【CS231n】斯坦福大学李飞飞视觉识别课程笔记

最新推荐文章于 2024-03-08 19:11:05 发布
最新推荐文章于 2024-03-08 19:11:05 发布
阅读量1.6w 收藏 501
点赞数 62
分类专栏： CS231n 文章标签： 李飞飞 斯坦福 cs231n 视觉识别课程笔记 视觉识别
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/tefuirnever/article/details/89059673
版权

最近开了一个新坑——【CS231n】斯坦福大学李飞飞视觉识别课程，准备认真学习并记录自己的学习历程。

文章目录

【CS231n】斯坦福大学李飞飞视觉识别课程笔记

由官方授权的CS231n课程笔记翻译知乎专栏——智能单元，比较详细地翻译了课程笔记，我这里就是参考和总结。

在这里插入图片描述

课程笔记

学习安排

每周具体时间划分为4个部分：

  • 1部分安排在周一到周二
  • 2部分安排在周四到周五
  • 3部分安排在周日
  • 4部分作业是任何有空的时间自行完成，可以落后于学习进度
  • 周三和周六休息 _

Week 1

  1. 了解计算机视觉综述，历史背景和课程大纲
  • slides: lecture01
  • 观看视频 p1, p2 和 p3
  1. 学习数据驱动的方法, 理解 KNN 算法，初步学习线性分类器
  1. 掌握本门课 python 编程的基本功
  1. 作业
  • (热身)写一个矩阵的类，实现矩阵乘法，只能使用 python 的类(class)和列表(list)
  • 完成assignment1 中的 knn.ipynb

Week2

  1. 深入理解线性分类器的原理
  1. 学习损失函数以及梯度下降的相关知识
  1. 掌握矩阵求导的基本方法
  • 根据资料，学习矩阵求导的基本技巧，看多少内容取决于个人需要
  1. 作业
  • 简述 KNN 和线性分类器的优劣, 打卡上传知知识圈
  • 完成assignment1 中 svm.ipynb

Week3

  1. 学习掌握深度学习的基石: 反向传播算法
  1. 理解神经网络的结构和原理
  • slides: lecture04
  • 观看视频 p10
  1. 深入理解反向传播算法
  1. 作业
  • 完成 assignment1 中的 softmax.ipynb
  • 完成 assignment1 中的 two_layer_net.ipynb

Week4

  1. 掌握 PyTorch 中的基本操作
  1. 了解 kaggle 比赛的流程，并完成第一次的成绩提交

  1. 学习深度学习的系统项目模板

  2. 作业

  • 完成 assignment1 中的 features.ipynb
  • 修改房价预测的代码，在知识圈上提交 kaggle 的成绩

Week5

  1. 理解 CNN 中的卷积
  • slides: lecture05
  • 观看视频 p11, p12
  1. 理解 CNN 中的 pooling
  1. 完成 CNN 的第一个应用练习，人脸关键点检测
  1. 作业
  • 思考一下卷积神经网络对比传统神经网络的优势在哪里？为什么更适合处理图像问题，知识圈打卡上传
  • 完成 assignment2 中 FullyConnectedNets.ipynb

Week6

  1. 理解激活函数，权重初始化，batchnorm 对网络训练的影响
  1. 深入理解 BatchNormalization
  1. 总结回顾和理解深度学习中 normalize 的技巧
  1. 作业
  • 完成 assignment2 中 BatchNormalization.ipynb
  • 完成 assignment2 中 Dropout.ipynb

Week7

  1. 理解更 fancy 的优化方法，更多的 normalize 以及正则化和迁移学习对网络训练的影响
  1. 了解第二次的 kaggle 比赛 cifar10 分类
  1. 全面的理解深度学习中的优化算法
  1. 作业
  • 完成 assignment2 中 ConvolutionNetworks.ipynb
  • 修改 cifar10 的网络结构，在知识圈上提交 kaggle 成绩

Week8

  1. 了解主流深度学习框架之间的区别与联系
  • slides: lecture08
  • 观看视频 p19
  1. 了解经典的网络结构
  • slides: lecture09
  • 观看视频 p20
  1. 理解卷积神经网络的最新进展
  1. 作业
  • 完成 assignment2 中的 PyTorch.ipynb
  • 学习模板代码, 尝试更大的网络结构完成 kaggle 比赛种子类型识别的比赛，在知识圈上提交 kaggle 成绩

Week9

  1. 掌握 RNN 和 LSTM 的基本知识
  • slides: lecture10
  • 观看视频 p21
  1. 了解语言模型和 image caption 的基本方法
  • slides: lecture10
  • 观看视频 p22 和 p23
  1. 更深入的理解循环神经网络的内部原理
  1. 作业

Week10

  1. 学习计算机视觉中的语义分割问题
  • slides: lecture11
  • 观看视频 p24
  1. 学习计算机视觉中的目标检测问题
  • slides: lecture11
  • 观看视频 p25 和 p26
  1. 了解目标检测中的常见算法
  1. 作业

Week11

  1. 理解卷积背后的原理
  • slides: lecture13
  • 观看视频 p27
  1. 学习 deep dream 和 风格迁移等有趣应用
  • slides: lecture13
  • 观看视频 p28
  1. 了解无监督学习和生成模型
  • slides: lecture12
  • 观看视频 p29
  1. 作业

Week12

  1. 掌握自动编码器和生成对抗网络的基本原理
  • slides: lecture12
  • 观看视频 p30 和 p31
  1. 了解强化学习的基本概念
  • slides: lecture14
  • 观看视频 p32
  1. 学习强化学习中的 q learning 和 actor-critic 算法
  • slides: lecture14
  • 观看视频 p33
  1. 作业
  • 完成 assignment3 中的 GANs-PyTorch.ipynb
  • 完成 assignment3 中的 StyleTransfer-PyTorch.ipynb
我是管小亮
关注
  • 62
    点赞
  • 踩
  • 501
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 7
    评论
专栏目录
李飞飞计算机视觉-自用笔记（第一周）
qq_41882866的博客
07-10 342
李飞飞计算机视觉经典课程-自用笔记1 课程介绍-计算机视觉概述1.1 课程介绍-历史背景1.2 课程介绍-课程后勤2 图像分类-数据驱动方法2.1 图像分类-K最近邻算法2.2 图像分类-线性分类3 损失函数和优化介绍 1 课程介绍-计算机视觉概述 1.1 课程介绍-历史背景 1.2 课程介绍-课程后勤 2 图像分类-数据驱动方法 2.1 图像分类-K最近邻算法 2.2 图像分类-线性分类 3 损失函数和优化介绍 ...
李飞飞计算机视觉-自用笔记（第七周）
qq_41882866的博客
08-28 326
李飞飞计算机视觉-自用笔记（六）13 生成模型13.1 13 生成模型 属于无监督学习的一种，在该任务中，通过给定训练数据的情况下，我们的目标是从相同的数据分布中生成新的样本 生成式模型可以解决密度估计的问题，关于估计训练数据的潜在分布的任务，这也是无监督学习的核心问题 13.1 ...
[深度学习基础] 斯坦福CS231n李飞飞计算机视觉Lecture 2笔记
沉梦昂志丶
03-25 602
Lecture 2: Image Classification pipeline 分类图片的多变性 目前的感知分类问题最重要的就是标签与图像，通常图像都是由庞大的数字列表组成，例如一张8006003的图片（其中3是指颜色的三个通道，一般医学图像为单独的1个灰度通道），数值在0-255之间： 而且在现实情况下，相机在拍照过程中也会对物体进行旋转，平移，缩放，增加亮度等操作；不止如此，一些同一类别物...
CS231n课程笔记翻译：图像分类笔记（上）
GarfieldEr007的专栏
05-25 1631
译者注：本文翻译自斯坦福CS231n课程笔记image classification notes，由课程教师Andrej Karpathy授权进行翻译。本篇教程由杜客翻译完成。ShiqingFan对译文进行了仔细校对，提出了大量修改建议，态度严谨，帮助甚多。巩子嘉对几处术语使用和翻译优化也提出了很好的建议。张欣等亦有帮助。 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
李飞飞亲述：我所遭遇过的性别歧视
最新发布
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（《...
斯坦福大学深度学习视频（CS231n课程）
NEVERGUVEIP的博客
07-06 3118
Youtube视频地址(要翻墙):  https://www.youtube.com/results?search_query=deep+learning+stanford
斯坦福CS231n-计算机视觉—笔记汇总
深海小泡
12-17 6136
CS231n官方笔记授权翻译总集篇发布 - 智能单元 - 知乎专栏  https://zhuanlan.zhihu.com/p/21930884 CS231n课程笔记翻译：图像分类笔记（上） - 智能单元 - 知乎专栏  https://zhuanlan.zhihu.com/p/20894041 CS231n课程笔记翻译：图像分类笔记（下） - 智能单元 - 知乎专栏  http
计算机视觉历史回顾（李飞飞cs231n听课笔记之第一篇）
Zr‘s code world
07-04 850
1、为什么要从计算机视觉入手研究人工智能 现实中的需要：目前互联网上大量存在的未能有效处理的图像、视频资源，以Youtube为例，其服务器每60s会接收到150小时以上的视频资源，这些资源难以被实时解析，因此其中包含的信息也无法直接检索分析和利用，这些数据由此被称为“互联网中的暗物质”。要解决这个问题就需要借助计算机视觉技术进行自动分析。 从视觉信息的性质来看，以一...
[深度学习基础] 斯坦福CS231n李飞飞计算机视觉Lecture 13笔记
沉梦昂志丶
04-08 827
内容列表Lecture 13 Segmentation and Soft AttentionSegmentationSoft Attention小结 Lecture 13 Segmentation and Soft Attention 本章节主要介绍分割模型与注意力模型 Segmentation 分割模型其实也会分为两种，一种是只进行分割，将不同类别以像素级分别表示，另一种全分割就是在分割的基础上...
斯坦福李飞飞团体的计算机视觉笔记（不定时更新）2021.9.12
mumudecsdn的博客
09-12 287
斯坦福李飞飞团体的计算机视觉笔记（不定时更新） 第一章 计算机视觉概述 计算机视觉（computer vision):针对视觉数据的研究。 近几年，视觉数据的数量呈爆炸式增长，被称为互联网的暗物质。它们构成了互联网上传输的大部分数据。 麻省理工学院视觉科学家 David Marr： 输入图像➡️原始草图（大部分边缘edge、端点、虚拟线条）➡️2.5维草图（表面深度信息层、视觉场景不连续拼接）➡️3D模型 研究的历史过程： 目标分割➡️面部检测➡️基于特征的目标识别（SIFT特征）➡️SVM、方向梯度直
李飞飞 CS231n 中文笔记
08-21
李飞飞cs231n 课程笔记翻译中文笔记 线性分类器，主要对线性分类器进行了简介。
李飞飞深度学习中文笔记完整版
10-24
李飞飞深度学习中文笔记完整版，包括全部的9个笔记，翻译的很好，适合打印
李飞飞深度学习课程笔记.txt
11-01
李飞飞深度学习课程笔记,李飞飞深度学习课程笔记,希望对学习有帮助，在百度网盘中
新版CS231n斯坦福面向视觉识别的卷积神经网络课程笔记全（中英双语）
05-21
课程讲义合集，中英双语版，新版CS231n斯坦福面向视觉识别的卷积神经网络课程笔记全（中英双语）
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
李飞飞深度学习笔记作业
04-12
斯坦福大学李飞飞讲授深度学习课程笔记资源和作业资源
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。
斯坦福CS231n李飞飞计算机视觉课程 全部讲义
04-01
2018年最新 斯坦福CS231n李飞飞计算机视觉课程 全部讲义
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
3D视觉 cs231n
08-03
引用[1]:相关课程中提到了CS231a，这是一门更全面的计算机视觉课程，专注于3D重建、匹配和机器人视觉等方面。引用[2]:David Marr在他的著作《VISION》中提到了3D视觉的过程。其中，第一个过程是原始草图，通过使用其他元素来表示大部分边缘、端点、虚拟线条、曲线和边界。第二个过程是2.5维草图，将表面、深度信息、层或场景的不连续性拼凑在一起。最终，所有内容被放在一起，并在表面和体积图等分层组织了一个3D模型。引用[3]:在80年代，David Lowe进行了关于3D视觉的研究，他尝试通过线和边缘构建剃须刀的模型，其中大部分是直线和直线之间的组合。因此，3D视觉涉及到从图像中重建或识别由简单物体结构组成的视觉空间。综上所述，CS231n课程可能会涉及到3D视觉的相关内容，包括3D重建、匹配和目标识别与分割等方面。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 7
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

打赏作者

我是管小亮

一口吃掉你的打赏，嗝~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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