沉梦昂志丶

Lecture 2: Image Classification pipeline分类图片的多变性目前的感知分类问题最重要的就是标签与图像，通常图像都是由庞大的数字列表组成，例如一张8006003的图片（其中3是指颜色的三个通道，一般医学图像为单独的1个灰度通道），数值在0-255之间：而且在现实情况下，相机在拍照过程中也会对物体进行旋转，平移，缩放，增加亮度等操作；不止如此，一些同一类别物...

内容列表Lecture 13 Segmentation and Soft AttentionSegmentationSoft Attention小结Lecture 13 Segmentation and Soft Attention本章节主要介绍分割模型与注意力模型Segmentation分割模型其实也会分为两种，一种是只进行分割，将不同类别以像素级分别表示，另一种全分割就是在分割的基础上...

内容列表Lecture 5 Training Neural Networks神经网络的历史训练神经网络激活函数数据预处理权重初始化批量归一化小结Lecture 5 Training Neural Networks神经网络的历史这次的历史就直接讲神经网络的历史（和第一节不同），从第一台能够实现感知器算法实现的Mark I 感知机开始，简单图像处理初次问世；到了1960年，Widrow与Hoff...

内容列表Lecture 12 Software PackagesCaffePytorchTheanoTensorFlow小结Lecture 12 Software Packages本章节介绍深度学习的常用框架，包括Caffe，TensorFlow，Pytorch等。CaffeCaffe是一个清晰而高效的深度学习框架，本节介绍caffe的优势、架构，网络定义、各层定义，Caffe的安装与配置...

内容列表Lecture 11 CNNs in PracticeTransfer Learning卷积的那些事卷积替换加速卷积计算更加高效的实行细节GPU浮点精度小结Lecture 11 CNNs in Practice本章节最先介绍了数据扩充的技巧，这个内容我在Lecture 6里介绍了，这里就不过多叙述了。Transfer Learning迁移学习(Transfer learning) ...

内容列表Lecture 7 Convolutional Neural Networks卷积神经网络历史卷积神经网络具体结构卷积层池化层全连接层神经网络架构发展LeNetAlexNetZFNetVGGNetGoogleNetResNet其他网络模型小结Lecture 7 Convolutional Neural Networks本章将开始进入正经的卷积神经网络学习中，一些细节部分前面分析的很多了...

内容列表Lecture 4 Backpropagation and Neural Networks反向传播链式法则反向传播的直观理解矩阵的反向传播神经网络非生物角度了解神经网络生物角度了解神经网络小结Lecture 4 Backpropagation and Neural Networks在讲反向传播之前，先来回顾一下损失函数的整合框架，在使用梯度下降时，我们关注的更多的是WWW权重矩阵对损失...

内容列表Lecture 9 Recurrent Neural NetworkRNNLSTM小结Lecture 9 Recurrent Neural NetworkRNN本章节主要探讨循环神经网络的内容，它与卷积神经网络略有不同，RNNs的目的使用来处理序列数据。在传统的神经网络模型中，是从输入层到隐含层再到输出层，层与层之间是全连接的，每层之间的节点是无连接的。但是这种普通的神经网络对于很多...

内容列表Lecture 6 Training Neural Networks，Part 2多种梯度下降优化方式SGDSGD + MomentumNesterov momentumAdaGradRMSPropAdam学习率衰减一些二阶算法(L-BFGS)几种方法的比较小结Lecture 6 Training Neural Networks，Part 2多种梯度下降优化方式SGD本节讨论多种梯...

内容列表Lecture 9 Understanding and Visualizing Convolution Neural Networks卷积神经网络内部可视化滤波器/卷积核可视化可视化中间激活层结果最大可视化某一类别Deep DreamNeural Style小结Lecture 9 Understanding and Visualizing Convolution Neural Netwo...

前言：目前做深度学习也有一段时间了，系统的知识也学了很多，但是大多数都是自己在网上所获得的零散的知识，最近看了李飞飞的斯坦福网上公开课，觉得可以好好的巩固一下基础，对每个Lecture做一下笔记，DeepLearning，DeepLove！Lecture 1: Introduction众所周知，计算机视觉是一个多学科融合的领域，从计算机科学到数学，从生物学到心理学，计算机视觉都有很大的用武...

Lecture 3 Loss Functions and Optimization损失函数说到损失，损失一定要很好的体现出来使用权值而产生结果与最优结果的差值，我们将使用损失函数（Loss Function）（有时也叫代价函数Cost Function或目标函数Objective）来衡量我们对结果的不满意程度。直观地讲，当评分函数输出结果与真实结果之间差异越大，损失函数输出越大，反之越小。针对...

内容列表Lecture 8 Spatial Localization and Detection目标检测Region ProposalsR-CNNSPPNetFast R-CNNFaster R-CNNMask R-CNNYOLO小结Lecture 8 Spatial Localization and Detection目标检测要了解目标检测问题，先要了解图像的分类与定位问题，可以看到下图中...