百度飞桨CV工程师双证课程

 1. 课程核心价值与行业认证优势   
百度飞桨AI实战双证课程是计算机视觉领域的系统性培养方案，课程完成后可获得百度与后厂理工学院联合认证的工程师资格证书。该认证在AI工程领域具有较高认可度，特别适合希望进入智能安防、自动驾驶等热门行业的从业者提升竞争力。课程采用PaddlePaddle框架实战教学，覆盖从Two Stage Detection到模型部署的全流程技术栈。 

 2. 课程内容体系解析   
课程分为6大技术模块：   

- 目标检测：详解Faster RCNN、SSD、YOLOv3等算法原理与代码实现   

- 人脸识别：包含FaceBoxes、Light CNN等前沿模型实战   

- 目标追踪：Kalman Filter等核心算法工业级应用   

- 语义分割：Lane Segmentation与DeepLab v3+项目实战   

- 数学公式识别：EAST检测与Image2Markup生成技术   

- 模型部署：Webserver部署与工业级数据处理技巧   

每个模块均配备PDF技术文档、预习资料和课后作业，形成完整学习闭环。 

 3. 特色实战项目深度剖析   
课程包含3个企业级项目：   

1. 视频行为分析系统：融合Two Stage/One Stage检测算法，完成异常行为识别全流程开发   

2. 车道线分割系统：基于语义分割技术实现自动驾驶核心功能模块   

3. 数学公式识别引擎：结合EAST检测与Attention机制，完成学术文档数字化处理   

项目代码均提供可运行的.txt和.pptx详解文档，包含CUDA环境配置等工程细节。 

 4. 教学方式与资源支持   
采用"理论讲解+代码实操+双周研讨"三维教学模式：   

- 每周配备答疑研讨会视频（如7-2答疑研讨会.mp4）   

- 提供22份技术白皮书（如week3-resnet.txt）   

- 包含9个框架对比实验（PyTorch与TensorFlow环境配置教程）   

关键技术点如NMS代码、VOC2010评估方式等均有独立章节专项突破。 

 5. 适合人群与技能提升   
本课程适合：   

- 具备Python基础的开发人员转型CV工程师   

- 传统图像处理从业者升级深度学习技能   

- 高校研究生需要发表视觉相关论文   

学完后可掌握工业级模型训练技巧、多框架部署能力以及百度飞桨生态开发经验，课程最后阶段的webserver模型部署教学尤其适合云计算方向开发者。 

通过25章系统学习，学员不仅能深入理解计算机视觉算法原理，更能获得百度生态的实战经验。双证认证+企业级项目经验的组合，将成为AI工程师职业发展的强力助推器。

资源目录列表：

├─【后厂理工学院】百度飞桨联合设计双证资深AI实战工程师（CV方向）
│  ├─第01章 视频行为分析-项目简介
│  │  ├─第1节 Outline of The Course
│  │  │  ├─第1节 Outline of The Course.mp4
│  │  ├─第2节 问题解答以及NMS代码
│  │  │  ├─第2节： Introduction to Deep Learning.mp4
│  ├─第02章 视频行为分析—Two Stage Detection
│  │  ├─第1节 Two Stage Detection
│  │  │  ├─week2-3.5 Detection.pdf
│  │  │  ├─第1节 Two Stage Detection.mp4
│  │  ├─第2节 答疑研讨会—Faster RCNN SSDNMS 代码实操
│  │  │  ├─第2节：答疑研讨会—Faster RCNN _ SSD_NMS 代码实操.mp4
│  ├─第03章 视频行为分析—One Stage Detection
│  │  ├─第1节 One Stage Detection
│  │  │  ├─week3.5-5 Face Detection Recognition.pdf
│  │  │  ├─第1节 One Stage Detection.mp4
│  │  │  ├─微信图片_20191005214010.jpg
│  │  │  ├─微信图片_20191005214022.jpg
│  │  ├─第2节 如何安装cuda，cudnn，pytorch和tensorflow以及YOLOv3代码讲解
│  │  │  ├─第2节 如何安装cuda，cudnn，pytorch和tensorflow以及YOLOv3代码讲解.mp4
│  ├─第04章 视频行为分析—Face Detection
│  │  ├─第1节 Face Detection
│  │  │  ├─cv正式课资料.pdf
│  │  │  ├─第1节 Face Detection-1.mp4
│  │  ├─第2节 FasterRCNN 中 tensor的传递 以及VOC2010的评估方式及代码
│  │  │  ├─第2节 FasterRCNN 中 tensor的传递 以及VOC2010的评估方式及代码.mp4
│  ├─第05章 视频行为分析—Face Recognition
│  │  ├─第1节 Face Recongnition
│  │  │  ├─第1节 Face Recongnition.mp4
│  │  ├─第2节 faceboxes，light cnn和face evoLVe的代码
│  │  │  ├─第2节 faceboxes，light cnn和face evoLVe的代码.mp4
│  ├─第06章 视频行为分析—Tracking Intro
│  │  ├─第1节 Tracking Intro
│  │  │  ├─week6-7 Tracking-Kalman Filter.pdf
│  │  │  ├─第1节 Tracking Intro.mp4
│  │  ├─第2节 6-2 答疑研讨会
│  │  │  ├─第2节 6-2 答疑研讨会.mp4
│  ├─第07章 视频行为分析—Kalman Filter
│  │  ├─第2节 7-2 答疑研讨会
│  │  │  ├─8-2答疑研讨课.pdf
│  │  ├─第1节 Kalman Filter.mp4
│  │  ├─第2节 7-2 答疑研讨会.mp4
│  │  ├─第2节 7-2 答疑研讨会-1.mp4
│  ├─第08章 视频行为分析—检测与识别的扩展
│  │  ├─第1节 检测与识别的扩展
│  │  │  ├─week8 Action Recognition.pdf
│  │  ├─第2节 8-2检测与识别拓展研讨课
│  │  │  ├─Baidu-I答疑研讨课.pdf
│  │  ├─第1节 检测与识别的扩展.mp4
│  │  ├─第2节 8-2检测与识别拓展研讨课.mp4
│  ├─第09章 Lane Segmentation & Semantic
│  │  ├─第1节 9-1Lane Segmentation & Semantic
│  │  │  ├─Lane Segmentation-Week 1.pdf
│  │  ├─第2节 9-2研讨课
│  │  │  ├─Baidu-I答疑研讨课.pdf
│  │  ├─第1节 9-1Lane Segmentation & Semantic.mp4
│  │  ├─第2节 9-2研讨课.mp4
│  ├─第10章 10-1 Lane Segmentation
│  │  ├─第1节 10-1 Lane Segmentation
│  │  │  ├─Fully Convolutional Networks for Semantic Segmentation.pdf
│  │  │  ├─Lane Segmentation-Week 2.pptx
│  │  ├─第2节 10-2研讨课
│  │  │  ├─kaike.pptx
│  │  ├─第1节 10-1 Lane Segmentation.mp4
│  │  ├─第2节 10-2研讨课.mp4
│  ├─第11章 11-1 Lane Segmentation
│  │  ├─第1节 11-1Lane Segmentation
│  │  │  ├─3-1课程代码.txt
│  │  │  ├─week3-resnet(1).txt
│  │  ├─第1节 11-1Lane Segmentation.mp4
│  │  ├─第2节 11-2研讨课.mp4
│  ├─第12章 12-1deeplab v3+的原理和实现Week4
│  │  ├─第1节 12-1deeplab v3+的原理和实现Week4
│  │  │  ├─12-1PPTLane Segmentation-Week 4.pdf
│  │  │  ├─12-1课上PPTLane Segmentation-Week 4-.pdf
│  │  │  ├─Week4 预习资料.txt
│  │  ├─第2节 12-2研讨课
│  │  │  ├─12-2课件PPT.pdf
│  │  ├─第1节 12-1deeplab v3+的原理和实现Week4.mp4
│  │  ├─第2节 12-2研讨课.mp4
│  ├─第13章 项目实战-数据处理week5
│  │  ├─第1节 13-1项目实战-数据处理week5
│  │  │  ├─13-1week5课前预习资料.txt
│  │  │  ├─13-1课程作业.txt
│  │  │  ├─13-1课件PPT Week 5.pdf
│  │  │  ├─13-1课件PPT（笔记版）Week 5.pdf
│  │  ├─第2节 13-2数据预处理
│  │  │  ├─13-2课件PPT.pptx
│  │  ├─第1节 13-1项目实战-数据处理week5.mp4
│  │  ├─第2节 13-2数据预处理-1.mp4
│  │  ├─第2节 13-2数据预处理-2.mp4
│  ├─第14章 Traning week6
│  │  ├─第1节 14-1Traning week6
│  │  │  ├─14-1PPTWeek 6.pdf
│  │  │  ├─14-1课堂作业.txt
│  │  ├─第2节 14-2网络训练与损失选择
│  │  │  ├─14-2课堂PPT.pptx
│  │  ├─第1节 14-1Traning week6-1.mp4
│  │  ├─第1节 14-1Traning week6-2.mp4
│  │  ├─第2节 14-2网络训练与损失选择.mp4
│  ├─第15章 项目实战-部署Week7
│  │  ├─第1节 15-1项目实战-部署Week7
│  │  │  ├─15-1课堂PPT Week 7.pdf
│  │  │  ├─15-1课堂作业.txt
│  │  ├─第1节 15-1项目实战-部署Week7.mp4
│  │  ├─第2节 15-2模型推理.mp4
│  ├─第16章 模型融合Week8
│  │  ├─第1节 16-1 模型融合week8
│  │  │  ├─16-1课堂PPT-Week 8.pdf
│  │  │  ├─16-1项目二大作业要求.txt
│  │  ├─第1节 16-1 模型融合week8.mp4
│  │  ├─第2节 16-2项目二总复习.mp4
│  ├─第17章 数学公式识别-课程导论
│  │  ├─第1节 17-1数学公式识别-课程导论
│  │  │  ├─17-1课后作业详情.txt
│  │  │  ├─17-1课堂PPT.pptx
│  │  ├─第1节 17-1数学公式识别-课程导论.mp4
│  │  ├─第2节 17-2 车牌识别代码讲解.mp4
│  ├─第18章 数学公式识别-EAST文本区域检测算法(一)
│  │  ├─第1节 18-1 数学公式识别-EAST文本区域检测算法(一)
│  │  │  ├─18-1课后作业.pdf
│  │  │  ├─18-1课堂PPT.pdf
│  │  ├─第1节 18-1 数学公式识别-EAST文本区域检测算法(一).mp4
│  │  ├─第2节 18-2 EAST代码讲解.mp4
│  ├─第19章 数学公式识别-EAST文本区域检测算法(二)
│  │  ├─第1节 19-1数学公式识别-EAST文本区域检测算法(二)
│  │  │  ├─19-1课前预习.pdf
│  │  │  ├─19-1课堂PPT.pdf
│  │  │  ├─19-2课后作业.txt
│  │  ├─第1节 19-1数学公式识别-EAST文本区域检测算法(二).mp4
│  │  ├─第2节 19-2 EAST训练和评估.mp4
│  ├─第20章 EAST理解难点梳理与pytroch版本代码解析
│  │  ├─第1节 20-1 EAST理解难点梳理与pytroch版本代码解析
│  │  │  ├─20-1课后作业.pdf
│  │  ├─第2节 20-2 east_pytorch版本代码解析与答疑
│  │  │  ├─EAST-pytorch讲解.pptx
│  │  ├─第1节 20-1 EAST理解难点梳理与pytroch版本代码解析.mp4
│  │  ├─第2节 20-2 east_pytorch版本代码解析与答疑.mp4
│  ├─第21章 数学公式识别-Image2MarkupGeneration(一)
│  │  ├─第1节 21-1数学公式识别-Image2MarkupGeneration(一)
│  │  │  ├─21-1项目三作业.txt
│  │  │  ├─hct_cv_week20.pdf
│  │  ├─第1节 21-1数学公式识别-Image2MarkupGeneration(一).mp4
│  │  ├─第2节 21-2img2markup的dataloader 实现-1.mp4
│  │  ├─第2节 21-2img2markup的dataloader 实现-2.mp4
│  ├─第22章 数学公式识别-Image2MarkupGeneration(二)
│  │  ├─第1节 22-1数学公式识别-Image2MarkupGeneration(二)
│  │  │  ├─HCT 百度CV Week21 课件.pdf
│  │  ├─第2节 im2latex前向推理代码详解
│  │  │  ├─Im2Latex前向推理.pptx
│  │  ├─第1节 22-1数学公式识别-Image2MarkupGeneration(二).mp4
│  │  ├─第2节 im2latex前向推理代码详解.mp4
│  ├─第23章 数学公式识别-Image2MarkupGeneration(三)
│  │  ├─第1节 23-1数学公式识别-Image2MarkupGeneration(三)
│  │  │  ├─23-1homework.pdf
│  │  │  ├─HCT 百度CV Week22 课件 .pdf
│  │  ├─第1节 23-1数学公式识别-Image2MarkupGeneration(三).mp4
│  │  ├─第2节 23-2Attention与BeamSearch代码详解.mp4
│  ├─第24章 数学公式识别-Image2MarkupGeneration(四)
│  │  ├─第1节 24-1Image2MarkupGeneration(三)
│  │  │  ├─HCT 百度CV Week23 课件.pdf
│  │  ├─第1节 24-1Image2MarkupGeneration(三).mp4
│  │  ├─第2节 24-2注意力机制效果演示以及不同loss对比.mp4
│  ├─第25章 数学公式识别-Image2MarkupGeneration(五)
│  │  ├─第1节 25-1Image2MarkupGeneration(五)
│  │  │  ├─HCT 百度CV Week24.pdf
│  │  │  ├─项目三大作业.txt
│  │  ├─第1节 25-1Image2MarkupGeneration(五) -1.mp4
│  │  ├─第1节 25-1Image2MarkupGeneration(五) -2.mp4
│  │  ├─第2节： 25-2webserver模型部署.mp4