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