Advertisement

斯坦福大学CS231n（李飞飞）提供的卷积神经网络视觉识别课程讲义（完整版）。

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型：None

简介：
斯坦福大学的CS231n课程，由李飞飞教授主讲，是卷积神经网络在视觉识别领域的经典课程。该课程提供了完整的讲义，深入探讨了这一领域的核心理论与实践方法。

全部评论 (0)

还没有任何评论哟~
客服
客服
客服关闭
  • 斯坦福CS231n（李飞飞）: 卷积神经网络视觉识别课程讲义（全本）
    优质
    这份文档是斯坦福大学CS231n课程的完整讲义，由著名教授李飞飞和Andrej Karpathy编写，专注于卷积神经网络及其在计算机视觉中的应用。 斯坦福CS231n（李飞飞）课程讲义提供了关于卷积神经网络在视觉识别应用方面的详细内容。
     
  • CS231n：李飞飞教授的斯坦福大学视觉识别课程作业代码
    优质
    这是一份由斯坦福大学李飞飞教授指导的CS231n课程中的实践作业代码，专注于计算机视觉和图像识别领域的研究与应用。 CS231n是斯坦福大学李飞飞教授的视觉识别课程作业代码，包含三次作业的相关代码文件，包括jupyter notebook格式和py格式的文件。
     
  • 李飞飞教授在斯坦福大学CS231N课程的完整课件
    优质
    该简介对应的是李飞飞教授在斯坦福大学所开设的人工智能经典课程CS231N的所有教学材料和课件，涵盖计算机视觉领域的核心内容。 斯坦福大学李飞飞教授的CS231N课程完整课件以PDF形式提供，对学习计算机视觉及深度学习非常有帮助。
     
  • 李飞飞教授斯坦福CS231n计算机视觉课程作业（中文版）.zip
    优质
    本资料为李飞飞教授在斯坦福大学开设的CS231n计算机视觉课程配套作业的中文版本，适合对计算机视觉感兴趣的学者和学生参考学习。 斯坦福著名AI大神、全球AI人气讲师李飞飞老师的计算机视觉课程作业配有详细解析及对应的Python代码实现。
     
  • 斯坦福CS231N_2019课程讲义完整版
    优质
    《斯坦福CS231N_2019课程讲义完整版》涵盖了计算机视觉领域的核心理论与实践技术，包括卷积神经网络、目标检测和图像分类等内容。该讲义基于斯坦福大学权威教授的授课内容，适合对深度学习和计算机视觉感兴趣的初学者及进阶者阅读研究。 该文档为斯坦福大学cs231n课程2019年的最新课件，非常值得学习。为了方便国内用户使用，特此上传。如遇侵权问题，请联系相关人员处理。
     
  • CS231n：用于视觉识别的卷积神经网络的全面任务分配
    优质
    《CS231n：用于视觉识别的卷积神经网络的全面任务分配》旨在深入讲解卷积神经网络在计算机视觉中的应用，包括图像分类、目标检测等核心任务。 我刚刚完成CS231n在线课程，并将作业的解决方案上传到一个仓库里。这个项目是深入学习深度学习的好地方。非常感谢斯坦福大学CS231的所有工作人员！可以查看课程笔记、视频讲座以及作业内容。 以下是我在该课程中完成的一些具体任务： - 作业一： - k最近邻分类器 - 训练支持向量机 - 实施Softmax分类器 - 两层神经网络 - 高级表示形式：图像特征 - 作业二： - 完全连接的神经网络 - 批量归一化 - 掉落（dropout） - 卷积网络 - 在CIFAR-10上使用PyTorch
     
  • 李菲菲的CS231n课程资料（斯坦福）
    优质
    李菲菲的CS231n课程资料涵盖了深度学习在视觉识别领域的应用，基于斯坦福大学知名课程，内容包括卷积神经网络、图像分类等主题，适合对计算机视觉感兴趣的读者。 李菲菲提供了斯坦福CS231n课程的中英文对照PPT资料。
     
  • 李飞飞 CS231n 计算机视觉（笔记与作业）
    优质
    本课程由斯坦福大学李飞飞教授主讲，涵盖了计算机视觉领域的核心概念、技术及应用。文档包含CS231n课程的主要笔记和作业解析。 【CS231n 李飞飞 计算机视觉（笔记+作业）】是一份宝贵的学习资料，涵盖了斯坦福大学计算机科学课程CS231n的内容，由著名人工智能专家李飞飞教授主讲。这门课程专注于计算机视觉领域，并深入探讨了图像识别、物体检测、图像分类等关键问题，同时也涉及深度学习的基础和应用。 笔记部分是由热心网友翻译整理的，可能包括课堂讲解的重点概括、理论公式解析以及实例分析，是理解课程内容的重要辅助材料。这些笔记可以帮助学习者快速回顾课程要点，理解和掌握计算机视觉的基本概念和算法。 作业部分则提供了实践机会，通常包含编程练习和理论问题解答，旨在让学习者通过亲手操作加深对课程内容的理解。2016冬季和2017春季的作业涵盖了不同的主题，可能涉及卷积神经网络（CNN）、特征提取、图像分类模型的构建等实际问题，有助于提升解决计算机视觉实际问题的能力。 在CS231n课程中，深度学习是核心内容之一，在现代计算机视觉技术中扮演着至关重要的角色。通过这门课的学习者将了解如何构建和训练卷积神经网络，并利用反向传播和优化算法来改进模型的性能。 此外，该课程还可能涵盖数据预处理、特征工程、模型评估与验证等关键环节。学习者将掌握图像数据的处理技术，如归一化、数据增强等方法，以及如何通过交叉验证和混淆矩阵来评估模型的准确性和鲁棒性。 【CS231n 李飞飞 计算机视觉（笔记+作业）】为想要深入了解计算机视觉和深度学习的研究者提供了一个全面的学习平台。通过这个资源，学习者可以系统地掌握理论知识，并通过实践操作提升技能，在这一快速发展的领域中打下坚实的基础。
     
  • 《斯坦福大学公开课程：编程方法》讲义
    优质
    本课程为斯坦福大学经典公开课程之一，涵盖编程基础、数据结构与算法等内容，适合初学者及进阶学习者深入理解编程方法。 《斯坦福大学开放课程：编程方法》讲义的中文版现已由人人影视翻译完成。
     
  • 手写汉字识别的卷积神经网络方法.zip_卷积_手写汉字_卷积神经_卷积网络_神经网络识别
    优质
    本资源提供了一种基于卷积神经网络的手写汉字识别方法的研究与实现，探讨了卷积层在特征提取中的应用及其优化策略。 基于卷积神经网络的手写汉字识别系统采用Matlab版本开发，能够识别509类手写汉字。