忧郁一休

图像分类：目标：已有固定的分类标签集合，然后对于输入的图像，从分类标签集合中找出一个分类标签，最后把分类标签分配给该输入图像。（图像分类问题是计算机视觉的核心问题）困难&挑战：视角变化（Viewpoint variation） 同一个物体，摄像机可以从多个角度来展现。大小变化（Scale variation） 物体可视的大小通常是会变化的（不仅是在图片中，在真实世界中大小也是变化的）。形变

该教程是CS301n课程的先修课程。英文版（由Justin Johnson创作），请戳这里中文版（由杜客翻译），请戳这里我们将使用Python编程语言来完成本课程的所有作业。Python是一门伟大的通用编程语言，在一些常用库（numpy, scipy, matplotlib）的帮助下，它又会变成一个强大的科学计算环境。我们期望你们中大多数人对于Python语言和Numpy库比较熟悉，而对于没有Pyt

1、概述 我们将要实现一种更强大的方法来解决图像分类问题，该方法可以自然地延伸到神经网络和卷积神经网络上。这种方法主要有两部分组成：一个是评分函数（score function），它是原始图像数据到类别分值的映射。另一个是损失函数（loss function），它是用来量化预测分类标签的得分与真实标签之间一致性的。该方法可转化为一个最优化问题，在最优化过程中，将通过更新评分函数的参数来最小化损失函

课程简介： CS231n: Convolutional Neural Networks for Visual Recognition 即：面向视觉识别的卷积神经网络 本课程是斯坦福大学计算机视觉实验室2016年1月份到3月份推出的公开课程。主讲教师： Fei-Fei Li/Andrej Karpathy/Justin Johnson课程描述： 计算机视觉在社会中已经逐渐普及，并广泛运用于

讲授时间：2016-1-4 主讲教师：Fei-Fei Li英文版视频地址（在YouTube上，需要翻墙观看）：Lecture1 带中文字幕的视频地址（在网易云课堂上，正在翻译中）：课时1 课时2 课时3PPT下载地址：点击这里要点整理：计算机视觉相关领域：生物学、心理学、数学、物理、工程学、计算机科学计算机视觉发展简史：——公元前5亿4千300万年，进化大爆炸 ——公元16世纪，达芬奇的暗盒

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