mp4
* 14_2.1-RCNN详解.mp4
* 15_2.2-SPPNet详解.mp4
* 16_2.3-Fast-RCNN详解.mp4
* 17_2.4-Faster-RCNN详解.mp4
* 18_2.5-one-stage算法引入+脑图时刻.mp4
* 20_3.1-YOLOv1讲解.mp4
* 21_3.2-YOLOv2讲解.mp4
* 22_3.3-YOLOv3讲解.mp4
* 23_3.4-YOLOv4讲解.mp4
* 24_3.5-YOLOv5讲解.mp4
* 26_4.1-YOLO-v3工业缺陷检测实战-原理回顾.mp4
* 27_4.2-YOLO-v3工业缺陷检测实战-数据集介绍.mp4
* 28_4.3.1-YOLO-v3工业缺陷检测实战-主干网络代码讲解.mp4
* 29_4.3.2-YOLO-v3工业缺陷检测实战-Neck+Head部分代码讲解.mp4
* 30_4.3.3-YOLO-v3工业缺陷检测实战-解码过程讲解.mp4
* 31_4.3.4-YOLO-v3工业缺陷检测实战-前向推理代码讲解.mp4
* 32_4.4-YOLO-v3工业缺陷检测实战-模型训练.mp4
* 33_4.5-YOLO-v3工业缺陷检测实战-模型测试.mp4.mp4
* 34_5.1-FasterRCNN原理回顾.mp4
* 35_5.2-数据集介绍.mp4
* 36_5.3.1-主干网络代码讲解.mp4
* 37_5.3.2-RPN网络代码讲解.mp4
* 38_5.3.3-Head部分代码讲解.mp4
* 39_5.3.4-前向推理代码详解.mp4
* 40_5.3.5-训练部分详解.mp4
* 41_5.4-权重文件处理知识+本期内容整体梳理.mp4
* 42_6.1-Anchor-free引入.mp4
* 43_6.2-Densebox详解（上）.mp4
* 44_6.2-Densebox详解（中）.mp4
* 45_6.2-Densebox详解（下）.mp4
* 46_6.3-CornerNet详解（上）.mp4
* 47_6.3-CornerNet详解（中）.mp4
* 48_6.3-CornerNet详解（下）.mp4
* 49_6.4-CenterNet详解（上）.mp4
* 50_6.4-CenterNet详解（中）.mp4
* 51_6.4-CenterNet详解（下）.mp4
* 53_7.1-印刷电路板数据集介绍.mp4
* 54_7.2-CenterNet原理回顾（上）.mp4
* 55_7.2-CenterNet原理回顾（下）.mp4
* 56_7.3-前向推理代码详解.mp4
* 57_7.4-训练过程代码详解（上）.mp4
* 58_7.4-训练过程代码详解（下）.mp4
* 59_7.5-内容总结.mp4
* 60_8.1_MMdetection简介与安装.mp4
* 61_8.2_MMdetection框架总体讲解.mp4
* 62_8.3_配置文件讲解（上）.mp4
* 63_8.3_配置文件讲解（下）.mp4
* 64_8.4_推理相关源码分析.mp4
* 65_8.5_训练相关源码分析.mp4
* 66_8.6_自定义数据集.mp4
* 67_8.7_COCO与VOC格式转化.mp4
* 68_8.8_Kmeans聚类边界框.mp4
* 69_8.9_热力图绘制.mp4
* 70_8.10_训练过程和检测结果可视化分析.mp4
* 71_8.11_工程实践技巧.mp4
