有三AI 深度学习CV合集教程下载

算法数学

课程简介

《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

已有 0 人浏览发布 2026-09-16 更新 2026-09-16

有三AI这套深度学习CV合集，在同类资料里算是少有的"能看出教学意图"的合集。它不是把零散视频打包塞进一个压缩包就完事，而是按计算机视觉的能力链条搭了骨架——从图像基础、卷积网络原理，一路推到检测、分割、生成这几条主流任务线。对喜欢先看目录再决定投入多少时间的人来说，这套东西的章节颗粒度值得花十分钟研究一下。

课纲的含金量在哪几块

判断一套CV课值不值得挖，我一般看三件事：有没有把骨干网络讲透、有没有覆盖工程上真正会踩的坑、有没有独立的实战闭环。这套合集的优势集中在第二和第三点。检测与分割部分不是只丢几个模型名字，而是围绕数据标注、损失设计、训练调参这些实际会卡住人的环节展开，这类内容在免费教程里往往被跳过，恰恰是自学的人最容易翻车的地方。

相对而言，纯数学推导那几节密度较高，如果你只想要"能跑起来"的结果，可以快速过；但如果打算长期在这条线上走，这部分建议慢下来看，后面调模型时会反复回来查。

哪些章节建议精看，哪些可以跳

卷积与经典骨干网络：精看。这是后面一切任务的地基，跳过会在读检测框架时反复卡壳。
目标检测的演进脉络：精看。两阶段与单阶段的思路差异，讲清楚了比记十个模型名有用。
语义分割与实例分割：按需看。如果你的方向偏检测，这部分可以只抓上采样与特征融合的通用套路。
生成方向的内容：选看。作为视野拓展不错，但和传统CV岗位的日常重合度没那么高。
环境配置与工具链：快进。这类内容版本更新快，遇到问题现查往往比看录屏高效。

资料包怎么拆开用

别把它当成"从头看到尾"的连续剧。更合理的用法是拆成三层：第一层是概念讲解，用来建立术语体系；第二层是代码演示，跟着敲一遍，重点是理解每一步在做什么，而不是复现结果；第三层是章节笔记，这部分最有价值的地方在于复盘和面试前速查——把笔记过一遍，比重新看视频省时得多。

建议每两到三节停下来，用自己的话写一份小结，不用长，把"这节解决了什么问题、用了什么手段"写清楚就行。等到检测和分割部分，再尝试独立跑通一个完整的小项目，哪怕数据集很小，完整走一遍标注、训练、评估的流程，收获会比看十节视频实在。

适合谁，不适合谁

如果你已经有Python基础、想系统补上CV这条线，这套合集的结构能帮你省掉不少筛选成本。但如果你完全没写过代码，先补编程再回来，否则会在环境配置阶段就消耗掉全部耐心。另外，指望靠它直接对接某个具体岗位的话，需要额外补工程部署和数据处理的部分，这部分合集里覆盖得相对轻。

把它当作一条有主线、可拆解的学习材料来用，价值会比"收藏了就等于学了"高得多。

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

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

有三AI 深度学习CV合集 教程下载

课纲的含金量在哪几块

哪些章节建议精看，哪些可以跳

资料包怎么拆开用

适合谁，不适合谁

有三AI 深度学习CV合集教程下载