阶段 04

计算机视觉

From pixels to understanding across image, video, and 3D.

01图像基础 —— 像素、通道与颜色空间Build~45 minutes测验 02从零实现卷积Build~75 minutes测验 03CNN —— 从 LeNet 到 ResNetLearn + Build~75 minutes测验 04图像分类Build~75 minutes测验 05迁移学习与微调Build~75 minutes测验 06目标检测——从零实现 YOLOBuild~75 minutes测验 07语义分割——U-NetBuild~75 minutes测验 08实例分割——Mask R-CNNBuild + Learn~75 minutes测验 09图像生成 —— GANBuild~75 minutes测验 10图像生成 —— 扩散模型Build~75 minutes测验 11Stable Diffusion —— 架构与微调Learn + Use~75 minutes测验 12视频理解 —— 时间建模Learn + Build~45 minutes测验 133D 视觉 —— 点云与 NeRFLearn + Build~45 minutes测验 14视觉 Transformer（ViT）Build~45 minutes测验 15实时视觉——边缘部署Learn + Build~75 minutes测验 16构建完整的视觉 pipeline——项目Build~120 minutes测验 17自监督视觉——SimCLR、DINO、MAELearn + Build~75 minutes测验 18开放词汇视觉——CLIPBuild + Use~45 minutes测验 19OCR 与文档理解Learn + Use~45 minutes测验 20图像检索与度量学习Build~45 minutes测验 21关键点检测与姿态估计Build~45 minutes测验 22从零实现 3D Gaussian SplattingBuild~90 minutes测验 23Diffusion Transformer 与 Rectified FlowLearn + Build~75 minutes测验 24SAM 3 与开放词汇分割Use + Build~60 minutes测验 25视觉语言模型 —— ViT-MLP-LLM 模式Learn + Use~75 minutes测验 26单目深度与几何估计Build + Use~60 minutes测验 27多目标跟踪与视频记忆Build~60 minutes测验 28世界模型与视频扩散Learn + Build~75 minutes测验

“Stay hungry, stay foolish.”

— Steve Jobs