贪心科技CV计算机视觉集训营（带源码课件）

贪心科技CV计算机视觉集训营是什么资源？

贪心科技CV计算机视觉集训营是一套面向计算机视觉方向的系统化实战课程资源，覆盖深度学习基础与CV核心技术。课程从机器学习、深度学习入门开始，逐步深入图像分类、目标检测、语义分割等经典任务。资源包含完整视频课程、源码与课件，帮助学习者快速建立CV工程实践能力。适合希望进入AI视觉领域、提升项目经验和面试竞争力的学习者。

谁需要这份技能课程资源？

适合计算机视觉初学者、AI算法工程师转型学习者以及需要补充CV项目经验的开发人员。对于掌握Python但缺少深度学习实战经验的人群，该资源能够提供完整学习路径。也适合准备算法岗面试、希望通过项目提升简历竞争力的学生和工程师使用。

为什么选择这份技能课程资源？

• 系统覆盖计算机视觉学习路线，从深度学习基础到CV核心任务逐步进阶
• 提供视频课程、源码与课件配套资源，支持理论学习与项目实践结合
• 聚焦图像分类、目标检测、语义分割等热门CV方向，提升工程和面试能力

👇 点击上方 支付下载 按钮即可获取完整资源

这份资源包含哪些具体内容？

资源目录包含【贪心科技】CV计算机视觉集训营-带源码课件，主要内容包括CV计算机视觉集训营视频课程。视频任务从任务1机器学习、深度学习简介开始，涵盖深度学习发展历史、典型案例、计算机视觉应用等基础知识。课程还包含开发环境配置、Python、Numpy、Keras入门教程，以及GPU驱动程序安装等工程准备内容。后续内容围绕计算机视觉核心算法展开，并配套源码和课件资料，方便边学边实践。

└── 【贪心科技】CV计算机视觉集训营 - 带源码课件 (0个文件夹,0个文件)
    └── CV计算机视觉集训营（视频） (0个文件夹,0个文件)
        ├── 任务1：机器学习、深度学习简介.mp4 (23.9MB)
        ├── 任务2：深度学习的发展历史.mp4 (23.1MB)
        ├── 任务3：现代深度学习的典型例子.mp4 (18.7MB)
        ├── 任务4：深度学习在计算机视觉中的应用.mp4 (24.3MB)
        ├── 任务5：深度学习的总结.mp4 (10.5MB)
        ├── 任务6：开发环境的配置, Python, Numpy, Keras入门教程.mp4 (46.9MB)
        ├── 任务7：GPU驱动程序安装.mp4 (17.7MB)
        ├── 任务8：CUDA的安装.mp4 (21.4MB)
        ├── 任务9：cuDNN的安装, Tensorflow, PyTorch的GPU测试.mp4 (31.4MB)
        ├── 任务10：问答环节.mp4 (57.0MB)
        ├── 任务11：环境安装.mp4 (106.8MB)
        ├── 任务12：二元分类问题.mp4 (32.5MB)
        ├── 任务13：逻辑函数.mp4 (32.1MB)
        ├── 任务14：指数与对数 、逻辑回归.mp4 (43.7MB)
        ├── 任务15：示例.mp4 (84.0MB)
        ├── 任务16：损失函数.mp4 (59.3MB)
        ├── 任务17：损失函数推演.mp4 (83.2MB)
        ├── 任务18：梯度下降法.mp4 (104.8MB)
        ├── 任务19：应用.mp4 (110.3MB)
        ├── 任务20：直播答疑.mp4 (19.5MB)
        ├── 任务21：自动驾驶方向盘预测论文分析.mp4 (65.1MB)
        ├── 任务22：使用PyCharm Keras建立深度网络模型.mp4 (257.8MB)
        ├── 任务23：数据预处理 数据增强.mp4 (62.7MB)
        ├── 任务24：建立BatchGenerator高效读取数据.mp4 (105.6MB)
        ├── 任务25：训练网络 保存训练的中间过程数据.mp4 (139.6MB)
        ├── 任务26：查看网络训练过程 判断网络是否过拟合 欠拟合.mp4 (46.2MB)
        ├── 任务27：神经网络分类问题的经典数据（集鸢尾花数据集）介绍，神经网络Python库Keras的介绍.mp4 (81.2MB)
        ├── 任务28：使用Pandas读取鸢尾花数据集， 使用LabelEncoder对类别标签进行编码.mp4 (38.3MB)
        ├── 任务29：使用Keras创建一个用于鸢尾花分类识别的神经网络.mp4 (135.2MB)
        ├── 任务30：训练用于鸢尾花分类的神经网络 解读训练输出的日志 了解如何评价神经网络的性能.mp4 (70.1MB)
        ├── 任务31：神经网络数学原理（1）： 神经网络的结点，权值，激活函数.mp4 (60.4MB)
        ├── 任务32：神经网络数学原理（2）： 神经网络的前馈（Feed Forward）算法.mp4 (48.1MB)
        ├── 任务33：神经网络数学原理（3）：神经网络的前馈（Feed Forward）算法续，Softmax层的数值问题.mp4 (46.0MB)
        ├── 任务34：神经网络数学原理（4）：神经网络BP（误差反向传播）算法.mp4 (55.2MB)
        ├── 任务35：神经网络数学原理（5）：神经网络BP（误差反向传递）算法续.mp4 (64.4MB)
        ├── 任务36：神经网络数学原理（6）：手动演算神经网络BP算法（误差向后传递）.mp4 (75.7MB)
        ├── 任务37：神经网络数学原理（7）：手动演算神经网络BP算法（误差向后传递）续.mp4 (68.2MB)
        ├── 任务38：Neural.Network.Loss-直播01.mp4 (69.6MB)
        ├── 任务39：Neural.Network.Loss-直播02.mp4 (60.7MB)
        ├── 任务40：Neural.Network.Loss-直播03.mp4 (107.7MB)
        ├── 任务41：梯度消亡.mp4 (56.2MB)
        ├── 任务42：梯度消亡问题分析.mp4 (61.3MB)
        ├── 任务43：梯度消亡解决方案.mp4 (43.8MB)
        ├── 任务44：过拟合.mp4 (55.0MB)
        ├── 任务45：DropOut 训练.mp4 (38.0MB)
        ├── 任务46：正则化.mp4 (25.2MB)
        ├── 任务47：最大范数约束 神经元的初始化.mp4 (57.9MB)
        ├── 任务48：作业讲解与答疑-01.mp4 (98.2MB)
        ├── 任务49：作业讲解与答疑-02.mp4 (85.3MB)
        ├── 任务50：为什么需要递归神经网络？.mp4 (28.1MB)
        ├── 任务51：递归神经网络介绍.mp4 (140.5MB)
        ├── 任务52：语言模型.mp4 (102.8MB)
        ├── 任务53：RNN的深度.mp4 (19.7MB)
        ├── 任务54：梯度爆炸和梯度消失.mp4 (141.5MB)
        ├── 任务55：Gradient Clipping.mp4 (38.9MB)
        ├── 任务56：LSTM的介绍.mp4 (89.6MB)
        ├── 任务57：LSTM的应用.mp4 (56.6MB)
        ├── 任务58：Bi-Directional LSTM.mp4 (48.1MB)
        ├── 任务59：Gated Recurrent Unit.mp4 (52.2MB)
        ├── 任务60：机器翻译.mp4 (40.3MB)
        ├── 任务61：Multimodal Learning.mp4 (66.9MB)
        ├── 任务62：Seq2Seq模型.mp4 (131.3MB)
        ├── 任务63：回顾RNN与LSTM.mp4 (20.8MB)
        ├── 任务64：Attention for Image Captioning.mp4 (102.7MB)
        ├── 任务65：Attention for Machine Translation.mp4 (46.0MB)
        ├── 任务66：Self-Attention.mp4 (51.7MB)
        ├── 任务67：Attention总结.mp4 (20.2MB)
        ├── 任务68：neural network optimizer直播-01.mp4 (112.6MB)
        ├── 任务69：neural network optimizer直播-02.mp4 (75.5MB)
        ├── 任务70：neural network optimizer直播-03.mp4 (143.8MB)
        ├── 任务71：项目介绍.mp4 (26.9MB)
        ├── 任务72：看图说话任务一-01.mp4 (40.1MB)
        ├── 任务73：看图说话任务一-02.mp4 (35.5MB)
        ├── 任务74：看图说话任务一-03.mp4 (57.9MB)
        ├── 任务75：任务介绍.mp4 (36.4MB)
        ├── 任务76：如何实现 load_img_as_np_array 这个函数.mp4 (16.5MB)
        ├── 任务77：如何实现“load_vgg16_model”函数.mp4 (27.4MB)
        ├── 任务78：如何实现“extract_features”函数.mp4 (34.8MB)
        ├── 任务79：创建Tokenizer01.mp4 (20.9MB)
        ├── 任务80：创建Tokenizer02.mp4 (62.4MB)
        ├── 任务81：产生模型需要的输入数据01.mp4 (77.2MB)
        ├── 任务82：产生模型需要的输入数据02.mp4 (56.7MB)
        ├── 任务83：任务的概述.mp4 (16.6MB)
        ├── 任务84：Input Embedding和Dropout层介绍.mp4 (64.3MB)
        ├── 任务85：LSTM Add层的介绍.mp4 (29.3MB)
        ├── 任务86：如何训练模型.mp4 (65.1MB)
        ├── 任务87：如何使用深度神经网络模型做预测 产生标题 完成generate_caption函数01.mp4 (22.7MB)
        ├── 任务88：如何使用深度神经网络模型做预测 产生标题 完成generate_caption函数02.mp4 (114.7MB)
        ├── 任务89：如何调用generate_caption函数.mp4 (32.1MB)
        ├── 任务90：如何评价标题生成模型的性能.mp4 (86.9MB)
        ├── 任务91：读取和显示数字图像.mp4 (35.9MB)
        ├── 任务92：数字图像大小缩放.mp4 (37.3MB)
        ├── 任务93：数字图像直方图均衡.mp4 (35.0MB)
        ├── 任务94：图像去噪声.mp4 (43.6MB)
        ├── 任务95：图像边缘检测.mp4 (47.4MB)
        ├── 任务96：图像关键点检测.mp4 (11.7MB)
        ├── 任务97：道路行车道检测简介.mp4 (17.7MB)
        ├── 任务98：Canny边缘检测.mp4 (31.4MB)
        ├── 任务99：霍夫变换用于直线检测.mp4 (55.6MB)
        └── 任务100：道路行车道检测代码讲解.mp4 (132.5MB)
        ├── 任务101：在图像和视频上面演示道路行车道检测.mp4 (69.9MB)
        ├── 任务102：项目介绍.mp4 (25.9MB)
        ├── 任务103：交通指示牌识别的简介.mp4 (28.7MB)
        ├── 任务104：交通指示牌识别课程的编程任务.mp4 (27.6MB)
        ├── 任务105：如何分析数据 (util.py 的详细介绍).mp4 (70.6MB)
        ├── 任务106：如何预处理图像数据、建立神经网络模型、训练网络模型 (train.py 的详细介绍)01.mp4 (88.9MB)
        ├── 任务107：如何预处理图像数据、建立神经网络模型、训练网络模型 (train.py 的详细介绍)02.mp4 (157.2MB)
        ├── 任务108：色彩空间转换.mp4 (51.9MB)
        ├── 任务109：直方图均衡.mp4 (80.6MB)
        ├── 任务110：图像标准化.mp4 (45.8MB)
        ├── 任务111：使用ImageDataGenerator做图像增强.mp4 (51.5MB)
        ├── 任务112：作业上传的要求.mp4 (16.8MB)
        ├── 任务113：介绍经典交通指示牌卷积神经网络模型.mp4 (28.9MB)
        ├── 任务114：代码实现经典交通指示牌识别卷积神经网络模型.mp4 (69.0MB)
        ├── 任务115：卷积神经网络的数学原理01.mp4 (37.8MB)
        ├── 任务116：卷积神经网络的数学原理02.mp4 (75.4MB)
        ├── 任务117：深度学习调参-直播-01.mp4 (55.5MB)
        ├── 任务118：深度学习调参-直播-02.mp4 (45.5MB)
        ├── 任务119：深度学习调参-直播-03.mp4 (55.6MB)
        ├── 任务120：卷积层的启发.mp4 (16.5MB)
        ├── 任务121：卷积层的定量分析.mp4 (17.3MB)
        ├── 任务122：单通道输入 单通道输出的卷积层的实例.mp4 (12.0MB)
        ├── 任务123：多通道输入 多通道输出的卷积层的实例.mp4 (12.1MB)
        ├── 任务124：池化层的原理 定量分析.mp4 (9.5MB)
        ├── 任务125：卷积神经网络和全连接神经网络的比较.mp4 (23.0MB)
        ├── 任务126：卷积神经网络在围棋 语言识别和自然语言处理中的应用.mp4 (25.6MB)
        ├── 任务127：基于深度学习的图像分类历史回顾.mp4 (11.3MB)
        ├── 任务128：AlexNet的结构分析.mp4 (8.7MB)
        ├── 任务129：ZFNet的结构分析.mp4 (8.2MB)
        ├── 任务130：VGG的结构分析.mp4 (8.5MB)
        ├── 任务131：GoogleNet Inception的结构分析.mp4 (12.1MB)
        ├── 任务132：Inception V3的结构分析.mp4 (43.8MB)
        ├── 任务133：ResNet的结构分析.mp4 (40.5MB)
        ├── 任务134：ResNet的代码实现.mp4 (154.2MB)
        ├── 任务135：基于内容的图像搜索理论基础.mp4 (29.3MB)
        ├── 任务136：基于去噪自动编码器的图像搜索代码实现.mp4 (203.8MB)
        ├── 任务137：使用卷积神经网络进行语义图像嵌入在目标检测, 自动驾驶, 图像超分辨率重构, 工业探伤等等领域的应用.mp4 (18.3MB)
        ├── 任务138：项目1-看图说话（助教）讲解和答疑-01.mp4 (164.0MB)
        ├── 任务139：项目1-看图说话（助教）讲解和答疑-02.mp4 (202.7MB)
        ├── 任务140：项目介绍.mp4 (15.1MB)
        ├── 任务141：自动驾驶方向盘转动方向预测的背景知识.mp4 (33.4MB)
        ├── 任务142：如何收集训练数据.mp4 (35.7MB)
        ├── 任务143：理解分析训练数据.mp4 (25.7MB)
        ├── 任务144：自动驾驶方向盘转动方向预测的网络结构和网络训练代码讲解.mp4 (181.5MB)
        ├── 任务145：提高网络性能的思路 图像处理、数据增强、网络结构优化.mp4 (38.7MB)
        ├── 任务146：探索数据01.mp4 (39.5MB)
        ├── 任务147：探索数据02.mp4 (15.2MB)
        ├── 任务148：图像增强01.mp4 (62.7MB)
        ├── 任务149：图像增强02.mp4 (11.4MB)
        ├── 任务150：解决数据不平衡的问题 DataGenerator的应用.mp4 (18.0MB)
        ├── 任务151：网络结构实例.mp4 (8.6MB)
        ├── 任务152： 图像增强部分的代码讲解.mp4 (99.5MB)
        ├── 任务153：DataGenerator部分的代码讲解.mp4 (64.1MB)
        ├── 任务154：网络结构实现部分的代码讲解.mp4 (84.2MB)
        ├── 任务155：方向盘转动方向预测网络模型的性能评估方法.mp4 (9.7MB)
        ├── 任务156：使用模拟器定性的判断网络性能的方法以及代码讲解.mp4 (69.9MB)
        ├── 任务157：模拟器自动驾驶的展示.mp4 (75.2MB)
        ├── 任务158：通过损失函数的变化判断网络性能、识别和解决过拟合和欠拟合的问题.mp4 (64.0MB)
        ├── 任务159：如何安装Python 连接模拟器的Python 库.mp4 (22.2MB)
        ├── 任务160：windows 下面使用自动驾驶模拟器的教程.mp4 (46.4MB)
        ├── 任务161：mac 下面使用自动驾驶模拟器的教程.mp4 (33.5MB)
        ├── 任务162：目标识别综述.mp4 (37.6MB)
        ├── 任务163：基于HOG(梯度直方图)的目标识别.mp4 (31.3MB)
        ├── 任务164：Non-Max Suppression IoU 和 Hard Negative Mining.mp4 (82.9MB)
        ├── 任务165：R-CNN的工作原理.mp4 (129.6MB)
        ├── 任务166：R-CNN中的边界框(Bounding Box)预测原理.mp4 (24.1MB)
        ├── 任务167：R-CNN的不足之处.mp4 (4.3MB)
        ├── 任务168：Fast R-CNN详解.mp4 (40.0MB)
        ├── 任务169：Faster R-CNN Region Proposal Network.mp4 (37.1MB)
        ├── 任务170：R-CNN Fast R-CNN Faster R-CNN的总结.mp4 (23.0MB)
        ├── 任务171：目标识别 R-CNN家族的回顾.mp4 (22.4MB)
        ├── 任务172：SSD的简介 SSD与R-CNN的比较.mp4 (33.0MB)
        ├── 任务173：SSD的网络结构(1).mp4 (130.7MB)
        ├── 任务173：SSD的网络结构.mp4 (130.7MB)
        ├── 任务174：如何使用卷积作为最后的预测层.mp4 (13.9MB)
        ├── 任务175：SSD的训练过程.mp4 (53.4MB)
        ├── 任务176：SSD的实验结果分析.mp4 (24.1MB)
        ├── 任务177：VGG16到SSD网络的演化 L2Normalization层的实现.mp4 (131.5MB)
        ├── 任务178：SSD各个技术对失败率的影响 Atrous卷积层的原理.mp4 (13.6MB)
        ├── 任务179：使用卷积作为最后的预测层详解.mp4 (17.4MB)
        ├── 任务180：SSD定位损失函数详解.mp4 (35.3MB)
        ├── 任务181：SSD中Anchor尺寸 宽高比 中心位置的确定.mp4 (10.2MB)
        ├── 任务182：SSD中分类损失函数详解.mp4 (11.6MB)
        ├── 任务183：Non-Max Suppression的原理.mp4 (12.9MB)
        ├── 任务184：SSD和YOLO的比较 SSD的总结.mp4 (12.2MB)
        ├── 任务185：图像分割简介.mp4 (36.5MB)
        ├── 任务186：基于深度学习的图像分割U-Net的原理.mp4 (79.4MB)
        ├── 任务187：Transposed Convolution原理与运用.mp4 (123.0MB)
        ├── 任务188：U-Net的代码讲解.mp4 (71.1MB)
        ├── 任务189：图像生成的原理.mp4 (10.3MB)
        ├── 任务190：使用深度学习自动图像生成手写数字的代码讲解.mp4 (84.3MB)
        ├── 任务191：图像风格转移的原理.mp4 (38.3MB)
        ├── 任务192：使用深度学习实现图像风格转移的代码讲解.mp4 (52.4MB)
        ├── 任务193：SSD的原理回顾.mp4 (47.7MB)
        ├── 任务194：编程项目的训练数据介绍.mp4 (58.7MB)
        ├── 任务195：对SSD模型对产生Anchor有影响的参数讲解.mp4 (134.6MB)
        ├── 任务196：对候选框精选处理有影响的参数讲解.mp4 (49.6MB)
        ├── 任务197：对输入模型参数的合法性检测和转换.mp4 (28.3MB)
        ├── 任务198：具有7层的SSD的网络结构讲解.mp4 (147.8MB)
        └── 任务199：编译模型, 使用模型做预测.mp4 (180.4MB)
        ├── 任务200：SSD解码的实现.mp4 (111.4MB)
        ├── 任务201：帮助函数IoU, 坐标转换, SSD损失函数, Non-Max-Suppression的实现.mp4 (227.6MB)
        ├── 任务202：二值化神经网络的简介.mp4 (37.2MB)
        ├── 任务203：二值化网络的前向后向传播, 梯度计算原理.mp4 (16.3MB)
        ├── 任务204：二值化网络的训练算法.mp4 (145.3MB)
        ├── 任务205：二值化网络的实验结果.mp4 (22.6MB)
        ├── 任务206：二值化全连接网络的代码讲解.mp4 (46.5MB)
        ├── 任务207：DropoutNoScale层的实现.mp4 (23.6MB)
        ├── 任务208：BinaryDense层的实现.mp4 (61.5MB)
        ├── 任务209：二值化卷积神经网络的代码讲解.mp4 (48.5MB)
        ├── 任务210：项目作业要求.mp4 (22.6MB)
        ├── 任务211：神经网络在实际应用中面临的挑战, 轻量级深度神经网络的必要性.mp4 (207.6MB)
        ├── 任务212：MobileNet, Depthwise Seperable Convolution的原理计算量分析.mp4 (56.9MB)
        ├── 任务213：ShuffleNet, Group Convolution, Channel Shuffle的原理.mp4 (53.4MB)
        ├── 任务214：EffNet, Spatial Seperable Convolution的原理计算量分析和实验效果.mp4 (167.5MB)
        ├── 任务215：lightweight-network答疑时间.mp4 (20.6MB)
        ├── 任务216：回顾EffNet的原理.mp4 (31.3MB)
        ├── 任务217：EffNet的代码讲解.mp4 (75.7MB)
        ├── 任务218：One-Shot Learning 的意义和工作原理.mp4 (23.8MB)
        ├── 任务219：用于One-Shot Learning 的Siamese 深度神经网络的介绍.mp4 (21.7MB)
        ├── 任务220：Siamese 深度神经网络的实验和结果分析.mp4 (65.3MB)
        ├── 任务221：Transposed Convolution 的应用, 算法回顾, 以及使用矩阵乘法实现.mp4 (34.2MB)
        ├── 任务222：Transposed Convolution 的梯度推导.mp4 (22.1MB)
        ├── 任务223：将卷积核转换为Toeplitz Matrix用于矩阵乘法实现Transposed.mp4 (37.8MB)
        ├── 任务224：同学对课程的效果反馈调查.mp4 (322.3MB)
        ├── 任务225：使用 Siamese 网络做门禁卡系统的入门介绍, 数据集的介绍.mp4 (72.2MB)
        ├── 任务226：PyTorch 基础教程.mp4 (47.8MB)
        ├── 任务227：Siamese One-Shot learning 知识回顾.mp4 (14.3MB)
        ├── 任务228：使用 PyTorch torchvision 库高效读取数据.mp4 (70.9MB)
        ├── 任务229：使用 PyTorch 定义 Siamese 网络结构.mp4 (49.4MB)
        ├── 任务230：使用 PyTorch 写训练网络的代码.mp4 (86.8MB)
        └── 任务231：使用 PyTorch 写测试网络的代码.mp4 (82.3MB)

如何下载和使用这份资源？

下载资源后建议按照课程任务顺序学习，从深度学习基础和环境配置开始，再进入计算机视觉核心模块。学习过程中结合源码和课件进行复现练习，可进一步完成课程项目强化实践。建议搭建GPU环境运行代码，以获得更接近真实开发场景的学习体验。

1. 点击页面上方的”支付下载”按钮
2. 根据提示完成支付流程
3. 支付完成后即可下载完整资源
4. 如有问题请联系客服获取帮助

关于贪心科技CV计算机视觉集训营的常见问题

这个课程适合零基础学习计算机视觉吗？

适合有一定Python基础、希望进入计算机视觉领域的初学者，课程从机器学习和深度学习基础开始讲解。

资源包含哪些文件内容？

资源主要包含CV计算机视觉集训营视频课程，并配套源码和课件资料，部分目录展示了深度学习基础、环境配置等视频任务。

学习完后可以达到什么水平？

完成系统学习并结合源码实践后，可以掌握计算机视觉常见技术方向，并具备进行CV项目开发和算法岗位面试准备的基础能力。