斯坦福大学李飞飞教授新课-视觉识别的卷积神经网络

    导读

斯坦福大学人工智能系列课程CS231n新增一课，2019年春季开设视觉识别的卷积神经网络（Convolutional Neural Networks for Visual Recognition）课程。该课程由李飞飞教授团队讲授。

编译 | Xiaowen

课程主页：http://cs231n.stanford.edu/index.html

课程日历http://cs231n.stanford.edu/syllabus.html

【课程介绍】

计算机视觉在我们的社会中已经变得无处不在，在搜索、图像理解、应用程序、地图、医学、无人机和无人驾驶汽车方面都有应用。这些应用的核心是图像分类、定位和检测等视觉识别任务。神经网络(又称“深度学习”)方法的最新发展极大地提高了这些最先进的视觉识别系统的性能。本课程是对深度学习体系结构的深入研究，重点是学习这些任务的端到端模型，特别是图像分类。在为期10周的课程中，学生将学习如何实现、训练和调试自己的神经网络，并对计算机视觉的前沿研究有详细的了解。最后的任务将包括训练一个数百万参数的卷积神经网络，并将其应用于最大的图像分类数据集(ImageNet)。我们将着重讲授如何设置图像识别问题、学习算法(如反向传播)、训练和微调网络的实用工程技巧，并指导学生完成手工作业和最后的课程项目。本课程的大部分背景和材料将来自ImageNet Challenge。

【授课团队】

授课团队来自由李飞飞教授领导的斯坦福大学视觉实验室，主讲老师为李飞飞教授，Justin Johnson和Serena Yeung. 助教团队多达23人。

【课程内容】

• 第一节：课程简介：计算机视觉概述、历史背景课程介绍

• 第二节：图像分类：数据驱动的k近邻方法，线性分类I

• 讨论课：Python，Numpy，Google Cloud

• 第三节：损失函数及优化：线性分类II，高级表示、图像特征优化、随机梯度下降

• 第四节：神经网络简介：反向传播、多层感知机、神经网络视角

• 第五节：卷积神经网络：简介、卷积和池化、多种卷积网络

• 第六节：深度学习软件：PyTorch, TensorFlow, 动态和静态计算图

• 讨论课：TBA

• 第七节：训练神经网络part1

• 第八节：训练神经网络part2: 更新规则、集成、数据增强、迁移学习

• 第九节：CNN结构：AlexNet，VGG，GoogleNet, RestNet, etc.

• 第十节：循环神经网络：RNN、LSTM、GRU、语言模型、图像解释、视觉问答、soft attention

• 第十一节：无监督学习

• 第十二节：检测和分割

• 第十三节：视觉和理解：特征可视化、对抗、风格迁移

• 第十四节：深度强化学习：策略梯度、hard attention、Q-learning

• 第十五节：Invited Talk: TBA

• 第十六节：Neuroscience and AI（Dan Yamins) 

• 第十七节：以人为中心的AI

【课程Slides便捷下载】

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“cs231n2019”就可以获取斯坦福大学李飞飞教授2019年cs231n课程1-3节Slides的下载链接~ 
  

-END-

专 · 知

专知《深度学习:算法到实战》课程全部完成！520+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询《深度学习:算法到实战》课程，咨询技术商务合作~

请PC登录www.zhuanzhi.ai或者点击阅读原文，注册登录专知，获取更多AI知识资料！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程