定位原创

播放1.3K
计算机视觉是一门研究如何使机器“看”的科学,指用摄影机和计算机代替人眼对目标进行识别、跟踪和测量并进一步做图像处理,使其成为更适合人眼观察或传送给仪器检测的图像。 本课程是斯坦福大学的CS231n深度视觉识别课程。课程从算法到公式到实践进行了全面的介绍。课程首先介绍了计算机视觉的历史,随后开始讲解图像识别中的关键算法,如k近邻算法和线性分类。课程将重点介绍卷积神经网络,从简单的神经网络和反向传播算法到卷积、池化等概念。课程将介绍神经网络训练过程中的一些细节,比如如何在建立神经网络,选择什么样的激活函数,怎样做数据预处理、权重初始化、正则化和梯度检查。课程还会介绍训练过程中的动态监控,以及怎样做参数的优化。除此之外,课程还会介绍深度学习的软件,如Caffe、Torch、Tensorflow等。课程还将进一步介绍递归神经网络,并讲解神经网络进行图像识别的原理。 【课程目标】 了解K近邻算法和线性分类算法 了解神经网络、卷积神经网络的概念 掌握训练神经网络的方法,参数的优化 使用神经网络进行图像分类 【适用对象】 学生、开发、个人开发者

我来说两句

0 条评论
登录 后参与评论

作者

云加社区直播小编
1
7分30秒
计算机视觉概述
12.7K
2
52分16秒
特征可视化、倒置、对抗样本
1
3
21分14秒
RNN,LETM,GRU
0
4
22分8秒
语言模型
0
5
33分23秒
分割
0
6
10分18秒
定位
1.3K
7
32分41秒
识别
1.4K
8
24分34秒
DeepDream和风格迁移
1
9
20分7秒
Pixel RNN/CNN
0
10
33分50秒
变分自编码器
0
11
30分35秒
生成式对抗网络
0
12
16分3秒
策略梯度,硬注意
0
13
49分3秒
Q-Learning, Actor-Critic算法
0
14
1时17分
深度学习的方法及硬件
0
15
1时18分
AlexNet,VGG,GoogLeNet,ResNet等
16.7K
16
6分22秒
迁移学习
0
17
29分31秒
计算机视觉历史背景
0
18
55分41秒
反向传播
0
19
22分22秒
课程后勤
0
20
23分51秒
数据驱动方法
15.2K
21
23分9秒
K最近邻算法
1
22
13分55秒
线性分类Ⅰ
0
23
50分9秒
损失函数
0
24
19分13秒
神经网络
0
25
15分15秒
正则化
1
26
14分16秒
历史
0
27
36分56秒
卷积和池化
1.3K
28
19分4秒
卷积之外的视觉神经网络
0
29
49分22秒
激活函数
0
30
31分55秒
批量归一化
0
31
55分18秒
更好的优化
0
32
1时22分
对抗样本和对抗训练
0

相关推荐

2分8秒
腾讯云AI 8月大事件速览
46
30秒
【宣传片】QQ浏览器2021AI算法大赛
470
1分59秒
[VMware 一分鐘3點通] VMware SD-WAN 解決方案
561
44秒
服务机器人R3小天使 讲解机器人 导航机器人 迎宾接待机器人
1.1K
31秒
编程教育陪伴机器人R8攀登者
688
1分48秒
统一告警中心案例分享
958

扫码关注云+社区

领取腾讯云代金券