计算机视觉-CS231n

教程内容收集整理自网络，如有侵权，请联系删除！

目录

1.介绍

• 1.1 计算机视觉概述
• 1.2 计算机视觉历史背景
• 1.3 课程后勤

  2.图像分类

• 2.1 数据驱动方法
• 2.2 K最近邻算法
• 2.3 线性分类I

  3.损失函数和优化

• 3.1 损失函数
• 3.2 优化

  4.神经网络介绍

• 4.1 反向传播
• 4.2 神经网络

  5.卷积神经网络

• 5.1 历史
• 5.2 卷积和池化
• 5.3 视觉之外的卷积神经网络

  6.训练神经网络1

• 6.1 激活函数
• 6.2 批量归一化

  7.训练神经网络2

• 7.1 更好的优化
• 7.2 正则化
• 7.3 迁移学习

  8.深度学习软件

• 8.1 深度学习软件

  9.CNN架构

• 9.1 CNN架构

  10.RNN

• 10.1 RNN,LSTM,GRU
• 10.2 语言模型
• 10.3 图像标注,视觉问答,Soft attention模型

  11.检测和分割

• 11.1 分割
• 11.2 定位
• 11.3 识别

  12.可视化和理解

• 12.1 特征可视化,倒置,对抗样本
• 12.2 DeepDream和风格迁移

  13.生成模型

• 13.1 Pixel RNN_CNN
• 13.2 变分自编码器
• 13.3 生成式对抗网络

  14.深度强化学习

• 14.1 策略梯度，硬注意
• 14.2 Q-Learning,Actor-Critic算法

  15.深度学习的有效方法和硬件

• 15.1 深度学习的有效方法和硬件

  16.对抗实例与对抗训练

• 16.1 对抗实例与对抗训练