这套资料是“捡漏”型入门，别指望靠它直接进大厂
这份资料的核心价值在于其完整性。它并非零散的视频合集，而是一套从视觉底层到上层应用的逻辑闭环。内容以 OpenCV 起手，随后深入 YOLOv8 目标检测、车道线检测，最后落地于 AI 智慧交通项目。这种编排符合计算机视觉（CV）工程师的常规成长路径：先懂图像怎么处理，再懂模型怎么训，最后懂场景怎么做。
对于初学者，最大的风险在于“眼高手低”。很多人看完教程觉得懂了，一写代码全是报错。这套资料的优点在于它极度侧重工程实现，尤其是卡尔曼滤波、SORT/DeepSORT 跟踪算法等偏数学和逻辑的内容，都有详细的代码推导。但它的时间是 2024 年左右的产物，YOLOv8 在当时是最新，现在已是标配，所以技术栈不老旧，但前沿性一般。如果你是想快速了解 CV 领域全貌，或者作为第二门语言补充技能，这份资料性价比极高；但如果你想凭此拿到顶级算法岗的 Offer，还需配合更深入的论文阅读和源码调试。
学习路径：先啃硬骨头，再跑大项目
建议的学习顺序不要贪快。第一阶段是 OpenCV 基础。很多人会跳过这一步直接学 YOLO，结果遇到图像处理问题时束手无策。请仔细观看“相机校正”、“坐标系转换”等章节，这是理解后续车道线检测的基础，涉及线性代数和几何变换，务必动手复现代码。
第二阶段是 YOLOv8 实战。这一部分相对直观，重点在于理解模型训练、推理以及如何使用 Streamlit 搭建一个简单的 Web 界面来展示结果。这里的代码可以直接复用，尝试修改参数观察效果变化，建立对模型参数的敏感度。
第三阶段是难度最高的 AI 智慧交通项目。这里包含车道线检测和车辆跟踪两大核心模块。车道线部分涉及二值化、透视变换和多项式拟合，逻辑严密；跟踪部分则引入了卡尔曼滤波和 Hungarian 算法（KM 算法），这是 CV 领域非常经典且重要的知识点。建议这一阶段放慢速度，逐行理解 SORT 和 DeepSORT 算法的实现细节，不要只看视频演示，要自己在本地环境跑通代码。
适合人群与避坑指南
本课程适合具备 Python 基础（熟悉列表、字典、函数调用），且对 NumPy 和 Pandas 有基本了解的学员。如果你连矩阵乘法都没写过，建议先补齐数学和编程基础，否则在观看卡尔曼滤波章节时会极其痛苦。
需要警惕的是“项目实战”的定义。这里的智慧交通项目是一个简化版的教学 Demo，并非工业级部署方案。例如，车流量统计只是基于简单的框数判定，未考虑遮挡、漏检等复杂工况。学习目的是掌握算法原理和流程搭建，而非直接用于生产环境。请将重点放在“如何从零构建一个视觉系统”的思维训练上，而非纠结于项目的最终精度指标。另外，资料中提到的“赠品”实质上是串联全书的核心案例，切勿因它是额外赠送而忽略，它是检验你前三阶段学习成果的最佳试金石。
课程目录
03-车流量统计11 集
- 02-多目标跟踪算法__ev.mp4 [59.2 MB]
- 07-卡尔曼滤波实践__ev.mp4 [82.3 MB]
- 08-sort算法实现1 __ev.mp4 [81.0 MB]
- 09-sort算法实现2__ev.mp4 [46.8 MB]
- 04-KM算法__ev.mp4 [33.4 MB]
- 10-sort算法实现跟踪__ev.mp4 [88.8 MB]
- 05-卡尔曼滤波__ev.mp4 [62.9 MB]
- 01-车流量统计思想__ev.mp4 [25.3 MB]
- 06-卡尔曼滤波思想__ev.mp4 [82.7 MB]
- 11-deepsort算法跟踪__ev.mp4 [20.4 MB]
- 03-sort和deepsort算法__ev.mp4 [27.7 MB]
02-yoloV85 集
- 01-YOLO发展__ev.mp4 [11.7 MB]
- 02-V8简介__ev.mp4 [17.6 MB]
- 03-V8的使用__ev.mp4 [51.8 MB]
- 04-效果展示__ev.mp4 [19.4 MB]
- 05-streamlit的实现__ev.mp4 [59.1 MB]
04-车道线检测18 集
- 17-车道线检测流程__ev.mp4 [24.0 MB]
- 13-车道线拟合__ev.mp4 [74.8 MB]
- 16-车辆偏离中心库里计算__ev.mp4 [29.2 MB]
- 12-车道线定位__ev.mp4 [56.8 MB]
- 05-优化方法__ev.mp4 [82.6 MB]
- 09-相机较正实现__ev.mp4 [101.8 MB]
- 01-车道线检测原理__ev.mp4 [50.4 MB]
- 08-双目较正__ev.mp4 [16.8 MB]
- 15-车道线曲率__ev.mp4 [47.4 MB]
- 02-相机坐标系转换__ev.mp4 [61.5 MB]
- 04-相机较正方法__ev.mp4 [91.7 MB]
- 11-车道线提取__ev.mp4 [42.9 MB]
- 10-图像去畸变__ev.mp4 [21.4 MB]
- 07-相机较正流程__ev.mp4 [21.5 MB]
- 06-优化方法2__ev.mp4 [87.2 MB]
- 18-效果展示__ev.mp4 [10.4 MB]
- 03-内容回顾__ev.mp4 [90.3 MB]
- 14-车道线填充__ev.mp4 [19.7 MB]
01-opencv17 集
- 02-项目构成__ev.mp4 [11.6 MB]
- 13-边缘检测思想__ev.mp4 [72.6 MB]
- 09-图像旋转和仿射变换__ev.mp4 [35.6 MB]
- 11-图像噪声__ev.mp4 [11.6 MB]
- 03-资料共享__ev.mp4 [6.1 MB]
- 06-绘制几何图像__ev.mp4 [36.3 MB]
- 16-视频读写__ev.mp4 [40.7 MB]
- 12-图像平滑方法__ev.mp4 [67.3 MB]
- 04-opencv介绍__ev.mp4 [16.0 MB]
- 14-sobel边缘检测__ev.mp4 [17.1 MB]
- 01-项目架构__ev.mp4 [15.3 MB]
- 10-透射变换__ev.mp4 [15.1 MB]
- 07-图像加法__ev.mp4 [30.5 MB]
- 08-图像缩放与平移__ev.mp4 [47.5 MB]
- 05-图像读写__ev.mp4 [27.9 MB]
- 15-canny边缘检测__ev.mp4 [35.4 MB]
- 17-opencv总结__ev.mp4 [49.7 MB]
day048 集
- 01-项目背景__ev.mp4 [88.4 MB]
- 03-文本分类推理__ev.mp4 [59.3 MB]
- 02-文本分类提示词__ev.mp4 [77.9 MB]
- 08-文本匹配的内容__ev.mp4 [75.7 MB]
- 04-趋动云使用__ev.mp4 [124.7 MB]
- 07-文本抽取的实现__ev.mp4 [137.7 MB]
- 06-文本信息抽取的后处理__ev.mp4 [15.3 MB]
- 05-文本信息抽取提示词__ev.mp4 [84.2 MB]
day039 集
- 04-GLM的位置编码__ev.mp4 [18.2 MB]
- 01-chatGPT的微调方法__ev.mp4 [53.4 MB]
- 03-GLM的训练目标__ev.mp4 [67.1 MB]
- 02- chatGpt的微调方法__ev.mp4 [70.3 MB]
- 08-提示词工程__ev.mp4 [11.3 MB]
- 07-百川大模型__ev.mp4 [68.4 MB]
- 09-提示词工程原则__ev.mp4 [194.6 MB]
- 06-LLaMa和Bloom__ev.mp4 [109.1 MB]
- 05-GLM的特点__ev.mp4 [109.3 MB]
day058 集
- 05-prompt tuning__ev.mp4 [69.6 MB]
- 06-p-tuning__ev.mp4 [35.8 MB]
- 08-prompt-tuning总结__ev.mp4 [27.7 MB]
- 01-NLP的四范式__ev.mp4 [127.7 MB]
- 03-PET微调方法__ev.mp4 [58.4 MB]
- 02-Prompt微调的方式__ev.mp4 [70.4 MB]
- 07-PPL__ev.mp4 [34.6 MB]
- 04-硬模版和软模版__ev.mp4 [28.6 MB]
day019 集
- 07-bleu__ev.mp4 [65.0 MB]
- 02-语言模型__ev.mp4 [23.8 MB]
- 06-神经网络的语言模型__ev.mp4 [48.7 MB]
- 04-n-gram__ev.mp4 [56.7 MB]
- 03-语言模型的发展__ev.mp4 [4.4 MB]
- 08-rough__ev.mp4 [18.8 MB]
- 09-PPL__ev.mp4 [53.0 MB]
- 01-大模型背景__ev.mp4 [33.7 MB]
- 10-AE的BERT模型__ev.mp4 [110.4 MB]
day0211 集
- 10-GPT3的特点__ev.mp4 [34.9 MB]
- 02-GPT的预训练过程__ev.mp4 [42.0 MB]
- 07-GPT2的特点__ev.mp4 [22.5 MB]
- 03-GPT的微调__ev.mp4 [48.2 MB]
- 05-seq2seq__ev.mp4 [73.7 MB]
- 08-GPT3的网络结构__ev.mp4 [61.1 MB]
- 11-强化学习__ev.mp4 [88.5 MB]
- 04-AR的特点__ev.mp4 [19.2 MB]
- 01-GPT的网络结构__ev.mp4 [55.5 MB]
- 06-GPT2网络和训练__ev.mp4 [122.6 MB]
- 09-in_contextlearning__ev.mp4 [53.3 MB]
day1110 集
- 01-Langchain介绍__ev.mp4 [93.0 MB]
- 04-prompts__ev.mp4 [58.4 MB]
- 08-index__ev.mp4 [29.0 MB]
- 03-嵌入模型__ev.mp4 [33.1 MB]
- 09-向量数据库__ev.mp4 [27.9 MB]
- 10-检索器__ev.mp4 [56.5 MB]
- 06-agents__ev.mp4 [54.5 MB]
- 05-chains__ev.mp4 [46.0 MB]
- 02-Chat模型__ev.mp4 [34.9 MB]
- 07-memory__ev.mp4 [46.5 MB]
day0810 集
- 04-template构建2__ev.mp4 [115.8 MB]
- 10-子标签找主标签__ev.mp4 [44.6 MB]
- 09-主标签找子标签__ev.mp4 [68.2 MB]
- 08-标签词映射__ev.mp4 [24.8 MB]
- 06-data_preprocess__ev.mp4 [124.0 MB]
- 05-dataset__ev.mp4 [16.6 MB]
- 01-项目背景__ev.mp4 [25.3 MB]
- 07-dataloader__ev.mp4 [23.2 MB]
- 03-template构建1__ev.mp4 [129.0 MB]
- 02-PET的项目架构__ev.mp4 [49.8 MB]
day1210 集
- 06-实践__ev.mp4 [57.3 MB]
- 05-原理__ev.mp4 [69.8 MB]
- 03-向量库构建和检索__ev.mp4 [31.1 MB]
- 07-SQL__ev.mp4 [48.4 MB]
- 08-GPTs__ev.mp4 [89.3 MB]
- 02-模型构建__ev.mp4 [23.9 MB]
- 04-Function——Call__ev.mp4 [38.4 MB]
- 09-AssistantAPI的使用__ev.mp4 [49.3 MB]
- 10-AssistantAPI实践__ev.mp4 [73.9 MB]
- 01-RAG__ev.mp4 [89.5 MB]
day0610 集
- 03-lora__ev.mp4 [79.8 MB]
- 02-adapter__ev.mp4 [35.9 MB]
- 08-dataloader__ev.mp4 [62.9 MB]
- 09-模型构建__ev.mp4 [43.3 MB]
- 06-process实现__ev.mp4 [84.9 MB]
- 04-伪代码__ev.mp4 [17.4 MB]
- 05-项目背景和数据__ev.mp4 [163.5 MB]
- 10-config__ev.mp4 [13.7 MB]
- 07-dataset实现__ev.mp4 [38.1 MB]
- 01-prefix微调__ev.mp4 [93.2 MB]
day0710 集
- 05-准确率计算__ev.mp4 [64.0 MB]
- 09-topK和topP__ev.mp4 [43.6 MB]
- 03-模型训练2__ev.mp4 [72.4 MB]
- 08-模型预测__ev.mp4 [164.1 MB]
- 01-模型训练__ev.mp4 [161.4 MB]
- 07-topK 和topP__ev.mp4 [44.2 MB]
- 10-前端部署__ev.mp4 [9.2 MB]
- 02-模型训练2__ev.mp4 [144.9 MB]
- 06-损失函数__ev.mp4 [36.2 MB]
- 04-模型验证__ev.mp4 [38.4 MB]
day098 集
- 04-模型训练__ev.mp4 [59.1 MB]
- 06-ptuning的数据处理__ev.mp4 [236.5 MB]
- 03-评价指标__ev.mp4 [38.2 MB]
- 01-损失计算__ev.mp4 [142.3 MB]
- 05-模型预测__ev.mp4 [21.6 MB]
- 02-id转换__ev.mp4 [48.5 MB]
- 07-ptuning的dataloader__ev.mp4 [15.1 MB]
- 08-ptuning的工具函数、训练和预测__ev.mp4 [77.8 MB]
day107 集
- 07-模型预测__ev.mp4 [30.7 MB]
- 06-模型训练__ev.mp4 [91.4 MB]
- 03-数据预处理__ev.mp4 [17.3 MB]
- 02-配置信息__ev.mp4 [181.6 MB]
- 04-data_loader__ev.mp4 [58.5 MB]
- 01-项目介绍__ev.mp4 [89.5 MB]
- 05-工具函数__ev.mp4 [23.6 MB]
day133 集
- 03-内容总结__ev.mp4 [52.7 MB]
- 01-agent__ev.mp4 [100.2 MB]
- 02-Agent开发工具__ev.mp4 [131.4 MB]
day037 集
- 01-模型构建__ev.mp4 [191.1 KB]
- 04-实现2__ev.mp4 [70.7 MB]
- 05-模型预测__ev.mp4 [69.1 MB]
- 07-模型量化__ev.mp4 [30.7 MB]
- 03-模型训练与评估实现__ev.mp4 [75.1 MB]
- 06-模型部署__ev.mp4 [27.1 MB]
- 02-模型训练与评估思想__ev.mp4 [34.0 MB]
day017 集
- 11-优化1-自动化参数搜索__ev.mp4 [23.6 MB]
- 06-特征工程__ev.mp4 [22.5 MB]
- 03-数据分布分析__ev.mp4 [19.6 MB]
- 01-项目背景和数据集介绍__ev.mp4 [70.0 MB]
- 10-fasttext模型训练__ev.mp4 [15.0 MB]
- 02-数据集获取__ev.mp4 [31.4 MB]
- 08-fasttext数据处理__ev.mp4 [30.5 MB]
- … 其余 2631 项略，目录共 2831 项
