计算机视觉及其在自动驾驶感知系统中的应用（第二期）

计算机视觉及其在自动驾驶感知系统中的应用（第二期）

• 第1章 加餐：机器学习及深度学习基础及方法
• 1-1 什么是机器学习和人工智能、深度学习介绍 立即学习
• 1-2 深度学习基础知识-线性代数 立即学习
• 1-4 深度学习基础知识-最优化理论 立即学习
• 1-5 有监督学习、无监督学习、强化学习等概念 立即学习
• 1-6 模型的概念、模型的表达能力、泛化能力、过拟合、欠拟合 立即学习
• 1-7 数据集、参数与超参 立即学习
• 1-8 线性可分支持向量机（SVM 为例） 立即学习
• 1-9 深度学习方法内容概述 立即学习
• 1-10 神经网络模型 立即学习
• 1-11 误差前向传播与梯度逆向传播 立即学习
• 1-12 深度学习常用的正则项 立即学习
• 1-13 深度学习模型的挑战 立即学习

• 第2章 深度学习基础
• 2-1 卷积神经网络基本原理 立即学习
• 2-2 实操：卷积神经网络 立即学习
• 2-3 反向传播算法及公式推导 立即学习
• 2-4 反向传播梯度计算推导 立即学习
• 2-5 图像中的几种变形卷积 立即学习
• 2-6 什么是尺度不变形？ 立即学习
• 2-7 CNN与transformer（上） 立即学习
• 2-8 CNN与transformer（下） 立即学习
• 2-9 VIT transformer及其变种（第二期新增） 立即学习

• 第3章 目标检测算法系统精讲
• 3-1 传统目标检测算法RCNN 立即学习
• 3-2 二阶段目标检测算法 立即学习
• 3-3 FasterRCNN算法原理精讲 立即学习
• 3-4 Realtime的二阶段检测算法 立即学习
• 3-5 目标检测前沿算法 立即学习
• 3-6 SSD与YOLO系列算法的原理（上） 立即学习
• 3-7 SSD与YOLO系列算法的原理（下） 立即学习
• 3-8 YOLOv4-YOLOv5算法的改进点精讲 立即学习
• 3-9 RetinaNet目标检测杠把子（第二期新增） 立即学习

• 第4章 AnchorFree系列目标检测算法精讲
• 4-1 AnchorFree检测算法原理 立即学习
• 4-2 CenterNet算法精讲 立即学习
• 4-3 通过CenterNet构建复杂多头网络 立即学习
• 4-4 实操：CenterNet代码讲解 立即学习
• 4-5 直播答疑 立即学习

• 第5章 语义分割算法系统精讲
• 5-1 语义分割概述 立即学习
• 5-2 语义分割的自动驾驶应用 立即学习
• 5-3 基于语义分割的Landmark检测与车道线提取 立即学习
• 5-4 语义分割模型的优化（上） 立即学习
• 5-5 语义分割模型的优化（下） 立即学习

• 第6章 实例分割与全景算法系统精讲
• 6-1 MaskRCNN算法原理 立即学习
• 6-2 实操：MaskRCNN算法原理 立即学习
• 6-3 基于SOLOv2的实例分割算法（上） 立即学习
• 6-4 基于SOLOv2的实例分割算法（下） 立即学习
• 6-5 实例分割算法的工程TensorRT加速与优化 立即学习
• 6-6 实操：实例分割算法的工程TensorRT加速与优化 立即学习
• 6-7 全景分割算法PanopticFCN（上） 立即学习
• 6-8 全景分割算法PanopticFCN（下） 立即学习

• 第7章 深度学习模型的部署与TensorRT加速
• 7-1 为什么要使用TensorRT加速 立即学习
• 7-2 TENSORRT加速的效果（上） 立即学习
• 7-3 TENSORRT加速的效果（下） 立即学习
• 7-4 通过TensorRT进行模型量化 立即学习

• 第8章 深度学习模型量化与剪枝概述
• 8-1 量化算法的基本理论（上） 立即学习
• 8-2 量化算法的基本理论（下） 立即学习
• 8-3 量化感知训练与后训练量化（上） 立即学习
• 8-4 量化感知训练与后训练量化（下） 立即学习
• 8-5 基于 PyTorch 的量化感知训练 QAT 实战(上) 立即学习
• 8-6 基于 PyTorch 的量化感知训练 QAT 实战(下) 立即学习

• 第9章 单目与多目传感器的视觉测距系统
• 9-1 单目测距与多目测距的原理（上） 立即学习
• 9-2 单目测距与多目测距的原理（下） 立即学习
• 9-3 基于单目的深度估计（上） 立即学习
• 9-4 基于单目的深度估计（下） 立即学习
• 9-5 基于单目的3D障碍物感知（上） 立即学习
• 9-6 基于单目的3D障碍物感知（下） 立即学习
• 9-7 实战：单目深度估计 立即学习

• 第10章 基于计算机视觉的无人车障碍物感知系统
• 10-1 多模型综合实践 立即学习
• 10-2 基于检测与分割的障碍物感知系统 立即学习
• 10-3 基于深度估计与检测的障碍物感知系统 立即学习

• 第11章 车道线检测算法精讲与系统构建
• 11-1 车道线检测任务概述 立即学习
• 11-2 基于Anchor-based的车道线检测系统 立即学习
• 11-3 基于分割的车道线检测方法 立即学习
• 11-4 实践：车道线检测后处理相关的知识（聚类与后处理、特征处理） 立即学习

• 第12章 自动驾驶感知融合方法——第二期新增
• 12-1 基于图像与激光雷达数据的前融合方法Multiview2D 立即学习
• 12-2 后处理感知融合策略：卡尔曼滤波方法 立即学习

• 第13章 自动驾驶中的多目标跟踪系统
• 13-1 多目标跟踪之基础（上） 立即学习
• 13-2 多目标跟踪之基础（下） 立即学习
• 13-3 卡尔曼滤波算法 立即学习
• 13-4 基于深度学习表观特征的跟踪 立即学习
• 13-5 DEEPSORT系统 立即学习
• 13-6 实战 立即学习

• 第14章 基于计算机视觉的红绿灯识别系统
• 14-1 红绿灯识别基本思路 立即学习
• 14-2 红绿灯检测与状态识别 立即学习
• 14-3 红绿灯检测与状态识别（上） 立即学习
• 14-4 红绿灯检测与状态识别（下） 立即学习
• 14-5 基于状态机的红绿灯状态优化 立即学习

• 第15章 基于视觉特征的辅助定位技术