老师，这个东西一定要具备Linux的知识吗？或者编程环境是在Linux环境下进行的吗？

亲，您好~如果想在深度学习领域做下去的话，linux的环境是一定要熟悉的。我们本门课程的模型需要跑在linux的环境下，涉及到一些基本的linux的指令，需要了解一下。另外，python+tensorflow的环境需要自己提前配置安装好，而caffe和darknet的环境配置，我们在课程中会有提到，最终的编译配置仍然也是需要在自己的本机电脑上完成，这些步骤都是不可避免的。祝您学习愉快~

老师您好，这门课程会讲到关于目标跟踪的相关知识嘛

亲，您好~没有目标跟踪，现在目标跟踪的方法大多都是detection by tracking的策略，好的检测结果能够直接带来跟踪效果的提升。对于单目标跟踪，可以考虑相关滤波或者siamese tracking这样的方法，最近应该还有一些新的深度学习的方法。对于多目标方法会麻烦一些，会包括多个组件比如检测模块，外观相似模块，运动相似模块和关联模块。如果想在比赛里拿到比较好的成绩，联系重点提高检测结果，如果想做一些前沿的研究可以考虑端到端的模型祝您学习愉快~

车辆检测大概会讲多少内容？重点想听一下这里。

亲，您好~车辆检测就是ADAS业务场景目标检测，会有两个章节专门讲解原理与实战。里面主要用到的是KITTI数据集，使用的框架是py-caffe-fasterrcnn，主要包括了ADAS业务场景介绍、KITTI数据集介绍、KITTI数据集下载、数据处理（转VOC格式数据）、py-caffe-fasterrcnn框架介绍、模型训练和测试。相信课程里的内容会对您有所帮助。祝您学习愉快~

老师，为啥不用主流的框架tf，而用caffe呢，我之前只学过tf

亲，您好~目前caffe和tensorflow在企业里用的都比较多，如果大家在后面工作的话，这两种框架都是需要掌握的。caffe相比于tensorflow，由于用c++编写的，速度上更快一些，所以很多企业在进行自己算子开发的时候，会优先考虑caffe。tensorflow则有着更好的灵活性，在验证模型的时候，更加的便捷。再说我们这里的目标检测项目中，采用caffe的原因主要在于很多算法的原作者都是采用的caffe来编写设计的网络结构。以ssd为例，ssd作者提供的源码是caffe的，而且ssd的后续的改进的算法有绝大多数也是用caffe的编写的。在实战项目中的文本检测和多任务网络中，会用到tensorflow+EAST框架进行文本检测任务的实战应用和和tensorflow+MTCNN进行人脸+关键点多任务网络实战应用”。祝您学习愉快~

会教如何训练自己感兴趣的对象，并实现目标检测嘛，不是简单的识别分类

亲，您好~您好，本课程是为了帮助大家解决目标检测任务，涉及到很多东西工作中会遇到的任务，比如人脸检测，车辆检测，行人检测，文本检测等等，并不是简单的分类任务。简单分类任务只需要介绍一些卷积神经网就好了，而本课程会涉及到多个面向目标检测任务，实际工作中会用到的框架，并带着大家一步一步的完成数据打包，框架源码解读，模型训练，测试，优化等等多个步骤与环节，内容更多，更丰富。另外有什么问题，也可以和老师交流。祝您学习愉快～祝您学习愉快~

会有caffe自定义层的实现吗？

亲，您好~我们这里不会单独定义和实现一些新的caffe层，主要是围绕一些主流,热门的算法，来解决一些实际的业务问题。caffe新层的实现则是算法层面上的创新与设计，相对而言更加复杂一些。在工程实践和落地的项目应用中，还是建议大家利用一些现有的框架，并且吃透它，后续如果想优化算法，且发paper，可以考虑设计新层，否则可以考虑其他方面做优化。祝您学习愉快~

老师，会一步步教用自己的数据训练，再到目标检测嘛

亲，您好~您好，课程针对一些目前企业常见的问题来进行目标检测算法介绍，包括任务很多，人脸，车辆，行人，文本，通用物体等，有矩形标注数据，有四边形标注数据。从数据下载，数据打包，源码解读，模型训练，测试，等等各个环节都有介绍到。如果是专用的任务，比如安全帽检测等等，和这里的任务场景虽然存在差异，到数据上基本一致，算法具有较好的普适性。如果有什么问题，也可以和老师交流，希望您能学习愉快~祝您学习愉快~

老师，目标检测的实现代码是从头开始您带着写吗？

您好，本门课程包括多个深度学习目标检测框架。目标检测是计算机视觉基础研究之一，不同于卷积神经网的设计，目标检测算法存在几种不同框架，在实际的工程中，算法框架通常是固定的，不需要我们自己再去重新定义框架源码。而是，基于框架再去做一些创新，比如主干网络设计(卷积神经网设计），基于算法框架完成不同检测网络的搭建，模型训练，模型测试，模型优化等，这些老师都会从头开始带大家熟悉，了解框架源码架构，并带领大家完成其中核心部分代码以及需要用到的脚本程序和涉及到的优化思路。整个课程更加的贴切实际工作场景，解决实际问题。如果在学习中，有其他问题，也可以多和老师交流。祝您学习愉快。

如果只是小白，对框架的知识不了解，可以学这么课吗？

亲，您好~不建议您购买这门课程。这门课是高级课程，需要提前具备一些基础知识，实战部分运用到了caffe，tensorflow和darknet三种框架，如果对框架不了解，很难看懂实战部分。建议您先学习下框架的基础知识，再来学习会事半功倍。祝您学习愉快~

caffe框架课程会讲授么？还是学之前要有caffe基础？

亲，您好~课程不会讲解caffe基础，建议您先学习下免费课程，再来学习实战会事半功倍。https://www.imooc.com/learn/1040祝您学习愉快~

提供视频里的课件嘛

亲，您好~视频观看不限期的，慕课网的实战课程是可以在PC端、手机端、iPad端观看的。并且可以在手机端缓存，离线观看的。祝您学习愉快~

你好，你们有线下课程么？

亲，您好~目前没有的。祝您学习愉快~

老师，课程介绍的模型是不是都是调整好参数的了？主要是迁移学习？

亲，您好~1、课程用到的模型主要采用默认的参数来进行模型的训练，实际上很多任务我们在训练最开始模型的时候，不需要对参数进行较大的改动；在训练过模型，确保模型整个流程没问题之后，接下来的优化主要集中在主干网络、loss、数据优化等不同的地方进行优化。 2、这个并不能算迁移学习，迁移学习在深度学习里面有很多种用法，如果我们采用预训练模型，这个可以理解成模型的迁移，但是这是最low的做法。其他的关于迁移学习的问题，推荐看《迁移学习简明手册》，https://zhuanlan.zhihu.com/p/35352154祝您学习愉快~

这个和实际工业应用生产联系大吗？

亲，您好~我们课程中介绍的模型和算法，都是目前工业界，解决视频分析或者图像分析，必然会用到的技术，模型和算法都是目前最主流的方法。目标检测任务是计算机视觉基础研究，在很多任务和应用中，只有找到感兴趣的区域，才能做后续的操作。祝您学习愉快~

请问课程中有对这些人们算法源码的讲解吗？

课程中涉及到多个框架以及不同的算法，老师会针对整体框架以及其中的核心代码进行讲解，帮助大家深入了解整个技术。如果其他源码不懂，也可以和老师交流。