关于深度学习:22课时19大主题CS-231n进阶版课程视频上线

起源|机器之心

讲 CS231n 的 Justin Johnson 在密歇根大学推出了一套计算机视觉的进阶课程。

计算机视觉在日常生活中曾经无处不在。从搜索引擎、图像了解、地图、医疗、无人机、主动驾驶到各类手机 app，都离不开计算机视觉。这些利用中有许多像图像分类和指标检测这样的视觉辨认工作，而神经网络方面的停顿大大提高了视觉识别系统的性能。

来自密歇根大学的 Justin Johnson 在 2019 年秋季推出了一套新的课程，该课程深入探讨了基于神经网络的计算机视觉深度学习办法的细节。这一课程近日已在 YouTube 上凋谢。

课程视频链接：https://www.youtube.com/playlist?list=PL5-TkQAfAZFbzxjBHtzdVCWE0Zbhomg7r

B 站地址：https://www.bilibili.com/video/BV1TJ411d7b7

课程详情

这套 2019 年秋季的计算机视觉课程名为「Deep Learning for Computer Vision」，课程讲授者是来自密歇根大学的 Justin Johnson。作为斯坦福大学李飞飞传授的学生，Justin Johnson 曾和李飞飞一起讲授斯坦福大学计算机视觉经典课程 CS231n。

Justin Johnson，图源： https://web.eecs.umich.edu/~justincj/。

目前，Justin Johnson 正在密歇根大学负责助理传授，同时他也是 Facebook AI 研究所的客座科学家。 他的钻研趣味次要是计算机视觉和机器学习，钻研波及视觉推理、视觉和语言、图像生成以及应用深度神经网络的 3D 推理。

在「Deep Learning for Computer Vision」课程中，学生能够学习到实现、训练和调试本人的神经网络，并可能具体理解计算机视觉前沿钻研的常识。课程中介绍了学习算法、神经网络架构以及用于训练和微调视觉辨认工作网络的实用工程技巧。

22 个课时、19 个主题、历时 3 个多月

密歇根大学 2019 秋季「Deep Learning for Computer Vision」课程历时 3 个多月，共计 22 个课时，19 个主题。

• 课时 1：计算机视觉深度学习简介，包含历史背景和以后倒退概述；
• 课时 2：图像分类，包含数据驱动办法、最近邻算法、超参数和穿插验证；
• 课时 3：线性分类器，包含 Softmax 或 SVM 分类器和 L2 正则化；
• 课时 4：优化，包含随机梯度降落、动量、AdaGrad、Adam 和二阶优化器；
• 课时 5：神经网络，包含特色转换、全连贯网络、泛迫近（universal approximation）和凸性。

• 课时 6：反向流传，包含计算图、反向流传和矩阵乘法示例；
• 课时 7：卷积网络，包含卷积、池化和批归一化；
• 课时 8：CNN 架构，包含 AlexNet、VGG、ResNet、大小 VS 准确性、分组和可拆散卷积以及神经架构搜寻；
• 课时 9：硬件和软件，包含 CPU、GPU、TPU、动静与动态图以及 PyTorch 和 TensorFlow；
• 课时 10：神经网络训练 I，包含激活函数、数据预处理、权重初始化、数据增广和正则化（Dropout 等）；

• 课时 11：神经网络训练 II，包含学习率计划、超参数优化、模型集成、迁徙学习和大批量训练；
• 课时 12：递归网络，包含 RNN、LSTM、GRU、语言建模、序列到序列、图像标注和视觉问题；
• 课时 13：注意力，包含多模态注意力、自注意力和 Transformers；
• 课时 14：可视化和了解，包含特色可视化、对抗性示例以及 DeepDream 和格调迁徙；
• 课时 15：指标检测，包含单级检测器和两级检测器；

• 课时 16：图像宰割，包含语义宰割、实例宰割和关键点预计；
• 课时 17：3D 视觉，包含 3D 形态示意、深度预计、3D 形态预测以及平面像素、点云、SDF 和网格；
• 课时 18：视频，包含视频分类、晚期和前期交融、3D CNN 和双流网络；
• 课时 19：生成模型 I，包含监督与无监督学习、判断与生成模型、自回归模型和变分自编码器；
• 课时 20：生成模型 II，包含变分更强的自编码器和生成反抗网络；

• 课时 21：强化学习，包含强化学习问题设置、贝尔曼方程、Q 学习和策略梯度；
• 课时 22：课程总结，包含课程回顾和计算机视觉的倒退瞻望。

对课程主题感兴趣的小伙伴赶快去观看视频了！

参考链接：

https://web.eecs.umich.edu/~justincj/

https://web.eecs.umich.edu/~justincj/teaching/eecs498/schedule.html

仅作分享，不代表本公众号立场，侵权分割删除
计算机视觉联盟 报道 | 公众号 CVLianMeng