歡迎光臨
每天分享高質量文章

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

    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年所有資料下載連結。


課程描述

    計算機視覺應用存在於我們生活的方方面面,比如圖片搜尋,影象理解,人臉識別,應用程式,製圖,醫葯,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,例如影象分類,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效能。

    本課程將深入探索深度學習架構的細節,重點在於學習用於這些任務的端到端模型構成,尤其是影象分類。在為期10周的課程中,學生將學習實現,訓練和除錯自己的神經網路,並對計算機視覺最前沿的研究的進行詳細瞭解。最後的任務是訓練一個具有數百萬引數的摺積神經網路,並將其用於最大的影象分類資料集(ImageNet)。我們將主要學習如何定義一個影象識別問題,什麼是學習演演算法(例如反向傳播),如何訓練和微調網路網路引數等實用工程技巧,並指導學生完成一系列的實踐任務和最終課程專案。


課程教學大綱

課程資料下載

    連結:

https://pan.baidu.com/s/1QFni9LwPXYo3GwwgsCiP6g

    密碼: mpk4

    資料包括課程的ppt,coursenote,schedule and Syllabus等。

    今年課程影片教程不對外開發,課程的主要內容沒有較大的變動可以參考2017年的影片教程,下麵附上歷年課程連結。

    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峰會影片教程完整版分享

DeepLearning入門權威教材推薦

模型彙總-14 多工學習-Multitask Learning概述

模型彙總-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

基於Gate Mechanism的啟用單元GTU、GLU

堆疊自動編碼器Stacked_AutoEncoder-SAE

生成對抗網路GAN及其變體SGAN_WGAN_CGAN_DCGAN_InfoGAN_StackGAN

Variational AutoEncoder_變分自動編碼器原理解析

模型彙總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

掃描下方二維碼可以訂閱哦!

DeepLearning_NLP

深度學習與NLP

       商務合作請聯絡微訊號:lqfarmerlq

贊(0)

分享創造快樂