第 22 周：CNN 进阶 + 目标检测入门

核心知识点1. 经典轻量网络LeNetCNN 鼻祖AlexNet深度学习引爆点ResNet18/34最常用轻量 backbone2. 目标检测基础概念分类这是什么定位在哪里框坐标检测分类 定位3. 入门检测架构Faster R-CNN两阶段YOLO一阶段超快第 22 周 实战轻量 CNN 做 CIFAR10 彩色图分类 目标检测入门任务 1CIFAR10 彩色图像分类python运行# 核心模型结构直接替换上一周模型即可 class CNN_CIFAR(nn.Module): def __init__(self): super().__init__() self.features nn.Sequential( nn.Conv2d(3, 32, 3, padding1), nn.ReLU(), nn.Conv2d(32, 64, 3, padding1), nn.ReLU(), nn.MaxPool2d(2), nn.Conv2d(64, 128, 3, padding1), nn.ReLU(), nn.MaxPool2d(2), ) self.classifier nn.Sequential( nn.Flatten(), nn.Linear(128*8*8, 256), nn.ReLU(), nn.Linear(256, 10) ) def forward(self, x): x self.features(x) return self.classifier(x)任务 2简单目标检测PyTorch 预训练 Faster R-CNN直接跑通检测人、车、动物入门必备python运行import torch import torchvision.models as models from torchvision.transforms import ToTensor from PIL import Image # 加载预训练检测模型 model models.detection.fasterrcnn_resnet50_fpn(pretrainedTrue) model.eval() # 加载图片 → 转成 tensor img Image.open(test.jpg).convert(RGB) x ToTensor()(img).unsqueeze(0) # 推理 with torch.no_grad(): predictions model(x) # 输出框坐标 标签 置信度 print(检测框, predictions[0][boxes]) print(标签, predictions[0][labels]) print(置信度, predictions[0][scores])两周通关总结第 21 周CNN 核心卷积提取特征池化降维padding 控尺寸实战MNIST 卷积分类99%第 22 周CV 进阶经典轻量网络目标检测 分类 定位实战CIFAR10 分类 Faster R-CNN 检测入门跑完这两周 → 你正式掌握计算机视觉核心基础