飞豹客 · 课能看,资料也能带走
飞豹客算法数学 会员免费

CV计算机视觉集训营(视频

这门课解决什么问题,适合什么基础 对于想在算法领域深耕的职场人来说,最大的痛点往往不是不懂 Python 语法,而是无法将数学原理落地到具体的工程问题上。CV 计算机视觉集训营正是为了解决这个断层设计的。它不像入门课那样只讲概念,而是直接切入深度学习在图像处理中的实战难点。课程内容覆盖了从基础的梯度

单课价¥29.90新品 上架
会员价 会员免费开通会员后本篇可直接下载套餐详情
0 人关注 更新于 2026-11-14 永久有效
发货

网盘链接 · 支付成功后自动发货

保障

永久有效 · 链接失效免费补发

客服

每日 9:00-21:00 在线客服 联系客服

会员可免费下载本篇月会员可免费领取。

开通会员 ›
购买本课销量 0 · 永久有效
会员价 · 单课标价 ¥29.90

会员 · 按档位

永久免费可领
年免费可领
月免费可领

游客按标价购买,不享受上表折扣。

支付成功后自动发放网盘链接,链接失效可找客服免费补

正版保障 极速发货 售后无忧

这门课解决什么问题,适合什么基础

对于想在算法领域深耕的职场人来说,最大的痛点往往不是不懂 Python 语法,而是无法将数学原理落地到具体的工程问题上。CV 计算机视觉集训营正是为了解决这个断层设计的。它不像入门课那样只讲概念,而是直接切入深度学习在图像处理中的实战难点。课程内容覆盖了从基础的梯度下降、梯度消亡解决方案,到复杂的 R-CNN 系列目标检测、SSD 多尺度检测以及图像风格转移等核心算法。如果你已经掌握了一定的 Python 编程基础,并且对神经网络背后的数学推导感兴趣,想要从“会用 API”进阶到“理解原理并能手动实现关键函数”,这套资料是非常适合的。它适合那些不想看流水账教程,希望看到代码落地细节,尤其是对数据预处理、网络训练监控以及模型优化有硬性需求的在职学习者。

学完能独立做什么,建议先看哪几块

通过系统地学习这门课,你将具备独立完成计算机视觉项目的能力。具体来说,学完后你可以独立搭建并训练图像分类模型,例如利用经典数据集验证网络的收敛过程;能够实现目标检测算法,从理解 R-CNN 的原理到使用 PyTorch 编写 Faster R-CNN 的训练代码;还能掌握图像增强技术,如通过直方图均衡化提升图像质量。建议你先从“神经网络数学原理”和“梯度消亡解决方案”入手,打好基础,再重点看“R-CNN 系列总结”和“SSD 各个技术对失败率的影响”这些进阶模块。对于想做项目实战的同学,直接从“项目介绍”开始,跟随任务讲解完成“交通指示牌识别”或“门禁卡系统”的构建,会更有代入感。

资料怎么配合练习,才能避免踩坑

这套资料的价值在于它提供了从数学推导到代码实现的完整闭环,练习时不能只看视频,必须动手写代码。建议你将“如何实现 extract_features 函数”和“产生模型需要的输入数据”作为练习起点,确保自己能正确处理数据。在训练环节,务必关注“查看网络训练过程 判断网络是否过拟合 欠拟合”这一块,学会通过可视化手段监控模型状态。对于较难的算法模块,如 Transposed Convolution 原理或 Atrous 卷积层,建议反复观看原理讲解,并结合提供的代码示例进行逐行调试。通过这种“理解原理-动手实现-监控训练”的练习方式,才能真正掌握 CV 领域的核心技能。

课程目录

课程目录100 集
  • 任务44:过拟合.mp4 [55.0 MB]
  • 任务61:Multimodal Learning.mp4 [66.9 MB]
  • 任务113:介绍经典交通指示牌卷积神经网络模型.mp4 [28.9 MB]
  • 任务170:R-CNN Fast R-CNN Faster R-CNN的总结【资源精选‖更多关注:CunWorkNotes】.mp4 [23.0 MB]
  • 任务78:如何实现“extract_features”函数.mp4 [34.8 MB]
  • 任务140:项目介绍.mp4 [15.1 MB]
  • 任务109:直方图均衡.mp4 [80.6 MB]
  • 任务19:应用【不易整理‖请关注:CunWorkNotes】.mp4 [110.3 MB]
  • 任务165:R-CNN的工作原理.mp4 [129.6 MB]
  • 任务63:回顾RNN与LSTM【整理不易‖记得关注:CunWorkNotes】.mp4 [20.8 MB]
  • 任务25:训练网络 保存训练的中间过程数据.mp4 [139.6 MB]
  • 任务5:深度学习的总结.mp4 [10.5 MB]
  • 任务182:SSD中分类损失函数详解.mp4 [11.6 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151:网络结构实例.mp4 [8.6 MB]
  • 任务51:递归神经网络介绍.mp4 [140.5 MB]
  • 任务191:图像风格转移的原理.mp4 [38.3 MB]
  • 任务196:对候选框精选处理有影响的参数讲解.mp4 [49.6 MB]
  • 任务26:查看网络训练过程 判断网络是否过拟合 欠拟合.mp4 [46.2 MB]
  • 任务146:探索数据01.mp4 [39.5 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76:如何实现 load_img_as_np_array 这个函数.mp4 [16.5 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230:使用 PyTorch 写训练网络的代码.mp4 [86.8 MB]
  • 任务50:为什么需要递归神经网络?.mp4 [28.1 MB]
  • 任务97:道路行车道检测简介.mp4 [17.7 MB]
  • 任务187:Transposed Convolution原理与运用.mp4 [123.0 MB]
  • 任务179:使用卷积作为最后的预测层详解.mp4 [17.4 MB]
  • 任务74:看图说话任务一-03.mp4 [57.9 MB]
  • 任务175:SSD的训练过程.mp4 [53.4 MB]
  • 任务81:产生模型需要的输入数据01.mp4 [77.2 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55:Gradient Clipping.mp4 [38.9 MB]
  • 任务31:神经网络数学原理(1): 神经网络的结点,权值,激活函数.mp4 [60.4 MB]
  • 任务167:R-CNN的不足之处.mp4 [4.3 MB]
  • 任务43:梯度消亡解决方案.mp4 [43.8 MB]
  • 任务169:Faster R-CNN Region Proposal Network.mp4 [37.1 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28:使用Pandas读取鸢尾花数据集, 使用LabelEncoder对类别标签进行编码【优质资源‖关注:CunWorkNotes 解锁】.mp4 [38.3 MB]
  • 任务77:如何实现“load_vgg16_model”函数.mp4 [27.4 MB]
  • 任务118:深度学习调参-直播-02.mp4 [45.5 MB]
  • 任务93:数字图像直方图均衡.mp4 [35.0 MB]
  • 任务124:池化层的原理 定量分析.mp4 [9.5 MB]
  • 任务157:模拟器自动驾驶的展示.mp4 [75.2 MB]
  • 任务48:作业讲解与答疑-01.mp4 [98.2 MB]
  • 任务185:图像分割简介.mp4 [36.5 MB]
  • 任务153:DataGenerator部分的代码讲解.mp4 [64.1 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89:如何调用generate_caption函数.mp4 [32.1 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226:PyTorch 基础教程【不易整理‖请关注:CunWorkNotes】.mp4 [47.8 MB]
  • 任务15:示例.mp4 [84.0 MB]
  • 任务163:基于HOG(梯度直方图)的目标识别.mp4 [31.3 MB]
  • 任务30:训练用于鸢尾花分类的神经网络 解读训练输出的日志 了解如何评价神经网络的性能.mp4 [70.1 MB]
  • 任务160:windows 下面使用自动驾驶模拟器的教程.mp4 [46.4 MB]
  • 任务189:图像生成的原理.mp4 [10.3 MB]
  • 任务180:SSD定位损失函数详解.mp4 [35.3 MB]
  • 任务194:编程项目的训练数据介绍.mp4 [58.7 MB]
  • 任务123:多通道输入 多通道输出的卷积层的实例.mp4 [12.1 MB]
  • 任务121:卷积层的定量分析.mp4 [17.3 MB]
  • 任务46:正则化【资源精选‖更多关注:CunWorkNotes】.mp4 [25.2 MB]
  • 任务112:作业上传的要求.mp4 [16.8 MB]
  • 任务58:Bi-Directional LSTM.mp4 [48.1 MB]
  • 任务9:cuDNN的安装, Tensorflow, PyTorch的GPU测试.mp4 [31.4 MB]
  • 任务79:创建Tokenizer01.mp4 [20.9 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92:数字图像大小缩放.mp4 [37.3 MB]
  • 任务138:项目1-看图说话(助教)讲解和答疑-01【整理不易‖记得关注:CunWorkNotes】.mp4 [164.0 MB]
  • 任务84:Input Embedding和Dropout层介绍.mp4 [64.3 MB]
  • 任务106: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)01.mp4 [88.9 MB]
  • 任务210:项目作业要求.mp4 [22.6 MB]
  • 任务135:基于内容的图像搜索理论基础.mp4 [29.3 MB]
  • 任务119:深度学习调参-直播-03.mp4 [55.6 MB]
  • 任务208:BinaryDense层的实现.mp4 [61.5 MB]
  • 任务6:开发环境的配置, Python, Numpy, Keras入门教程.mp4 [46.9 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53:RNN的深度【整理不易‖记得关注:CunWorkNotes】.mp4 [19.7 MB]
  • 任务133:ResNet的结构分析.mp4 [40.5 MB]
  • 任务37:神经网络数学原理(7):手动演算神经网络BP算法(误差向后传递)续.mp4 [68.2 MB]
  • 任务96:图像关键点检测.mp4 [11.7 MB]
  • 任务22:使用PyCharm Keras建立深度网络模型.mp4 [257.8 MB]
  • 任务220:Siamese 深度神经网络的实验和结果分析.mp4 [65.3 MB]
  • 任务174:如何使用卷积作为最后的预测层.mp4 [13.9 MB]
  • 任务33:神经网络数学原理(3):神经网络的前馈(Feed Forward)算法续,Softmax层的数值问题.mp4 [46.0 MB]
  • 任务195:对SSD模型对产生Anchor有影响的参数讲解.mp4 [134.6 MB]
  • 任务217:EffNet的代码讲解【更多精选‖公众号:CunWorkNotes 获取】.mp4 [75.7 MB]
  • 任务87: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01.mp4 [22.7 MB]
  • 任务144:自动驾驶方向盘转动方向预测的网络结构和网络训练代码讲解.mp4 [181.5 MB]
  • 任务68:neural network optimizer直播-01.mp4 [112.6 MB]
  • 任务219:用于One-Shot Learning 的Siamese 深度神经网络的介绍.mp4 [21.7 MB]
  • 任务131:GoogleNet Inception的结构分析.mp4 [12.1 MB]
  • 任务102:项目介绍.mp4 [25.9 MB]
  • 任务183:Non-Max Suppression的原理.mp4 [12.9 MB]
  • 任务104:交通指示牌识别课程的编程任务.mp4 [27.6 MB]
  • 任务41:梯度消亡.mp4 [56.2 MB]
  • 任务209:二值化卷积神经网络的代码讲解.mp4 [48.5 MB]
  • 任务23:数据预处理 数据增强.mp4 [62.7 MB]
  • 任务129:ZFNet的结构分析.mp4 [8.2 MB]
  • 任务108:色彩空间转换.mp4 [51.9 MB]
  • 任务171:目标识别 R-CNN家族的回顾.mp4 [22.4 MB]