← 返回案例列表

研二学员 · 12周学习规划

显著性目标检测 · SCI3区 + 大厂就业 · 有Python基础

12周
总学习周期
4h+
每日学习时长
目标检测
核心方向
SCI3区
论文目标
第一阶段：快速入门（第1-2周）

第1周：环境配置 + PyTorch入门

Week 1

🎯 本周目标

完成深度学习环境配置，能够运行PyTorch代码，理解张量操作和自动求导机制。

📋 每日任务

Day 1-2：环境配置重要
安装Anaconda、CUDA、cuDNN、PyTorch。确保GPU可用，运行torch.cuda.is_available()返回True
Day 3-4：PyTorch基础视频
学习Tensor操作、自动求导、神经网络模块nn.Module的使用
Day 5-6：数据加载实践
掌握Dataset和DataLoader的使用，学会图像数据的加载和预处理
Day 7：训练流程重要
理解完整的训练循环：前向传播→计算损失→反向传播→参数更新

📚 学习资源

  • 新手通识 - 环境配置课程
  • 新手通识 - 深度学习PyTorch部分
  • PyTorch官方教程（60分钟入门）

第2周：CNN基础 + 图像分类实战

Week 2

🎯 本周目标

理解CNN卷积神经网络原理，完成一个简单的图像分类项目（如猫狗分类），熟悉完整的深度学习项目流程。

📋 每日任务

Day 1-2：CNN原理视频
理解卷积层、池化层、全连接层的作用，了解LeNet、AlexNet、VGG的演进
Day 3-4：ResNet学习重要
重点理解残差连接的原理，学会使用预训练的ResNet模型
Day 5-7：猫狗分类实战实践
完成猫狗分类项目，包括数据准备、模型训练、结果评估、模型保存

📚 学习资源

  • 新手通识 - 深度学习CNN部分
  • 猫狗分类数据集（Kaggle Dogs vs Cats）

🎉 阶段一完成！

你已经掌握了深度学习的基本流程，可以进入目标检测专项学习了

第二阶段：目标检测专项（第3-5周）

第3周：目标检测基础 + YOLO入门

Week 3

🎯 本周目标

理解目标检测任务的定义，掌握YOLO算法的核心思想，能够使用YOLOv5/v8进行推理。

📋 每日任务

Day 1-2：目标检测概述视频
理解目标检测vs分类vs分割的区别，了解Anchor、IoU、NMS等核心概念
Day 3-4：YOLO原理重要
学习YOLO的网格划分、边界框预测、置信度计算，理解One-stage检测思想
Day 5-7：YOLOv5/v8实践实践
下载YOLOv5/v8官方代码，用预训练模型进行推理，熟悉代码结构

第4周：数据标注 + YOLO训练

Week 4

🎯 本周目标

学会使用标注工具制作目标检测数据集，在自定义数据集上训练YOLO模型。

📋 每日任务

Day 1-2：数据标注实践
学习使用LabelImg或CVAT进行目标框标注，制作YOLO格式数据集
Day 3-5：YOLO训练重要
配置数据集yaml文件，训练自己的YOLO模型，学会看训练日志和曲线
Day 6-7：评估与调优实践
理解mAP、Precision、Recall等指标，学会基本的调参技巧

第5周：显著性目标检测论文阅读

Week 5

🎯 本周目标

阅读显著性目标检测领域的经典论文，找到一个可以复现的开源项目作为baseline。

📋 每日任务

Day 1-3：论文阅读阅读
阅读2-3篇显著性目标检测的近期论文，了解领域研究现状和常用方法
Day 4-5：找开源项目重要
在GitHub上找一个Star较多、代码完整的显著性检测项目作为baseline
Day 6-7：跑通baseline实践
按照README配置环境，在公开数据集上跑通baseline，记录结果
第三阶段：项目实战（第6-8周）

第6-7周：数据集准备 + Baseline复现

Week 6-7

🎯 本周目标

准备自己的数据集，在自己数据上跑通baseline，记录实验结果作为对比基准。

📋 主要任务

数据集整理与标注实践
整理自己的数据集，完成标注，划分训练集/验证集/测试集
Baseline训练重要
在自己数据集上训练baseline模型，记录各项指标（mAP、F1等）
代码理解学习
深入阅读baseline代码，理解网络结构、损失函数、训练策略

第8周：理解代码 + 确定改进方向

Week 8

🎯 本周目标

深入理解baseline代码，确定1-2个改进方向，为下一阶段的创新做准备。

📋 主要任务

分析baseline不足重要
分析baseline在复杂场景下的检测效果，找出容易失败的案例
调研改进方法阅读
阅读相关改进论文，了解注意力机制、特征融合等常用改进方法
确定改进方案重要
确定1-2个可行的改进点，如添加CBAM注意力模块、改进损失函数等
第四阶段：改进与实验（第9-10周）

第9周：实现改进 + 对比实验

Week 9

🎯 本周目标

实现改进方案，进行对比实验，验证改进的有效性。

📋 主要任务

代码实现实践
在baseline基础上实现改进模块，如添加注意力机制
对比实验重要
训练改进后的模型，与baseline对比各项指标，记录实验结果
结果分析实践
分析改进效果，准备可视化结果（检测效果对比图）

第10周：消融实验 + 数据整理

Week 10

🎯 本周目标

完成消融实验，整理所有实验数据，准备论文写作素材。

📋 主要任务

消融实验重要
验证每个改进模块的单独贡献，制作消融实验表格
数据整理实践
整理所有实验数据，制作对比表格和可视化图表
补充实验实践
根据需要补充额外实验，确保实验结果完整可靠
第五阶段：论文撰写（第11-12周）

第11-12周：论文写作与投稿

Week 11-12

🎯 本周目标

完成论文撰写，准备投稿材料，同时准备毕业论文大纲。

📋 主要任务

论文框架重要
按照目标期刊格式搭建论文框架：摘要、引言、相关工作、方法、实验、结论
内容撰写实践
撰写各部分内容，重点突出创新点和实验结果
图表制作实践
制作高质量的论文图表，包括网络结构图、实验对比图等
投稿准备重要
选择目标期刊/会议，准备投稿材料，提交论文

🎊 恭喜完成！

12周的学习计划完成，论文已投稿，同时毕业论文大纲也已准备好

⚠️ 重要注意事项

下载完整学习规划文档，方便离线查看和打印

📥 下载Word文档