CS231n课程笔记1：Introduction

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，所以听这门课上手。

课程笔记

Introduction大概介绍一下CV包括的领域、CV的历史、以及课程简介，具体参考PPT。
这里记录一些比较有意思的部分：

1. 猫的视觉起始于局部简单特征，如不同方向的线。[Hubel & Wiesel, 1959]
2. 视觉分析是分层次的。[David Marr, 1970s, Vision]
3. SIFT特征以及视觉是极小的简单几何物体的集合[David Lowe, 1987, 1999]
4. HoG特征[Dalal & Triggs, 2005]
5. 使用CNN数据驱动，学习特征。

自己的思考

这部分内容都是作者自己的想法， 不知真伪。

CNN的感受野就是受1.的启发，而多层网络则是受2.的启发。