Convolutional Neural Networks for Visual Recognition

斯坦福大学CS231n：视觉识别的凸起神经网络 (stanford.edu)

文章目录1. 课程相关资料2. 官方笔记 20192.1 Module 1: Neural Networks2.2 Module 2: Convolutional Neural Networks3. 课堂笔记 20174. 扩展阅读 1. 课程相关资料 课程主页 教学大纲 Youtube原版教学视频 B站教学视频 腾讯云大学 AI慕课翻译 原版课程笔记 2019 知乎翻译笔记 2016 官方大作...

CS231n Convolutional Neural Networks for Visual Recognition Convolutional Neural Networks (CNNs / ConvNets) Convolutional Neural Networks are very similar to ordinary Neural Networks from

　　该[cs231n]系列笔记是本人入门所做的渣手记，整理所学以供日后复习，其中添加诸多我个人的理解，其他入门人士请移步官方，以免我的笔记误人子弟。 教材资料为：李飞飞cs231n教学视频(2017版）网上有很多。配合知乎上翻译的中文笔记。 路漫漫其修远兮. -------------------------------------------------------------...

Introduction这是斯坦福计算机视觉大牛李菲菲最新开设的一门关于deep learning在计算机视觉领域的相关应用的课程。这个课程重点介绍了deep learning里的一种比较流行的模型：Convolutional Neural Networks，简称CNN，主要利用CNN来做visual recognition，或者说是image classification，object recog

概述 本文提出了金字塔卷积（PyConv），能够在多尺度的卷积核上处理输入的图像。PyConv包含一个卷积核金字塔，每一层级是大小和深度都不同的卷积核，从而可以捕获场景中不同级别的细节，另外PyConv不会增加计算成本和参数，是十分高效的，而且PyConv十分灵活，具有可扩展性。Motivation 在现实中，有些类别的物体有着非常打的空间尺寸，而有些物体通常是很细小的。即使是同一类别的物体，在尺寸上也可能会有很大的差异。要捕捉到不同种类的物体以及它们在尺寸上的差异性，只采用单一类别的卷积核显然不足以解决如

CS231n: Convolutional Neural Networks for Visual RecognitionModule 1: Neural Networks Image Classification: Data-driven Approach, k-Nearest Neighbor, train/val/test splits Linear classification: Suppor