欢迎来到社群计算机视觉课程

亲爱的学习者，

欢迎来到社群驱动的计算机视觉课程。计算机视觉正在以多种方式彻底改变我们的世界，从通过面部识别解锁手机到分析医学图像以进行疾病检测、监测野生动物和创建新图像。让我们一起潜入迷人的计算机视觉世界！

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。本课程的结构包括各种基础主题，使其对所有人友好且易于访问。我们很高兴您加入我们，开始这段激动人心的旅程！

在此页面上，您可以找到如何加入学习者社群、提交作业并获得证书，以及有关课程的更多详细信息！

作业 📄

要获得完成本课程的证书，请完成以下作业

训练/微调模型
构建应用程序并将其托管在 Hugging Face Spaces 上

训练/微调模型

笔记本/Vision Transformers 部分下有笔记本。目前，我们有用于对象检测、图像分割和图像分类的笔记本。您可以在 🤗 Hub 上已有的数据集上训练模型，或者将数据集上传到数据集存储库并在其上训练模型。

模型存储库需要包含以下内容

填写完整的模型卡，您可以点击此处查看更多信息。
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。在这种情况下，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，以将模型存储库链接到数据集存储库。

创建 Space

在此作业部分，您将为您的计算机视觉模型构建一个基于 Gradio 的应用程序，并将其分享到 🤗 Spaces 上。使用以下资源了解有关这些任务的更多信息

证书 🥇

完成作业（训练/微调模型和创建 Space）后，请填写表格，其中包含您的姓名、电子邮件以及指向您的模型和 Space 存储库的链接，以接收您的证书。

加入社群！

我们邀请您加入我们活跃且支持性的 Discord 社群，那里每天都有引人入胜的对话和共同的兴趣蓬勃发展，本课程也由此开始。您会找到可以与您交流想法和资源的同伴。它是您协作、获得反馈和提出问题的来源！

这也是激励自己继续学习本课程的好方法。加入我们的社群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呢？

随着人工智能的不断发展，我们社群内讨论的质量和观点的多样性也在不断提高。成为会员后，您将有机会与课程的其他参与者联系、交流想法并与他人协作。此外，本课程的贡献者活跃于 Discord，并在需要时可能会为您提供帮助。现在就加入我们吧！

计算机视觉频道

我们的 Discord 服务器上有许多专注于各种主题的频道。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：一个涵盖与计算机视觉相关的所有内容的综合频道
#cv-study-group：一个交流想法、询问有关特定帖子的问题并发起讨论的地方
#3d：一个讨论特定于 3D 计算机视觉的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。

您将学到什么

本课程由理论、实践教程和引人入胜的挑战组成。

理论部分：本节涵盖计算机视觉的理论原理，并结合实际示例进行详细解释。
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。本课程的结构包括各种基础主题，让您全面了解是什么让计算机视觉在今天如此具有影响力。

预备知识

在开始本课程之前，请确保您具有 Python 编程经验，并且熟悉 transformers、机器学习和神经网络。如果您对这些内容不熟悉，请考虑复习 Hugging Face NLP 课程的第一单元。虽然对预处理技术和卷积等数学运算的深入了解是有益的，但它们不是先决条件。

课程结构

本课程分为多个单元，涵盖基础知识并深入探索最先进的模型。

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基本概念：计算机视觉的需求、该领域的基础知识及其应用。探索图像基础知识、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、关键概念和常见的预训练模型。学习如何应用迁移学习和微调来使 CNN 适应各种任务。
单元 3 - Vision Transformers：在计算机视觉的背景下探索 transformer 架构，并了解它们与 CNN 的比较。了解常见的 vision transformers，例如 Swin、DETR 和 CVT，以及迁移学习和微调技术。
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），并掌握用于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、图像到图像和图像修复等任务中的差异和应用。
单元 6 - 基础计算机视觉任务：涵盖图像分类、对象检测和分割等基本任务以及其中使用的模型（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：深入研究三维视觉的复杂性，探索 Nerf 和 GQN 等用于场景渲染和重建的概念。了解 3D 视觉在计算机视觉中的挑战和应用，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：了解使用深度生成模型创建合成数据的重要性。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。探索零样本学习和迁移学习在各种计算机视觉领域之间的关系。
单元 12 - 计算机视觉中的伦理与偏见：了解计算机视觉特有的伦理考量。探索为什么伦理很重要，偏见如何渗透到 AI 模型中，以及这些领域中普遍存在的偏见类型。学习如何进行偏见评估和缓解策略，强调负责任地开发和部署 AI 技术。
单元 13 - 展望与新兴趋势：探索当前趋势和新兴架构。深入研究 Retentive Network、Hiera、Hyena、I-JEPA 和 Retention Vision Models 等创新方法。