课程优势

点我咨询困惑

学习大纲

  • 第一天 视频导读

    1,介绍本期paper带读的题目和方向
    2,介绍本期paper带读的七天课程安排
    3,介绍论文研究背景
    4,总结及布置作业
  • 第二天 泛读论文,完成自测作业

    1,泛读论文
    2,完成自测题
    3,论文讨论
  • 第三天 论文视频讲解

    1,论文总览:任务定义、实现方法、实现途径
    2,论文各部分精读
    3,总结及布置作业
  • 第四天 精度论文,写分析笔记

    1,结合视频讲解精读论文
    2,针对论文提出的方法写分析笔记
  • 第五天 代码视频讲解

    1,介绍源码及所需数据集、工具包等获取方法
    2,讲解源码组成结构及阅读顺序
    3,实现算法详解
    4,总结及布置作业
  • 第六天 运行代码

    1,根据视频讲解下载所需工具包并运行代码
    2,代码详读,了解代码各部分实现功能
    3,完成实验笔记
  • 第七天 集中直播答疑和讲解

    1,根据视频讲解下载所需工具包并运行代码
    2,助教提前收集问题,汇总后挑有针对性的直播解答,个别问题群内解答
    3,总结本期paper带读课程
    4,介绍该论文领域进一步研究方向
  • 带读论文列表

    1,统领:《Deep Learning》
    2,经典篇:《ImageNet Classification with Deep Convolutional Neural Network》(AlexNet)
    3,经典篇:《Very Deep Convolutional Networks for Large-Scale Image Recognition》(VGG)
    4,前沿篇:《Region-Based Convolutional Networks for Accurate Object Detection and Segmentation》
    5,前沿篇:《SSD: Single Shot MultiBox Detector 》
    6,前沿篇:A Discriminative Feature Learning Approach for Deep Face Recognition(center loss)
    7,前沿篇:Facenet: A unified embedding for face recognition and clustering(triplet loss)

计算机视觉paper2-1.jpg





计算机视觉paper2-2.jpg


西瓜书2-3.jpg






计算机视觉paper2-4.jpg







计算机视觉paper3-1.jpg


自然语言paper3-2.jpg





西瓜书3-3.jpg







计算机视觉paper4-1.jpg







计算机视觉paper4-2.jpg





计算机视觉paper5-1.jpg





计算机视觉paper5-2.jpg