斯坦福大学2017年春季_基于卷积神经网络的视觉识别课程视频教程及ppt分享
计算机视觉已经在我们的社会中普遍存在，应用于搜索，图像理解，应用程序，绘图，医学，无人机和自驾车。许多这些应用程序的核心是视觉识别任务，如图像分类，定位和检测。神经网络（又称“深度学习”）方法的最新进展，大大提高了这些最先进的视觉识别系统的性能。
本课程深入了解深入学习架构的细节，重点是学习这些任务的端到端模型，特别是图像分类。在10周的课程中，学生将学习实施，训练和调试自己的神经网络，并详细了解计算机视觉的尖端研究。最终的任务将涉及到数百万个参数卷积神经网络的训练，并将其应用于最大的图像分类数据集（ImageNet）。
我们将重点介绍如何建立图像识别问题，学习算法（如反向传播），培训的实际工程技巧和微调网络，引导学生进行实际操作和最终课程项目。本课程的背景和材料的大部分内容将来自ImageNet挑战赛。培训和微调网络的实际工程技巧，引导学生进行实践任务和最终课程项目。
课程视频教程（带英文字幕及ppt下载）：
获取更多深度学习最新资讯快速通道：
获取最新消息快速通道 - lqfarmer的博客 - CSDN博客
链接: https://pan.baidu.com/s/1eSpdlfk
密码: 35z6
往期内容推荐：
深度学习与NLP 深度学习|机器学习|人工智能 精品视频教程合集分享
ICML 2017 深强化学习，决策和控制简化教程分享
模型汇总18 强化学习（Reinforcement Learning）基础介绍
优化策略5 Label Smoothing Regularization_LSR原理分析
模型汇总15 领域适应性Domain Adaptation、One-shot/zero-shot Learning概述
<教材推荐> PRML_模式识别与机器学习
获取更多深度学习最新资讯快速通道：
获取最新消息快速通道 - lqfarmer的博客 - CSDN博客
更多深度学习在NLP方面应用的经典论文、实践经验和最新消息，欢迎关注微信公众号“深度学习与NLP”或“DeepLearning_NLP”或扫描二维码添加关注。
