飞豹客 · 教程详情

- 深度学习常用的目标检测算法

会员可免费下载本篇

月会员、年会员、永久会员可按日额度下载（每篇扣 1 次）。

开通会员 · 按档位下载 →

体系课

0 人浏览发布 2026-10-17更新 2026-10-17

目标检测：从原理到落地的实战路径

目标检测是计算机视觉领域最成熟、也是企业应用最广的技术方向之一。从工业质检、自动驾驶到安防监控，这项技术直接决定了机器能否“看懂”画面中的物体及其位置。但这套技术栈迭代极快，从传统的 R-CNN 系列到 YOLO 系列的统治，再到 Transformer 架构的引入，学习曲线陡峭且资料良莠不齐。本课程聚焦于深度学习在目标检测领域的核心算法，旨在帮助学习者建立系统性的知识框架，而非碎片化的代码搬运。它主要解决的是：面对海量开源代码，初学者如何理清算法演进脉络，理解不同模型背后的设计权衡，以及如何根据实际业务场景（如实时性要求、精度需求）选择合适的检测方案。

适合谁学：基础门槛与前置知识

这门课不适合完全没有编程基础的纯小白，也不适合已经深入工业界部署、只需关注最新 SOTA 模型的资深工程师。它最适合具备 Python 基础、了解基本神经网络概念（如卷积、反向传播、损失函数）的职场人或转行者。

具体来说，如果你正在从事或准备进入AI应用开发岗位，希望系统掌握主流目标检测算法的原理与实现，那么这门课正是为你准备的。内容涵盖了从经典的双阶段检测器到单阶段实时检测器的核心逻辑，适合那些想知其然更知其所以然的读者。课程资料虽含部分老课内容，但老模型的设计思想往往是理解新架构的基石，因此对于夯实基础尤为关键。

学习路径与建议

不建议按顺序平铺直叙地看完所有视频，而应结合动手实践进行跳跃式学习。建议先看关于数据集构建与标注规范的部分，这是所有检测模型的地基；随后重点攻克两到三个代表性算法（如 Faster R-CNN 和 YOLO 系列），深入理解其网络结构差异及优缺点；最后再浏览其他变体模型以拓宽视野。

学完本课程后，你应该能够独立阅读主流检测算法的论文，复现经典模型的基本训练流程，并能根据任务需求对模型进行基础的调优与评估。配套资料主要用于辅助代码跑通与参数理解，请务必亲手搭建环境、运行示例代码，而非仅做“观众”。只有通过实际的训练、验证与调试，才能将纸面上的公式转化为解决真实工作场景问题的能力。

mksz298 - 深度学习常用的目标检测算法

本课程隶属会员库 · MK实战课（一部分是老课） / 课程盒子2-mksz200至299，完整课程目录与配套资料如下。

课程目录

第10章 基于EAST的自然场景文本检测项目实战/
10-01 自然场景下文本检测业务场景综述(微信-rmshou-收集整理)[2].mp4
10-02 ICDAR数据集介绍、标注格式、下载等(微信-rmshou-收集整理)[2].mp4
10-03 EAST文本检测框架环境搭建(微信-rmshou-收集整理)[2].mp4
10-04 EAST文本检测框架解读与训练实操(微信-rmshou-收集整理)[2].mp4
10-05 EAST文本检测模型测试脚本编程实例(微信-rmshou-收集整理)[2].mp4
第11章 多任务网络原理介绍/
11-1 多任务网络业务场景综述(微信-rmshou-收集整理)[2].mp4
11-2 人脸检测+关键点多任务网络模型MTCNN介绍(微信-rmshou-收集整理)[2].mp4
11-3 人脸检测+关键点多任务网络数据集介绍(微信-rmshou-收集整理)[2].mp4
第12章 基于人脸检测+关键点定位的多任务网络项目实战/
12-1 MTCNN环境配置、框架解读、数据打包(微信-rmshou-收集整理)[2].mp4
12-2 MTCNN数据打包（PNet、RNet、ONet）实操（1）(微信-rmshou-收集整理)[2].mp4
12-3 MTCNN数据打包（PNet、RNet、ONet）实操（2）(微信-rmshou-收集整理)[2].mp4
12-4 MTCNN模型训练介绍(微信-rmshou-收集整理)[2].mp4
12-5 MTCNN模型训练（PNet、RNet、ONet）实操(微信-rmshou-收集整理)[2].mp4
12-6 MTCNN模型（PNet、RNet、ONet）测试实操(微信-rmshou-收集整理)[2].mp4
第13章 课程总结/
13-01 one-stage vs two-stage(微信-rmshou-收集整理)[2].mp4
13-02 不同目标检测算法的优缺点对比(微信-rmshou-收集整理)[2].mp4
13-03 不同目标检测算法的精度对比(微信-rmshou-收集整理)[2].mp4
13-04 常见目标检测研究对象与数据集(微信-rmshou-收集整理)[2].mp4
13-05 目标检测常见任务与性能评价指标(微信-rmshou-收集整理)[2].mp4
13-06 目标检测行业应用现状-人脸检测(微信-rmshou-收集整理)[2].mp4
13-07 目标检测行业应用现状-ADAS(微信-rmshou-收集整理)[2].mp4
13-08 目标检测行业应用现状-文本检测(微信-rmshou-收集整理)[2].mp4
13-09 课程总结(微信-rmshou-收集整理)[2].mp4
第2章 目标检测算法基础介绍/
02-01 目标检测问题定义(微信-rmshou-收集整理)[2].mp4
02-02 目标检测问题方法(微信-rmshou-收集整理)[2].mp4
02-03 传统目标检测方法基本流程(微信-rmshou-收集整理)[2].mp4
02-04 常见传统目标检测方法-Viola-Jones（人脸检测）(微信-rmshou-收集整理)[2].mp4
02-05 常见传统目标检测方法-HOG+SVM（行人检测、Opencv）(微信-rmshou-收集整理)[2].mp4
02-06 常见传统目标检测方法-DPM（物体检测）(微信-rmshou-收集整理)[2].mp4
02-07 常见传统目标检测方法-Sofe-NMS（非极大值抑制算法）(微信-rmshou-收集整理)[2].mp4
02-08 Two-stage基本介绍，流程与常见算法(微信-rmshou-收集整理)[2].mp4
02-09 Two-stage核心组件(微信-rmshou-收集整理)[2].mp4
02-10 One-stage基本介绍、流程与常见算法(微信-rmshou-收集整理)[2].mp4
02-11 One-stage核心组件(微信-rmshou-收集整理)[2].mp4
02-12 One-stage与Two-stage优缺点对比(微信-rmshou-收集整理)[2].mp4
第3章 SSD系列算法原理精讲/
03-01 SSD系列算法介绍（主干网络、多尺度Feature Map预测）(微信-rmshou-收集整理)[2].mp4
03-02 Prior Box Layer、样本构造、损失函数介绍(微信-rmshou-收集整理)[2].mp4
03-03 DSSD、DSOD算法(微信-rmshou-收集整理)[2].mp4
03-04 FSSD、RSSD算法(微信-rmshou-收集整理)[2].mp4
第4章 基于SSD的人脸检测项目实战/
04-01 人脸业务场景介绍（常见问题、标注方法、算法性能好坏、人脸采集常用方法）(微信-rmshou-收集整理)[2].mp4
04-02 Wider Face数据集介绍、标注格式、下载等(微信-rmshou-收集整理)[2].mp4
04-03 Wider Face数据集介绍(微信-rmshou-收集整理)[2].mp4
04-04 Wider Face数据集转VOC格式数据集编程实现(微信-rmshou-收集整理)[2].mp4
04-05 使用Caffe-SSD打包Wider Face为LMDB格式样本实操(微信-rmshou-收集整理)[2].mp4
04-06 Caffe-SSD框架搭建及训练脚本解读(微信-rmshou-收集整理)[2].mp4
04-07 Caffe-SSD人脸检测模型训练实操讲解(微信-rmshou-收集整理)[2].mp4
04-08 Caffe-SSD框架主干网络脚本讲解+实操(微信-rmshou-收集整理)[2].mp4
04-09 Caffe-SSD框架训练脚本讲解+实操(微信-rmshou-收集整理)[2].mp4
04-10 Caffe-SSD框架模型测试介绍与脚本编程实现(微信-rmshou-收集整理)[2].mp4
04-11 Caffe-SSD框架测试结果可视化与人脸检测技巧说明(微信-rmshou-收集整理)[2].mp4
第5章 Faster RCNN系列算法原理精讲/
05-01 Faseter-Rcnn系列介绍(微信-rmshou-收集整理)[2].mp4
05-02 RCNN介绍(微信-rmshou-收集整理)[2].mp4
05-03 SPPNet介绍(微信-rmshou-收集整理)[2].mp4
05-04 Fast rcnn介绍(微信-rmshou-收集整理)[2].mp4
05-05 HyperNet、RFCN介绍(微信-rmshou-收集整理)[2].mp4
05-06 Light-Head RCNN、Mask-RCNN介绍(微信-rmshou-收集整理)[2].mp4
05-07 Cascade RCNN、CoupleNet、OHEM、Soft-NMS介绍(微信-rmshou-收集整理)[2].mp4
第6章 基于Faster RCNN的ADAS场景目标检测项目实战/
06-01 ADAS业务场景介绍(微信-rmshou-收集整理)[2].mp4
06-02 Kitti数据集介绍、标注格式、下载等(微信-rmshou-收集整理)[2].mp4
06-03 Kitti数据集类别提取编程实现(微信-rmshou-收集整理)[2].mp4
06-04 Kitti数据集转VOC格式数据脚本编程实现(微信-rmshou-收集整理)[2].mp4
06-05 Faster RCNN目标检测模型环境搭建介绍(微信-rmshou-收集整理)[2].mp4
06-06 Faster RCNN目标检测环境搭建实操(微信-rmshou-收集整理)[2].mp4
06-07 Faster RCNN目标检测框架介绍(微信-rmshou-收集整理)[2].mp4
06-08 Faster RCNN目标检测框架训练脚本参数配置介绍(微信-rmshou-收集整理)[2].mp4
06-09 Faster RCNN目标检测框架配置修改实操(微信-rmshou-收集整理)[2].mp4
06-10 Faster RCNN目标检测模型训练及其优化(微信-rmshou-收集整理)[2].mp4
06-11 利用Faster RCNN测试脚本进行模型测试(微信-rmshou-收集整理)[2].mp4
06-12 自己动手编程实现Faster RCNN模型测试脚本(微信-rmshou-收集整理)[2].mp4
同类型课程.jpg
第7章 YOLO系列算法原理精讲/
07-01 Yolov1算法(微信-rmshou-收集整理)[2].mp4
07-02 Yolov2算法（1）(微信-rmshou-收集整理)[2].mp4
07-03 Yolov2算法（2）(微信-rmshou-收集整理)[2].mp4
07-04 Yolo9000算法(微信-rmshou-收集整理)[2].mp4
07-05 Yolov3算法(微信-rmshou-收集整理)[2].mp4
第8章 基于YOLOV3的通用物体检测项目实战/
08-01 物体检测业务场景综述(微信-rmshou-收集整理)[2].mp4
08-02 COCO数据集介绍、标注格式、下载脚本等(微信-rmshou-收集整理)[2].mp4
08-03 YOLOV3DarkNet框架介绍和环境搭建(微信-rmshou-收集整理)[2].mp4
08-04 DarkNet框架解读及相关配置说明(微信-rmshou-收集整理)[2].mp4
08-05 利用DarkNet框架进行YOLOV3模型训练实操(微信-rmshou-收集整理)[2].mp4
08-06 YoloV3检测模型的测试介绍及编程实例(微信-rmshou-收集整理)[2].mp4
第9章 文本检测系列算法原理精讲/
09-01 文本检测算法原理介绍(微信-rmshou-收集整理)[2].mp4
09-02 CTPN模型(微信-rmshou-收集整理)[2].mp4
09-03 RRPN模型(微信-rmshou-收集整理)[2].mp4
09-04 FTSN模型(微信-rmshou-收集整理)[2].mp4
09-05 DMPNet模型(微信-rmshou-收集整理)[2].mp4
09-06 EAST模型(微信-rmshou-收集整理)[2].mp4
09-07 SegLink模型(微信-rmshou-收集整理)[2].mp4
09-08 PixelLink模型(微信-rmshou-收集整理)[2].mp4
09-09 Textboxes讲解(微信-rmshou-收集整理)[2].mp4
09-10 Textboxes++模型介绍(微信-rmshou-收集整理)[2].mp4
09-11 文本检测常见数据集(微信-rmshou-收集整理)[2].mp4
09-12 其他检测模型方法介绍(微信-rmshou-收集整理)[2].mp4
课程资料/
代码资料.zip

会员可免费下载本篇

查看价格与购买