cs231n——1introduction

最新推荐文章于 2020-06-30 17:24:23 发布
最新推荐文章于 2020-06-30 17:24:23 发布
阅读量216 收藏
点赞数
分类专栏： learning 文章标签： 计算机视觉
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/sda42342342423/article/details/78831560
版权

计算机视觉是一门跨学科的领域，比如工程、物理、生物、心理学、计算机科学以及数学。

简史

  • 视觉是进化大爆发的驱动力
  • 生物的大脑是如何处理视觉信息的
    • 基础视觉皮质层：列排列，每一列处理简单的形状
    • 视觉处理的第一步是简单的形状结构处理、边缘、排列
  • David Marr
    • 视觉是分层的。
    • 视觉架构：边缘模型->2.5D->3D
  • 模型
    • Generalized Cylinder:世界是简单物体的组合
    • Pictorial Structure:简单组合+弹簧连接
      *成就
    • 感知分组
    • 人脸检测
    • 特征学习
    • 场景识别
  • 基准测试
    • Pascal visual object challenge
    • imagenet
  • 两大基础
    • 边缘处理
    • 视觉分层

课程主要内容

  • 识别和分类
    • object detection
    • action classification
    • image captioning
  • CNN
    • Kunihiko Fukushima 提出了模型 Neocognition
    • Yann Lecun 反向求导、学习策略、手写识别

待解决的问题

  • 视觉智能远远大于物体识别
  • 对整个照片进行密集标记、感知分组
  • 将识别和3d整合起来
  • 动作和场景
  • 探究物体之间的关联（visual genome）
cs231n听课笔记
liubo7887的博客
11-26 717
最近报了Udacity一节Deep Learning的课，无奈该课重实践而轻理论，做起作业和项目来，颇为吃力，所以从YouTube上找来Stanford今年春天的cs231n（Neural Network and Deep Learning）课来恶补基础知识，并简略记了笔记、补足了涉及到论文的链接，以便以后查阅。其中的Assignment，以后会在github上补齐。
cs231n neural network 笔记
张小彬的专栏
02-15 4105
神经网络里的非线性是很重要且必不可少的。在全连接层之间引入非线性单元，可以让神经网络具有更强的表达能力。一个三层的神经网络可以大概写成这样子的形式，$$s = W_3\max(0, W_2\max(0,W_1x))$$ 中间的隐藏层神经元数量的大小可以自己设置。
CS231N
Cristal_yin的博客
10-31 484
Lecture 5卷积神经网络 卷积神经网路是一种前馈神经网络，人工神经元可以相应周围单元，可以大型图像处理，卷积神经网络包括卷积层和池化层。前馈神经网络 是一种最简单的神经网络，各神经元分层排列。每个神经元只与前一层的神经元相连。接收前一层的输出，并输出给下一层，各层间没有反馈 前馈神经网络结构简单，应用广泛，能够以任意精度逼近任意连续函数及平方可积函数，而且可以精确实现任意有限训练样本集 感知器
cs231n笔记1
Yan_Joy的博客
12-21 614
斯坦福深度学习与机器视觉课程cs231n，感觉挺不错的，顺便记下来一些零碎的点，不过具体内容还是要参考笔记、视频。不过网易云课堂的视频还是有些问题的。研究历史一开始是对猫的视觉进行研究，发现有如下神奇的特点： 对于整个图像，猫的视觉基础神经元没有被激活。 在切换图像时，神经元被激活。 因此研究人员认为神经元对简单形状、边缘有反应。David Marr提出视觉是分层的。Created with Rap
CS231n 学习笔记
Lefenger
12-17 1966
一、人大脑处理图像的第一步是对边界和形状的识别，图像分类到图像识别。二、K-近邻算法：1 .监督学习，是一种即时分类非参数算法，对测试集中的每一张图片，遍历训练集，计算两张图片的相似度，相似度的计算方法为计算每个对应像素之间的距离（所谓的距离可能使用欧氏距离或曼哈顿距离），然后相加，最终得到相似度最小的K张图片，从而根据标签占比得到最终标签（即分类）。2.该算法同样可用于回归，例如根据k个近似数据
【CS231n笔记】01 Introduction
Bin Learning
07-27 505
【CS231n笔记】01 Introduction
CS231n课程知识点汇总（lecture1-5）.docx
11-18
### CS231n课程知识点汇总（lecture1-5） #### Lecture1: Introduction (Intro to Computer Vision, historical context) **Abrief history of computer vision** - **起源与早期发展：** 计算机视觉领域的研究...
CS231n-1-introduction
Victor的草原
03-01 502
Computer Vision的入门课程。评价非常好，是Stanford Vision Lab 2016年的课程。 我是用百度云看的，没有字幕也能应付，如需字幕可以在网易云课堂观看。第一讲是Computer Vision的导论，由Fei-Fei Li主讲，她之后就生孩子去了。 个人评价，同样是第一节导论课，P大很多课程相形见绌了。
CS224n笔记——Subword Model（十二）
清崎教练
06-30 256
系列文章 Lecture 1: Introduction and Word Lecture 2: Word Vectors and Word Senses 目录1. word-level Model2. Character-Level Modelsel3. Sub-word model4. FastText embeddings 1. word-level Model 基于词级的模型，例如Word2Vec，是利用word embedding的方法来得到每一个word的vec，这种方法需要去处理巨大的，.
[cs231n之第一课]Introduction
cyy2learn的博客
08-14 384
课程地址： http://www.bilibili.com/video/av13260183/index_1.html#page=1 课件地址： http://cs231n.stanford.edu/slides/2017/本节课程内容简介： 介绍了计算机视觉的历史及发展，以及神经网络的发展突破。 （第一课的博客笔记做了个ppt搬运工。。。收获是：CV和神经网络都发展了三十多年了，为啥突然
斯坦福CS231n课程笔记纯干货2
marsjhao Blog
03-28 2287
11. 神经网络的数据预处理 均值减法（Mean subtraction）是预处理最常用的形式。它对数据中每个独立特征减去平均值，从几何上可以理解为在每个维度上都将数据云的中心都迁移到原点。在numpy中，该操作可以通过代码X -=np.mean(X, axis=0)实现。而对于图像，更常用的是对所有像素都减去一个值，可以用X -= np.mean(X)实现，也可以在3个颜色通道上分别操作。
深度学习优化算法总结（cs231n）
兔清风的博客
11-25 1512
https://zhuanlan.zhihu.com/p/21798784?refer=intelligentunit
经典论文| Neocognitron:一种不受位置变化影响的模式识别机制的自组织神经网络模型
ShenggengLin的博客
04-03 1万+
论文概述     该论文提出了一种用于视觉模式识别的无监督神经网络模型。该网络不受识别对象位置的影响，通过几何相似度的方法完成识别。论文中把这样的网络称为neocognitron。     大多数神经网络模型受到输入模式的位置偏移和形状扭曲的严重影响，也就是说，相同的模式在不同的位置呈现或者相同样式的圆滑程度不同，被传统的神经网络视为不同的模式。然而，本文提出的自组织神经网络模型中，网络的响应几乎...
1.1 NeoCognitron
weixin_37179744的博客
08-15 4646
目录一、NeoCognitron1、NeoCognitron 需要解决的问题2、NeoCognitron 结构简介2.1、S 细胞与 C 细胞的作用3、NeoCognitron 工作原理图4、自组织学习机制学习资料 一、NeoCognitron 早在 1906 年，Sherrington1 首次使用“感受野”一词用于描述在狗身上引起搔扒反射实验中的皮肤区域。在 1938 年，Hartline 将...
[转]认知机和神经认知机
weixin_30867015的博客
12-12 1589
认知机和神经认知机 (2012-05-05 09:54:23) 转自：http://blog.sina.com.cn/s/blog_7671b3eb01013msk.html 认知机cognitron 一种神经网络模型。由福岛邦彦提出，它是一种假设的人类感觉系统的数学模型。它的计算机仿真程序表明对模式识别具有很好的适应能力。认知机由突触互连的神经元层构成，一层中的前突触神经元馈...
CS231n课程笔记1：Introduction
silent56_th的博客
12-11 2271
CS231n课程简介CS231n是Stanford的CV课程，主要专注于解决图像分类问题。网址为 http://vision.stanford.edu/teaching/cs231n/index.html，视频网上有很多。 作者水平不高，这里也仅仅是自己的课程笔记与大家分享，记录一些课程中的重要知识点，欢迎各路大神指教。从作者收到的风评来看，这门课的水准不高，但因为最近要自己设计训练CNN模型，所
深度学习斯坦福cs231n 课程笔记
ACM 【程式=演算法+資料結構】@蜡笔小轩V
07-03 1万+
前言对于深度学习，新手我推荐先看UFLDL，不做assignment的话，一两个晚上就可以看完。毕竟卷积、池化啥的并不是什么特别玄的东西。课程简明扼要，一针见血，把最基础、最重要的点都点出来 了。 cs231n这个是一个完整的课程，内容就多了点，虽然说课程是computer vision的，但80%还是深度学习的内容。图像的工作暂时用不上，我就先略过了。 突然发现这两个课程都是斯坦福的，牛校就是牛。
如何在本地完成CS231n课程作业
qq_28448117的博客
02-28 1万+
最近开始学习斯坦福大学的CS231n课程，课程地址：网易云课堂，只有中文字幕，现在学完了1-7课时，准备着手做一下第一次作业，但是第一次接触不免有些手忙脚乱，自己探索了半天，准备写一个教程给和我一样的小白菜们，一起学习一起进步哦~实验平台：Ubuntu14.04 一：安装Anaconda下载地址：点击打开链接选择python2.7版本的64-Bit (x86) Installer (533 MB)...
cs231n学习笔记-CNN-目标检测、定位、分割
热门推荐
MyArrow的专栏
07-11 5万+
1. 基本概念 1）CNN：Convolutional Neural Networks  2） 2. CNN基本知识 2.1 CNN的卷积流程  1）Activations maps的个数与Filter的个数一致。 2）输入层与Filter、Padding、Stride、参数和输出层的关系
CS231n课程笔记翻译
Leo的博客
06-01 3万+
转载自：https://zhuanlan.zhihu.com/p/20894041 作者：杜客 链接：https://zhuanlan.zhihu.com/p/20894041 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 原文如下 这是一篇介绍性教程，面向非计算机视觉领域的同学。教程将向同学们介绍图像分类问题和数据驱动方法。下面是内容列表：
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