这是什么？
这是一门基于视频的深度学习课程，讲解经典的计算机视觉网络架构，涵盖图像分类、目标检测、图像分割和关键点检测，每个网络都配有讲解和可运行的代码。
这是一门基于视频的深度学习课程，讲解经典的计算机视觉网络架构，涵盖图像分类、目标检测、图像分割和关键点检测，每个网络都配有讲解和可运行的代码。这是现成的库，还是一组教学示例？它是教学资源，而不是可以直接安装的软件包：每个网络都有自己的 PyTorch 实现，大多数还有单独的 TensorFlow2（keras）实现，方便对照学习。
它是教学资源，而不是可以直接安装的软件包：每个网络都有自己的 PyTorch 实现，大多数还有单独的 TensorFlow2（keras）实现，方便对照学习。学习一节课时该怎么跟着做？从课程列表中选一个网络（例如 ResNet、YOLO、U-Net），先观看对应的 bilibili 视频讲解，然后在仓库中打开相应的 pytorch_* 或 tensorflow_* 文件夹，自己运行代码；讲义幻灯片保存在 courseppt 文件夹中。
从课程列表中选一个网络（例如 ResNet、YOLO、U-Net），先观看对应的 bilibili 视频讲解，然后在仓库中打开相应的 pytorch_* 或 tensorflow_* 文件夹，自己运行代码；讲义幻灯片保存在 courseppt 文件夹中。要使用它，是否需要同时安装 PyTorch 和 TensorFlow2？不需要，只需要你想学习的框架即可。大多数网络同时有 PyTorch 和 TensorFlow2 两种实现，你可以只选其中一种来学。
不需要，只需要你想学习的框架即可。大多数网络同时有 PyTorch 和 TensorFlow2 两种实现，你可以只选其中一种来学。视频课程是英文的吗？不是，课程、幻灯片和视频都是中文的，托管在作者的 bilibili 频道上。
不是，课程、幻灯片和视频都是中文的，托管在作者的 bilibili 频道上。这门课程适合谁？适合想要理解经典计算机视觉架构并从零开始复现的学生和自学者，因为内容来自作者自己的研究生阶段研究笔记。
适合想要理解经典计算机视觉架构并从零开始复现的学生和自学者，因为内容来自作者自己的研究生阶段研究笔记。这门课程整体涵盖哪些主题？四个方向：图像分类（从 LeNet 到 ConvNeXt 和 MobileViT）、目标检测（Faster-RCNN/FPN、SSD、RetinaNet、YOLO 系列、FCOS）、语义分割（FCN、DeepLabV3、U-Net、U2Net）以及实例与关键点任务（Mask R-CNN、DeepPose、HRNet）。
四个方向：图像分类（从 LeNet 到 ConvNeXt 和 MobileViT）、目标检测（Faster-RCNN/FPN、SSD、RetinaNet、YOLO 系列、FCOS）、语义分割（FCN、DeepLabV3、U-Net、U2Net）以及实例与关键点任务（Mask R-CNN、DeepPose、HRNet）。讲座中用到的幻灯片在哪里找？所有 PPT 幻灯片都保存在仓库的 courseppt 文件夹中，可以直接下载。
所有 PPT 幻灯片都保存在仓库的 courseppt 文件夹中，可以直接下载。课程还在持续更新吗？还在更新。课程大纲中的条目在视频和代码完成后会标记为已完成，作者表示学到新主题时会陆续加入。
还在更新。课程大纲中的条目在视频和代码完成后会标记为已完成，作者表示学到新主题时会陆续加入。What are similar projects?mmdetection, Swin-Transformer, DeepLearning, vit-pytorch, X-AnyLabeling, VisionHOPE, awesome-deep-vision, deeplearning_ai_books
mmdetection, Swin-Transformer, DeepLearning, vit-pytorch, X-AnyLabeling, VisionHOPE, awesome-deep-vision, deeplearning_ai_booksWhich topics is it in?swin-transformer, mask-rcnn, tensorflow2, instance-segmentation, vision-transformer, convolutional-neural-networks, semantic-segmentation, yolo, cnn, deep-neural-networks, bilibili, segmentation
swin-transformer, mask-rcnn, tensorflow2, instance-segmentation, vision-transformer, convolutional-neural-networks, semantic-segmentation, yolo, cnn, deep-neural-networks, bilibili, segmentation