前言
目标检测是计算机视觉和数字图像处理的一个热门方向，广泛应用于机器人导航、智能视频监控、工业检测、航空航天等诸多领域，通过计算机视觉减少对人力资本的消耗，具有重要的现实意义。因此，目标检测也就成为了近年来理论和应用的研究热点，它是图像处理和计算机视觉学科的重要分支，也是智能监控系统的核心部分，同时目标检测也是泛身份识别领域的一个基础性的算法，对后续的人脸识别、步态识别、人群计数、实例分割等任务起着至关重要的作用。
为了帮助初学者深入学习目标检测相关知识，有三AI推出了《深度学习之目标检测》系列课程，目前已完成超过30小时的理论课与实践课程，并还将继续更新，为学员深入解读目标检测基础理论原理及经典网络结构，经合实际项目，将所学理论应用于实践。
课程介绍
课程大纲包含理论和实战两大部分，当前时长已超过30个小时：
(1) 理论部分内容包括：two-stage算法-Faster RCNN系列详解、one-stage算法-YOLO系列详解（从YOLO v1到YOLO v5），Anchor-free算法系列详解（包括Densebox，CenterNet，CornetNet等）；会非常详细地讲解算法中的细节，帮助彻底消化算法原理；
下面是当前理论部分课程的大纲脑图：
(2) 实践部分内容包括： YOLOv3实战（工业缺陷检测）、Faster-RCNN实战（猫脸检测），CenterNet（电路板缺陷检测），MMdetection框架使用；基于Pytorch框架进行实战，逐行剖析代码，完全掌握实战细节；
下面是当前实践部分课程的大纲脑图：
实践案例
请注意：当前总的课程时长已经超过30个小时，并且课程内容还在一直更新中，会持续覆盖目标检测领域的各个方向，请及时保持关注！
下面是当前完整内容图：
讲师介绍
费子昂，东北大学软件学院硕士，擅长目标检测和图形图像方向，曾在腾讯实习，拿下抖音offer。参与智慧铁路入侵检测、智慧消防多个计算机视觉类落地项目。
费用以及报名方式
订阅本课程的方法如下：
本专栏会涵盖所有目标检测相关的内容且有答疑群，当前价格199，7月后将涨价至299，请需要学习的，扫码加我（注明-“订阅专栏”）：
