欢迎来到社区计算机视觉课程

亲爱的学习者,

欢迎参加**关于计算机视觉的社区驱动课程**。计算机视觉正在以多种方式改变我们的世界，从使用面部识别解锁手机到分析医学图像以检测疾病，再到监测野生动物和创建新图像。我们将一起深入了解计算机视觉的迷人世界！

在本课程中，我们将涵盖从基础知识到计算机视觉最新进展的所有内容。课程结构包含各种基础主题，使其对每个人都友好且易于访问。我们很高兴您加入我们，开启这段激动人心的旅程！

在本页，您可以找到如何加入学习者社区、提交作业并获得证书，以及更多关于课程的详细信息！

作业 📄

要获得完成课程的认证，请完成以下作业

训练/微调模型
构建应用程序并在 Hugging Face Spaces 上托管

训练/微调模型

在“笔记本/视觉转换器”部分下有一些笔记本。目前，我们有用于目标检测、图像分割和图像分类的笔记本。您可以使用 🤗 Hub 上已有的数据集训练模型，或者将数据集上传到数据集存储库并在其上训练模型。

模型存储库需要具备以下内容：

填写完整的模型卡片，您可以点击此处了解更多信息
如果您使用 transformers 训练了模型并将其推送到 Hub，则会生成模型卡片。在这种情况下，请编辑卡片并填写更多详细信息。
将数据集的 ID 添加到模型卡片中，以将模型存储库链接到数据集存储库。

创建空间

在本作业部分，您将为您的计算机视觉模型构建一个基于 Gradio 的应用程序，并在 🤗 Spaces 上共享它。使用以下资源了解有关这些任务的更多信息

认证 🥇

完成作业（训练/微调模型和创建空间）后，请填写此表单，其中包含您的姓名、电子邮件以及模型和空间存储库的链接，以接收您的证书

加入社区！

我们邀请您加入我们积极且支持的 Discord 社区，这里每天都会充满互动对话和共同兴趣，也是本课程的起源地。您会找到可以与之交流想法和资源的同伴。它是您协作、获取反馈和提出问题的来源！

这也是激励自己学习课程的好方法。加入我们的社区是保持参与度的绝佳方式。谁知道我们接下来会一起构建什么？

随着 AI 不断发展，我们社区的讨论质量和观点多样性也在不断提高。成为会员后，您将有机会与其他课程参与者建立联系，交流想法，并与他人合作。此外，本课程的贡献者活跃在 Discord 上，并在您需要时为您提供帮助。立即加入我们！

计算机视觉频道

我们的 Discord 服务器上有许多专注于不同主题的频道。您会发现人们在讨论论文、组织活动、分享他们的项目和想法、集思广益等等。

作为计算机视觉课程的学习者，您可能会发现以下频道特别相关

#computer-vision：一个涵盖所有与计算机视觉相关内容的综合频道。
#cv-study-group：一个交流想法、询问特定帖子问题和发起讨论的地方。
#3d：一个讨论计算机视觉中特定于 3D 计算机视觉方面的频道

如果您对生成式 AI 感兴趣，我们也邀请您加入所有与扩散模型相关的频道：#core-announcements、#discussions、#dev-discussions 和 #diff-i-made-this。

你将学到什么

本课程由理论、实践教程和互动挑战组成。

理论部分：本部分详细介绍了计算机视觉的理论原理，并辅以实际示例。
动手教程：您将学习如何使用 Google Colab 笔记本训练和应用关键的计算机视觉模型。

在本课程中，我们将涵盖从基础知识到计算机视觉最新进展的所有内容。课程结构包含各种基础主题，让您全面了解是什么使得计算机视觉在今天如此具有影响力。

先决条件

在开始本课程之前，请确保您具备一定的 Python 编程经验，并且熟悉 Transformer、机器学习和神经网络。如果您不熟悉这些内容，可以考虑复习Hugging Face NLP 课程的第一单元。虽然深入了解预处理技术和卷积等数学运算很有益，但它们并非先决条件。

课程结构

本课程分为多个单元，涵盖基础知识并深入探讨最先进的模型。

单元 1 - 计算机视觉基础：本单元涵盖开始学习计算机视觉的必要概念：计算机视觉的需求、该领域的概况及其应用。探索图像基础、形成和预处理，以及特征提取的关键方面。
单元 2 - 卷积神经网络 (CNN)：深入了解 CNN 的世界，了解其通用架构、关键概念和常用的预训练模型。学习如何应用迁移学习和微调以使 CNN 适应各种任务。
单元 3 - 视觉 Transformer：在计算机视觉的背景下探索 Transformer 架构，并学习它们与 CNN 的比较。了解常见的视觉 Transformer，例如 Swin、DETR 和 CVT，以及迁移学习和微调的技术。
单元 4 - 多模态模型：通过探索图像到文本和文本到图像等多模态任务，了解文本和视觉的融合。研究 CLIP 及其相关模型（GroupViT、BLIPM、Owl-VIT），并掌握多模态任务的迁移学习技术。
单元 5 - 生成模型：探索生成模型，包括 GAN、VAE 和扩散模型。了解它们在文本到图像、图像到图像和修复等任务中的差异和应用。
单元 6 - 基本计算机视觉任务：涵盖图像分类、目标检测和分割等基本任务以及用于这些任务的模型 (YOLO、SAM)。深入了解这些任务的指标和实际应用。
单元 7 - 视频和视频处理：检查视频的特征、视频处理的作用以及与图像处理相比的挑战。探索时间连续性、运动估计以及视频处理中的实际应用。
单元 8 - 3D 视觉、场景渲染和重建：深入探讨三维视觉的复杂性，探索 Nerf 和 GQN 等用于场景渲染和重建的概念。了解计算机视觉中 3D 视觉的挑战和应用，以及它如何提供更全面的空间信息视图。
单元 9 - 模型优化：探索模型优化的关键方面。涵盖模型压缩、部署注意事项以及工具和框架的使用等技术。包括蒸馏、剪枝和 TinyML 等主题，以实现高效的模型部署。
单元 10 - 合成数据创建：使用深度生成模型发现合成数据创建的重要性。探索点云和扩散模型等方法，并研究主要的合成数据集及其在计算机视觉中的应用。
单元 11 - 零样本计算机视觉：深入研究计算机视觉中的零样本学习领域，涵盖泛化、迁移学习及其在零样本识别和图像分割等任务中的应用。探索零样本学习与各种计算机视觉领域之间迁移学习的关系。
单元 12 - 计算机视觉中的伦理和偏差：了解特定于计算机视觉的伦理考虑。探讨为什么伦理很重要，偏差如何渗透到 AI 模型中，以及这些领域中普遍存在的偏差类型。学习如何进行偏差评估和缓解策略，强调 AI 技术的负责任开发和部署。
单元 13 - 展望和新兴趋势：探索当前趋势和新兴架构。深入研究创新的方法，如 Retentive Network、Hiera、Hyena、I-JEPA 和 Retention Vision Models。