如果你正在准备 CV 方向的面试，或者从后端、数据分析转过来想做视觉，大概率会遇到这种局面：卷积、池化能说个大概，但被问到「BN 在训练和推理时到底做了什么」「FPN 为什么要多尺度」就卡住；跑通过 YOLO 的 demo，但让自己改一个 loss、换一个 backbone 就无从下手。这门课针对的就是这类「夹生」状态——不是零基础扫盲，也不假装能把你送进大厂核心组，而是把 CV 岗位上真正会被追问的那几层知识补齐。

先看你缺的是哪一块

把 CV 岗位的能力拆开，其实就四层：图像与特征的基础功、深度网络的原理层、把模型调好的工程手段、以及检测分割这类具体任务。多数人的问题不是每层都不会，而是某一层空着。比如基础功扎实但没系统学过反向传播的推导，调参全靠试；或者网络原理清楚，但一到数据增强、类别不平衡、小目标漏检就没有章法。这门课按阶段推进的顺序，基本对应这四层，你可以对照自己的情况判断该重点听哪几个阶段，而不是从头到尾平均用力。

基础阶段：别跳，但也别磨太久

计算机视觉的基础理论和方法放在第一阶段，容易被人当成「我学过数字图像处理」就快进。实际上这里真正值钱的是特征提取的思路——边缘、角点、SIFT 这类传统方法背后的动机，恰好解释了后来 CNN 为什么那样设计。学的时候不妨问自己：如果不用卷积，用全连接处理一张 224×224 的图，参数量会是多少？这个问题能答清楚，说明你理解了卷积的动机，而不只是记住了它的公式。这一阶段的练习建议以「手推+小规模实现」为主，别急着上大模型。

原理与进阶：从能跑通到说得清

第二阶段铺机器学习与深度学习的基本原理，第三阶段进入高级技巧，提升模型性能和效率。这两块是面试的重灾区，也是自学最容易留下窟窿的地方。具体要能回答的问题包括：梯度消失和梯度爆炸分别怎么产生、怎么缓解；Batch Normalization 训练时用 batch 统计量、推理时用滑动平均，为什么必须这样；学习率预热和余弦退火各自解决什么问题；模型压缩里的剪枝、量化、蒸馏分别在什么场景下用。这些不是背概念，而是要能结合具体项目说「我当时遇到了什么现象，判断是什么原因，用了什么手段，效果如何」。

检测与分割：任务层面的硬功夫

第四阶段聚焦目标检测与语义分割。这两类任务是最容易在简历上写、也最容易被问穿的。准备工作时要能说清楚：两阶段和单阶段检测器的取舍在哪；anchor-based 和 anchor-free 的差别是什么；正负样本分配策略（比如 IoU 阈值、动态分配）如何影响小目标召回；语义分割里转置卷积和上采样的区别、mIoU 怎么算、类别不均衡时怎么处理。建议拿一个公开数据集自己完整走一遍训练到评估的流程，哪怕精度不高，这条链路走通了，比看十篇论文都管用。

前沿部分怎么用

第五阶段跟 CV 技术前沿，了解最新研究动态和应用场景。这部分的价值不在于让你追上所有新论文，而在于建立「知道去哪查、看得懂摘要、判断得出一篇工作值不值得深读」的习惯。看前沿内容时带着一个具体问题去读，比如「这个方法在推理速度上比 baseline 快多少、代价是什么」，比泛泛浏览有效得多。

整门课是小班形式，理论结合实际。如果你打算认真跟，建议在开课前先确认两件事：Python 和 PyTorch 的基本操作是否熟练，线性代数和概率的基础是否够用。这两样缺了，听课体验会大打折扣，与其硬跟，不如先补上再进。