这门课真正解决的是什么问题
很多人学完深度学习基础后，会卡在同一个地方：卷积、池化、反向传播都能讲清楚，但真给一个视觉任务，不知道从哪下手。数据集怎么读、模型选哪个、训练不收敛怎么办、指标怎么评估——这些工程环节，基础课通常不覆盖。
贪心学院这套 CV 集训营，定位就在这个断层上。它不讲深度学习入门，而是假设你已经知道神经网络是什么，然后带你走一遍计算机视觉任务的完整流程：从骨干网络的结构理解，到具体任务的数据处理和训练调参。如果你目前还分不清全连接和卷积的区别，这套资料会让你跟得很吃力，建议先补基础再来。
内容覆盖到的具体任务
从资料线索看，课程不是只讲单一模型，而是按视觉任务类型铺开：
- 图像分类方向，会落到 ResNet 这类经典骨干网络的代码实现，不是只讲论文结构，而是动手写出来；
- 图像描述（看图说话）任务，涉及编码器-解码器结构和文本侧的 Tokenizer 处理，属于视觉与语言交叉的入门项目；
- 交通指示牌识别，是一个相对完整的检测/分类类实战，带编程任务，能检验你能否独立跑通一个真实数据集；
- 另外还有专门的调参内容，针对训练过程中学习率、批大小、过拟合等实际问题。
这个组合的意思是：它想让你在分类、描述、识别几个典型场景里都动过手，而不是只会复现某一个 demo。
学完能独立做什么
按这个内容量走下来，比较现实的预期是：你能独立搭建并训练一个中等复杂度的视觉模型，能读懂主流骨干网络的实现代码，遇到一个陌生的图像数据集时，知道如何组织数据管线、选择合适的损失函数、判断训练是否正常。图像描述这类跨模态任务，你也能理解基本结构并跑通。
但它不是算法研究课。如果你指望学完就能发论文或独立设计新架构，这套资料的深度不够；它更像工程落地向的训练，重点在“能跑通、能调好、能复现”。
适合什么基础的人
比较适合两类人：一是已经系统学过深度学习、想往 CV 方向转的开发者；二是在做视觉相关项目、但缺乏完整实战经验的算法岗新人。判断标准很简单——如果你能独立用 PyTorch 写出一个简单 CNN 并训练 MNIST，那这套课跟得上；如果还做不到，先别急着上。
另外要提醒一点：这类集训营的视频量大、任务编号密集，一次性刷完容易前学后忘。建议按任务类型分段推进，每完成一个实战任务就自己换一个数据集重做一遍，否则很容易变成“看懂了但写不出”。资料本身质量在线，但能不能转化成能力，取决于你动手的次数。
课程目录
📁 CV计算机视觉集训营（视频） CV计算机视觉集训营（视频）说明.zip [1.8 MB] 任务134：ResNet的代码实现.mp4 [154.2 MB] 任务104：交通指示牌识别课程的编程任务.mp4 [27.6 MB] 任务80：创建Tokenizer02.mp4 [62.4 MB] 任务117：深度学习调参-直播-01.mp4 [55.5 MB] 任务73：看图说话任务一-02.mp4 [35.5 MB] 任务32：神经网络数学原理（2）： 神经网络的前馈（Feed Forward）算法.mp4 [48.1 MB] 任务118：深度学习调参-直播-02.mp4 [45.5 MB] 任务78：如何实现“extract_features”函数.mp4 [34.8 MB] 任务212：MobileNet, Depthwise Seperable Convolution的原理计算量分析.mp4 [56.9 MB] 任务225：使用 Siamese 网络做门禁卡系统的入门介绍, 数据集的介绍.mp4 [72.2 MB] 任务155：方向盘转动方向预测网络模型的性能评估方法.mp4 [9.7 MB] 任务222：Transposed Convolution 的梯度推导.mp4 [22.1 MB] 任务4：深度学习在计算机视觉中的应用.mp4 [24.3 MB] 任务183：Non-Max Suppression的原理.mp4 [12.9 MB] 任务174：如何使用卷积作为最后的预测层.mp4 [13.9 MB] 任务94：图像去噪声.mp4 [43.6 MB] 任务62：Seq2Seq模型.mp4 [131.3 MB] 任务122：单通道输入 单通道输出的卷积层的实例.mp4 [12.0 MB] 任务43：梯度消亡解决方案.mp4 [43.8 MB] 任务192：使用深度学习实现图像风格转移的代码讲解.mp4 [52.4 MB] 任务93：数字图像直方图均衡.mp4 [35.0 MB] 任务109：直方图均衡.mp4 [80.6 MB] 任务40：Neural.Network.Loss-直播03.mp4 [107.7 MB] 任务27：神经网络分类问题的经典数据（集鸢尾花数据集）介绍，神经网络Python库Keras的介绍.mp4 [81.2 MB] 任务107：如何预处理图像数据、建立神经网络模型、训练网络模型 (train.py 的详细介绍)02.mp4 [157.2 MB] 任务156：使用模拟器定性的判断网络性能的方法以及代码讲解.mp4 [69.9 MB] 任务126：卷积神经网络在围棋 语言识别和自然语言处理中的应用.mp4 [25.6 MB] 任务218：One-Shot Learning 的意义和工作原理.mp4 [23.8 MB] 任务70：neural network optimizer直播-03.mp4 [143.8 MB] 任务76：如何实现 load_img_as_np_array 这个函数.mp4 [16.5 MB] 任务171：目标识别 R-CNN家族的回顾.mp4 [22.4 MB] 任务153：DataGenerator部分的代码讲解.mp4 [64.1 MB] 任务101：在图像和视频上面演示道路行车道检测.mp4 [69.9 MB] 任务1：机器学习、深度学习简介.mp4 [23.9 MB] 任务163：基于HOG(梯度直方图)的目标识别.mp4 [31.3 MB] 任务231：使用 PyTorch 写测试网络的代码.mp4 [82.3 MB] 任务164：Non-Max Suppression IoU 和 Hard Negative Mining.mp4 [82.9 MB] 任务230：使用 PyTorch 写训练网络的代码.mp4 [86.8 MB] 任务88：如何使用深度神经网络模型做预测 产生标题 完成generate_caption函数02.mp4 [114.7 MB] 任务39：Neural.Network.Loss-直播02.mp4 [60.7 MB] 任务38：Neural.Network.Loss-直播01.mp4 [69.6 MB] 任务103：交通指示牌识别的简介.mp4 [28.7 MB] 任务207：DropoutNoScale层的实现.mp4 [23.6 MB] 任务10：问答环节.mp4 [57.0 MB] 任务116：卷积神经网络的数学原理02.mp4 [75.4 MB] 任务44：过拟合.mp4 [55.0 MB] 任务22：使用PyCharm Keras建立深度网络模型.mp4 [257.8 MB] 任务83：任务的概述.mp4 [16.6 MB] 任务191：图像风格转移的原理.mp4 [38.3 MB] 任务206：二值化全连接网络的代码讲解.mp4 [46.5 MB] 任务135：基于内容的图像搜索理论基础.mp4 [29.3 MB] 任务202：二值化神经网络的简介.mp4 [37.2 MB] 任务166：R-CNN中的边界框(Bounding Box)预测原理.mp4 [24.1 MB] 任务227：Siamese One-Shot learning 知识回顾.mp4 [14.3 MB] 任务184：SSD和YOLO的比较 SSD的总结.mp4 [12.2 MB] 任务2：深度学习的发展历史.mp4 [23.1 MB] 任务152： 图像增强部分的代码讲解.mp4 [99.5 MB] 任务29：使用Keras创建一个用于鸢尾花分类识别的神经网络.mp4 [135.2 MB] 任务197：对输入模型参数的合法性检测和转换.mp4 [28.3 MB] 任务216：回顾EffNet的原理.mp4 [31.3 MB] 任务137：使用卷积神经网络进行语义图像嵌入在目标检测, 自动驾驶, 图像超分辨率重构, 工业探伤等等领域的应用.mp4 [18.3 MB] 任务46：正则化.mp4 [25.2 MB] 任务12：二元分类问题.mp4 [32.5 MB] 任务198：具有7层的SSD的网络结构讲解.mp4 [147.8 MB] 任务82：产生模型需要的输入数据02.mp4 [56.7 MB] 任务86：如何训练模型.mp4 [65.1 MB] 任务141：自动驾驶方向盘转动方向预测的背景知识.mp4 [33.4 MB] 任务51：递归神经网络介绍.mp4 [140.5 MB] 任务105：如何分析数据 (util.py 的详细介绍).mp4 [70.6 MB] 任务58：Bi-Directional LSTM.mp4 [48.1 MB] 任务190：使用深度学习自动图像生成手写数字的代码讲解.mp4 [84.3 MB] 任务179：使用卷积作为最后的预测层详解.mp4 [17.4 MB] 任务71：项目介绍.mp4 [26.9 MB] 任务177：VGG16到SSD网络的演化 L2Normalization层的实现.mp4 [131.5 MB] 任务72：看图说话任务一-01.mp4 [40.1 MB] 任务180：SSD定位损失函数详解.mp4 [35.3 MB] 任务67：Attention总结.mp4 [20.2 MB] 任务169：Faster R-CNN Region Proposal Network.mp4 [37.1 MB] 任务204：二值化网络的训练算法.mp4 [145.3 MB] 任务158：通过损失函数的变化判断网络性能、识别和解决过拟合和欠拟合的问题.mp4 [64.0 MB] 任务187：Transposed Convolution原理与运用.mp4 [123.0 MB] 任务24：建立BatchGenerator高效读取数据.mp4 [105.6 MB] 任务77：如何实现“load_vgg16_model”函数.mp4 [27.4 MB] 任务114：代码实现经典交通指示牌识别卷积神经网络模型.mp4 [69.0 MB] 任务57：LSTM的应用.mp4 [56.6 MB] 任务125：卷积神经网络和全连接神经网络的比较.mp4 [23.0 MB] 任务149：图像增强02.mp4 [11.4 MB] 任务139：项目1-看图说话（助教）讲解和答疑-02.mp4 [202.7 MB] 任务60：机器翻译.mp4 [40.3 MB] 任务90：如何评价标题生成模型的性能.mp4 [86.9 MB] 任务178：SSD各个技术对失败率的影响 Atrous卷积层的原理.mp4 [13.6 MB] 任务69：neural network optimizer直播-02.mp4 [75.5 MB] 任务55：Gradient Clipping.mp4 [38.9 MB] 任务145：提高网络性能的思路 图像处理、数据增强、网络结构优化.mp4 [38.7 MB] 任务143：理解分析训练数据.mp4 [25.7 MB] 任务48：作业讲解与答疑-01.mp4 [98.2 MB] 任务213：ShuffleNet, Group Convolution, Channel Shuffle的原理.mp4 [53.4 MB] 任务47：最大范数约束 神经元的初始化.mp4 [57.9 MB] 任务136：基于去噪自动编码器的图像搜索代码实现.mp4 [203.8 MB] 适合人群 深度学习爱好者 计算机视觉初学者 算法工程师 学习收获 掌握CV核心算法 提升实战能力 进阶CV领域 祝您学习愉快！ 学有所成，前程似锦！
