斯坦福CS231n课程笔记（第一课）

斯坦福课程

背景：YouTube每秒有5小时的视频被上传，需要正确分类。

CV历史：

生物视觉：5亿4千万年前，寒武纪时期物种大爆发，眼睛进化出来。

机器视觉：

• 17世纪文艺复兴时期，小孔成像相机出现。
• 50-60年代，Hubel和Wiesel研究猫的视觉系统，将物体由简单几何形状表示。
• 1999年，SIFT目标识别。
• 2005年，HOG直方图特征。

数据集：

• PASCAL，2006-2012
• ImageNet，2009-至今

1、图像分类

图像分类、目标检测、图像摘要生成。

分类模型：

2、1998年数字识别

输入图像：32×32
卷积核：5×5（也叫滤波器）
池化核：2×2，步长：2，类型：MAX
卷积训练参数量：6×(5×5+1)
全连接层：120×(5×5×16+1)=48120，84×(120+1)= 10164

6×(3×5×5+1)+6×(4×5×5+1)+3×(4×5×5+1)+1×(6×5×5+1)

3、应用领域

• 语义分割
• 姿态识别
• 3D重建
• 图像理解

应用：医学诊断、自动驾驶、机器人。