课程简介
A02.计算机视觉与深度学习
用深度学习的方法解决一些计算机视觉问题。
什么是深度学习？什么是神经网络？神经网络都有哪些结构？能够完成计算机视觉中的什么任务？ 本课程将从基本的线性分类器、全连接神经网络、卷积神经网络开始，步入深度学习的世界。 探究如何利用他们解决分类、分割、检测问题。 同时，也将讲到网络的可视化的方法。除了常用的判别模型，我们也会讲到生成模型， 比如VAE、GAN等的模型结构、论文解读和应用。
本课程所涉及的教学内容与课件参考了CS231N，感谢CS231N课程团队在课程建设方面所做的工作！
视频资源
课程资源
若Github链接打不开，请使用Gitee或蓝奏云入口下载资源
蓝奏云： [课件] [作业(敬请期待)] [课件打包]
| 任务点 | 摘要 | 资料下载 |
|---|---|---|
| 01.课程引言 | 计算机视觉与深度学习 | [课件(Github)] [课件(Gitee)] [课件(蓝奏)] |
| 02.分类任务与线性分类器 | 图像分类任务，线性分类器，损失函数与多类支撑向量机损失，优化算法，数据集划分与数据预处理 | [课件1(Github)] [课件2(Github)] [课件1(Gitee)] [课件2(Gitee)] [课件1(蓝奏)] [课件2(蓝奏)] |
| 03.全连接神经网络 | 全连接神经网络，交叉熵损失，梯度反向传递，动量法、自适应梯度与Adam，全连接神经网络设计指南，权值初始化，批归一化，过拟合与Dropout，超参数优化 | [课件(Github)] [课件(Gitee)] [课件(蓝奏)] |
| 04.卷积、图像去噪、边缘提取、纹理表示 | 卷积、图像去噪、边缘提取Canny算子、纹理表示等 | [课件(Github)] [课件(Gitee)] [课件(蓝奏)] |
| 05.卷积神经网络 | 卷积神经网络的结构、操作、样本增强方法等 | [课件(Github)] [课件(Gitee)] [课件(蓝奏)] |
| 06.经典网络分析 | AlexNet,ZFNet,VGG,GoogleNet,ResNet | [课件(Github)] [课件(Gitee)] [课件(蓝奏)] |
| 07.图像分割与目标检测 | 语义分割任务、语义分割思路方法、目标检测任务、目标检测思路方法 | [课件(Github)] [课件(Gitee)] [课件(蓝奏)] |
| 08.网络可视化 | 神经网络的可视化与理解 | [课件(Github)] [课件(Gitee)] [课件(蓝奏)] |
| 09.生成模型 | GAN、VAE、GAN经典论文分析 | [课件(Github)] [课件(Gitee)] [课件(蓝奏)] |
| 10.循环神经网络与注意力机制 | 循环神经网络与注意力机制 | [课件(Github)] [课件(Gitee)] [课件(蓝奏)] |
| 11.Transformer | Transformer | [课件(Github)] [课件(Gitee)] [课件(蓝奏)] |
| 作业 | 该课程作业待发布，请稍候…… | [作业(Github)] [作业(Gitee)] |
| 书籍推荐 | 1. Deep Learning (花书）by Ian Goodfellow/Yoshua Bengio,人民邮电出版社,2017 2. Python深度学习（Deep Learning with Python),François Chollet, 张亮译,人民邮电出版社,2018 3. 深度学习与计算机视觉：算法原理、框架应用与代码实现，机械工业出版社，2017 |