# CV2026

**Repository Path**: yangchengjun2/cv2026

## Basic Information

- **Project Name**: CV2026
- **Description**: 2026年人工智能23级课件资料
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-06-22
- **Last Updated**: 2026-06-22

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 计算机视觉实训 2026（cv_course_2026）

> 一套基于 **OpenMMLab** 技术栈的计算机视觉实训课程，覆盖从图像预处理、目标检测、分割、关键点姿态估计，到模型部署、图像生成与论文/开源发布的**完整工程链路**。36 学时，分 7 个模块循序渐进。

---

## 📚 课程模块总览

| # | 模块 | 内容 | 入口 |
|---|---|---|---|
| 1 | 图像预处理 | OpenCV 基础、颜色空间、滤波去噪 | [`1-图像预处理4x6.ipynb`](./1-图像预处理4x6.ipynb) |
| 2 | 目标检测 | Faster R-CNN / RTMDet，VOC/COCO 训练 | [`2-目标检测.ipynb`](./2-目标检测.ipynb) |
| 3 | 图像分割 | 语义分割原理与实战 | [`3-图像分割.ipynb`](./3-图像分割.ipynb) |
| 4 | 实例分割 | Mask R-CNN 实例分割实战 | [`4-实例分割实战.ipynb`](./4-实例分割实战.ipynb) |
| 5 | 分类与分割模型实现 | mmpretrain 分类 + mmsegmentation 语义分割：模型一览、自定义数据集、训练/推理、配置示例 | [`5-常用分类与分割模型实现/`](./5-常用分类与分割模型实现/README.md) |
| 6 | 数据集标注 | 标注软件（LabelImg/labelme/X-AnyLabeling/Label Studio/CVAT）+ 格式转换 + **课件主线 Label Studio 关键点标注实战与训练** | [`6-数据集标注软件使用/`](./6-数据集标注软件使用/README.md) |
| 7 | 图像生成 | 自回归 AR / VAE / GAN / 扩散 4 本进阶 notebook，循序覆盖现代生成模型 | [`7-图像生成模型训练/`](./7-图像生成模型训练/00_教程总览.md) |

> 模块 1–4 为课程主线 notebook；模块 5–7 为扩展补充，覆盖评分大纲中「自定义模型、数据标注、图像生成」等知识点。
> **原始的「环境安装 + 标注 + 训练」端到端操作手册已并入模块 6 README**（标注是该流程的核心环节）。

---

## 🗂️ 仓库目录结构

```
cv_course_2026/
├── Readme.md                      ← 本文（工程总览）
├── 1~4-*.ipynb                    主线：预处理 / 检测 / 分割 / 实例分割
├── 5-常用分类与分割模型实现/        分类(mmpretrain) + 语义分割(mmseg)
│   ├── README.md
│   └── configs/                   自定义训练配置示例
├── 6-数据集标注软件使用/            标注工具指南 + 课件主线实操手册（含环境/训练）
│   ├── README.md
│   └── convert/                   VOC→COCO、labelme→COCO 转换脚本
├── 7-图像生成模型训练/
│   ├── 00_教程总览.md             生成模型知识图谱 + 运行说明
│   └── code/                      4 本进阶 notebook（AR/VAE/GAN/扩散）+ figures
├── office_code/                   参考实现（faster-rcnn / fcn）
└── images/, *.png                 课件配图
```

> 第三方源码库 `mmdetection-main/`、`mmpose-1.3.2/` 不纳入仓库，按官方文档用 `mim` 安装（见模块 6 的「环境准备」）。

---

## 🚀 快速开始

1. **装环境**（详见 [模块 6 · 环境准备](./6-数据集标注软件使用/README.md#一环境准备)）：
   ```bash
   pip install -U openmim
   mim install "mmcv>=2.0.0,<2.2.0" "mmdet>=3.3.0" "mmpose>=1.3.2"
   # 可选：mim install "mmpretrain>=1.0.0" "mmsegmentation>=1.0.0"
   ```
2. **跑主线 notebook**：按 1 → 2 → 3 → 4 顺序打开学习。
3. **数据标注 + 自定义训练**：见模块 6 的 Label Studio 关键点实战。
4. **图像生成**：见模块 7，运行前需向老师索取 `data/` 数据集。

---

## ⚠️ 数据与大文件获取

以下内容已在 `.gitignore` 排除、**不在仓库中**，需另行向老师/同学索取：

| 类型 | 说明 |
|---|---|
| `data/` 数据集 | 各 notebook 所需训练数据（含模块 7 的 MNIST/CIFAR-10 等，可自行下载） |
| `*.pptx` 幻灯片 | 课程讲义幻灯片，体积大 |
| 第三方库 | `mmdetection-main/`、`mmpose-1.3.2/`，用 `mim` 安装 |
| 模型权重 | `*.pth/*.onnx` 等，自行训练或下载官方预训练 |
| 推理输出 | `output/`，运行后自动生成 |

---

## 📤 发布到 Gitee（cv2026 仓库）

> 远端 `cv2026 → https://gitee.com/yangchengjun2/cv2026.git`，默认分支 `master`。

**后续增量更新**（改完代码后）：
```bash
cd cv_course_2026
git add -A
git commit -m "更新说明"
git push
```

**注意**：上表中被 `.gitignore` 排除的内容不会上传，需另行分发。