资源介绍
视频数量：41个
总时长：6小时31分
课程介绍：
现代计算机视觉与生成式人工智能实战
你有没有想过，手机相册是怎么自动把人脸分成一类的？自动驾驶汽车怎么知道前方有一辆卡车？当你输入"一只穿着太空服的柯基犬"时，人工智能是怎么在几秒钟内画出图来的？
这些看似神奇的功能，背后都是计算机视觉和生成式人工智能在支撑。这门课程要做的，就是把这些技术掰开揉碎，用Python代码一步步带你亲手实现。
整个课程围绕一个核心工具展开：KerasCV。这是一个由谷歌支持的新兴计算机视觉库，建立在Keras之上。Keras本身就是深度学习领域最受欢迎的高级API之一，现在能同时支持TensorFlow、Jax和PyTorch三大主流框架。KerasCV的出现，让图像分类、目标检测这些常见的视觉任务变得前所未有的简洁。
一、图像分类与迁移学习
第一部分聚焦图像分类。先讲清概念：什么是预训练图像分类器？为什么可以直接拿来用而不用从头训练？因为这些模型已经在百万张图片上学过了，学会了识别猫、狗、汽车、飞机等上千种物体。
理论讲完立刻上代码。你会看到如何在Python里调用一个预训练分类器，对任意图片做预测。紧接着进入更高级的话题：迁移学习和微调。模型已经学会了"什么是猫"，你想让它区分"英短"和"美短"，这时候只需要在原模型基础上用少量新数据做进一步训练，这就是微调。课程会手把手演示如何在Python中微调一个图像分类器，并配有练习题帮你巩固。
二、目标检测
如果说分类是给图片贴标签，目标检测就是在图片上画框，告诉系统"这个位置有一只狗，那个位置有一辆车"。这部分内容非常扎实。
课程先解释目标检测的三个关键技术指标：IoU，也就是交并比，用来衡量预测框和真实框的重合程度；非极大值抑制，负责去掉重复的框只保留最准的那个；置信度分数，反映模型对检测结果有多大把握。这些东西听起来抽象，讲清楚之后你会发现逻辑非常自然。
理论落地到代码，你会学到目标检测中两个常用的损失函数：Focal Loss和Smooth L1 Loss，专门用来解决正负样本不平衡和边界框回归的问题。
数据准备是实战中最让人头疼的部分，课程对此做了详细讲解。你会了解两种主流数据集格式：COCO和Pascal VOC，学会用LabelImg标注工具手动标注自己的图片。数据增强也单独列了一节，教你通过旋转、裁剪、变色等操作扩充数据集，提升模型泛化能力。
最后是重头戏：用KerasCV微调目标检测模型。课程分两个场景演示：一是用内置数据集快速上手，二是用自己标注的定制数据集完成完整流程。每节末尾都配有练习题，方便你检验掌握程度。
三、生成式人工智能与Stable Diffusion
这是最让人兴奋的部分。Stable Diffusion是当下最火的文生图模型之一，输入一段文字描述就能生成对应图片。课程第一件事就是让你在Python中跑通这个流程，亲眼看到模型根据你的提示词生成图像。
但课程没有停在"会用"的层面。如果你想知道背后的原理，后面有几节可选的理论课会深入讲解：扩散模型是怎么工作的？网络架构长什么样？模型如何理解输入的文字提示？最后一节甚至带你走进扩散模型的源代码，逐行分析关键实现。
这种设计很贴心。初学者可以先跑通流程，感受生成式人工智能的魅力；有钻研精神的同学可以继续深入理论，理解每一步的直觉。
四、环境搭建与学习策略
除了核心内容，课程还准备了三块实用的附录。环境搭建章节从安装前检查开始，详细演示Anaconda环境的配置方法，教你安装NumPy、Matplotlib、Pandas、TensorFlow等常用库。对于刚接触Python的同学，附录里有专门的零基础编程技巧部分，从如何自己写代码到Jupyter Notebook的使用注意事项都做了说明。学习策略章节回答了几个常见问题：课程适合初学者还是专家？偏学术还是偏实践？节奏快还是慢？如果你是这位老师其他课程的老学员，还能得到课程顺序的建议。
每章末尾都配有测验题，帮助检验学习效果。课程总时长约六个半小时，41个视频，节奏紧凑但不至于消化不了。
适合谁来学？如果你已掌握Python基础，想进入计算机视觉领域，又不想被繁杂的框架配置劝退，这门课是个不错的起点。Stable Diffusion的热度让很多人想亲手尝试文生图，课程提供了最快的上手路径。如果你正在做产品开发，需要图像识别或目标检测能力，课程里的微调实战能直接用到项目里。
学完这门课，你能做到这些：用预训练模型快速搭建图像分类系统；在自己数据集上微调分类器和检测器；用Python调用Stable Diffusion生成图像；理解扩散模型的基本原理。这四项技能覆盖了当下计算机视觉和生成式人工智能最主流的应用场景。
不需要你是深度学习专家，也不需要数学功底有多强。带着好奇心和动手意愿，跟着一行行代码敲下来，你会发现自己比想象中走得更远。