本课程为精品课，您可以登录eeworld继续观看： 变分自编码器继续观看 课时1：课程介绍 - 计算机视觉概述 课时2：课程介绍 - 计算机视觉历史背景 课时3：课程介绍 - 课程后勤 课时4：图像分类 - 数据驱动方法 课时5：图像分类 - K最近邻算法 课时6：图像分类 - 线性分类I 课时7：损失函数和优化 - 损失函数 课时8：损失函数和优化 - 优化 课时9：介绍神经网络 - 反向传播 课时10：介绍神经网络 - 神经网络 课时11：卷积神经网络 - 历史 课时12：卷积神经网络 - 卷积和池化 课时13：卷积神经网络 - 视觉之外的卷积神经网络 课时14：激活函数 课时15：批量归一化 课时16：更好的优化 课时17：正则化 课时18：迁移学习 课时19：Caffe，Torch，Theano，TensorFlow，Keras，PyTorch等 课时20：AlexNet，VGG，GoogLeNet，ResNet等 课时21：RNN, LSTM, GRU 课时22：语言模型 课时23：图像标注、视觉问答、 Soft attention模型 课时24：分割 课时25：定位 课时26：识别 课时27：特征可视化、倒置、对抗样本 课时28：DeepDream和风格迁移 课时29：Pixel RNN CNN 课时30：变分自编码器 课时31：生成式对抗网络 课时32：策略梯度，硬注意 课时33：Q-Learning, Actor-Critic算法 课时34：深度学习的方法及硬件 课时35：对抗样本和对抗训练 课时36：special篇：特邀对话Ian Goodfellow 课时37：special篇：特邀对话Song Han 课程介绍共计37课时，20小时8分36秒 深度学习与计算机视觉 斯坦福 李飞飞 随着搜索应用程序，图像识别、App应用、成像、医学、无人机和无人驾驶汽车，计算机视觉在我们的社会中已经变得无处不在。许多这样的应用程序，比如：图片分类、定位和检测的核心功能任务都是视觉识别技术完成的。最新发现的神经网络方法（又名“深度学习”），极大地提升了视觉识别系统的先进性能。 上传者：抛砖引玉 正在载入数据,请稍等... 猜你喜欢 基于Ispice与Hspice的SPICE教学视频（元智大学） DigiKey 应用说：Raspberry Pi 5 在视频直播中的应用 嵌入式Linux图形界面开发 英飞凌全新的12V无刷直流电机的演示系统介绍 PMBus 简介 如何设计低成本蓝牙音乐播放系统 交流和直流之争 MPLAB® X IDE 编译调试（下） 热门下载 期刊论文：基于CCD技术的电机换向片检测系统 基于单片机和射频芯片实现的短距离无线数据传输系统 MTK RF部分 修原理 基于粗糙集的属性约简算法 AT91 ARM在医疗行业中的应用pdf 大学生电子设计竞赛资料信号处理篇 Cadence Allegro SPB V16.5视频 开发环境是FPGA开发工具 24V防雷设计 Genesis常见错误及其解决方法 热门帖子 网友正在看 产品概述及行业发展趋势 modelsim一级练习2答案 互感电路的计算（1） 电容触摸原理介绍 自顶向下分析2 LPC4300双核控制系统：多通道数据采集展示 Load and Display an Image 电子测量原理06
