课程从算法角度出发，对各个模型进行全面细致的讲解，并结合人脸检测、物体检测、行人车辆检测、文本检测等项目，熟悉算法工程师在工作中会接触到的数据打包、网络训练、测试等问题,一步步带大家了解和完成目标检测实战案例，尽快进入深度学习领域。
Faster RCNN算法
基本流程
RCNN/Faster RCNN
Faster RCNN变种
主干网络设计思想
RPN原理
OHEM、NMS
Soft-NMS
实验结果分析
不同算法优缺点
应用场景
SSD系列算法
基本流程
Default box
Prior box
样本构造
数据增强
损失函数
SSD变种
网络性能对比
实验结果分析
不同算法优缺点
应用场景
Yolo系列算法
基本流程
主干网络结构
设计思路
Yolov1/v2/9000/v3
Anchor Boxes
Multi-Scale Training
Darknet
不同算法优缺点
网络性能对比
实验结果分析
文本检测系列算法
传统文本检测方法
物体检测VS文本检测
文本检测常见问题
文本检测应用场景
文本检测标注方式
文本检测算法优化方向
常用算法模型
CTPN/EAST/textboxes
文本检测数据集介绍
不同数据集比较
多任务网络系列算法
原理分析
网络结构
泛化性分析
学习机制
使用场景
脸部特征点检测：TCDCN
人脸识别：DeepID2
物体检测与分类
旋转人脸网络
文本检测与识别
多任务网络训练技巧
人脸检测
通用物体检测
自然场景文本检测
机动车检测（ADAS)
非机动车检测（ADAS)
行人检测
注：三大主流框架TensorFlow、Caffe、Darknet 实战检测项目
技术脉络梳理
算法选型
数据集下载和打包
环境搭建
模型训练
模型测试
模型优化
以项目为驱动
结合实际落地场景，讲解模型算法
实战项目
多种实战场景
目标检测场景丰富，内容通用性
实用性更强
知识深入浅出
结合讲师实际工程经验，介绍整个知
识体系和脉络架构，整个内容
深入浅出
紧跟行业发展
介绍更多目标检测乃至整个计算机视
觉行业的相关技术进展
关于课程的问题都可在问答区随时提问，
讲师会进行集中答疑
课程案例代码完全开放给你，你可以根据
所学知识自行修改、优化
目标检测在深度学习领域中应用非常广泛。无论是AI爱好者，在读研究生
还是在职算法工程师，学习这门课程都能够让你有所收获。
了解linux环境的基本操作
具备一定机器学习、深度学习基础的学员
有Caffe、TensorFlow基础
慕粉2767861
好评
这是我第一次听"厨师"老师的课程，这门课是面对有一定深度学习基础的学生开设的，作为CV小白的我开始听很吃力，犯了很多低级错误。老师很负责任，我在qq上或者提问版面问的问题，老师有时间就都会进行解答，良心讲师无疑了。老师现在新开了一门专门针对人脸的课，已经更新一半了，听课的过程中能感觉到老师收集了之气那像我这种小白犯的一些环境、路径的低级错误，在新课中都有相应的讲解，新课对基础差的学生友好了很多。希望老师能多开设CV课程，有时间的话把新流行的Pytorch框架也讲一下。现有的课都是处理2D信息，如果能将一讲3D的处理那就更好了。总而言之，老师的课我会一直跟下去！
水镜云墨
好评
我在CV领域也实习了几个月了，刚好最近的项目可以从目标检测领域得到不少灵感，这门课在原理方面讲解的比较全面，能够让人快速对目标检测领域拥有一个全面而有深度的认识；在熟悉了算法的基本设计后可以直接靠自己去看论文加深理解。提出一个改进建议哈：老师可以在讲解模型时多一些手画或者公式计算，因为纯讲或者直接上图还是抽象了些，如果能展示推演的过程学习起来也会更轻松。不过也比本网站上大多数课程讲得好了。
江月枫鱼
好评
良心老师，整个慕课网我看了这么多视频，就喜欢liuyubobobo老师的算法课+机器学习入门课，还有那个图像分类模型精讲加这个检测算法课，这个课讲得很详细，基本有分类基础的就能看，觉得知识不充足的地方一边看一边上网配合资料看就能学得非常充分，整个路线非常清晰！比隔壁的什么垃圾nlp实战课好太多了.......
向您推荐
如无法下载使用图片另存为
下载海报选课、学习遇到问题？
扫码添加指导老师 1V1 帮助你！
添加后老师会第一时间解决你的问题
