斯坦福大學2017年春季_基於卷積神經網路的視覺識別課程視頻教程及ppt分享

計算機視覺已經在我們的社會中普遍存在，應用於搜索，圖像理解，應用程序，繪圖，醫學，無人機和自駕車。許多這些應用程序的核心是視覺識別任務，如圖像分類，定位和檢測。神經網路（又稱「深度學習」）方法的最新進展，大大提高了這些最先進的視覺識別系統的性能。

本課程深入了解深入學習架構的細節，重點是學習這些任務的端到端模型，特別是圖像分類。在10周的課程中，學生將學習實施，訓練和調試自己的神經網路，並詳細了解計算機視覺的尖端研究。最終的任務將涉及到數百萬個參數卷積神經網路的訓練，並將其應用於最大的圖像分類數據集（ImageNet）。

我們將重點介紹如何建立圖像識別問題，學習演算法（如反向傳播），培訓的實際工程技巧和微調網路，引導學生進行實際操作和最終課程項目。本課程的背景和材料的大部分內容將來自ImageNet挑戰賽。培訓和微調網路的實際工程技巧，引導學生進行實踐任務和最終課程項目。

課程視頻教程（帶英文字幕及ppt下載）：

獲取更多深度學習最新資訊快速通道：

獲取最新消息快速通道 - lqfarmer的博客 - CSDN博客

鏈接: https://pan.baidu.com/s/1eSpdlfk

密碼: 35z6

往期內容推薦：

深度學習與NLP 深度學習|機器學習|人工智慧 精品視頻教程合集分享

ICML 2017 深強化學習，決策和控制簡化教程分享

模型匯總18 強化學習（Reinforcement Learning）基礎介紹

優化策略5 Label Smoothing Regularization_LSR原理分析

模型匯總15 領域適應性Domain Adaptation、One-shot/zero-shot Learning概述

<教材推薦> PRML_模式識別與機器學習

獲取更多深度學習最新資訊快速通道：

獲取最新消息快速通道 - lqfarmer的博客 - CSDN博客

推薦閱讀：