EECS498:CS231n进阶课程-学习资料
密歇根EECS498深度学习与计算机视觉课程,内容覆盖DL与CV前沿算法模型与典型应用

关键词标签: 计算机视觉, CNN, RNN, 目标检测, 语义分割, GAN, 注意力, 3D视觉, 生成模型, 强化学习
EECS498; Deep Learning for Computer Vision; 深度学习与计算机视觉
🏆 课程学习中心 | 🚧 深度学习课程合辑 | 🌍 课程主页 | 📺 中英字幕视频 | 🚀 项目代码解析
Deep Learning for Computer Vision
深度学习与计算机视觉(CS231n进阶课)
University of Michigan
密歇根大学
EECS498
⭐⭐⭐⭐⭐


课程介绍

EECS498; Deep Learning for Computer Vision; 深度学习与计算机视觉

计算机视觉在我们的社会中已变得无处不在,其应用领域包括搜索、图像理解、应用程序、地图、医学、无人机和自动驾驶汽车。许多应用程序的核心是视觉识别任务,如图像分类和目标检测。神经网络方法的最新发展极大地提高了这些最先进的视觉识别系统的性能。

EECS498; Deep Learning for Computer Vision; 深度学习与计算机视觉

本课程深入探讨基于神经网络的计算机视觉深度学习方法的细节。在本课程中,学生将学习实现、训练和调试自己的神经网络,并详细了解计算机视觉领域的前沿研究。我们将介绍学习算法、神经网络体系结构以及用于视觉识别任务的训练和微调网络的实用工程技巧。

EECS498; Deep Learning for Computer Vision; 深度学习与计算机视觉

Justin Johnson 是密歇根大学助理教授、Facebook AI Research 客座科学家,研究涉及视觉推理、视觉和语言、图像生成、使用深度神经网络的 3D 推理。作为斯坦福大学李飞飞教授的学生,Justin Johnson 曾和李飞飞一起讲授斯坦福大学计算机视觉经典课程 CS231n。


课程主题

相较于斯坦福目前公开的 CS231n 课程,此门课程内容有更新更前沿的内容覆盖,可以当作『CS231n进阶课程』来学习。


课程资料 | 下载

EECS498; Deep Learning for Computer Vision; 深度学习与计算机视觉

扫描上方图片二维码,关注公众号并回复关键字 🎯『EECS498』,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!

EECS498; Deep Learning for Computer Vision; 深度学习与计算机视觉
EECS498; Deep Learning for Computer Vision; 深度学习与计算机视觉

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 | 【双语字幕+资料下载】CS231n进阶课 | 深度学习与计算机视觉(2019·全22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 计算机视觉中的深度学习介绍
L2 第02讲 图像分类
L3 第03讲 线性分类器
L4 第04讲 训练与优化
L5 第05讲 神经网络介绍
L6 第06讲 反向传播
L7 第07讲 卷积神经网络
L8 第08讲 CNN典型结构
L9 第09讲 深度学习硬件与软件
L10 第10讲 训练神经网络(上)
L11 第11讲 训练神经网络(下)
L12 第12讲 循环神经网络
L13 第13讲 注意力机制
L14 第14讲 可视化与模型理解
L15 第15讲 目标检测
L16 第16讲 目标检测与图像分割
L17 第17讲 3D计算机视觉
L18 第18讲 深度学习中的视频处理
L19 第19讲 生成模型(上)
L20 第20讲 生成模型(下)
L21 第21讲 强化学习
L22 第22讲 课程总结

根据视频内容整理的这份『EECS498 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~

EECS498; Deep Learning for Computer Vision; 深度学习与计算机视觉

本课程前半部分将涵盖推动现代计算机视觉深度学习系统的基本组成部分:

在课程的后半部分,我们将讨论深度学习在计算机视觉不同问题上的应用,以及更多新兴主题:


学习建议

课程学习具有以下知识基础:


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
EECS498; Deep Learning for Computer Vision; 深度学习与计算机视觉
*****
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!