深入浅出0基础入门AI及目标检测详细学习路径

在准备网站、课程、文章等的一系列过程中，会遇到非常多的小伙伴，咨询他们遇到的各种问题。

大白发现，各类问题都是很分散的，但是在不同的领域，又有其共性。而且有些朋友，可能是刚刚入门人工智能行业。

这也是大白编写本文的原因，因为我也是从0开始的，深知如果有一条相对清晰，并有效的学习路径的重要性。

因此大白主要从以下几个方面，和工作的实际出发，讲解具体的学习方法，大家可以结合自身的需要，挑选进行学习：

一 AI基础篇：从零快速入门AI基础

二 AI数据篇：数百万公开及私有数据集

三 目标检测篇：从零学习Yolo目标检测算法

四 论文创新篇：目标检测论文创新点

五 面试准备篇：已助力150+进入大厂的《人工智能算法岗江湖武林秘籍》

六 求职工作篇：从零快速了解AI企业，找到好的工作

一 AI基础篇：从零快速入门AI基础

因为很多朋友学习AI，其实都是带有一定的目标性的。

比如研究生学习AI，想直接了解人工智能算法可以做什么？有哪些创新点？

想转行AI的朋友，想了解AI公司具体的协作方式，如果学习AI算法，如何训练、测试算法？

而市面上大量的书籍、包括视频，都是讲解非常底层的知识：比如贝叶斯、决策树等。

底层的内容是很重要，但在有限的时间内，获得自己需要的学习目标才最重要。

因此，在AI基础篇，大白觉得可以从以下几个方面快速学习：

（1）《30天入门人工智能》视频课程

大白花费1年多的时间，结合工作实际，制作的31节视频课，总共615分钟。

如果时间相对充裕，可以花费3天左右的时间，对于AI算法，系统性的从入门->基础->改进->尝试->深入->技巧，6个方面，快速学习。

学完之后，对于人工智能的基础，目标检测的基础，Yolov3、Yolov4，都会有一个比较清晰的了解。

视频链接：点击查看

当然，有非常多的小伙伴，给大白很多反馈，让大白觉得做得一切努力都很有意义。

（2）《人工智能基础高中版》

如果刚开始入门人工智能，大白觉得明白人工智能在生活场景中的应用，有哪方面的技术。

比一上来就讲各类晦涩难懂的公式、算法更有意义，只有产生了兴趣，才能做后续的尝试。

所以大白主要推荐商汤初版的这本人工智能基础（高中版），从更宏观的角度，了解人工智能对于生活中的改变，结合前面的视频，就能明白有哪些功能？如何实现?

书籍优惠购买链接：点击查看

二 AI数据篇：数百万公开及私有数据集

人工智能行业，除了算法，数据是非常重要的金矿。

比如在目标检测项目中，需要检测人体，那我们就需要人体数据集。当需要检测车辆，就需要车辆数据集。

为了便于大家查找相关数据集，大白将梳理的所有的数据集进行汇总，便于大家对应查看。

（1）260+各类公开数据集

可以根据不同的需求，筛选出自己需要的数据集，在官网中进行下载。

数据集链接：点击查看

（2）数十个可下载数据集

大白将一些收集的数据集，以及购买的部分数据集，都放在百度网盘中，可以进行下载。

下载链接：点击查看

（3）花费过万购买的数据集

在从事AI行业的这三年中，大白零零散散，花费了一万多，购买了各类项目中所需要的数据集。

而且为了便于大家了解不同的数据集，算法功能、类别标签等详细信息，大白还制作了数据集管理文档，甚至在每行最后贴上了数据集图片，可以直接点击打开，查看是否自己需要的数据。

数据集管理文档清单链接：点击查看

数据集下载方式：点击查看

以上三种方式，如果大家都有的话，应该基本上可以解决学习中或者工作中，很多的训练需求了。

三 目标检测篇：从零学习Yolo目标检测算法

AI行业如果学习CV，则必须要学习目标检测。

比如人脸识别、客流统计、入侵检测等功能的第一步，都是目标检测。

而想学习目标检测，Yolo算法是必备的学习算法。

所以针对很多想学习目标检测的朋友，大白梳理了一条最快最便捷的方式，学习目标检测及Yolo算法。

（1）目标检测应用：人脸识别

在很多项目功能中，目标检测只是其中的第一步，大白以人脸识别为案例，将整个功能拆解，花20分钟时间，从全局的角度了解人脸识别整套流程。

视频链接：点击查看

（2）目标检测的基础：必备知识

如果对于人工智能没有接触过，建议将《30天入门人工智能》的第一章到第六章，都学习一下。

如果已有一定的基础，可以先学习视频课程的第五章第一节。

视频链接：点击查看

（3）目标检测Yolo知识：Yolov3算法

虽然Yolo算法是从Yolov1、v2发展而来的，但目前常用的Yolo算法，基本都从Yolov3开始。

所以Yolov3是目标检测系列的必学经典，后面的Yolo算法都是在此基础上发展而来的，而且里面的很多点，都是招聘中必问的点。

Yolov3的基础知识，主要看《30天入门人工智能》课程中第五章的第二节课和第三节课。

视频链接：点击查看

（4）目标检测Yolo知识：Yolov4算法

学习了Yolov3，再进一步了解进化版的Yolov4算法相关改进点。

因为Yolov5的很多知识点，和Yolov4都是一样的。

而想学习Yolov4算法，可以从两种方式学习：

文章方式：大白编写了《深入浅出Yolo系列之Yolov4核心基础知识完整讲解》

文章链接：点击查看

视频方式：当然大白还将文章中的内容，用视频的方式表达出来，主要放在《30天入门人工智能》视频课程第五章的第四节和第五节课。

视频链接：点击查看

（5）目标检测Yolo知识：Yolov5算法

学习了Yolov3、Yolov4后，就可以继续学习Yolov5算法。

Yolov5算法，大白主要写了非常详细的文章，《深入浅出Yolo系列之Yolov5核心基础知识完整讲解》，相信学了前面的Yolov3、Yolov4，文章看起来也会比较轻松。

文章链接：点击查看

在看的过程中，为了便于理解，可以使用Netron软件打开Yolov5的网络结构，将网络结构图和文章中，大白画的结构图片一点点对照看，直到都能对应起来。

当然需要注意的是，因为大白写文章后，Yolov5又更新了几个版本，不过都是不断微调改进，所以建议下载百度网盘里面Yolov5之前的权重文件，使用Netron软件打开，和文章中的网络结构图对应查看。

当然还有Yolov3&Yolov4&Yolov5&Yolox的结构图图片，点击查看下载。

（6）目标检测Yolo知识：Yolov5训练

为了便于大家更便捷的学习Yolov5算法，大白将使用Yolov5，训练自有数据集的过程，一步步的整合写出来，通过在实战中学习实践，可以理解的更快。

Yolov5训练文章链接：点击查看

（7）目标检测+目标追踪：Yolov5+Bytetrack

智慧城市CV项目中，80%的项目都需要检测和追踪的结合，在Yolov5的基础上，大白将其与Bytetrack目标追踪算法进行结合，放在星球中，学习整套代码，可以更快的理解整套原理。

Yolov5+Bytetrack代码链接：点击查看

（8）目标检测Yolo知识：Yolox算法

在学习Yolov5之后，2021年10月，旷视科技又发表了Yolox算法，在之前的Yolov3、Yolov5的基础上进行了改进，延伸出了Yolox-Darknet53、以及Yolox-s、l、m、x四个版本。

从Yolox的算法中，我们可以进一步了解Yolox不同的数据增强方式，Anchor Free、Decoupled Head等，明白不同的改进思想。

当然，大白也深入浅出的编写了《深入浅出Yolo之Yolox核心基础完整讲解》，将Yolox揉碎了，掰开了讲。

文章链接：点击查看

（9）目标检测Yolo知识：Yolox训练

学习了Yolox的原理，大家肯定也想用Yolox算法进行训练实践。

所以大白也贴心的整理人头的数据集，并将从数据集转换，Yolox代码修改，训练的过程，一步步讲解，编写了文章《深入浅出Yolox之自有数据集训练超详细教程》。

Yolox训练文章链接：点击查看

（10）目标检测RCNN知识：Faster-RCNN算法

前面学习了目标检测One-stage方式中的各种Yolo算法，而Two-stage算法，RCNN系列也是非常有代表性，经典的算法。

大白也将RCNN、Fast-RCNN、Faster-RCNN算法的知识点，深入浅出的制作了两个视频。

放在《30天入门人工智能》视频课程，第五章的第六节和第七节课。

视频链接：点击查看

（11）网络推理的原理和实战

学习了目标检测相关的算法和原理，如果再了解图像分类和图像分割任务，会发现，其实都是共同的。

所以可以再进一步学习潘大强老师的《Pytorch模型推理及多任务通用范式》课程。

通过文字讲解和代码实战，可以了解图像分类，目标检测，图像分割之间通用的网络推理过程，讲的非常清晰易懂。

课程链接：点击查看

前面10个步骤学完，相信对于目标检测的原理，Yolov3，Yolov4，Yolov5的原理，以及网络推理，网络训练都会有深刻的了解，下面便是熟能生巧的过程。

刚开始任何人学习，都会有一个模糊的过程，不过后面经验越多，看的越多，便会豁然开朗，越看越清晰。

四 论文创新篇：目标检测论文创新点

当然很多朋友，学习人工智能的原因，在于学校科研的压力。

一方面需要了解AI如何和自己的研究方向结合，另一方面需要了解算法有哪些创新点。

以目标检测算法为例，相信大多数朋友都是以Yolo算法作为案例，但是Yolo算法有哪些创新点可以继续改进呢？

（1） 小目标&恶劣环境

文章1：详细解读TPH-YOLOv5 | 让目标检测任务中的小目标无处遁形

链接：https://mp.weixin.qq.com/s/g-C0RQvThZdhVKlAd4cklg

文章2：YOLO-Z | 记录修改YOLOv5以适应小目标检测的实验过程

链接：https://mp.weixin.qq.com/s/mz3gC_PUhM7th0UboOAhzQ

文章3：改进YOLOv3 | IA-YOLO让恶劣天气的目标检测起飞了!!!

链接：https://mp.weixin.qq.com/s/GvXb3ZHZma9Hs0QeAWjJqQ

文章4：小目标Trick | Detectron2、MMDetection、YOLOv5都通用的小目标检测解决方案

链接：https://mp.weixin.qq.com/s/6L6RE8sM7I2E5wUbq2i8uA

文章5：Yolo-Z：改进的YOLOv5用于小目标检测（附原论文下载）

链接：https://mp.weixin.qq.com/s/ehkUapLOMdDghF2kAoAV4w

（2） 主干网络改进

文章1：ShuffleNetV2-Yolov5 更轻更快易于部署的yolov5

链接：https://mp.weixin.qq.com/s/pADxO_RDGP9GZG2tuoi0ug

文章2：上海交大提出CDNet：基于改进YOLOv5的斑马线和汽车过线行为检测

链接：https://mp.weixin.qq.com/s/2F3WBtfN_7DkhERMOH8-QA

文章3：目标检测正负样本区分策略和平衡策略总结

链接：https://mp.weixin.qq.com/s/A9Fa602lKbKwvP8VCtrV2w

文章4：Yolo框架大改 | 消耗极低的目标检测新框架（附论文下载）

链接：https://mp.weixin.qq.com/s/iuYWWMEZYIfBVdqbfXX0Ow

文章5：万字长文深度解析PP-YoLoE，速度精度完美超越YoloX和Yolov5

链接：https://mp.weixin.qq.com/s/u5Zrx8ZZvp4sQrcNA0CSRQ

文章6：恺明团队新作ViTDet：探索ViT骨干在检测中的应用

链接：https://mp.weixin.qq.com/s/viTbFCtXWTL_WVoKbEwdOg

（3） Transformer

文章：YOLOS：通过目标检测重新思考Transformer（附源代码）

链接：https://mp.weixin.qq.com/s/fd7qhwoj-OMOJrhhFyuKTA

文章2：改进YOLO | 可能这才是用Transformer正确打开YOLO的方式吧？

链接：https://mp.weixin.qq.com/s/11QpvoR3J1Fp-psF41VkHQ

（4） FPN改进

文章1：更快更强！YOLO-ReT：在边缘GPU上实现高精度实时目标检测

链接：https://mp.weixin.qq.com/s/diADAUuvhDcs6Mp2LU1Wug

文章2：改进的YOLOv5：AF-FPN替换金字塔模块提升目标检测精度

链接：https://mp.weixin.qq.com/s/2YkyqY90095GqXywIO5-sg

文章3：即插即用 | S-FPN全新的金字塔网络，更适合轻量化模型的FPN

链接：https://mp.weixin.qq.com/s/aOjJWxnXFAsJ06I48j8U2g

（5） Loss改进

文章1：α-IoU | 再助YOLOv5登上巅峰，造就IoU Loss大一统

链接：https://mp.weixin.qq.com/s/Tuab_c4ODA-QOECWh5kRmA

文章2：Focal Loss升级 | E-Focal Loss让Focal Loss动态化，类别极端不平衡也可以轻松解决

链接：https://mp.weixin.qq.com/s/3wYSP3uA-BNgJeI0uIvQRQ

（6） 增加检测头

文章：详细解读TPH-YOLOv5 | 让目标检测任务中的小目标无处遁形

链接：https://mp.weixin.qq.com/s/g-C0RQvThZdhVKlAd4cklg

（7） 模型压缩

文章：Micro-YOLO：探索目标检测压缩模型的有效方法（附论文下载）

链接：https://mp.weixin.qq.com/s/96DQ8lZaHZe1fZozIICLkg

（8） 多任务学习

文章：多任务学习 | YOLOP: 全景驾驶感知，一个网络同时完成三大任务

链接：https://mp.weixin.qq.com/s/uJ1cmGueu0ydy48ST70V3w

（9）小样本学习

文章：CVPR小样本检测：蒸馏&上下文助力小样本检测（代码已开源）

链接：https://mp.weixin.qq.com/s/09HEC_jds-5dM1t-6DcKoA

当然后面也可以关注Yolo方面的其他改进，此外激活函数也可以修改，Yolov5的改进，你也可以用到Yolox上等等。

在以上的基础上，综合进行对比尝试创新。

五 面试准备篇：《人工智能算法岗江湖武林秘籍》

不管是工作后跳槽，还是刚毕业准备找工作，面试的准备是必不可少的。

大白花费将近大半年时间，对于国内45家大厂，涉及3500篇面经进行了梳理，整理了应该是市面上最全面的《人工智能算法岗江湖武林秘籍》。

目前已有150+名小伙伴，通过面经秘籍的准备找到工作。

算法岗江湖武林秘籍下载：点击领取

六 求职工作篇：从零快速了解AI企业，找到好的工作

如果是学生状态， 学习人工智能，是为了毕业后进入AI公司。

学习了上面的各个知识点，写出创新点的论文后，就可以花时间进入一些AI公司实习，或者准备一些AI公司的面试了。

除了通过一些招聘软件进行投递简历外，大白还和很多AI公司的技术负责人一起制作了【实时更新】人工智能岗位实时招聘文档。

大家可以了解不同的AI公司的具体工作情况，以及工作需求。