课程解读
课程介绍
系统掌握视觉与多模态大模型核心技术，从理论到实战构建AI应用能力。本课程系统梳理从深度学习基础到卷积神经网络、多模态大模型（CLIP、SAM、VLM）及AI编程的核心技术，通过理论精讲与项目实战相结合的方式，帮助学员掌握视觉大模型的部署、微调与多模态应用开发能力，实现零样本缺陷检测、图文搜索等前沿场景的快速落地。
适用学习对象
本课程主要面向人工智能算法工程师、计算机视觉研发人员、大模型应用开发者及科研人员，特别适合希望系统学习多模态大模型、掌握从模型训练到部署全流程的专业技术人员。
相关事宜
2026年共举办2期课程
南京2026年4月16日~18日
北京2026年10月29日~31日
研修费用：4600元/人 (含培训、午餐、资料、证书)
工程师高培：
课程大纲
第1章、深度学习理论
1 深度学习的发展与起源、框架与开发环境
2 人工神经网络发展与基本原理
3 循环神经网络介绍
4 生成式人工智能的起源、发展与现状
第2章、卷积神经网络
1 卷积基本概念、卷积、池化、激活函数、反向传播、骨干网络结构（AlexNet、VGGNet、GoogLeNet、Inception Net、ResNet、DenseNet、MobileNet）
2 经典的卷积设计方法，1x1卷积、空洞卷积、转置卷积、残差与反向残差、FPN与PANet、SPP与SPPF
3 系列网络结构拆解与修改
4 卷积神经网络模型训练方法 - 迁移学习、冻结与全链路调优、GPU与云算力训练实践。
5 数据标注，标注方法与工具，数据清洗与数据增广方法，YOLO11系列模型的数据集格式，自定义模型从训练到部署。
6 模型部署与推理加速、主流CNN模型部署框架、加速方法、C++与Python部署YOLO11代码演示。
第3章、多模态大模型视觉理论与实践
1 大模型的起源基础，Transform系列网络，解码器与编码器、自注意力与循环注意力、掩码注意力。
2 Bert与GPT技术的发展与分支
3 ViT系列模型，Transform网络的技术演化，图像分类、对象检测、示例分割的支持
4 CLIP网络详解与零样本的图像分类能力，多模态网络与视觉多模态网络模型结构与发展。CLIP模型的应用场景
5 DINO网络详解与零样本的图像分类能力，自监督特征提取能力。DINO模型的应用场景
6 SAM网络模型 – 自动标注与自动替换、自动生成
7 工业缺陷异常检测模型 从正样本到零样本、ZSAD系列模型介绍。零样本ZSAD模型的部署与缺陷检测代码演示。
第4章、主流大模型架构与部署框架
1 常用MLLM与VLM模型介绍
2 大模型的部署框架与方法
3 大模型SDK接入与开发者模式
4 大模型的RAG模式与对话模式
5 多轮对话能力与TOC模式学习
6 多模态VLM部署与开发示例
7 YOLO系列 + VLM构建 检测+审核机制的AI安防应用。
第5章、AI编程与代码生成技术
1 代码生成技术的发展与历史
2 AIGC时代的代码生成技术，理解、对话、生成、修改、解释
3 主流的代码生成工具安装、演示、集成
4 AI编程案例演示，如何编写提示词的技巧，设计的重要性
5 OpenCV零代码开发技术与框架、介绍与使用
6 AI编程的未来，提示词即代码，90%的代码将由AI生成
案例
1 基于多模态大模型的缺陷分类检测：零缺陷样本零训练五分钟实现搞精度工业缺陷检测。
2 基于多模态的零样本图文搜索平台构建：基于最新的大模型与多模态VLM模型(QWEN-VL/InternVL)零样本实现自定义以文搜图与以图搜图系统。
主讲专家
业内资深
中国高科技产业化研究会智能信息处理分会理事、OpenVINO中文社区创始成员、英特尔创新大使，在深度学习与计算机视觉领域具备广泛行业影响力，出版多本OpenCV专著。
经验丰富
长期深耕对象检测、医学图像处理、图像搜索等算法研发与工程落地，开发的多项视觉模块成功应用于医学检测与工业领域，具备丰富的实战经验与培训教学能力。
2026年相关课程链接，持续更新中......