这篇博客是斯坦福大学CS231课程的学习笔记，涵盖了计算机视觉的基本概念，图像分类的挑战与解决办法，如Nearest Neighbor和K-Nearest Neighbors算法。此外，还讨论了线性分类器、损失函数（包括Multiclass SVM loss和Softmax Classifier）以及优化策略，如梯度下降和随机梯度下降。
第一章：计算机视觉梗概
第二章：图像分类途径
python+Numpy简单教程：
http://cs231n.github.io/python-numpy-tutorial/
Image Classification: A core task in Computer Vision（核心任务）
————计算机可以识别图像里面的内容。
The Problem: Semantic Gap（计算机眼里的图片是一系列像素的数值，如何解决语义隔阂？）
Challenges: Viewpoint variation（视觉变化，计算机看到的图像又是不同的，十分复杂）
- Challenges: Illumination（光线？）
Challenges: Deformation（视觉中物体的姿态？）
Challenges: Occlusion（产生遮挡？）
Challenges: Background Clutter（视觉中的物体和背景非常相似时又该如何识别？？？）<
最低0.47元/天 解锁文章
扫一扫
427
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
