1. 计算机视觉发展历史、应用场景

2. 最近邻分类器和K近邻分类器

3. 线性分类器、损失函数

4. 损失函数及优化方法

作业视频讲解：训练KNN分类器、训练线性分类器、使用numpy实现线性分类器

1. 反向传播

2. 深度神经网络

3. 卷积神经网络

作业视频讲解：Lenet实战MNIST

1.激活函数、权重初始化

2.进一步理解激活函数

3.Batchnorm

Kaggle比赛视频讲解：人脸关键点检测

1.更多优化方法（学习RMSProp、Adam等）

2.权重正则化

3.迁移学习

作业视频讲解：实战迁移学习、finetune

1.深度学习框架

2.深度神经网络结构

3.深度神经网络实现

4.深度神经网络训练

作业视频讲解：实现深度神经网络 resnet18

1. 语义分割问题

2. 目标识别和检测问题

Kaggle比赛视频讲解：猫狗二分类

1. 卷积层可视化

2. Deepdream与风格迁移

3. Pixel RNN、CNN

4. 变分自编码器

作业视频讲解：生成对抗网络

1. 循环神经网络

2. 语言模型

3. 图像语言问题

作业视频讲解：实现RNN Captioning 、LSTM Captioning

1.期末总结

2.结营竞赛（视情况选题）