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