有三AI 深度学习CV合集 教程下载

有三AI，专注于为人工智能从业者提供系统性学习计算机视觉、自然语言处理、机器学习等技能服务。讲师均来自国内互联网大厂员工、高校教师、留学博士等

课程推荐

《有三AI 深度学习CV合集 教程下载》有三AI，专注于为人工智能从业者提供系统性学习计算机视觉、自然语言处理、机器学习等技能服务。讲师均来自国内互联网大厂员工、高校教师、留学博士等【技能收获】学完可掌握：Python 编程。课程以实战为导向，覆盖从基础概念到完整项目落地的关键步骤，配套章节笔记便于课后复盘与面试前快速回顾。【学习建议】建议按目录顺序学习，先打基础再进入综合实战章节；每完成 2～3 节可结合笔记整理一份学习小结，最终尝试独立复现一套完整 Demo 写入个人作品集。【就业发展】可面向岗位：AI 应用工程师、RAG 系统开发、Java 后端 + 大模型落地、企业知识库架构师。大模型应用岗需求持续走高，具备「后端 + RAG 落地」复合能力的人才在招聘市场更稀缺，简历中可突出完整项目链路而非仅会使用 API。 若你已有一定编程或运维基础，本课程可帮助你在现有技能栈上快速叠加热门方向能力，提升求职时的项目说服力与薪资谈判空间。

视频目录（164 节）

*   0-课程简介.mp4

*   1.1-问题定义.mp4

*   1.2-数据集.mp4

*   1.3-评价指标.mp4

*   1.4-脑图时刻.mp4

*   1.5-算法发展总览.mp4

*   1.6-传统检测算法流程.vep_.mp4

*   1.7-基于深度学习的目标检测流程和分类.mp4

*   1.8-(后)脑图时刻.mp4

*   1.9-anchor-base算法结构.mp4

*   2.1-RCNN详解.mp4

*   2.2-SPPNet详解.mp4

*   2.3-Fast RCNN详解.mp4

*   2.4-Faster RCNN详解.vep_.mp4

*   2.5-one-stage算法引入+脑图时刻.mp4

*   3.1-YOLOv1讲解.mp4

*   3.2-YOLOv2讲解.mp4

*   3.3-YOLOv3讲解.mp4

*   3.4-YOLOv4讲解.mp4

*   3.5-YOLOv5讲解.mp4

*   4.1-Anchor free引入.vep_.mp4

*   4.2-Densebox详解（上）.mp4

*   4.2-Densebox详解（下）.vep_.mp4

*   4.2-Densebox详解（中）.mp4

*   4.3-CornerNet详解（上）.vep_.mp4

*   4.3-CornerNet详解（下）.mp4

*   4.3-CornerNet详解（中）.mp4

*   4.4-CenterNet详解（上）.vep_.mp4

*   4.4-CenterNet详解（下）.mp4

*   4.4-CenterNet详解（中）.mp4

*   5.0-YOLO v3实战课程介绍.mp4

*   5.1-YOLO v3原理回顾.mp4

*   5.2-工业缺陷检测数据集介绍.mp4

*   5.3.1-主干网络代码讲解.mp4

*   5.3.2-Neck+Head部分代码讲解(上).mp4

*   5.3.2-Neck+Head部分代码讲解(下).mp4

*   5.3.3-解码过程讲解.mp4

*   5.3.4-前向推理代码讲解.mp4

*   5.3.5-训练过程讲解.mp4

*   6.1-FasterRCNN原理回顾.mp4

*   6.2-数据集介绍.mp4

*   6.3.1-主干网络代码讲解.mp4

*   6.3.2-RPN网络代码讲解.mp4

*   6.3.3-Head部分代码讲解.mp4

*   6.3.4-前向推理代码详解.mp4

*   6.3.5-训练部分详解.mp4

*   6.4-权重文件处理知识+本期内容整体梳理.mp4

*   7.1-印刷电路板数据集介绍.mp4

*   7.2-CenterNet原理回顾（上）.mp4

*   7.2-CenterNet原理回顾（下）.vep_.mp4

*   7.3-前向推理代码详解.mp4

*   7.4-训练过程代码详解（上）.vep_.mp4

*   7.4-训练过程代码详解（下）.mp4

*   7.5-内容总结.mp4

*   8.1_MMdetection简介与安装.mp4

*   8.2_MMdetection框架总体讲解.mp4

*   8.3_配置文件讲解（上）.mp4

*   8.3_配置文件讲解（下）.mp4

*   8.4_推理相关源码分析.mp4

*   8.5_训练相关源码分析.mp4

*   8.6_自定义数据集.mp4

*   8.7_COCO与VOC格式转化.mp4

*   8.8_Kmeans聚类边界框.mp4

*   8.9_热力图绘制.mp4

*   8.10-8.11_训练过程和检测结果可视化分析.mp4

*   8.12_工程实践技巧.mp4

*   0 课程简介.mp4

*   1 图像分类基础.mp4

*   2 多类别图像分类理论.mp4

*   3 细粒度图像分类理论.mp4

*   4 多标签图像分类理论.mp4

*   5 半监督与无监督分类.mp4

*   6 零样本分类理论.mp4

*   7 从零完成人脸表情识别案例实践.mp4

*   8.1 表情分类实战简介.mp4

*   8.2 表情分类实战之数据读取.mp4

*   8.3 表情分类实战之数据增强.mp4

*   8.4 表情分类实战之网络模型.mp4

*   8.5 表情分类实战之评价指标.mp4

*   8.6 表情分类实战之训练和验证函数.mp4

*   8.7 表情分类实战之训练.mp4

*   9.1 细粒度分类实战之简介.mp4

*   9.2 细粒度分类实战之数据读取.mp4

*   9.3 细粒度分类之网络模型.mp4

*   9.4 细粒度分类实战之训练.mp4

*   10.1 多标签分类实战内容简介.vep_.mp4

*   10.2 多标签分类实战之算法简介.mp4

*   10.3 多标签分类实战之数据读取及标签构建.mp4

*   10.4 多标签分类实战之模型搭建及训练.mp4

*   11.1 图像分类竞赛技巧之内容简介.mp4

*   11.2 图像分类竞赛技巧之竞赛简介.mp4

*   11.3 图像分类竞赛技巧之竞赛思路分析.mp4

*   11.4.1 图像分类竞赛技巧之基础功能实现-数据集的统计分析.mp4

*   11.4.2 图像分类竞赛技巧之基础功能实现-网络模型构建.mp4

*   11.4.3 图像分类竞赛技巧之基础功能实现-训练.mp4

*   11.5 图像分类竞赛技巧之学习率调整.mp4

*   11.6 图像分类竞赛技巧之标签平滑.mp4

*   11.7 图像分类竞赛技巧之知识蒸馏.mp4

*   11.8 图像分类竞赛技巧之投票策略.mp4

*   11.9 图像分类竞赛技巧之TTA策略.mp4

*   0 课程介绍.mp4

*   1 视频分类基础.mp4

*   2.1 3D卷积模型（基础篇）.mp4

*   2.2 3D卷积模型（分解篇）.mp4

*   3.1 3D卷积视频分类实战（项目介绍）.mp4

*   3.2 3D卷积视频分类实战（数据处理）.mp4

*   3.3 3D卷积视频分类实战（模型搭建）.mp4

*   3.4 3D卷积视频分类实战（模型训练）.mp4

*   3.5 3D卷积视频分类实战（模型测试）.mp4

*   4.1 双流模型（基础篇）.mp4

*   4.2 双流模型（采样策略篇）.mp4

*   5.1 双流模型视频分类实战（项目介绍）.mp4

*   5.2 双流模型视频分类实战（数据处理）.mp4

*   5.3 双流模型视频分类实战（模型搭建）.mp4

*   5.4 双流模型视频分类实战（模型训练）.mp4

*   5.5 双流模型视频分类实战（模型测试）.mp4

*   6 时序模型.mp4

*   7.1 时序模型视频分类实战（项目介绍）.mp4

*   7.2 时序模型视频分类实战（数据处理）.mp4

*   7.3 时序模型视频分类实战（模型搭建）.mp4

*   7.4 时序模型视频分类实战（模型训练）.mp4

*   7.5 时序模型视频分类实战（模型测试）.mp4

*   0_课程内容.mp4

*   1_图像分割基础 .mp4

*   2.1_语义分割基础模型 .mp4

*   2.2_语义分割模型改进 .mp4

*   3.1_弱监督语义分割基础 .mp4

*   3.2_弱监督语义分割模型.mp4

*   4_Image Matting .mp4

*   5.1_实例分割基础 .mp4

*   5.2_实例分割基础模型.mp4

*   5.3_二阶段实例分割算法.mp4

*   5.4_一阶段实例分割算法.mp4

*   6 嘴唇分割快速实践.mp4

*   7.1_缺陷分割实战_内容介绍 .mp4

*   7.2_缺陷分割实战_数据介绍 .mp4

*   7.3_缺陷分割实战_数据读取 .mp4

*   7.4_缺陷分割实战_评价指标 .mp4

*   7.5_缺陷分割实战_模型搭建 .mp4

*   7.6_缺陷分割实战_模型训练与测试 .mp4

*   8.1 人像Image Matting实战_模型简介 .mp4

*   8.2 人像Image Matting实战_数据准备与读取 .mp4

*   8.3 人像Image Matting实战_模型定义 .mp4

*   8.4 人像Image Matting实战模型_训练与测试 .mp4

*   9.1_实例分割实战_数据读取 .mp4

*   9.2_实例分割实战_评价指标编写 .mp4

*   9.3_实例分割实战_网络模型搭建 .mp4

*   01-模型部署基础.mp4

*   02-【通用模型部署】1_NCNN简介 .mp4

*   03-【通用模型部署】2_NCNN部署 .mp4

*   04-【嵌入式平台部署】1_Tengine简介.mp4

*   05-【嵌入式平台部署】2_Tengine部署 .mp4

*   06-【微信小程序部署】1_服务端环境准备 .mp4

*   07-【微信小程序部署】2_服务端功能实现 .mp4

*   08-【微信小程序部署】3_前端功能实现 .mp4

*   09-【Android部署】1.1_推理框架介绍 .mp4

*   10-【Android部署】1.2_MNN模型转化与量化加速 .mp4

*   11-【Android部署】1.3_实践操作 (1).mp4

*   12-【TensorRT部署】1_入门介绍 .mp4

*   13-【TensorRT部署】2_环境配置与安装 .mp4

*   14-【TensorRT部署】3.1_网络加速ONNX实战 .mp4

*   15-【TensorRT部署】3.2_ 网络加速Python实战 .mp4

*   16-【TensorRT部署】3.3_ 网络C++加速实战 .mp4

*   17-【TensorRT部署】4_课程总结 .mp4