李飞飞 CS231n

最新推荐文章于 2024-08-10 08:24:22 发布
最新推荐文章于 2024-08-10 08:24:22 发布
阅读量3.7k 收藏 6
点赞数
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/damifeng2018/article/details/52229447
版权


http://vision.stanford.edu/teaching.html



Winter, 2015-2016 (Stanford)
 CS231n: Convolutional Neural Networks for Visual Recognition
Fall, 2015-2016 (Stanford)
 CS131: Computer Vision: Foundations and Applications
Spring, 2014-2015 (Stanford)
 CS231B: The Cutting Edge of Computer Vision
Winter, 2014-2015 (Stanford)
 CS231n: Convolutional Neural Networks for Visual Recognition
Fall, 2014-2015 (Stanford)
 CS131: Computer Vision: Foundations and Applications
Spring, 2013-2014 (Stanford)
 CS431: High-level Vision: Behaviors, Neurons and Computational Models
Winter, 2013-2014 (Stanford)
 CS331: Advanced Reading in Computer Vision
Fall, 2013-2014 (Stanford)
 CS131: Computer Vision: Foundations and Applications
Spring, 2012-2013 (Stanford)
 CS231B: The Cutting Edge of Computer Vision
Autumn, 2012-2013 (Stanford)
 CS231A: Introduction to Computer Vision
Autumn, 2012-2013 (Stanford)
 CS331: Advanced Reading in Computer Vision
Autumn, 2011-2012 (Stanford)
 CS231A: Introduction to Computer Vision
Spring, 2010-2011 (Stanford)
 CS223C: The Cutting Edge of Computer Vision
Winter, 2010-2011 (Stanford)
 CS223B: Introduction to Computer Vision
Winter, 2009-2010 (Stanford)
 CS423: High-level Vision: Behaviors, Neurons and Computational Models
Spring, 2009-2010 (Stanford)
 CS223B: Introduction to Computer Vision
ICCV 2009 short course
 Recognizing and Learning Object Categories: Year 2009
Fall, 2009 (Stanford)
 CS323: Recognizing and Learning High-Level Visual Concepts
VLPR 2009 (Beijing)
 Summer School in Vision, Learning and Pattern Recognition
Fall, 2008 (Princeton)
 COS 429: Computer Vision
Spring, 2008 (Princeton)
 COS 598b/PSY 594: From Neuronal Mechanisms to Computational Models
Fall, 2007 (Princeton)
 COS 429: Computer Vision
CVPR 2007 short course
 Recognizing and Learning Object Categories: Year 2007
ICVSS 2007
 Computer Vision summer school: Object Recognition
Spring, 2007 (Princeton)
 COS 598D: High-Level Recognition in Computer Vision
Fall, 2006 (UIUC)
 ECE 549: Computer Vision
<div align="right" ICCV 2005 short course

Recognizing and Learning Object Categories
Fall, 2005 (UIUC)

ECE 598FL: Readings in Computer Vision and Learning



https://www.youtube.com/watch?v=F-g0-6_RRUA&list=PLLvH2FwAQhnpj1WEB-jHmPuUeQ8mX-XXG&index=1

Winter, 2015-2016 (Stanford)
 CS231n: Convolutional Neural Networks for Visual Recognition
Fall, 2015-2016 (Stanford)
 CS131: Computer Vision: Foundations and Applications
Spring, 2014-2015 (Stanford)
 CS231B: The Cutting Edge of Computer Vision
Winter, 2014-2015 (Stanford)
 CS231n: Convolutional Neural Networks for Visual Recognition
Fall, 2014-2015 (Stanford)
 CS131: Computer Vision: Foundations and Applications
Spring, 2013-2014 (Stanford)
 CS431: High-level Vision: Behaviors, Neurons and Computational Models
Winter, 2013-2014 (Stanford)
 CS331: Advanced Reading in Computer Vision
Fall, 2013-2014 (Stanford)
 CS131: Computer Vision: Foundations and Applications
Spring, 2012-2013 (Stanford)
 CS231B: The Cutting Edge of Computer Vision
Autumn, 2012-2013 (Stanford)
 CS231A: Introduction to Computer Vision
Autumn, 2012-2013 (Stanford)
 CS331: Advanced Reading in Computer Vision
Autumn, 2011-2012 (Stanford)
 CS231A: Introduction to Computer Vision
Spring, 2010-2011 (Stanford)
 CS223C: The Cutting Edge of Computer Vision
Winter, 2010-2011 (Stanford)
 CS223B: Introduction to Computer Vision
Winter, 2009-2010 (Stanford)
 CS423: High-level Vision: Behaviors, Neurons and Computational Models
Spring, 2009-2010 (Stanford)
 CS223B: Introduction to Computer Vision
ICCV 2009 short course
 Recognizing and Learning Object Categories: Year 2009
Fall, 2009 (Stanford)
 CS323: Recognizing and Learning High-Level Visual Concepts
VLPR 2009 (Beijing)
 Summer School in Vision, Learning and Pattern Recognition
Fall, 2008 (Princeton)
 COS 429: Computer Vision
Spring, 2008 (Princeton)
 COS 598b/PSY 594: From Neuronal Mechanisms to Computational Models
Fall, 2007 (Princeton)
 COS 429: Computer Vision
CVPR 2007 short course
 Recognizing and Learning Object Categories: Year 2007
ICVSS 2007
 Computer Vision summer school: Object Recognition
Spring, 2007 (Princeton)
 COS 598D: High-Level Recognition in Computer Vision
Fall, 2006 (UIUC)
 ECE 549: Computer Vision
<div align="right" ICCV 2005 short course
  Recognizing and Learning Object Categories
Fall, 2005 (UIUC)
  ECE 598FL: Readings in Computer Vision and Learning
damifeng2018
关注
CS231n斯坦福大学李飞飞视觉识别课程作业
04-05
2017年度的斯坦福大学李飞飞视觉识别课程——CS231n的作业代码
CS231n斯坦福大学李飞飞视觉识别课程作业代码
05-06
CS231n斯坦福大学李飞飞视觉识别课程作业代码：包括三次作业的代码，jupyter notebook和py格式的文件。
德国拜尔集团迎来人工智能专家--李飞飞
德国IT那些事
05-05 901
点击欧盟IT那些事关注我们公告：因企鹅审核规定，本公众号从《德国IT那些事》更名为《欧盟IT那些事》。美籍人工智能专家李飞飞加盟德国拜耳集团。《勘误：标题应为拜耳集团》人工智能专家李飞...
CS231A课程笔记：计算机视觉入门指南
最新发布
gitblog_00294的博客
08-10 395
CS231A课程笔记：计算机视觉入门指南 cs231a-notesThe course notes for Stanford's CS231A course on computer vision项目地址:https://gitcode.com/gh_mirrors/cs/cs231a-notes 1. 项目介绍 CS231A 是斯坦福大学提供的关于计算机视觉的课程笔记。这个开源项目由Kenji ...
李飞飞：让机器有分辨事物的“眼睛”
人工智能学家
04-13 580
来源：中国新闻网很难有一项科技的发展像人工智能一样令人既期待又不安。若机器拥有了“自主意识”，人类将面对一个怎样的世界？在各类科幻作品中，人们的探讨层出不穷。和天马行空的文学想象不同，有着“AI女神”之称的华裔科学家李飞飞对此的回答严谨又冷静：“人工智能发展刚刚起步，现阶段机器所能完成的任务很简单，距离文学艺术的想象还非常遥远。”日前，由凤凰卫视等主办的“影响世界华人盛典”在北京颁奖。凭借在人工智
李飞飞团队最新研究，真实场景中识别物体具体属性，连表面纹理都识别出来了...
量子位
06-29 803
白交 发自 凹非寺量子位 报道 | 公众号 QbitAI现在，细微到物体表面的纹理，AI都可以识别。这就是李飞飞团队新研究。我们知道，卷积神经网络在识别视觉对象方面很出色，但还不能很好...
重磅！李飞飞入选美国国家医学科学院，她用AI改变了医疗
深度学习技术前沿
10-21 307
点击上方，选择星标或置顶，不定期资源大放送！阅读大概需要5分钟Follow小博主，每天更新前沿干货【导读】10月19日，美国国家医学科学院（National Academy of Med...
李飞飞斯坦福计算机视觉深度学习CS231N PPT
07-07
《李飞飞斯坦福计算机视觉深度学习CS231N PPT》是计算机科学领域的一份珍贵资源，由著名的人工智能专家李飞飞教授在斯坦福大学开设的课程资料。该课程主要聚焦于计算机视觉的深度学习技术，旨在帮助学生理解和掌握...
李飞飞 CS231n 中文笔记
08-21
在本篇CS231n的中文笔记中，我们将深入探讨线性分类器这一基础的图像分类方法，并简要介绍其背后的原理。 首先，线性分类器的基本思想是通过学习一套参数（即权重矩阵W和偏置向量b），将图像的像素值映射到分类的...
cs231n李飞飞课程作业一题目和答案
04-15
斯坦福大学李飞飞计算机视觉教程，cs231n课程2017年的作业一的代码题目和答案，答案为自己实现，自己实际验证过，都能够通过，所用环境为windows Pycharm和Pycharm中的Jumpyter Notebook。
斯坦福大学李飞飞教授CS231N课程完整课件
08-24
斯坦福大学李飞飞教授CS231N课程完整课件, pdf版本，对学习计算机视觉及深度学习有很大的帮助
CS231A 笔记
05-25
除cs231n之外的又一计算机视觉课程CS231A（笔记），欢迎下载学习~
CS231A-Final-Project
03-20
CS231A-最终项目 nerf是带有我的自定义和配置文件的NeRF的培训代码。该代码改编自： : nerfies是我自定义的D-NeRF的培训代码。该代码改编自： : pipeline是从视频中提取帧的数据管道。一小部分代码改编自和
李飞飞深度学习与计算机视觉——KNN(KNearestNeighbor)
weixin_38267719的博客
07-13 2498
    之前为了熟悉机器学习的东西去搞kaggle的东西，然后就从Titanic入门咯，结果发现并没有对机器学习的东西有深入的理解，做数据挖掘的时候直接调用sklearn里面的框架，根本不用去想机器学习的公式的运用和基础的实现，想用SVM就直接from sklearn import svm，然后clf = svm.SVC(kernel='linear', C=1)往这里面填几个参数，知道基本原理和...
李飞飞亲述：我所遭遇过的性别歧视
热门推荐
CSDN资讯
03-08 1万+
整理 | 唐小引、王启隆出品丨AI 科技大本营（ID：rgznai100）今天是一年一度的女性节日，祝所有在技术世界里驰骋的女性朋友们节日快乐。在 AI 界，我们总会想起一位杰出的女性科学家，她就是美国三院院士、斯坦福终身教授李飞飞。关于李飞飞的故事我们听过许多，人们既惊叹于她在人工智能领域的诸多贡献，又很为她的励志故事所感慨万分。去年 11 月，李飞飞的自传 The Worlds I See（《...
Auto-DeepLab图像语义分割架构（李飞飞等）
山中有石为玉
01-18 2546
论文地址：https://arxiv.org/pdf/1901.02985v1.pdf 参考文章：https://mp.weixin.qq.com/s/xbkFUfJbaw_h_bCZj3pdAQ 斯坦福大学李飞飞组的研究者提出了 Auto-DeepLab，其在图像语义分割问题上超越了很多业内最佳模型，甚至可以在未经过预训练的情况下达到预训练模型的表现。 论文主要有如下4个方面的贡献： ...
李飞飞介绍
To be a better man
06-24 985
李飞飞，女，1976年出生于中国北京，美国国家工程院院士、美国国家医学院院士、美国艺术与科学院院士，美国斯坦福大学首位红杉讲席教授[9]，以人为本人工智能研究院（HAI）院长，AI4ALL联合创始人及主席，Twitter公司董事会独立董事[17]。 李飞飞于1999年从普林斯顿大学本科毕业后赴西藏研究一年藏药；2000年进入加州理工学院；2005年获得加州理工学院博士学位；2005年至2006年担任伊利诺伊大学厄巴纳-香槟分校电机系助理教授；2007年至2009年担任普林斯顿大学计算机科学系助...
李飞飞团队从动物身上get AI新思路，提出RL计算框架
喜欢打酱油的老鸟
02-15 366
2021-02-10 13:47:36 杨净发自 凹非寺 量子位 报道 | 公众号 QbitAI 如果机器能像动物一样学习与进化会如何？ 这是李飞飞团队的最新研究。 在过去6亿年中，动物在复杂的环境中学习与进化成各异的形态，又利用进化的形态来学习复杂的任务。如此周而复始的学习与进化，造就了动物的认知智慧。 但其中环境复杂性、进化形态和智能控制的可学习性之间的关系原理仍然难以捉摸。 本中提出了一种深度进化强化学习计算框架DERL。它可以演化不同的形态，在复杂的环境中学习一些具有挑战..
李飞飞最新论文：用算法判断政治倾向（附论文链接）
AI科技大本营
11-30 5417
翻译| SHAWN 编辑 | Donna 斯坦福大学的研究人员开发出了一种可以进行观察和学习的算法，他们用这种算法分析了百万张公开的Google街景（Google Street View）图像。经过这种训练后，算法可以识别给定社区的车辆，判断社区居民的政治倾向。 从低调奢华的宾利到可靠的家庭休旅车，再到实用的皮卡，美国人深知汽车能反映车主
斯坦福CS231n：李飞飞教授深度学习与卷积神经网络课程讲义
该课程由知名AI专家李飞飞教授主讲，结合Ranjay Krishna和Danfei Xu的讲解，为学生提供了深入理解CNN和计算机视觉的平台。课程内容包括作业、项目提案、中期考试等环节，旨在培养学生的实践能力和理论知识。" 在CS...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值