课程
计算机视觉历史回顾与介绍(上)
计算机视觉历史回顾与介绍(中)
计算机视觉历史回顾与介绍(下)
数据驱动的图像分类方式:K最近邻与线性分类器(上)
数据驱动的图像分类方式:K最近邻与线性分类器(下)
线性分类器损失函数与最优化(上)
线性分类器损失函数与最优化(下)
反向传播与神经网络初步(上)
反向传播与神经网络初步(下)
神经网络训练细节part1(上)
神经网络训练细节part1(下)
神经网络训练细节part2(上)
神经网络训练细节part2(下)
卷积神经网络详解(上)
卷积神经网络详解(下)
迁移学习之物体定位与检测(上)
迁移学习之物体定位与检测(下)
卷积神经网络的可视化与进一步理解(上)
卷积神经网络的可视化与进一步理解(下)
循环神经网络(上)
循环神经网络(下)
卷积神经网络工程实践技巧与注意点(上)
卷积神经网络工程实践技巧与注意点(下)
深度学习开源库使用介绍(上)
深度学习开源库使用介绍(下)
图像分割与注意力模型(上)
图像分割与注意力模型(下)
视频检测与无监督学习(上)
视频检测与无监督学习(下)
来自谷歌大脑负责人Jeff Dean的受邀讲座(上)
来自谷歌大脑负责人Jeff Dean的受邀讲座(下)
课件下载方法
Assignment 1 Q2- Training a Support Vector Machine exercise
Assignment 1 Q5 - Image Features exercise
Assignment 1 Q1- k-Nearest Neighbor classifier exercise
Assignment 1 Q4 - Two-Layer Neural Network exercise
Assignment 1 Q3 - Implement a Softmax classifier exercise
Assignment 2 Q5 - 手把手带你学会TensorFlow
Assignment 2 Q1~Q3 - 搭建并训练一个强大的全连接神经网络
Assignment 2 Q4 - ConvNet on CIFAR-10 exercise
Assignment 3 Q4 - Image Generation:DeepDream exercise
Assignment 3 Q1~Q2 - Image Captioning (RNNs & LSTMs)
Assignment 3 Q3 - Saliency maps and Fooling Images exercise
Assignment 3 Q5 - 生成对抗网络(GANs)