CS231N

CS231n笔记一：图像分类

一、数据驱动方法adata-drivenapproach:1、collectadatasetofimagesandlabels2、利用机器学习totrainaclassifier3、evaluatetheclassifieronnewimages有两个函数：1、训练函数：输入图片和标签，输出是一个模型2、预测函数：输入一个模型，makepredictionsfortheimages二、最近邻算法n
兮兮Cici_Melon·2022-08-13 07:08

<转载>CS231n课程学习笔记

CS231n课程学习笔记CS231n网易云课堂链接CS231n官方笔记授权翻译总集篇发布-智能单元-知乎专栏https://zhuanlan.zhihu.com/p/21930884CS231n课程笔记翻译
tang-0203·2022-08-13 07:02

CS231n 图像分类笔记

1.图像分类的任务，就是对于一个给定的图像，在一个固定的分类标签集合中，预测它属于的那个分类标签（或者给出属于一系列不同标签的可能性）。2.图像是3维数组，数组元素是取值范围从0到255的整数。数组的尺寸是宽度x高度x3，其中这个3代表的是红、绿和蓝3个颜色通道。也就是是图像数组包括了：宽度x高度x3这么多个数字，我们的任务就是把这些上百万的数字变成一个简单的标签，比如“猫”。3.数据驱动方法：图
荷叶田田_·2022-08-13 07:53

cs231n-学习笔记-01图像分类

1图像分类1.1介绍图像分类是计算机视觉中一个核心的任务。1.2问题现实图像与计算机识别之间的语义鸿沟？一幅图像仅仅是一堆介于0-255之间数组成的表。**图像是一个由数字组成的巨大的3维数组。0表示全黑，255表示全白。1.3挑战①视角变化，图像发生细微的变化，所有的像素点就会与之对应发生改变②图像的曝光度，③图像的变形，④图像的遮挡物，⑤图像背景的干扰，⑥物种演化，1.4图像分类器defcla
cheertt·2022-08-13 07:20

CS231N图像分类笔记总结

图像分类笔记的总结本文是自己对CS231N课程笔记的阅读后的一些总结。
lizhixiaoqingnian·2022-08-13 07:49

CS231n课程笔记：图像分类笔记（上）

本专题转载知乎CS231n的全称是CS231n:ConvolutionalNeuralNetworksforVisualRecognition，即面向视觉识别的卷积神经网络。
量子孤岛·2022-08-13 07:47

CS231n课程笔记：图像分类笔记（下）

用于超参数调优的验证集k-NN分类器需要设定k值，那么选择哪个k值最合适的呢？我们可以选择不同的距离函数，比如L1范数和L2范数等，那么选哪个好？还有不少选择我们甚至连考虑都没有考虑到（比如：点积）。所有这些选择，被称为超参数（hyperparameter）。在基于数据进行学习的机器学习算法设计中，超参数是很常见的。一般说来，这些超参数具体怎么设置或取值并不是显而易见的。你可能会建议尝试不同的值，
量子孤岛·2022-08-13 07:47

CS231N学习笔记-图像分类

仅供自己学习记录参考注：感谢B站up主，同济子豪兄的优质课程【子豪兄】精讲CS231N斯坦福计算机视觉公开课（2020最新）_哔哩哔哩_bilibili第二讲图像分类概述目标检测等方向本质是图像分类一个通道由三个
麻花地·2022-08-13 07:45

【2017cs231n】课程笔记02：图像分类

【2017cs231n】课程笔记-第2讲：图像分类搜索微信公众号:‘AI-ming3526’或者’计算机视觉这件小事’获取更多算法、机器学习干货csdn：https://blog.csdn.net/baidu
xiaoming3526·2022-08-13 07:44

CS231N课程笔记学习一——图像分类

不得不说，cs213n课程是真的难，开始小哥哥讲损失函数，回归模型，我还勉强跟上，后来小姐姐讲课，我真的——人傻了/(ㄒoㄒ)/~~，但是斯坦福大学的课程不能不上啊（尽管对牛弹琴），所以在网上寻找资源，开始“自学”。。。1.图像分类图像分类问题，就是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。计算机视觉领域中很多看似不同的问题（比如
兴安仓鼠·2022-08-13 07:42

2017CS231n学习笔记1-图像分类

文章目录2图像分类2.1数据驱动方法第一个分类器:最近邻分类器L1距离（曼哈顿距离）最近邻分类器Python代码2.2K-最邻近算法L2距离（欧氏距离）k-NearestNeighbor分类器（KNN）实际应用k-NN2.3线性分类器2图像分类2.1数据驱动方法步骤step1：收集图像和标签的数据集Collectadatasetofimagesandlabelsstep2：使用机器学习来训练分类器
JieeRi·2022-08-13 07:41

CS231n课程笔记翻译：图像分类笔记（上）

CS231n课程笔记翻译：图像分类笔记（上）-知乎专栏原文如下这是一篇介绍性教程，面向非计算机视觉领域的同学。教程将向同学们介绍图像分类问题和数据驱动方法。
dby_freedom·2022-08-13 07:10

cs231n图像分类笔记（上）学习记录

前言：学习内容是斯坦福大学的《面向计算机视觉的卷积神经网络》课程，课程代码cs231n，原文链接是StanfordUniversityCS231n:DeepLearningforComputerVision
法拉不会飞·2022-08-13 07:38

深度学习与计算机视觉教程(13) | 目标检测 (SSD,YOLO系列)（CV通关指南·完结）

tutorials/37本文地址：http://www.showmeai.tech/article-detail/272声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容本系列为斯坦福CS231n
ShowMeAI·2022-08-03 07:44

《深度学习》(美)Ian Goodfellow 花书简要笔记（第二部分：深度网络）

推荐李飞飞老师的CS231n课程（网易云课堂有全部视频和课件，建议把编程作业刷了）配合学习~第六章深度前馈网络1、我们最好将前馈神经网络想成是为了实现统计泛化而设计出的函数近似机。
Taowenx·2022-07-25 07:30

CS231n 之 INTRODUCTION

一.一些前导和同步课程CS131：ComputerVision:FoundationsandApplicationsCS231a：ComputerVision,from3DReconstructiontoRecognitionCS224n:NaturalLanguageProcessingwithDeepLearningCS230:DeepLearning，AndrewNg二.计算机视觉的发展历程
戈 扬·2022-07-19 20:58

重磅 | 李飞飞 CS231n 官方笔记授权翻译正式发布！

她在斯坦福开设的机器视觉课程CS231n一直以来都是王牌课程，惠及数十万的人工智能爱好者。笔者最近在知乎发现@杜客及其团队发布了该课程非常全面的官方中文翻译笔记，特此整理出来，供大家交流学习！
weixin_33671935·2022-07-19 20:51

深度学习笔记[1]: CNN for CV斯坦福CS231n (1)

LEARNFROMTHEBEST!最好的老师、最好的同学、最好的教材—我所理解的学习捷径对刚刚接触DeepLearning的同学，从繁杂的教程中“沙里淘金”并非易事。这个深度学习笔记系列，会陆续推荐几个优秀的课程给有兴趣涉足MachineLearning尤其是DeepLearning的同学。我也会随意写一些听课心得，以及自学中遇到挑战。一方面给自己做备忘笔记，另一方面，也希望能和大家一起交流共勉。
XiaoPing88Eric·2022-07-19 19:52

CS231n——指南向report1及assignment1 solution

Lecture1CourseIntroductionLecture2ImageClassification图像识别的困难向量范数度量图片差异验证集用于超参数调优及交叉验证Assignment1k-NN算法原理代码分析k-NN评价Lecture3LossFunctionsandOptimization线性分类器LinearClassifier?Templatematching!Biastrick,I
V2beach·2022-07-19 19:50

[CS231N]Notes_1-Introduction

本节主讲人：JustinJohnsonNotes本节主讲人：JustinJohnson，2017年的第三次CS231N的课程。
GRF-Sunomikp31·2022-07-19 19:34

CS231n课程笔记翻译：卷积神经网络笔记

CS231n课程笔记翻译：卷积神经网络笔记笔记译自斯坦福CS231n课程笔记ConvNetnotes，课程教师AndrejKarpathy授权翻译。
AndrewZhou924·2022-07-13 07:17

深度学习与计算机视觉教程(8) | 常见深度学习框架介绍（CV通关指南·完结）

tutorials/37本文地址：http://www.showmeai.tech/article-detail/267声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容本系列为斯坦福CS231n
ShowMeAI·2022-06-30 07:05

CS231n-2022 Module1: 神经网络要点概述（2）

1.前言本文编译自斯坦福大学的CS231n课程（2022）Module1课程中神经网络部分的内容：【1】NeuralNetworksPart2:SettinguptheDataandtheLoss2.ModellingOneneuronTobeadded
笨牛慢耕·2022-06-30 07:46

迁移学习技巧以及如何更好的finetune 模型

文章参考翻译自cs231n其实我们常用的直接finetunepre-trainedmodel就属于迁移学习（TransferLearning）的一种。
code_Rocker·2022-06-26 07:54

深度学习与计算机视觉教程：斯坦福CS231n · 全套笔记解读

作者：韩信子@ShowMeAI教程地址：http://www.showmeai.tech/tutorials/37本文地址：http://www.showmeai.tech/article-detail/259声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容引言本篇内容是ShowMeAI组织的「深度学习与计算机视觉」系列教程入口，本教程依托于斯坦福Stanford
ShowMeAI·2022-06-17 07:09

深度学习与计算机视觉教程(15) | 视觉模型可视化与可解释性（CV通关指南·完结）

本文讲解了一些理解CNN可视化的方法（特征、滤波器可视化），以及一些有趣的应用，如DeepDream、图像神经风格迁移（特征反演+纹理生成）等【对应CS231nLecture12】
ShowMeAI·2022-06-14 10:00

深度学习与CV教程(14) | 图像分割 (FCN,SegNet,U-Net,PSPNet,DeepLab,RefineNet)

本文讲解了图像语义分割的定义，常见应用（自动驾驶、医学影像诊断），评估指标（mIoU、mAcc），典型语义分割算法等【对应CS231nLecture11】
ShowMeAI·2022-06-11 11:00

深度学习与CV教程(13) | 目标检测 (SSD,YOLO系列)

本文讲解一阶段（onestage）的目标检测方法，包括YOLO系列算法（V1~V5）、SSD、RetinaNet的算法思想、网络结构、训练细节和性能效果等【对应CS231nLecture11】
ShowMeAI·2022-06-09 16:00

深度学习与CV教程(12) | 目标检测 (两阶段,R-CNN系列)

本文讲解两阶段（twostage）目标检测的发展史和典型算法：R-CNN、SPP-Net、FastR-CNN、FasterR-CNN等的算法结构和核心流程【对应CS231nLecture11】
ShowMeAI·2022-06-07 18:00

深度学习与CV教程(8) | 常见深度学习框架介绍

本文讲解了深度学习硬件知识（CPU、GPU、TPU），主流深度学习框架（TensorFlow、PyTorch）相关知识，借助于工具可以实际搭建与训练神经网络【对应CS231nLecture8】
ShowMeAI·2022-06-03 10:00

深度学习与CV教程(6) | 神经网络训练技巧 (上)

本文讲解训练神经网络的核心方法：初始化（激活函数、数据预处理、权重初始化、正则化、梯度检查），训练动态（监控学习过程、参数更新、超参数优化）等【对应CS231nLecture6】
ShowMeAI·2022-06-01 00:00

深度学习与CV教程(5) | 卷积神经网络

tutorials/37本文地址：http://www.showmeai.tech/article-detail/264声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容本系列为斯坦福CS231n
·2022-05-30 09:13

深度学习与CV教程(4) | 神经网络与反向传播

tutorials/37本文地址：http://www.showmeai.tech/article-detail/263声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容本系列为斯坦福CS231n
·2022-05-30 09:43

深度学习与CV教程(4) | 神经网络与反向传播

本文讲解了神经网络计算图、前向传播与反向传播、标量与向量化形式计算、求导链式法则应用、神经网络结构、激活函数等内容【对应CS231nLecture4】
ShowMeAI·2022-05-30 00:00

深度学习与CV教程(3) | 损失函数与最优化

tutorials/37本文地址：http://www.showmeai.tech/article-detail/262声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容本系列为斯坦福CS231n
·2022-05-27 13:36

深度学习与CV教程(2) | 图像分类与机器学习基础

tutorials/37本文地址：http://www.showmeai.tech/article-detail/261声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容本系列为斯坦福CS231n
·2022-05-27 12:33

深度学习与CV教程(1) | 引言与知识基础

tutorials/37本文地址：http://www.showmeai.tech/article-detail/260声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容本系列为斯坦福CS231n
·2022-05-27 12:01

深度学习与CV教程(2) | 图像分类与机器学习基础

本文讲解数据驱动的模型算法，包括最邻近算法、KNN分类器、线性分类器的原理、各自的优缺点和实际应用【对应CS231nLecture2】
ShowMeAI·2022-05-27 11:00

深度学习与计算机视觉教程：斯坦福CS231n · 全套笔记解读

作者：韩信子@ShowMeAI教程地址：http://www.showmeai.tech/tutorials/37本文地址：http://www.showmeai.tech/article-detail/259声明：版权所有，转载请联系平台与作者并注明出处收藏ShowMeAI查看更多精彩内容引言本篇内容是ShowMeAI组织的「深度学习与计算机视觉」系列教程入口，本教程依托于斯坦福Stanford
·2022-05-27 11:58

李宏毅老师《机器学习》课程笔记-3卷积神经网络

注：本文是我学习李宏毅老师《机器学习》课程2021/2022的笔记（课程网站），文中图片除了一幅我自己绘制的图和一幅来自Stanfordcs231n教程的图，其余图片均来自课程PPT。
宁萌Julie·2022-05-20 07:55

CNN笔记（CS231N）——图像分类（Image Classification）

图像分类如果我们想训练一个图像分类器，我们很难想出一个具体的算法步骤将每幅图片都能正确的分类，那么这种情况下我们可以采用数据驱动的方法，利用机器学习来训练分类器KNN一种方法是把全部数据和标签记下来，然后对于一组新的数据，我们去寻找最相近数据的标签作为预测标签那么我们如何去定义所谓的“相近”呢？一种方法是用L1距离，简单的描述了对应像素值的差如果我们站在一个高维的角度来看，我们可以把图片看做分布在
Veropatrinica·2022-05-17 16:38

Pytorch官方教程——迁移学习

你可以通过cs231nnotes了解更多关于迁移学习的信息。引用cs231nnotes中的一段话在实践中，很少有人会从头开始训练一个卷积神经网络（随机初始化），因为你很难拥有一个足够
LiuHDme·2022-05-17 07:24

CS231n课后作业 | Assignment 3 Q4 | StyleTransfer-PyTorch 风格迁移

StyleTransfer-PyTorch风格迁移编写：BenVonStyleTransfer设置Setup计算损失ComputingLoss内容损失ContentLoss风格损失StyleLoss整体方差正则化Total-variationregularization生成一些不错的图片Generatesomeprettypictures！特征反演FeatureInversion2018年的CS2
BenVon·2022-05-11 07:16

“远见者”特斯拉AI主管Karpathy｜深度学习崛起十年

来源｜TheRobotBrainsPodcast翻译｜刘畅如果你在网络上学习过深度学习，大概率绕不过斯坦福大学的CS231n，这个发端于2012年的课程，最初的主讲人正是特斯拉AI主管AndrejKarpathy
OneFlow深度学习框架·2022-04-02 09:45

Cannot open include file: ‘io.h‘: No such file or directory

场景：在做cs231n的assignment2时，作业提供的fast_layers.py文件提供了CNN卷积层前向传播和反向传播的快速实现，其中用到了Cython模块。
丽媛之星·2022-03-28 07:10

全球名校课程作业分享系列(7)--斯坦福计算机视觉与深度学习CS231n之基于cifar10的卷积神经网络实践

课程作业原地址：CS231nAssignment1作业及整理：@张铮&&@郭承坤&&@寒小阳时间：2018年2月。
寒小阳·2022-03-22 17:58

斯坦福大学计算机视觉课程cs231n——第一课：课程介绍 计算机视觉概述

  什么是计算机视觉？计算机视觉，顾名思义，就是针对视觉数据的研究。在我们的世界，过去短短几年里视觉数据爆炸式增长到夸张的地步。基于一项2015年的研究，预计到2017年，互联网上80%的数据都是视频。所以，如何用算法来开发这些可以利用和理解的数据变得十分重要，但是视觉数据对于计算机非常难理解，有时我们把视觉数据称为互联网的暗物质，将它与物理学中的暗物质类比，物理学中讲暗物质占宇宙质量的很大一部分
平什么阿·2022-03-18 12:07

Stanford CS231N：Reinforcement Learning 学习笔记

ReinforcementLearningProblemsOverview1.”MarkovDecisionProcess”2.Q-Learning3.PolicyGradients4.SummaryOverview1)WhatisReinforcementLearning?2)MarkovDecisionProcesses3)Q-Learning4)PolicyGradients1.”Marko
feelikesummer·2022-03-15 07:28

cs231n计算机视觉课程笔记

P2目标识别PASCAL数据集一个ImageNet（1500w—4000w、22000类）P32012：AlexNet7-8层2014：VGG网络19层2015：残差网络152层1998LeCunCNN诞生用于数字识别，2012才开始流行的原因：计算能力、标签↑P4图像分类-数据驱动方法计算机眼中的图像：一大堆数字：800*600的像素，每个像素由三个值表示（红、绿、蓝）问题：语义鸿沟存在于人类定
SereneL9·2022-03-07 07:30

CS231n 学习笔记（十五）

时间：2019/4/6内容：常用框架课时19：深度学习框架review:大部分深度学习框架的目标是在前向传播时的代码编写看起来和numpy相似，但又能在GPU上运行，并且能自动计算梯度TensorFlow细节介绍我们定义了X，Y，w1，w2并且创建了这些变量的tf.placeholder对象，所以这些变量会成为图中的输入结点，让运行并输入数据时，将数据放到计算图中的输入槽中。注意这与内存分配没有关
kinggerui·2022-02-26 07:26
上一页 5 6 7 8 9 10 11 12 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他