五一重磅-李飛飛團隊主講-CS231-2018(春)基於CNN的視覺識別課程分享
來自專欄深度學習與NLP
2018年已經過去四分之一,深度學習領域最經典課程之一《 CS231n: Convolutional Neural Networks for Visual Recognition 》再度開課,今天就跟大家分享下今年課程的最新內容。文末包含cs231-2018年所有資料下載鏈接。
課程描述
計算機視覺應用存在於我們生活的方方面面,比如圖片搜索,圖像理解,人臉識別,應用程序,製圖,醫藥,無人駕駛飛機和自動駕駛汽車等等。這些應用的核心是視覺識別任務,例如圖像分類,定位和檢測。神經網路(又名「深度學習」)方法的最新發展大大提高了這些最先進的視覺識別系統的性能。
本課程將深入探索深度學習架構的細節,重點在於學慣用於這些任務的端到端模型構成,尤其是圖像分類。在為期10周的課程中,學生將學習實現,訓練和調試自己的神經網路,並對計算機視覺最前沿的研究的進行詳細了解。最後的任務是訓練一個具有數百萬參數的卷積神經網路,並將其用於最大的圖像分類數據集(ImageNet)。我們將主要學習如何定義一個圖像識別問題,什麼是學習演算法(例如反向傳播),如何訓練和微調網路網路參數等實用工程技巧,並指導學生完成一系列的實踐任務和最終課程項目。
課程教學大綱
課程資料下載
鏈接:
https://pan.baidu.com/s/1QFni9LwPXYo3GwwgsCiP6g
密碼: 公眾號回復「cs2018」即可獲得密碼
資料包括課程的ppt,coursenote,schedule and Syllabus等。
今年課程視頻教程不對外開發,課程的主要內容沒有較大的變動可以參考2017年的視頻教程,下面附上歷年課程鏈接。
2015 -> http://cs231n.stanford.edu/2015/
2016 -> http://cs231n.stanford.edu/2016/
2017 -> http://cs231n.stanford.edu/2017/
往期精彩內容分享
重磅乾貨-史上最全推薦系統資源分享
精品推薦-2018年Google官方Tensorflow峰會視頻教程完整版分享
DeepLearning入門權威教材推薦
模型匯總-14 多任務學習-Multitask Learning概述
模型匯總-12 深度學習中的表示學習_Representation Learning
純乾貨11 強化學習(Reinforcement Learning)教材推薦
<深度學習優化策略-4> 基於Gate Mechanism的激活單元GTU、GLU
<模型匯總-6>堆疊自動編碼器Stacked_AutoEncoder-SAE
<模型匯總_5>生成對抗網路GAN及其變體SGAN_WGAN_CGAN_DCGAN_InfoGAN_StackGAN
<模型匯總-10> Variational AutoEncoder_變分自動編碼器原理解析
模型匯總24 - 深度學習中Attention Mechanism詳細介紹:原理、分類及應用
神經機器翻譯(NMT)的一些重要資源分享
推薦閱讀:
TAG:深度學習DeepLearning | 計算機視覺 | 機器學習 |