深度之眼

课程简介

《深度之眼》深度之眼 - 人工智能Paper论文精读班（CV方向）【技能收获】学完可掌握：核心实战技能、项目驱动学习。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

已有 0 人浏览发布 2026-09-16 更新 2026-09-16

《深度之眼》的 CV 论文精读班，本质上不是一门"课"，而是一套带讲解的读论文方法论演示。它的价值不在"覆盖了多少篇论文"，而在于把计算机视觉这条线上几篇真正定义了问题的文章，拆到公式、实验设置和写作逻辑三个层面去讲。如果你已经能跑通分类和检测的常规代码，但读原文时总在方法章节卡住，这套资料的切入点正好。

课纲的含金量在哪一层

CV 方向的论文精读，最怕选文讨好——挑近年热点、挑引用量好看但方法已被淘汰的。这份课纲的骨架偏向"骨架级"文献：卷积网络的奠基工作、检测框架从两阶段到单阶段的转折、注意力机制进入视觉主干的节点、以及自监督预训练的代表作。这个选法说明编排者想解决的是"读懂一篇，能顺藤摸瓜读一片"的问题，而不是攒一份年度论文清单。

判断含金量的另一个角度是精读颗粒度。真正下功夫的课程会在方法推导上停留，会解释作者为什么这么设计实验、消融研究了什么、哪些结论其实站不住。从课程结构看，每篇论文都配了逐段拆解和笔记，这意味着它默认你会回看，而不是一次听懂。对目录党来说，这一点很关键：这不是刷完就走的课。

哪几个部分值得精看，哪几个可以快过

如果时间有限，优先看检测与骨干网络相关的那几讲。这两个方向的方法演进线索最清晰，从锚框到无锚、从手工特征到注意力，读完之后再看后续论文会有明显的"顺着读"的感觉。注意力机制那部分也建议认真过，因为它是现在绝大多数视觉模型的公共组件，理解它的原始动机比背结构有用。

自监督与预训练部分可以作为选读。它的思想价值高，但具体实现细节迭代极快，把对比学习的目标函数和评估协议弄明白即可，不必在某一版实现上纠缠。至于早期卷积网络的精读，如果你基础扎实，主要看作者如何论证设计选择，方法本身可以快速掠过。

资料包该怎么拆开用

不要按视频顺序一路看下去。更有效的做法是把资料拆成三层用：第一层是原文，先自己读一遍，标出卡住的段落；第二层是讲解，只针对卡点看，重点听推导和背景补充；第三层是章节笔记，用来做二次整理，把你自己的理解写成短注，而不是抄板书。

笔记这份材料适合放在两个时间点用：学完每篇论文的当天做一次小结，以及面试或开题前集中回看。它的作用是唤起记忆和补齐逻辑链，不是替代原文。另外，配套的复现环节建议单独拎出来做，挑一篇方法清晰、算力要求不高的论文从头实现一遍，比看十篇讲解更能暴露理解漏洞。

适合谁，不适合谁

适合有编程基础、能读写 PyTorch、对 CV 有基本实践但被论文原文挡住的人。它能帮你把"看得懂每个词、连起来不知道在说什么"的状态扭过来。

如果你连卷积、反向传播都没自己实现过，先补基础再进来，否则精读会变成听天书。也不适合想靠它直接拿项目经验的人——读论文训练的是判断力，不是工程交付能力，这两件事得分开补。

深度之眼 - 人工智能Paper论文精读班（CV方向）

课程推荐

视频目录（30 节）

* │  1.第一篇论文《Deep learning》— 第一课时.mp4

* │  10.第三篇论文VGG——第二课时.mp4.mp4

* │  11.第三篇论文VGG——第三课时.mp4.mp4

* │  12.第四篇论文RCNN——第一课时.mp4.mp4

* │  13.第四篇论文RCNN——第二课时.mp4

* │  14.第四篇论文RCNN——第三课时.mp4.mp4

* │  15.第四篇论文RCNN——第四课时.mp4

* │  16.第四篇论文RCNN——第五课时.mp4.mp4

* │  17.第五篇论文SSD——第一课时.mp4

* │  18.第五篇论文SSD——第二课时2.1.mp4.mp4

* │  19.第五篇论文SSD——第二课时2.2.mp4.mp4

* │  2.第一篇论文《Deep learning》— 第二课时.mp4.mp4

* │  20.第五篇论文SSD——第三课时3.1.mp4.mp4

* │  21.第五篇论文SSD——第三课时3.2.mp4.mp4

* │  22.第六篇论文词MTCNN——第一课时.mp4.mp4

* │  23.第六篇论文词MTCNN——第二课时.mp4.mp4

* │  24.第六篇论文MTCNN——第三课时.mp4.mp4

* │  25.第六篇论文MTCNN——第四课时.mp4

* │  26.第六篇论文词MTCNN——第五课时.mp4.mp4

* │  27.第七篇论文Facenet——第一课时.mp4

* │  28.第七篇论文Facenet——第二课时.mp4.mp4

* │  29.第七篇论文Facenet——第三课时3.1.mp4.mp4

* │  3.第一篇论文《Deep learning》— 第三课时.mp4.mp4

* │  30.第七篇论文Facenet——第三课时3.2.mp4.mp4

* │  4.第二篇论文AlexNet —— 第一课时.mp4

* │  5.第二篇论文AlexNet——第二课时2.1.mp4.mp4

* │  6.第二篇论文AlexNet——第二课时2.2.mp4.mp4

* │  7.第二篇论文AlexNet——第三课时3.1.mp4

* │  8.第二篇论文AlexNet——第三课时3.2.mp4

* │  9.第三篇论文VGG——第一课时.mp4.mp4

配套笔记（8 份 PDF）

*     │      NatureDeepReview.pdf

*     │      Facenet论文原文.pdf

*     │              VggNet.pdf

*     │                  AlexNet.pdf

*     │      ssd论文原文.pdf

*     │      ssd论文翻译版.pdf

*     │  │  MTCNN.pdf

*             R-CNN.pdf