【总结】最系统化的CV内容，有三AI所有免费与付费的计算机视觉课程汇总（2022年12月）...

欢迎大家关注有三AI的计算机视觉课程系列，我们的课程系列共分为5层境界，内容和学习路线图如下：

第1层：掌握学习算法必要的预备知识，包括Python编程，深度学习基础，数据使用，框架使用等。

第2层：掌握CV算法最底层的能力，包括模型设计基础，图像分类等。

第3层：掌握CV算法最核心的方向，包括图像分割，目标检测，图像生成，视频分类等。

第4层：掌握CV算法最核心的应用，包括人脸图像，图像质量，视频分析，图像编辑等。

第5层：掌握算法落地的关键技术，包括模型优化，模型部署等。

其中部分课程的主体内容已经更新完毕，比如数据使用/模型分析/图像分类/图像分割/目标检测/图像生成/图像翻译/图像增强/视频分类/模型部署/模型优化/人脸图像检测与识别/人脸属性编辑；部分课程正在重制更新中，比如人脸三维重建；部分课程正在计划上线中，比如通用图像编辑，请大家及时关注！

为了方便大家对我们的视频课程内容进行索引，本次对我们社区的所有成系列的视频课程进行汇总，目前已经有超过70门课程，超过200个小时的内容，各课程概述如下，详情请大家点击相关链接了解介绍。

深度学习基础课程

有三AI与阿里云联合推出了一门深度学习基础课程，目前已经完结。课程内容包括人工智能与深度学习发展背景，深度学习典型应用，卷积神经网络，循环神经网络，生成对抗网络，深度学习开源框架等内容，共计约40余课时。

深度学习原理与实践

课程详细的目录以及介绍，请阅读：

【完结】有三AI&阿里云的深度学习基础课程暂时完结，欢迎扩散学习

免费直播回放

免费直播回放通常是有三在各类平台上做的公益性质的直播内容，直播结束后内容会同步到我们的B站账号，大家可以扫码去学习。

免费直播回放

数据使用课程

数据的使用是AI项目中的第一环，也是影响项目成败至关重要的一环，我们需要掌握数据的获取，整理，标注，数据增强等内容，我们平台输出了1门超过3个小时的免费视频课程。

深度学习之数据使用

详细了解课程，请阅读：

【视频课】永久免费！3小时快速掌握深度学习CV数据使用核心内容

框架使用课程

熟练使用深度学习开源框架是从业必备，我们平台输出了1门超过5个小时的免费Pytorch视频课程，更多框架课程正在制作中。

深度学习之Pytorch

详细了解课程，请阅读：

【视频课】永久免费！5小时快速掌握Pytorch框架入门及实战

深度学习模型使用课程

好的模型结构是深度学习成功的关键因素之一，不仅是非常重要的学术研究方向，在工业界实践中也是模型是否能上线的关键。对各类底层深度学习模型设计和优化技术理解的深度是决定我们能否在深度学习项目中游刃有余的关键，而模型的部署则是项目的最后一环。为了让大家能够系统性掌握相关内容，为以后做研究以及就业打下基础，我们平台输出了4门对应的视频课程。

深度学习模型相关课程

《深度学习之模型设计—理论实践篇》

模型的设计是整个深度学习领域的通用基础，不管是从头设计自己的神经网络，还是对已有模型进行优化获得更高的任务指标，更快的运行速度，获得更小的模型体积，都需要掌握各类网络的设计技巧，是深度学习算法工程师进阶的难点及必学点！模型设计课程当前包含的内容超过20个小时，PPT数量超过450页。

详细了解课程，请阅读：【视频课】AI必学，超20小时，4大模块，循序渐进地搞懂CNN模型设计与简单部署！

订阅地址如下：

《深度学习之模型分析—理论实践篇》

深度学习模型使用的门槛虽然低，但模型参数多，网络结构复杂，模型结构的设计以及训练过程中超参数的调试，都非常依赖于经验。结果不好，是数据的问题还是模型的问题，往往分析起来比较困难。如果是数据问题，那到底是什么问题？如果只凭经验，没有很科学的分析工具，仍然会有盲人摸象的感觉。因此为了能够更好地进行研究和实践，对模型进行相关的分析是非常重要的，这就是模型分析课程要讲述的内容。模型分析课程当前包含的内容约3个小时，PPT数量超过100页。

详细了解课程，请阅读：【视频课】AI必学，超3小时，3大模块，掌握模型分析核心技术！

订阅地址如下：

《深度学习之模型优化—理论实践篇》

模型压缩与优化是专门针对模型进行精简的技术，这是模型能够在各类嵌入式平台使用的关键技术，包括紧凑模型设计，模型剪枝，模型量化，模型蒸馏，自动化模型设计等内容。模型优化课程当前包含的内容超过10个小时，PPT数量超过350页。

详细了解课程，请阅读：【视频课】AI必学，超10小时，4大模块，掌握模型优化核心技术！

订阅地址如下：

《深度学习之模型部署—理论实践篇》

深度学习模型必须要经过部署到实际的生产环境中，才能产生真正的应用价值。在各类落地场景中，有的是服务端的场景，追求的是更高的精度，更大的模型，更复杂的功能。当前模型优化和部署的工具非常多，包括TensorRT、NCNN、MNN等；当前的硬件平台也非常多，包括CPU、GPU，ARM、NPU、FPGA等。模型部署课程当前包含的内容共约8个小时。

详细了解课程，请阅读：【视频课】快速掌握6大模型部署框架(Pytorch+NCNN+MNN+Tengine+TensorRT+微信小程序)！

订阅地址如下：

如果想要一次性订阅以上4门专栏视频课程，可以直接加入有三AI-CV秋季划模型算法组，还可以获得知识星球，书籍，有三个人答疑等服务，阅读下文了解详情：

【CV秋季划】模型算法与落地很重要，如何循序渐进地学习好（2022年言有三一对一辅导）？

计算机视觉专业课程

计算机视觉是我们生态的重点，目前针对各个方向，陆续上线了理论+Pytorch工程案例实践结合的课程，讲师为有三AI的资深讲师团队成员，具体可以看内容介绍。

已经基本完结的包括《深度学习之图像分类—理论实践篇》，《深度学习之图像分割—理论实践篇》，《深度学习之目标检测—理论实践篇》，《深度学习之图像生成GAN—理论实践篇》，《深度学习之图像翻译GAN—理论实践篇》，《深度学习之图像增强GAN—理论实践篇》，《深度学习之视频分类—理论实践篇》，《深度学习之人脸图像检测与识别—理论实践篇》，《深度学习之人脸属性编辑—理论实践篇》，相关主题会不定期更新，大家可以在对应课程群内关注进度。

计算机视觉专业课程

《深度学习之图像分类—理论实践篇》

对于刚接触深度学习计算机视觉的初学者来说，图像分类问题是最常见的问题，如何做好图像分类任务，关系到大家能否正确顺利地入门、如何学习接下来更加高阶的内容。图像分类课程当前包含的内容共约12个小时，PPT数量超过300页。

详细了解课程，请阅读：【视频课】CV必学，超10小时，3大模块，5大案例，循序渐进地搞懂图像分类理论与实践！

订阅地址如下：

《深度学习之图像分割—理论实践篇》

图像分割是在图像分类基础上更加细粒度的像素级分类问题，在视频直播，电商推荐，自动驾驶，医学图像等行业中有着广泛的应用，是深度学习计算机视觉领域中非常底层的问题，也是必须掌握的核心算法，包含的东西非常多。图像分割课程当前包含的内容共约12个小时，PPT数量超过400页。

详细了解课程，请阅读：【视频课】CV必学，超10小时，3大模块，4大案例，循序渐进地搞懂图像分割！

订阅地址如下：

《深度学习之目标检测—理论实践篇》

目标检测是计算机视觉和数字图像处理的一个热门方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域，是图像处理和计算机视觉学科的重要分支，也是智能监控系统的核心部分，对后续的人脸识别、步态识别、人群计数、实例分割等任务起着至关重要的作用。目标检测课程当前包含的内容共约28个小时，PPT数量约400页。

详细了解课程，请阅读：【视频课】CV必学，超30小时，4大模块，4大案例，循序渐进地搞懂目标检测！

订阅地址如下：

《深度学习之图像生成GAN—理论实践篇》

GAN的研究和应用在这几年发展可以说是非常迅猛，已经被用于各个研究方向，其应用涉及图像与视频生成，数据仿真与增强，各种各样的图像风格化任务，人脸与人体图像编辑，图像质量提升。其中GAN最早期也是最经典的任务，就是高质量图像生成，当前已经可以生成1024分辨率以上的高清逼真图像。图像生成GAN课程当前包含的内容共约6个小时，PPT数量约200页。

详细了解课程，请阅读：【视频课】CV必学，超6小时，2大模块，循序渐进地搞懂GAN图像生成！

订阅地址如下：

如果想要一次性获取Pytorch框架/数据使用/图像分类/图像分割/目标检测/图像生成GAN/模型设计课程，可以订阅CV基础专栏，介绍如下：

【总结】超过2000页PPT，80小时讲解的CV核心内容，掌握经典模型、分类、检测、分割、生成GAN与数据使用，有它就够了

《深度学习之图像翻译GAN—理论实践篇》

随着生成对抗网络技术的成熟，我们可以将其用于各类图像翻译任务，常见的包括黑白图像上色，线稿上色，风格迁移，人脸风格化等任务。图像翻译GAN课程当前包含的内容共约7个小时，PPT数量约150页。

详细了解课程，请阅读：【视频课】CV必学，超7小时，3大模块，3大案例，掌握图像翻译与风格化GAN核心技术！

订阅地址如下：

《深度学习之图像增强GAN—理论实践篇》

随着GAN相关技术的发展逐渐成熟，它在图像质量提升等底层任务中得到了广泛的应用，极大地促进了图像降噪、图像色调映射、图像去模糊、图像超分辨、图像修复等领域的算法进步。图像增强GAN课程当前包含的内容共约8个小时，PPT数量约200页。

详细了解课程，请阅读：【视频课】超8小时，5大模块，掌握基于GAN的图像增强应用（降噪色调映射去模糊超分辨修复）

订阅地址如下：

《深度学习之视频分类—理论实践篇》

随着图像识别相关领域的研究与应用逐渐成熟，当下视频分析相关的研究和应用所占比例越来越大，其技术也更加复杂。视频分类和行为识别在视频监控与检索、网络直播、推荐系统等行业中有着广泛的应用，是深度学习在视频分析领域中最底层的问题之一，非常值得关注和学习。视频分类课程当前包含的内容共约8个小时，PPT数量约200页。

详细了解课程，请阅读：【视频课】CV必学，超8小时，3大模块，3大案例，循序渐进地搞懂视频分类与行为识别！

订阅地址如下：

《深度学习之人脸检测识别—理论实践篇》

人脸图像在计算机视觉领域中研究方向非常广，其相关研究覆盖底层图像特征，目标检测与跟踪，图像分类和检索，图像滤波，图像分割，三维重建，风格迁移等方向。在商业界应用落地也有非常多的产品，包括各类软件产品和硬件产品。在所有人脸相关算法中，人脸检测与识别是其中最为基础的内容，也是后续算法的预处理步骤，因此必须要掌握。人脸检测与识别课程当前包含的内容共约13个小时。

详细了解课程，请阅读：【视频课】13小时+4大项目掌握深度学习人脸图像检测与识别

订阅地址如下：

《深度学习之人脸属性编辑—理论实践篇》

随着人脸图像算法应用和GAN等生成式模型的发展逐渐成熟，如今基于深度学习模型的人脸属性编辑是当下人脸算法与应用的热点，近些年在互联网产品中有许多落地，比如人脸变老变小孩，人脸风格化特效，人脸美妆等。人脸属性编辑课程当前包含的内容共约10个小时，PPT约250页。

详细了解课程，请阅读：【视频课】超10小时，3大模块，掌握深度学习人脸属性编辑算法理论与实践

订阅地址如下：

项目实战课程

上面介绍的课程内容都是系统性的学习专栏，理论和实践充分，需要的学习时间比较长。除了这些系统性的学习专栏，我们也单独开了项目实战课，每一个都是单独的项目，时间更短，更聚焦，范围也更广。

项目实战课

详细了解课程，请阅读：

【项目实战课】AI零基础，人人免费可学！基于Pytorch的SimpleNet人脸表情识别实战

详细了解课程，请阅读：

【项目实战课】人人免费可学！基于Pytorch的图像分类简单任务数据增强实战

详细了解课程，请阅读：

【项目实战课】人人免费可学，基于ResNet的生活垃圾图像分类实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的InceptionNet花卉图像分类实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的的SENet人种图像分类实战

详细了解课程，请阅读：

【项目实战课】人人免费可学，基于Pytorch的BCNN鸟类细粒度图像分类实战

详细了解课程，请阅读：

【项目实战课】基于ResNet的生活用品多标签图像分类实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的EfficientNet血红细胞分类竞赛实战

详细了解课程，请阅读：

【项目实战课】人人免费可学！基于Pytorch的SimpleNet嘴唇图像分割实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的Semantic_Human_Matting（人像软分割）实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的BiseNet表面缺陷分割实战

详细了解课程，请阅读：

【项目实战课】快速上手目标检测任务，MMdetection框架详细解读与案例实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的SiameseFC通用目标跟踪实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的RetinaFace人脸与关键点检测实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的PFLD人脸关键点检测实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的MTCNN与Centerloss人脸识别实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的3DCNN视频分类与行为识别实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的CNN_LSTM视频分类与行为识别实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的SlowFast模型视频分类与行为识别实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的DCGAN人脸嘴部表情图像生成实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的StyleGAN v1人脸图像生成实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的StyleGAN人脸属性（表情、年龄、性别）编辑实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的Pix2Pix黑白图片上色实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的StarGAN人脸表情编辑实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的SRGAN图像超分辨实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的BeautyGAN人脸智能美妆实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的UGATIT人脸动漫风格化实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的EnlightenGAN自然图像增强实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的DANet自然图像降噪实战

详细了解课程，请阅读：

【项目实战课】人人免费可学！基于Pytorch的图像分类经典知识蒸馏实战

详细了解课程，请阅读：

【项目实战课】基于ncnn框架与KL散度的8bit对称模型量化与推理实战

详细了解课程，请阅读：

【项目实战课】基于Pytorch的稀疏约束结构化模型剪枝实战

详细了解课程，请阅读：

【项目实战课】微信小程序图像识别模型前后端部署实战

详细了解课程，请阅读：

【项目实战课】从零实现原生Pytorch安卓端图像分类模型部署

详细了解课程，请阅读：

【项目实战课】从零实现原生Pytorch安卓端图像分割模型部署

详细了解课程，请阅读：

【项目实战课】从零实现原生Pytorch安卓端目标检测模型部署

详细了解课程，请阅读：

【项目实战课】NLP入门第1课，人人免费可学，基于TextCNN的新闻文本分类实战

详细了解课程，请阅读：

【项目实战课】基于 TextRank 的⽂本摘要抽取实战

详细了解课程，请阅读：

【项目实战课】基于HuggingFace的Bert情感分析实战

详细了解课程，请阅读：

【项目实战课】基于Seq2Seq与Attention的机器翻译实战

详细了解课程，请阅读：

【项目实战课】基于transformer的关系抽取实战

详细了解课程，请阅读：

【项目实战课】基于BiLSTM+CRF的命名实体识别实战

详细了解课程，请阅读：

【项目实战课】基于LCF-ATEPC的属性级情感分析实战

详细了解课程，请阅读：

【项目实战课】基于Bert的事件抽取实战

论文辅导

除了对于广大研究生甚至本科生来说，发表满足学校或者实验室要求的公开学术论文是毕业要求，多少都会具有一定的压力，尤其是一些学校实验室要求比较高。既然已经选择了读研以及研究相关工作，通用学术能力就是基本素质，我们推出了《论文指导系列专栏》，来给大家讲解相关内容，包括为什么要写科研论文，为什么论文发表难度大，论文评审制度是什么，什么是一个好的论文，撰写论文的前期准备，研究方法总结与应用，如何撰写一篇完整的论文，写论文的奇淫技巧及辅助工具，如何回复审稿人的评审意见，论文接收后的善后工作。

论文指导课程