本课程为精品课，您可以登录eeworld继续观看： 生成式对抗网络继续观看 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 猜你喜欢 Arduino始创人教你玩Arduino：入门套件实例教程 “我知道你在想什么”MIT发明的黑科技 使用mTouch™ Framework自由开发触摸产品（一） 基于FPGA的小数加减乘法实现 电赛特训营（硬币检测装置） 基于树莓派的报靶器 直播回放: ADI - 惯性 MEMS 应用那些事 2016 TI 工业研讨会：TI高功率密度电源设计中的散热解决方案 热门下载 AVR ATMega16最小系统原理图PCB AFE5801,pdf(8-Channel Variable-Gain Amplifier (VGA) With Octal High-Speed ADC) 准谐振式反激式开关电源IRIS4015原理及设计要点 精彩解码板、激光头详细说明图 化学气相沉积与无机新材料 PCI-to-PCI Bridge Architecture TMS320VC5501-300,pdf(Fixed-Point Digital Signal Processor) 用8位单片机实现ARINC429总线数据传输 线性动态电路 电脑游戏机硬件与编程特技.rar 热门帖子 网友正在看 开关电源之Buck变换器的环路分析与补偿 資料運算單元(II)_記憶體 For循环（下） 电测技术的抗干扰的问题 CMOS差分放大电路 大量行動感測器之面覆蓋技術 Linux驱动专题一 基于Zynq SoC的3阶TNPC
