計算機視覺中大大小小可以包括至少30個以上的方向，在基于深度學習的計算機視覺研究方向中，圖像分類，圖像分割，目標檢測無疑是最基礎最底層的任務，掌握好之后可以很快的遷移到其他方向，比如目標識別，目標跟蹤，圖像增強等。為了讓大家能夠掌握好相關技術，我們平臺開設了若干門相關的視頻課程，分別從理論和實踐詳細講解了其中的核心技術。

這不是隨便拼湊一些案例堆積而成的快消課程，而是真正希望大家可以借助課程完成整個領域的學習，所以課程內容會持續保持更新。

另外，有三還錄制了38個課時的免費深度學習基礎課程供大家夯實自己的基礎知識，下面請聽詳細介紹：

深度學習基礎

2021年3月份有三AI與阿里天池聯合推出了深度學習基礎課程， 課程內容包括人工智能與深度學習發展背景，深度學習典型應用，卷積神經網絡，循環神經網絡，生成對抗網絡，深度學習開源框架等內容，目前已經完結。

本課程不僅講述神經卷積，卷積神經網絡，生成對抗網絡等內容，還包括深度學習的典型應用，模型的設計，深度學習框架等內容，具有足夠的深度和寬度，通用性強，下面是當前的課程內容。

第1課：人工智能簡介

第2課：深度學習崛起背景

第3課：深度學習典型應用與研究方向之語音處理

第3課：深度學習典型應用與研究方向之計算機視覺

第3課：深度學習典型應用與研究方向之自然語言處理

第3課：深度學習典型應用與研究方向之推薦系統

第4課：神經網絡（上）

第4課：神經網絡（下）

第5課：卷積神經網絡（上）

第5課：卷積神經網絡（下）

第6課：深度學習優化之激活函數與參數初始化

第6課：深度學習優化之標準化與池化

第6課：深度學習優化之泛化與正則化

第6課：深度學習優化之最優化

第6課：深度學習優化之優化目標與評估指標

第6課：深度學習優化之數據增強

第7課：深度學習框架之Pytorch快速入門與實踐

第7課：深度學習框架之Caffe快速入門與實踐

第7課：深度學習框架之Tensorflow快速入門與實踐

實踐課1：從零完成人臉表情分類任務

第8課：循環神經網絡之RNN及其改進

第9課：圖神經網絡基礎

第10課：模型設計之網絡寬度和深度設計

第10課：模型設計之殘差網絡

第10課：模型設計之分組網絡

第10課：模型設計之卷積核設計

第10課：模型設計之注意力機制

第10課：模型設計之動態網絡

第11課：深度生成模型基礎

第11課：深度生成模型之自編碼器與變分自編碼器

第11課：深度生成模型之GAN基礎

第11課：深度生成模型之GAN優化目標設計與改進

實踐課2: 從零使用GAN進行圖片生成

第11課：深度生成模型之數據生成GAN結構與應用

第11課：深度生成模型之圖像翻譯GAN結構與應用

第11課：深度生成模型之GAN的評估

實踐課3：基于GAN的人臉圖像超分辨

課程地址為：https://tianchi.aliyun.com/course/279

推薦深度學習基礎不好的朋友學習，千萬不要再為一些基礎內容課程去付費了，這些內容一開始我們平臺就提供了海量的免費資料。

有了扎實的深度學習基礎后，才能真正進入計算機視覺專業知識的學習。

深度學習之圖像分類

對于剛接觸深度學習計算機視覺的初學者來說，圖像分類問題是最常見的問題，如何做好圖像分類任務，關系到大家能否正確順利地入門、如何學習接下來更加高階的內容。

圖像分類課程當前包含的內容共約12個小時，大綱如下。

理論部分：涵蓋了深度學習之圖像分類的各個研究方向，如圖像分類簡介、多類別圖像分類、細粒度圖像分類，多標簽圖像分類，弱監督圖像分類，零樣本圖像分類等，既有足夠的寬度，也具備有足夠的深度。

實踐部分：一共已經包含了5個實踐案例，分別為人臉表情分類基本模型與ResNet實戰，動物細粒度分類實戰，生活用品多標簽圖像分類實戰，基于血紅細胞的圖像分類競賽技巧，從4大方向基于Pytorch實戰來詳解圖像分類任務實踐。

課程訂閱地址如下：

課程的完整目錄如下：

課程的完整介紹，請大家點擊下圖閱讀：

深度學習之圖像分割

圖像分割是在圖像分類基礎上更加細粒度的像素級分類問題，在視頻直播，電商推薦，自動駕駛，醫學圖像等行業中有著廣泛的應用，是深度學習計算機視覺領域中非常底層的問題，也是必須掌握的核心算法，包含的東西非常多。

圖像分割課程當前包含的內容共約13個小時，大綱如下：

理論部分：涵蓋了深度學習之圖像分割的各個研究方向，如圖像分割基礎、語義分割、弱監督語義分割，Image Matting，實例分割等，既有足夠的寬度，也具備有足夠的深度。

實踐部分。本次課程中一共已經包含了4個實踐案例，分別為人臉嘴唇分割實戰，缺陷分割實戰，Image?Matting人像摳圖實戰，Mask RCNN實例分割實戰，后續可能還會增加其他方向的實戰。

課程訂閱地址如下：

課程的完整目錄如下：

課程的完整介紹，請大家點擊下圖閱讀：

深度學習之目標檢測

目標檢測是計算機視覺和數字圖像處理的一個熱門方向，廣泛應用于機器人導航、智能視頻監控、工業檢測、航空航天等諸多領域，是圖像處理和計算機視覺學科的重要分支，也是智能監控系統的核心部分，對后續的人臉識別、步態識別、人群計數、實例分割等任務起著至關重要的作用。

目標檢測課程當前包含的內容共約28個小時。

理論部分內容包括：目標檢測相關基礎，包括流程與評價指標，two-stage算法-Faster RCNN系列詳解、one-stage算法-YOLO系列詳解，Anchor-free算法系列詳解（包括Densebox，CenterNet，CornetNet等）；

實踐部分共包含4個案例，分別是YOLOv3實戰（工業缺陷檢測）、Faster-RCNN實戰（貓臉檢測），CenterNet（電路板缺陷檢測），MMdetection框架使用；

課程訂閱地址如下：

完整的課程目錄如下：

課程的完整介紹，請大家點擊下圖閱讀：

合集專欄

如果大家想要同時訂閱CV基礎專欄，推薦用如下的合集：不僅更加優惠，而且合集中還贈送了兩套額外的視頻，即《深度學習之數據使用：理論實踐篇》和《深度學習之Pytorch入門實戰》，掃碼即可訂閱，地址如下：

《深度學習之數據使用：理論實踐篇》的內容包括數據的獲取，數據的整理，數據的標注，數據增強，數據的分析等領域，覆蓋了深度學習中數據使用的各個方向，大綱如下：

課程的完整介紹，請大家點擊下圖閱讀：

《深度學習之Pytorch入門實踐篇》的內容包含PyTorch簡介、PyTorch環境配置、張量簡介、PyTorch中的層結構及初始化、PyTorch中的損失函數、PyTorch中的優化器、PyTorch中的數據讀取、PyTorch中的模型加載與保存、基于PyTorch的垃圾圖像分類等內容，目前總課時超過6個小時。

課程采用理論加Pytorch實戰的方式進行講解，大綱如下：

完整目錄可以掃碼閱讀詳情：

更多內容

更多內容，請參考有三AI-CV季劃，包括但不限于圖文，直播與視頻，書籍，答疑，項目研發，個人答疑指導，介紹如下：

【CV夏季劃】100余課時+20余項目，2021年最后沖刺CV秋招，從理論基礎到進階實踐系統掌握

【CV秋季劃】模型算法與落地很重要，如何循序漸進地學習好？

【CV秋季劃】人臉算法那么多，如何循序漸進地學習好？

【CV秋季劃】圖像質量提升與編輯有哪些研究和應用，如何循序漸進地學習好？

【CV秋季劃】生成對抗網絡GAN有哪些研究和應用，如何循序漸進地學習好？

轉載文章請后臺聯系

侵權必究

往期精選

• 【視頻課】如何系統性學習超過15門與150個小時的有三AI最新免費與付費的視頻課程內容？
  

總結

以上是生活随笔為你收集整理的【视频课】零基础免费38课时深度学习+超60小时CV核心算法+15大Pytorch CV实践案例助你攻略CV...的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。