cs231n'18：Lecture 2 | Image Classification Pipeline

最新推荐文章于 2022-08-13 19:53:58 发布
原创 最新推荐文章于 2022-08-13 19:53:58 发布 · 410 阅读 · 0 ·
CC 4.0 BY-SA版权
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。
文章标签：

#AI #CNN #cs231n

本次讲座前半部分回顾了CourseNote1的内容，重点介绍了KNN算法和验证方法，并建议参考CourseNote1的详细笔记；后半部分开始介绍CourseNote2中的线性分类主题。作业推荐实践KNN算法。
Deep transfer learning for image classification: a survey简读
weixin_46782905的博客
06-14 835
Survey简读
图像分类综述—A survey on Semi-, Self- and Unsupervsed Techniques in Image Classification Similarities, Dif...
Alliswell_WP
03-03 981
【导读】图像分类是计算机视觉中的基本任务之一，深度学习的出现是的图像分类技术趋于完善。最近，自监督学习与预训练技术的发展使得图像分类技术出现新的变化，这篇论文概述了最新在实际情况中少标签小样本等情况下，关于自监督学习、半监督、无监督方法的综述，值得看！地址：https://www.zhuanzhi.ai/paper/6d160a5f8634d25a2feda7a30e1e5132翻译：图...
Image Classification with Deep Learning in the Presence of Noisy Labels: A Survey
weixin_42051034的博客
08-19 1725
Image Classification with Deep Learning in the Presence of Noisy Labels: A SurveyPRELIMINARIES1. Problem Statement2. Label Noise Models3. Sources of Label Noise4. Methodologies4.1基于噪声模型的方法A. noisy channelB. Label Noise CleansingC. Dataset PruningD. Sample
【增量学习】综述解析：Online Continual Learning in Image Classification: An Empirical Survey
BlueBlue
08-30 1107
论文：Mai Z , Li R , Jeong J , et al. Online Continual Learning in Image Classification: An Empirical Survey[J]. arXiv, 2021. 论文解析（内含论文原文、代码链接）：https://ripe-heliotrope-6f4.notion.site/Online-Continual-Learning-in-Image-Classification-An-Empirical-Survey-25bb
CS231n Lecture 2: Image Classification pipeline
weixin_42291486的博客
05-31 794
Image Classification pipelineAssignmentImage Classification pipelineCode AchievementWorking locallyDownload DatasetStart IPythonCode Achievementimport modulesLoad dataKNNresultoptimizationiterationCro...
【cs231n】Lecture 2 : Image Classification pipeline 图像分类管道
lele_ne的博客
08-13 288
机器学习
CS231n：Lecture 2--Image Classification pipeline
忧郁一休
11-14 530
讲授时间：2016-1-6 主讲教师：Andrej Karpathy英文版视频地址（在YouTube上，需要翻墙观看）：Lecture2 带中文字幕的视频地址（在网易云课堂上，正在翻译中）：课时4 课时5PPT下载地址：点击这里本节课程对应笔记：英文笔记2篇 image classification notes linear classification notes对应中文笔记5篇： 图
[CS231N]Lecture_2:Image Classification Pipeline
GRF-Sunomikp31
07-24 495
CS231N-2
CS231n系列之Lecture 2: Image Classification pipeline
Felaim的博客
03-31 1900
按照之前的习惯，先贴出链接: http://pan.baidu.com/s/1i51aUOX 密码: 6crw。如果有兴趣的话，可以下载课程的视频和pdf。 在http://cs231n.github.io/python-numpy-tutorial/可以看到关于numpy的tutorial，有兴趣的话可以下载一下。 在计算机视觉中，有一个核心问题就是图片的分类问题。在我们通常意义上看到的彩色图片通
CS231n课程知识点汇总（lecture1-5）.docx
11-18
#### Lecture2: Image Classification pipeline (Image classification and the data-driven approach; k-nearest neighbor; Linear classification I) **Image Classification Challenges** - **视角变化：** ...
计算机视觉-CS231n-Lecture 2
邱邱的物联网成长之路
07-19 738
计算机视觉-CS231n-Lecture 2
Stanford cs231n'18 课程及作业详细解读
FortiLZ的博客
06-26 4441
Stanford
cs231n'18： Assignment 3 | RNN Captioning
FortiLZ的博客
07-06 3007
Assignment3 | RNN Captioning 这部分实际上做了两件事情，首先建立一个 RNN，然后以此 RNN 为基础，训练一个模型来完成图片 caption 的工作。我感觉作业中的代码先后顺序有些混乱，这里依照自己的理解，把内容重新组织一下。 Dataset train 和 val 使用的是 Coco2014，从打印出来的 data 信息来大概浏览一下数据的构成。 t...
cs231n'18： Assignment3 | Network Visualization
FortiLZ的博客
07-11 2575
Assignment3 | Network Visualization 在这里只解决与 NN 有关的问题，与 PyTorch 有关的问题，集中到另外的一个 project 专门学习。 Saliency Maps Saliency map 表示的是图片中的每一个像素对最终分类 score 的影响有多大。计算 saliency map 时，首先使用一个训练好的 model，计算出输入图片的对...
cs231n'18： Assignment 2 | FullyConnectedNets
FortiLZ的博客
06-28 2170
Assignment 2 | FullyConnectedNets gradient check函数的不同实现 到目前为止用到了三个gradient check函数，分别是：grad_check_sparse，eval_numerical_gradient，eval_numerical_gradient_array。 eval_numerical_gradient def eval...
cs231n'18： Assignment 2 | Batch Normalization
FortiLZ的博客
06-27 1894
Assignment 2 | Batch Normalization 上文吐槽BN部分讲的太烂，2018年果然更新了这一部分，slides里加了好多内容，详见Lecture 6的slides第54到61页，以及Lecture 7的slides第11到18页，这里结合着原始论文和作业，把BN及其几个变种好好总结一下。 Batch Normalization Train 前面的作业中已...
cs231n'18：Assignment 2 | PyTorch
FortiLZ的博客
06-29 1863
Assignment 2 | PyTorch 初步介绍了一下 PyTorch，准备找个教程好好学习一下，以后以 PyTorch 为主了。
cs231n'18： Assignment 2 | Dropout
FortiLZ的博客
06-29 1427
Assignment 2 | Dropout Dropout 就是在 train 的过程中随机的丢掉一部分连接，但是在 test 的时候使用全部的连接。这样做的好处是在 train 的时候引入一些随机性，在 test 的时候相当于用这些随机性进行了 ensemble。起到了 reg 的作用。 Inline Question 1: What happens if we do no...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
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
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