很多人学计算机视觉的路径是这样的：跟着教程跑通了 MNIST 手写数字识别，又用预训练模型做了一次猫狗分类，觉得自己「会 CV 了」。可真到了要自己搭一个能用的模型，问题就来了——为什么这里要用 ResNet 而不是 VGG？图像描述任务里那个 Tokenizer 到底在干什么？模型训不收敛，是数据的问题还是学习率的问题？

这门贪心学院的 CV 计算机视觉集训营，适合的正是卡在这个阶段的人。它不是带你从零认识卷积，而是把「跑通过 demo」和「能独立完成一个 CV 项目」之间的那段空白补上。下面从几个具体的能力缺口说，你可以对照看看自己缺的是哪一块。

缺口一：网络结构只会调用，不会拆解

分类任务里，ResNet 几乎是绕不开的骨干网络。但多数人只是 torchvision.models.resnet50(pretrained=True) 一行调过去，残差连接为什么能缓解深层网络的退化问题、瓶颈结构在哪里省了计算量，说不清楚。课程里对 ResNet 有专门的代码实现环节，不是让你背结构图，而是从残差块的张量维度一路推到整体网络的搭建。看完这一块，你应该能回答：如果把 BasicBlock 换成 Bottleneck，特征图的通道数变化规律是什么？短路连接上什么时候需要加 1×1 卷积？

缺口二：只会分类，碰到序列输出就发懵

「看图说话」（图像描述）是 CV 和 NLP 的交叉地带，也是很多人第一次遇到「输入是图、输出是句子」这种结构的地方。它逼着你把 CNN 提取的视觉特征接到语言模型上，中间还牵出 Tokenizer 这一环——文本怎么切、词表怎么建、特殊标记怎么处理。这些在纯分类任务里根本不会碰到。课程把看图说话拆成多个任务推进，学完你应该能讲清楚：图像特征是怎么喂进解码器的？训练时的 teacher forcing 和推理时的自回归生成差别在哪？

缺口三：模型能训，但训不好

调参这件事，几乎没有哪本教材能一次讲透，因为它太依赖具体任务。课程里安排了深度学习调参的专题，围绕学习率、批大小、正则化这些实际会动手改的超参数展开。这部分的价值在于，它把「玄学」拉回到可以推理的层面：学习率太大表现为 loss 震荡还是直接发散？过拟合出现了，是先加数据增强还是先加 dropout？

缺口四：缺一个完整的落地场景

交通指示牌识别是一个典型的 CV 落地任务：类别不均衡、目标尺度差异大、真实拍摄条件复杂，这些在干净的公开数据集上体会不到。课程把它作为编程任务单独拎出来，意味着你要独立走一遍数据处理、模型选择、训练评估的流程，而不是看着视频点头。做完这个任务，你应该能拿出一个可以讲的完整项目，而不是只有一个准确率数字。

学之前，先确认两件事

你得有深度学习的基础：反向传播、卷积运算、PyTorch 的基本用法，这些如果还是模糊的，先补上再来，否则会变成看视频抄代码。
你得愿意动手写：课程里的编程任务不是选做，跳过它们，这门课对你来说就只是一堆视频。

学完之后，拿这几个问题自查：能不能不查资料写出残差块的 forward？能不能说清楚一个图像描述模型从输入到输出的完整数据流？给你一个没见过的数据集，能不能判断该用什么样的增强和损失函数？如果这几个问题你答得含糊，说明还有缺口没补上——缺什么补什么，别假装什么都会。

贪心学院-CV计算机视觉集训营

深度学习与计算机视觉实战集训

编辑点评

系统学习CV领域核心算法，实战项目丰富，适合有深度学习基础想进阶CV领域的学习者。

⭐ 编辑推荐

本课程由贪心学院精心打造，针对计算机视觉领域，通过深度学习实战项目，系统讲解CV核心算法。

课程亮点

• 系统学习CV算法

• 实战项目丰富

• 适合深度学习进阶

课程目录

📁 CV计算机视觉集训营（视频）
    CV计算机视觉集训营（视频）说明.zip  [1.8 MB]
    任务134：ResNet的代码实现.mp4  [154.2 MB]
    任务104：交通指示牌识别课程的编程任务.mp4  [27.6 MB]
    任务80：创建Tokenizer02.mp4  [62.4 MB]
    任务117：深度学习调参-直播-01.mp4  [55.5 MB]
    任务73：看图说话任务一-02.mp4  [35.5 MB]
    任务32：神经网络数学原理（2）： 神经网络的前馈（Feed Forward）算法.mp4  [48.1 MB]
    任务118：深度学习调参-直播-02.mp4  [45.5 MB]
    任务78：如何实现“extract_features”函数.mp4  [34.8 MB]
    任务212：MobileNet, Depthwise Seperable Convolution的原理计算量分析.mp4  [56.9 MB]
    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  [72.2 MB]
    任务155：方向盘转动方向预测网络模型的性能评估方法.mp4  [9.7 MB]
    任务222：Transposed Convolution 的梯度推导.mp4  [22.1 MB]
    任务4：深度学习在计算机视觉中的应用.mp4  [24.3 MB]
    任务183：Non-Max Suppression的原理.mp4  [12.9 MB]
    任务174：如何使用卷积作为最后的预测层.mp4  [13.9 MB]
    任务94：图像去噪声.mp4  [43.6 MB]
    任务62：Seq2Seq模型.mp4  [131.3 MB]
    任务122：单通道输入 单通道输出的卷积层的实例.mp4  [12.0 MB]
    任务43：梯度消亡解决方案.mp4  [43.8 MB]
    任务192：使用深度学习实现图像风格转移的代码讲解.mp4  [52.4 MB]
    任务93：数字图像直方图均衡.mp4  [35.0 MB]
    任务109：直方图均衡.mp4  [80.6 MB]
    任务40：Neural.Network.Loss-直播03.mp4  [107.7 MB]
    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  [81.2 MB]
    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  [157.2 MB]
    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  [69.9 MB]
    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  [25.6 MB]
    任务218：One-Shot Learning 的意义和工作原理.mp4  [23.8 MB]
    任务70：neural network optimizer直播-03.mp4  [143.8 MB]
    任务76：如何实现 load_img_as_np_array 这个函数.mp4  [16.5 MB]
    任务171：目标识别 R-CNN家族的回顾.mp4  [22.4 MB]
    任务153：DataGenerator部分的代码讲解.mp4  [64.1 MB]
    任务101：在图像和视频上面演示道路行车道检测.mp4  [69.9 MB]
    任务1：机器学习、深度学习简介.mp4  [23.9 MB]
    任务163：基于HOG(梯度直方图)的目标识别.mp4  [31.3 MB]
    任务231：使用 PyTorch 写测试网络的代码.mp4  [82.3 MB]
    任务164：Non-Max Suppression IoU 和 Hard Negative Mining.mp4  [82.9 MB]
    任务230：使用 PyTorch 写训练网络的代码.mp4  [86.8 MB]
    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  [114.7 MB]
    任务39：Neural.Network.Loss-直播02.mp4  [60.7 MB]
    任务38：Neural.Network.Loss-直播01.mp4  [69.6 MB]
    任务103：交通指示牌识别的简介.mp4  [28.7 MB]
    任务207：DropoutNoScale层的实现.mp4  [23.6 MB]
    任务10：问答环节.mp4  [57.0 MB]
    任务116：卷积神经网络的数学原理02.mp4  [75.4 MB]
    任务44：过拟合.mp4  [55.0 MB]
    任务22：使用PyCharm Keras建立深度网络模型.mp4  [257.8 MB]
    任务83：任务的概述.mp4  [16.6 MB]
    任务191：图像风格转移的原理.mp4  [38.3 MB]
    任务206：二值化全连接网络的代码讲解.mp4  [46.5 MB]
    任务135：基于内容的图像搜索理论基础.mp4  [29.3 MB]
    任务202：二值化神经网络的简介.mp4  [37.2 MB]
    任务166：R-CNN中的边界框(Bounding Box)预测原理.mp4  [24.1 MB]
    任务227：Siamese One-Shot learning 知识回顾.mp4  [14.3 MB]
    任务184：SSD和YOLO的比较 SSD的总结.mp4  [12.2 MB]
    任务2：深度学习的发展历史.mp4  [23.1 MB]
    任务152： 图像增强部分的代码讲解.mp4  [99.5 MB]
    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  [135.2 MB]
    任务197：对输入模型参数的合法性检测和转换.mp4  [28.3 MB]
    任务216：回顾EffNet的原理.mp4  [31.3 MB]
    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  [18.3 MB]
    任务46：正则化.mp4  [25.2 MB]
    任务12：二元分类问题.mp4  [32.5 MB]
    任务198：具有7层的SSD的网络结构讲解.mp4  [147.8 MB]
    任务82：产生模型需要的输入数据02.mp4  [56.7 MB]
    任务86：如何训练模型.mp4  [65.1 MB]
    任务141：自动驾驶方向盘转动方向预测的背景知识.mp4  [33.4 MB]
    任务51：递归神经网络介绍.mp4  [140.5 MB]
    任务105：如何分析数据 (util.py 的详细介绍).mp4  [70.6 MB]
    任务58：Bi-Directional LSTM.mp4  [48.1 MB]
    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  [84.3 MB]
    任务179：使用卷积作为最后的预测层详解.mp4  [17.4 MB]
    任务71：项目介绍.mp4  [26.9 MB]
    任务177：VGG16到SSD网络的演化 L2Normalization层的实现.mp4  [131.5 MB]
    任务72：看图说话任务一-01.mp4  [40.1 MB]
    任务180：SSD定位损失函数详解.mp4  [35.3 MB]
    任务67：Attention总结.mp4  [20.2 MB]
    任务169：Faster R-CNN Region Proposal Network.mp4  [37.1 MB]
    任务204：二值化网络的训练算法.mp4  [145.3 MB]
    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  [64.0 MB]
    任务187：Transposed Convolution原理与运用.mp4  [123.0 MB]
    任务24：建立BatchGenerator高效读取数据.mp4  [105.6 MB]
    任务77：如何实现“load_vgg16_model”函数.mp4  [27.4 MB]
    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  [69.0 MB]
    任务57：LSTM的应用.mp4  [56.6 MB]
    任务125：卷积神经网络和全连接神经网络的比较.mp4  [23.0 MB]
    任务149：图像增强02.mp4  [11.4 MB]
    任务139：项目1-看图说话（助教）讲解和答疑-02.mp4  [202.7 MB]
    任务60：机器翻译.mp4  [40.3 MB]
    任务90：如何评价标题生成模型的性能.mp4  [86.9 MB]
    任务178：SSD各个技术对失败率的影响 Atrous卷积层的原理.mp4  [13.6 MB]
    任务69：neural network optimizer直播-02.mp4  [75.5 MB]
    任务55：Gradient Clipping.mp4  [38.9 MB]
    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  [38.7 MB]
    任务143：理解分析训练数据.mp4  [25.7 MB]
    任务48：作业讲解与答疑-01.mp4  [98.2 MB]
    任务213：ShuffleNet, Group Convolution, Channel Shuffle的原理.mp4  [53.4 MB]
    任务47：最大范数约束 神经元的初始化.mp4  [57.9 MB]
    任务136：基于去噪自动编码器的图像搜索代码实现.mp4  [203.8 MB]