吴恩达深度学习-神经网络基础（第8课：深度卷积网络：实例探究&深度卷积网络：实例探究）

第一周 卷积神经网络(Foundations of Convolutional Neural Networks)

1.1 计算机视觉（Computer vision）

计算机视觉指的主要是通过计算机来进行图像判断，人脸识别，以及图像检测和分类等。就是类似人眼睛所做的事情。由于计算机的发展，计算机视觉越来越强大，应用领域也越来越多。

1.2 边缘检测示例（Edge detection example）
1.3 更多边缘检测内容（More edge detection）

卷积神经进行垂直边缘检测.png

卷积运算是卷积神经网络最基本的组成部分，使用边缘检测作为入门样例。其他的边缘检测也是类似的思路，就是通过特殊的过滤器来进行图片检测。

1.4 Padding
为了构建深度神经网络，你需要学会使用的一个基本的卷积操作就是padding。

之所以需要padding是因为过滤器卷积，是因为过滤器卷积的时候图片会缩小，而且边缘的像素点使用的次数比较少。即主要缺点为：
第一个缺点是：每次做卷积操作，你的图像就会缩小，从6×6缩小到4×4，你可能做了几次之后，你的图像就会变得很小了，可能会缩小到只有1×1的大小。你可不想让你的图像在每次识别边缘或其他特征时都缩小，这就是第一个缺点。
第二个缺点是：如果你注意角落边缘的像素，这个像素点（绿色阴影标记）只被一个输出所触碰或者使用，因为它位于这个3×3的区域的一角。但如果是在中间的像素点，比如这个（红色方框标记），就会有许多3×3的区域与之重叠。所以那些在角落或者边缘区域的像素点在输出中采用较少，意味着你丢掉了图像边缘位置的许多信息。

1.5 卷积步长（Strided convolutions）
1.6 三维卷积（Convolutions over volumes）

1.7 单层卷积网络（One layer of a convolutional network）

1.8 简单卷积网络示例（A simple convolution network example）
1.9 池化层（Pooling layers）

1.10 卷积神经网络示例（Convolutional neural network example）

1.11 为什么使用卷积？（Why convolutions?）

第二周 深度卷积网络：实例探究(Deep convolutional models: case studies)

2.1 为什么要进行实例探究？（Why look at case studies?）

通过去看一些案例和研究别人构建有效组件的案例是个不错的学习神经网络的办法，就像很多人通过看别人的代码来学习编程一样。

上周我们讲了基本构建，比如卷积层、池化层以及全连接层这些组件。事实上，过去几年计算机视觉研究中的大量研究都集中在如何把这些基本构件组合起来，形成有效的卷积神经网络。

2.2 经典网络（Classic networks）

2.3 残差网络（Residual Networks (ResNets)）
2.4 残差网络为什么有用？（Why ResNets work?）

2.5 网络中的网络以及 1×1 卷积（Network in Network and 1×1 convolutions）

2.6 谷歌 Inception 网络简介（Inception network motivation）

2.7 Inception 网络（Inception network）

2.8 使用开源的实现方案（Using open-source implementations）

2.9 迁移学习（Transfer Learning）

2.10 数据扩充（Data augmentation）

2.11 计算机视觉现状（The state of computer vision）

丰一禾 2018/11/23 11:01:11
一、学习安排（11月20日-11月23日）
1.主要学习视频：第八课：卷积神经网络
深度卷积网络：实例探究
（[图片上传失败...(image-77c0ce-1542942619014)]

https://mooc.study.163.com/smartSpec/detail/1001319001.htm?from=study）
2.参考资料：
2018 Winter Midterm Without Solutions
2018 Winter Midterm With Solutions
C4M1 slides
C4M2 slides
Week 6 slidesC4M1 slides([图片上传失败...(image-b5088b-1542942619014)]

http://cs230.stanford.edu/syllabus.html)
二、作业上传事项
1.作业内容：
主要是总结所学习的视频和讲义内容
(提交形式，是以“汇报”形式汇报给助教（李凯旋），对于作业敷衍的直接视为下车)
2.作业提交日期
作业规定在11月23日24点之前，大家把握好时间，且11月24日晚上，助教会公布没有交作业者并令其下车；
@所有人