斯坦福CS231n深度学习与计算机视觉-学习资料
斯坦福CS231n深度学习与计算机视觉课程,内容覆盖深度学习知识与计算机视觉的典型场景模型应用

关键词标签: 斯坦福, 深度学习, CNN, 图像分类, 目标检测, 语义分割, GAN, 强化学习
CS231n; Convolutional Neural Networks for Visual Recognition; 深度学习与计算机视觉课程
🏆 课程学习中心 | 🚧 CV课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析 | 📚 完整学习笔记
Convolutional Neural Networks for Visual Recognition
深度学习与计算机视觉课程
Stanford University
斯坦福大学
CS231n
⭐⭐⭐⭐⭐


课程介绍

CS231n; Convolutional Neural Networks for Visual Recognition; 深度学习与计算机视觉课程

计算机视觉 Computer Vision 已无处不在,视觉识别 Visual Recognition 作为其核心任务,被广泛应用于搜索、图像理解、应用程序、地图、医学、无人机和自动驾驶汽车等领域。神经网络 neural network(即“深度学习”)方法的发展,极大地提高了视觉识别系统的性能。

CS231n; Convolutional Neural Networks for Visual Recognition; 深度学习与计算机视觉课程

CS231n 是顶级院校斯坦福出品的深度学习与计算机视觉方向专业课程,全称是 CS231n: Convolutional Neural Networks for Visual Recognition,是计算机视觉方向的必学经典。课程最后一版公开视频为2017版,希望了解领域最新发展的同学,可以关注ShowMeAI整理发布的『CS231n进阶课』:EECS498 | Michigan密歇根 · 深度学习与计算机视觉

CS231n; Convolutional Neural Networks for Visual Recognition; 深度学习与计算机视觉课程

课程将深入讲解深度学习框架的细节问题,聚焦面向视觉识别任务(尤其是图像分类任务)的端到端学习模型

课程为期10周,学生将搭建和训练自己的神经网络,并了解计算机视觉领域的前沿研究进展。此外,最终项目将使学生有机会在所选的视觉任务上训练和应用数百万参数的网络。通过多个作业和最终项目,学生将获得设置深度学习任务的工具集,以及用于训练和微调 fine-tuning 深度神经网络的工程技巧

CS231n; Convolutional Neural Networks for Visual Recognition; 深度学习与计算机视觉课程

课程由 Stanford Vision and Learning Lab (http://svl.stanford.edu/)推出,课程设计者和主讲人 Fei-Fei Li 李飞飞是计算机视觉研究领域领军人物,美国斯坦福大学计算机系终身教授。

课程学习需要以下知识基础:


课程主题

第1部分 Lecture1-3 深度学习背景知识简单介绍

第2部分 Lecture4-9 卷积神经网络

第3部分 Lecture10-16 计算机视觉应用


深度学习与计算机视觉教程:斯坦福CS231n 全套笔记解读

教程 章节与超链接 配图
深度学习与计算机视觉教程(1) CV引言与基础](https://www.showmeai.tech/article-detail/260)
深度学习与计算机视觉教程(2) 图像分类与机器学习基础](https://www.showmeai.tech/article-detail/261)
深度学习与计算机视觉教程(3) 损失函数与最优化](https://www.showmeai.tech/article-detail/262)
深度学习与计算机视觉教程(4) 神经网络与反向传播](https://www.showmeai.tech/article-detail/263)
深度学习与计算机视觉教程(5) 卷积神经网络](https://www.showmeai.tech/article-detail/264)
深度学习与计算机视觉教程(6) 神经网络训练技巧 (上)](https://www.showmeai.tech/article-detail/265)
深度学习与计算机视觉教程(7) 神经网络训练技巧 (下)](https://www.showmeai.tech/article-detail/266)
深度学习与计算机视觉教程(8) 常见深度学习框架介绍](https://www.showmeai.tech/article-detail/267)
深度学习与计算机视觉教程(9) 典型CNN架构 (Alexnet, VGG, Googlenet, Restnet等)](https://www.showmeai.tech/article-detail/268)
深度学习与计算机视觉教程(10) 轻量化CNN架构 (SqueezeNet, ShuffleNet, MobileNet等)](https://www.showmeai.tech/article-detail/269)
深度学习与计算机视觉教程(11) 循环神经网络及视觉应用](https://www.showmeai.tech/article-detail/270)
深度学习与计算机视觉教程(12) 目标检测 (两阶段, R-CNN系列)](https://www.showmeai.tech/article-detail/271)
深度学习与计算机视觉教程(13) 目标检测 (SSD, YOLO系列)](https://www.showmeai.tech/article-detail/272)
深度学习与计算机视觉教程(14) 图像分割 (FCN, SegNet, U-Net, PSPNet, DeepLab, RefineNet)](https://www.showmeai.tech/article-detail/273)
深度学习与计算机视觉教程(15) 视觉模型可视化与可解释性](https://www.showmeai.tech/article-detail/274)
深度学习与计算机视觉教程(16) 生成模型 (PixelRNN, PixelCNN, VAE, GAN)](https://www.showmeai.tech/article-detail/275)
深度学习与计算机视觉教程(17) 深度强化学习 (马尔可夫决策过程, Q-Learning, DQN)](https://www.showmeai.tech/article-detail/276)
深度学习与计算机视觉教程(18) 深度强化学习 (梯度策略, Actor-Critic, DDPG, A3C)](https://www.showmeai.tech/article-detail/277)


课程资料 | 下载

CS231n; Convolutional Neural Networks for Visual Recognition; 深度学习与计算机视觉课程

</td></tr></tbody></table>

扫描上方图片二维码,关注公众号并回复关键字 🎯『CS231n』,就可以获取整理完整的资料合辑啦!当然也可以点击 🎯 这里 查看更多课程的资料获取方式!

CS231n; Convolutional Neural Networks for Visual Recognition; 深度学习与计算机视觉课程

ShowMeAI 对课程资料进行了梳理,整理成这份完备且清晰的资料包:


课程视频 | B站

🌍 B站 | 【字幕+资料下载】斯坦福CS231n | 面向视觉识别的卷积神经网络 (2017·全16讲)

ShowMeAI 将视频上传至B站,并增加了中英双语字幕,以提供更加友好的学习体验。点击页面视频,可以进行预览。推荐前往 👆 B站 观看完整课程视频哦!

本门课程,ShowMeAI 将部分章节进行了切分,按照主题形成更短小的视频片段,便于按照标题进行更快速的检索。切分后的视频清单列写在这里: | 序号 | 视频章节 | 视频清单 | | —- | ——– | ———————————- | | L1 | 第01讲 | 计算机视觉与卷积神经网络介绍 | | L2 | 第02讲 | 图像分类 | | L3 | 第03讲 | 损失函数与优化 | | L4 | 第04讲 | 神经网络介绍 | | L5 | 第05讲 | 卷积神经网络 | | L6 | 第06讲 | 神经网络训练技巧与注意事项(上) | | L7 | 第07讲 | 神经网络训练技巧与注意事项(下) | | L8 | 第08讲 | 深度学习工具库及其应用 | | L9 | 第09讲 | 卷积神经网络典型网络结构介绍 | | L10 | 第10讲 | 循环神经网络 | | L11 | 第11讲 | 目标检测与图像分割 | | L12 | 第12讲 | 可视化与模型理解 | | L13 | 第13讲 | CV中的生成模型 | | L14 | 第14讲 | 深度强化学习 | | L15 | 第15讲 | 深度学习的提效(模型压缩)与硬件知识 | | L16 | 第16讲 | 对抗学习与训练 |

ShowMeAI 根据视频内容整理的这份『CS231n 课程结构图解』,展示了内容要点及其逻辑关系,超级直观!相信对构建 Whole Picture 特别有帮助~

CS231n; Convolutional Neural Networks for Visual Recognition; 深度学习与计算机视觉课程


更多技术与课程清单 | 点击查看详细课程

合辑 课程链接
CS数学基础课程合辑 【ENGR108】Stanford斯坦福 · 线性代数与矩阵方法导论课程
【6.042J】MIT麻省理工 · 计算机科学的数学基础课程
【MATH100】辛辛那提大学 · 微积分Ⅰ课程
【MATH101】辛辛那提大学 · 微积分Ⅱ课程
【MATH1071】辛辛那提大学 · 离散数学课程
计算机基础课程合辑 【14-455】CMU卡内基梅隆 · 数据库系统导论课程
【15-721】CMU卡内基梅隆 · 数据库系统进阶课程
【CS105】Stanford斯坦福 · 计算机科学导论课程
【CS50-CS】Harvard哈佛 · 计算机科学导论课程
【CS50-WEB】Harvard哈佛 · 基于Python / JavaScript的Web编程课程
【6.0001】MIT麻省理工 · 计算机科学与Python编程导论课程
【6.046J】MIT麻省理工 · 数据结构与算法设计课程
【18.S191】MIT麻省理工 · 计算思维导论(Julia)课程
【CMSC420】马里兰大学 · 数据结构课程
机器学习课程合辑 【AndrewNG-ML】吴恩达 · 机器学习专项课程
【CS229】Stanford斯坦福 · 机器学习课程
【6.036】MIT麻省理工 · 机器学习导论课程
深度学习课程合辑 【AndrewNG-DL】吴恩达 · 深度学习专项课程
【CS230】Stanford斯坦福 · 深度学习课程
【CSW182】Berkeley伯克利 · 深度神经网络设计、可视化与理解课程
【FSDL】Berkeley伯克利 · 全栈深度学习训练营课程
【CS50-AI】Harvard哈佛 · Python人工智能入门课程
【6.S191】MIT麻省理工 · 深度学习导论课程
【APPLY-DL】科罗拉多大学 · 应用深度学习(全知识点覆盖)课程
【STAT453】威斯康星 · 深度学习和生成模型导论课程
【T81-558】WUSTL · 深度神经网络应用案例实操课程
【HYLEE】李宏毅 · 机器学习(&深度学习)课程
NLP课程合辑 【CS224n】Stanford斯坦福 · 深度学习与自然语言处理课程
【CS124】Stanford斯坦福 · 从语言到信息课程
【CS520】Stanford斯坦福 · 知识图谱课程
【CS685】马萨诸塞大学 · 自然语言处理进阶课程
计算机视觉课程合辑 【CS231n】Stanford斯坦福 · 深度学习与计算机视觉课程
【EECS498】Michigan密歇根 · 深度学习与计算机视觉(CS231n进阶课)
【ADL4CV】慕尼黑工大 · 计算机视觉深度学习进阶课
强化学习课程合辑 【CS285】Berkeley伯克利 · 深度强化学习课程
【CS234】Stanford斯坦福 · 强化学习课程
AI生物医疗课程合辑 【6.047】MIT麻省理工 · 基因组学机器学习课程
【6.874】MIT麻省理工 · 面向生命科学的深度学习课程
【6.S897】MIT麻省理工 · 医疗机器学习课程
其他名校AI课程合辑 【CS294】Berkeley伯克利 · 深度无监督学习课程
【11-777】CMU卡内基梅隆 · 多模态机器学习课程
【15-462】CMU卡内基梅隆 · 计算机图形学课程
【CS224W】Stanford斯坦福 · 图机器学习课程
【6.S094】MIT麻省理工 · 深度学习与无人驾驶课程
【GDL】AMMI · 几何深度学习课程
CS231n; Convolutional Neural Networks for Visual Recognition; 深度学习与计算机视觉课程
*****
本文作者 韩信子
欢迎关注微信公众号 ShowMeAI研究中心 获取更多资源!