计算机视觉—YOLO+Transfomer多场景目标检测实战|完结

课程介绍

计算机视觉是AI领域发展迅速，就业前景广阔的核心领域，然而由于算法与模型选择难、数学要求高、多学科交叉融合等特性，导致入门门槛陡峭。为了帮助想入行的同学更顺滑、更省力的掌握计算机视觉核心技术，慕课网教研团队与技术专家一起精心设计了这门能让你以更低的认知负荷，快速掌握计算机视觉核心的专题课程。首先，课程会从计算机视觉基础到数学知识、及编程基础，再到热门YOLO与Transformer技术，循序渐进的提升你的技术实力。其次，在学习过程中会贯穿丰富的实战案例，让你轻松攻克技术与项目落地难题。最后，课程中也融合了图像处理、机器学习、深度学习协作等AI配套核心技术，让你多维度提升计算机视觉综合应用技能，助力你更轻松、更高效的从入门迈向技术新高度！

你将学到

• 掌握计算机视觉必备核心技能
• 能够按需训练特定的视觉模型
• 掌握YOLO算法底层原理及应用
• 解决目标检测项目落地难题
• 掌握Transfomer原理及应用
• 掌握AI技术融合，数据增强

试看链接：

相关推荐：

课程目录：

### **第1章 计算机视觉–YOLO+Transfomer多场景目标检测–课程导学**
– 1 节｜6分钟
– 视频：1-1 计算机视觉-YOLO+Transformer多场景目标检测实战-导学（试看） 05:47

—

### **第2章 深度学习环境的搭建 – 三大系统全覆盖**
– 13 节｜98分钟
– 视频：2-1 深度学习开发环境搭建-导学 07:03
– 视频：2-2 申请阿里云的免费GPU和CPU资源 10:58
– 视频：2-3 申请Kaggle的免费GPU和CPU资源 06:47
– 视频：2-4 申请Google的免费GPU和CPU资源 04:32
– 视频：2-5 打造自己的深度学习开发环境-硬件部分 10:56
– 视频：2-6 打造自己的深度学习开发环境-软件部分(一) 05:48
– 视频：2-7 打造自己的深度学习开发环境-软件部分(二)-Nvidia驱动的安装 06:26
– 视频：2-8 打造自己的深度学习开发环境-软件部分(三)-miniconda与jupyter 10:10
– 视频：2-9 打造自己的深度学习开发环境-软件部分(四)-使用Docker搭建环境 08:17
– 视频：2-10 打造自己的深度学习开发环境-软件部分(五)-[实战]使用Docker 08:01
– 视频：2-11 使用VSCode作为深度学习开发编辑器 07:28
– 视频：2-12 使用Pycharm作为深度学习开发编辑器 08:16
– 视频：2-13 本章总结 02:22

—

### **第3章 AI神器–ChatGPT、Gemini、Copilot – 开启AI新纪元**
– 13 节｜92分钟
– 视频：3-1 掌握多种AI工具-导学 03:58
– 视频：3-2 代码生成工具-通义灵码与小浣熊 09:59
– 视频：3-3 代码生成工具-Copilot 07:27
– 视频：3-4 大语言模型助手-Kimi 05:34
– 视频：3-5 大语言模型助手-NewBing 08:12
– 视频：3-6 大语言模型助手-Gemini 06:26
– 视频：3-7 大语言模型助手-Poe 08:32
– 视频：3-8 大语言模型之提示词(一) 06:55
– 视频：3-9 大语言模型之提示词(二) 06:17
– 视频：3-10 大语言模型之提示词(三) 09:42
– 视频：3-11 大语言模型之提示词(四) 05:35
– 视频：3-12 大语言模型之提示词(五) 08:20
– 视频：3-13 本章小结 04:11

—

### **第4章 Python语言基础知识 – Python起手式，打开AI大门**
– 13 节｜131分钟
– 视频：4-1 Python语言基础知识-导学 03:26
– 视频：4-2 Python语言基础知识-变量的定义与使用 10:22
– 视频：4-3 Python语言基础知识-逻辑判断与优先级 14:53
– 视频：4-4 Python语言基础知识-循环 11:44
– 视频：4-5 Python语言基础知识-函数的定义与使用 06:42
– 视频：4-6 Python语言基础知识-类与对象 11:41
– 视频：4-7 Python语言基础知识-四种复合类型 16:06
– 视频：4-8 Python语言基础知识-可变变量与不可变变量 05:37
– 视频：4-9 Python语言基础知识-特有技术-切片 11:03
– 视频：4-10 Python语言基础知识-其它特有技术 07:37
– 视频：4-11 Pythony语言基础知识-NumPy库的使用 16:17
– 视频：4-12 Python语言基础知识-MatPlotLib库的使用 12:52
– 视频：4-13 Python语言基础知识-本章小结 02:27

—

### **第5章 经典计算机视觉核心技术与算法 – 重温经典，扎实AI根基**
– 18 节｜122分钟
– 视频：5-1 经典计算机视觉核心技术与算法-导学 03:17
– 视频：5-2 经典计算机视觉核心技术与算法-视觉的基本处理流程 03:55
– 视频：5-3 经典计算机视觉核心技术与算法-OpenCV环境的搭建 06:56
– 视频：5-4 经典计算机视觉核心技术与算法-通过OpenCV采集图像与视频 11:57
– 视频：5-5 经典计算机视觉核心技术与算法-二值化 06:16
– 视频：5-6 经典计算机视觉核心技术与算法-二值化背后的原理 06:11
– 视频：5-7 经典计算机视觉核心技术与算法-Blur 07:39
– 视频：5-8 经典计算机视觉核心技术与算法-Blur后面的原理 11:35
– 视频：5-9 经典计算机视觉核心技术与算法-腐蚀操作 07:48
– 视频：5-10 经典计算机视觉核心技术与算法-膨胀操作 02:20
– 视频：5-11 经典计算机视觉核心技术与算法-开运算与闭运算 05:27
– 视频：5-12 经典计算机视觉核心技术与算法-开运算与其它复杂运算背后的原理 08:20
– 视频：5-13 经典计算机视觉核心技术与算法-查找图像轮廓 12:31
– 视频：5-14 经典计算机视觉核心技术与算法-如何绘制轮廓 04:35
– 视频：5-15 经典计算机视觉核心技术与算法-轮廓的面积与周长 05:49
– 视频：5-16 经典计算机视觉核心技术与算法-ROI 05:22
– 视频：5-17 经典计算机视觉核心技术与算法-边缘检测Canny 07:36
– 视频：5-18 经典计算机视觉核心技术与算法-本章小结 03:32

—

### **第6章 人工智能必知必会的数学知识 – 数学不再枯燥，AI公式秒懂**
– 11 节｜81分钟
– 视频：6-1 必知必会的数学知识-向量 06:38
– 视频：6-2 必知必会的数学知识-向量的基本运算(加法与点乘) 11:11
– 视频：6-3 必知必会的数学知识-运算-向量的基本运算(叉乘) 07:45
– 视频：6-4 必知必会的数学知识-矩阵的基本运算 06:57
– 视频：6-5 必知必会的数学知识-2D变换 10:39
– 视频：6-6 必知必会的数学知识-齐次坐标 06:19
– 视频：6-7 必知必会的数学知识-利用齐次坐标实现各种3D变换 06:42
– 视频：6-8 必知必会的数学知识-求导 11:58
– 视频：6-9 必知必会的数学知识-链式求导与偏导 05:50
– 视频：6-10 必知必会的数学知识-张量 04:45
– 视频：6-11 必知必会的数学知识-本章小结 02:09

—

### **第7章 深度学习必备的基础知识 – 从感知机到神经网络，一网打尽**
– 19 节｜157分钟
– 视频：7-1 深度学习必备的基础知识-导学 03:01
– 视频：7-2 深度学习必备的基础知识-人工智能、机器学习与深度学习的关系 04:58
– 视频：7-3 深度学习必备的基础知识-神经元与神经网络 10:33
– 视频：7-4 深度学习必备的基础知识-监督学习与无监督学习 09:02
– 视频：7-5 深度学习必备的基础知识-数据集的划分 05:31
– 视频：7-6 深度学习必备的基础知识-过拟合、欠拟合与代价函数 10:08
– 视频：7-7 深度学习必备的基础知识-代价函数的意义 10:53
– 视频：7-8 深度学习必备的基础知识-梯度下降 11:14
– 视频：7-9 深度学习必备的基础知识-线性回归代价函数的导数 06:12
– 视频：7-10 深度学习必备的基础知识-学习率 06:15
– 视频：7-11 深度学习必备的基础知识-逻辑回归 08:23
– 视频：7-12 深度学习必备的基础知识-sigmoid激活函数 03:57
– 视频：7-13 深度学习必备的基础知识-逻辑回归的代价函数 11:22
– 视频：7-14 深度学习必备的基础知识-逻辑回归的梯度下降 05:19
– 视频：7-15 深度学习必备的基础知识-逻辑回归代价函数关于w和b偏导后的公式证明 12:18
– 视频：7-16 深度学习必备的基础知识-深度神经网络与前向传播 13:39
– 视频：7-17 深度学习必备的基础知识-多种激活函数 09:56
– 视频：7-18 深度学习必备的基础知识-反向传播与计算图 08:16
– 视频：7-19 深度学习必备的基础知识-前向传播与反向传播的完整过程 05:45

—

### **第8章 训练优化深度神经网络模型的方法 – 炼丹秘籍，模型调优不再玄学**
– 10 节｜76分钟
– 视频：8-1 训练优化神经网络-导学 04:58
– 视频：8-2 训练优化神经网络-向量化与矩阵化 11:53
– 视频：8-3 训练优化神经网络-L2正则化 13:44
– 视频：8-4 训练优化神经网络-Dropout 04:23
– 视频：8-5 训练优化神经网络-数据归一化处理 06:55
– 视频：8-6 训练优化神经网络-初始化权重参数 05:13
– 视频：8-7 训练优化神经网络-全批量梯度下降 05:10
– 视频：8-8 训练优化神经网络-随机梯度下降与小批量梯度下降 04:56
– 视频：8-9 训练优化神经网络-参数优化 08:03
– 视频：8-10 训练优化神经网络-BatchNormalization 10:25

—

### **第9章 实战-手写字的识别 – 你的第一个AI项目，成就感爆棚**
– 16 节｜117分钟
– 视频：9-1 [实战]手写字识别-导学 03:16
– 视频：9-2 [实战]手写字识别-Tensorflow与keras 06:23
– 视频：9-3 [实战]手写字识别-加载mnist数据集 11:11
– 视频：9-4 [实战]手写字识别-构造神经网络 07:19
– 视频：9-5 [实战]手写字识别-编译神经网络 06:42
– 视频：9-6 [实战]手写字识别-训练神经网络模型 05:21
– 视频：9-7 [实战]手写字识别-优化神经网络 08:08
– 视频：9-8 [实战]手写字识别-Pytorch的一点历史 02:50
– 视频：9-9 [实战]-手写字识别-Pytorch加载数据集 08:27
– 视频：9-10 [实战]手写字识别-Pytorch导入训练数据和测试数据 06:42
– 视频：9-11 [实战]手写字识别-Pytorch构建神经网络 08:44
– 视频：9-12 [实战]手写字识别-用Pytorch实现训练神经网络的逻辑 09:59
– 视频：9-13 [实战]手写字识别-用Pytorch实现评估神经网路的逻辑 06:34
– 视频：9-14 [实战]手写字识别-Pytorch训练和评估神经网络 04:56
– 视频：9-15 [实战]手写字识别-模型与训练优化 10:34
– 视频：9-16 [实战]手写字识别-模型的保存部署与使用 09:08

—

### **第10章 卷积神经网络 – 图像识别的利器，CNN深度剖析**
– 12 节｜70分钟
– 视频：10-1 卷积神经网络CNN-导学 05:40
– 视频：10-2 卷积神经网络CNN-卷积操作 03:53
– 视频：10-3 卷积神经网络CNN-CNN的一些基本概念 04:12
– 视频：10-4 卷积神经网络CNN-三维卷积与多核卷积 07:16
– 视频：10-5 卷积神经网络CNN-CNN中的池化 03:51
– 视频：10-6 卷积神经网络CNN-标准CNN神经网络 04:08
– 视频：10-7 卷积神经网络CNN-Keras实现CNN神经卷积网络 04:09
– 视频：10-8 卷积神经网络CNN-KerasCNN网络架构优化 07:26
– 视频：10-9 卷积神经网络CNN-使用Pytorch实现标准CNN网络 06:01
– 视频：10-10 卷积神经网络CNN-经典神经网络AlexNet 07:09
– 视频：10-11 卷积神经网络CNN-经典神经网络VGGNet 05:52
– 视频：10-12 卷积神经网络CNN-经典神经网络ResNet 10:00

—

### **第11章 数据增强 – 巧妇难为无米之炊，数据增强来帮忙**
– 20 节｜219分钟
– 视频：11-1 目标检测算法与原理-导学 03:30
– 视频：11-2 目标检测算法与原理-迁移学习的工作原理 08:23
– 视频：11-3 目标检测算法与原理-Tensorflow实现迁移学习 09:46
– 视频：11-4 目标检测算法与原理-Pytorch实现迁移学习 15:24
– 视频：11-5 目标检测算法与原理-Tensorflow数据增强-图片的导入与显示（试看） 23:12
– 视频：11-6 目标检测算法与原理-Tensorflow数据增强-基本变换操作 16:40
– 视频：11-7 目标检测算法与原理-Tensorflow数据增强-高级裁剪 17:58
– 视频：11-8 目标检测算法与原理-tensorflow数据增强-噪音增强 18:42
– 视频：11-9 目标检测算法与原理-Pytorch数据增强-基本变换 13:36
– 视频：11-10 目标检测算法与原理-Pytorch数据增强-基本裁剪 06:36
– 视频：11-11 目标检测算法与原理-Pytorch数据增强-高级裁剪（试看） 13:16
– 视频：11-12 目标检测算法与原理-Pytorch数据增强-噪音增强 10:10
– 视频：11-13 目标检测算法与原理-目标检测数据集 05:41
– 视频：11-14 目标检测算法与原理-下载VOC数据集 10:24
– 视频：11-15 目标检测算法与原理-tensorflow+albumentations实现数据增强(一) 09:08
– 视频：11-16 目标检测算法与原理-tensorflow+albumentations实现数据增强(二) 07:52
– 视频：11-17 目标检测算法与原理-tensorflow+albumentations实现数据增强(三) 05:19
– 视频：11-18 目标检测算法与原理-tensorflow+albumentations实现数据增强(四) 06:34
– 视频：11-19 目标检测算法与原理-Pytorch+albumentations实现数据增强(一) 10:26
– 视频：11-20 目标检测算法与原理-Pytorch+albumentations实现数据增强(二) 05:31

—

### **第12章 目标检测算法与原理：深度解析计算机视觉算法 – 掌握核心，从原理到实现**
– 35 节｜359分钟
– 视频：12-1 目标检测的基本原理 08:48
– 视频：12-2 Tensorflow实现最简单的单目标检测-加载数据 14:18
– 视频：12-3 Tensorflow实现最简单的单目标检测-构建神经网络 08:22
– 视频：12-4 Tensorflow实现最简单的单目标检测-构造训练数据 22:54
– 视频：12-5 Tensorflow实现最简单的单目标检测-模型训练(一) 06:22
– 视频：12-6 Tensorflow实现最简单的单目标检测-模型训练(二) 07:25
– 视频：12-7 Tensorflow实现最简单的单目标检测-使用模型 13:33
– 视频：12-8 Pytorch实现最简单的单目标检测-加载Dataset 13:23
– 视频：12-9 Pytorch实现最简单的单目标检测-神经网络 06:34
– 视频：12-10 Pytorch实现最简单的单目录检测-模型训练 12:10
– 视频：12-11 Pytorch实现最简单的单目标检测-模型的使用 12:38
– 视频：12-12 核心算法-滑动窗口 13:38
– 视频：12-13 核心算法-AnchorBox 08:11
– 视频：12-14 核心算法-AnchorBox的工作原理 07:26
– 视频：12-15 目标检测的技术发展路线 08:41
– 视频：12-16 双阶段目标检测模型-RCNN-FastRCNN与FasterRCNN 06:53
– 视频：12-17 SelectiveSearch算法(一) 07:27
– 视频：12-18 SelectiveSearch算法(二) 12:09
– 视频：12-19 支持向量机 15:28
– 视频：12-20 Faster-RCNN实现-RPN 07:01
– 视频：12-21 Faster-RCNN实现-FasterRCNN类 11:29
– 视频：12-22 Faste的-RCNN实现-为什么BBox的预测是线性回归 05:06
– 视频：12-23 Faster-RCNN实现-AnchorBox的实现 08:49
– 视频：12-24 Faster-RCNN实现-生成候选框 07:16
– 视频：12-25 计算机视频核心算法-RoIPooling 11:58
– 视频：12-26 计算机视觉核心算法-NMS 04:02
– 视频：12-27 YOLO的整体架构 06:55
– 视频：12-28 YOLO的输出 03:55
– 视频：12-29 YOLO输出中位置信息的具体含义 06:50
– 视频：12-30 YOLO输出中AnchorBox与IoU的作用 10:35
– 视频：12-31 YOLOv1网络架构 09:35
– 视频：12-32 YOLOv2网络架构 15:24
– 视频：12-33 YOLOv3网络架构 13:57
– 视频：12-34 YOLOv4及其以后的网络架构 16:38
– 视频：12-35 YOLO损失函数 12:26

—

### **第13章 YOLO实战与应用 – 快速上手，打造你的专属目标检测器**
– 9 节｜96分钟
– 视频：13-1 YOLO实战与应用-导学 08:28
– 视频：13-2 YOLO实战与应用-命令行方式进行目标识别 12:41
– 视频：13-3 YOLO实战与应用-编程方式进行目标识别（一） 17:19
– 视频：13-4 YOLO实战与应用-编程方式进行目标识别（二） 07:32
– 视频：13-5 YOLO实战与应用-进行实时目标识别 10:38
– 视频：13-6 YOLO实战与应用-使用YOLO进行目标追踪 08:16
– 视频：13-7 YOLO实战与应用-使用YOLO进行姿态评估 13:21
– 视频：13-8 YOLO实战与应用-分割-分类与OBB 08:25
– 视频：13-9 YOLO实战与应用-export与benchmark 08:56

—

### **第14章 YOLO高阶知识-训练与部署 – YOLO进阶之路，炼丹师的自我修养**
– 10 节｜87分钟
– 视频：14-1 高阶-YOLO模型的训练与部署-导学 04:15
– 视频：14-2 高阶-YOLO模型的训练与部署-火焰检测项目-获取数据集 06:31
– 视频：14-3 高阶-YOLO模型的训练与部署-火焰检测项目-模型训练1 15:09
– 视频：14-4 高阶-YOLO模型的训练与部署-火焰检测项目-模型训练2 06:28
– 视频：14-5 高阶-YOLO模型的训练与部署-火焰检测项目-部署与测试 05:19
– 视频：14-6 高阶-YOLO模型的训练与部署-车牌识别项目-采集数据 04:11
– 视频：14-7 高阶-YOLO模型的训练与部署-车牌识别项目-数据标注1 09:03
– 视频：14-8 高阶-YOLO模型的训练与部署-车牌识别项目-数据标注2 10:05
– 视频：14-9 高阶-YOLO模型的训练与部署-车牌识别项目-模型训练 15:26
– 视频：14-10 高阶-YOLO模型的训练与部署-【实战】车牌识别 09:55

—

### **第15章 注意力机制 – 解密Transformer的核心引擎，为CV进阶之路铺平道路**
– 8 节｜59分钟
– 视频：15-1 什么是注意力机制 07:25
– 视频：15-2 注意力机制的实现 18:42
– 视频：15-3 注意力机制的一些细节 07:03
– 视频：15-4 自注意力机制与注意力机制的区别 02:49
– 视频：15-5 注意力机制中的注意力分数 03:15
– 视频：15-6 注意力机制中的缩放因子 04:44
– 视频：15-7 自注意力机制的具体操作过程 09:35
– 视频：15-8 自注意力机制的矩阵化 05:10

—

### **第16章 手撕Transformer – 从CV到NLP，掌握AI界的“变形金刚”**
– 7 节｜61分钟
– 视频：16-1 手撕Transformer-Transformer架构 11:18
– 视频：16-2 手撕Transformer-Transformer的输入（一） 05:57
– 视频：16-3 手撕Transformer-Transformer的输入（二） 12:58
– 视频：16-4 手撕Transformer-编码器中的多头注意力机制 04:49
– 视频：16-5 手撕Transformer-编解码器中的残差网络与层归一化 09:00
– 视频：16-6 手撕Transformer-掩码注意力机制 10:11
– 视频：16-7 手撕Transformer-解码器 05:57

—

### **第17章 计算机视觉–YOLO+Transfomer多场景目标检测–课程总结**
– 1 节｜10分钟
– 视频：17-1 课程总结 09:59

—

**本课程已完结**