-
Week 1
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
-
Week 2
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
-
Week 3
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
-
Week 4
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
-
Week 5
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
-
Week 6
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
-
Week 7
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
-
Week 8
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
-
Week 9
1.期末总结
2.结营竞赛(视情况选题)