图解CNN论文：尝试用最少的数学读懂深度学习论文
这个专辑，尝试用实践，来回答下面的问题：
1. 到底需要多少数学，才能读懂深度学习论文？
2. 到底怎样才算读懂深度学习论文？
3. 吴恩达机器学习和深度学习课程中的数学理解，够不够读懂论文的？
4. 如果不够，还需要补充多少，最少量是多少？
视频选集
（12/48）
自动连播
1分钟版RCNN：RCNN在object detection中的贡献
01:39
1分钟版RCNN：R-CNN 之前，object detection模型世界的状况
02:26
1分钟版RCNN：R-CNN paper's 贡献价值或地位，R-CNN 解决哪两个难题，早期localization的解决方案
01:50
1分钟版RCNN：R-CNN的localization解决方案， R-CNN如何提炼图片物体特征
03:10
1分钟版RCNN：图解R-CNN工作流程
02:07
1分钟版RCNN：R-CNN为什么选择selective method来做region proposals
01:03
1分钟版RCNN：warping technique 长什么样子？
02:22
1分钟版RCNN：RCNN 如何从2000个regions中挑选最准确的regions 如何理解Intersection over Union算法 如何理解No
07:47
1分钟版RCNN：RCNN为什么比之前state of art模型更高效？
02:04
1分钟版RCNN：RCNN 在设置supervised pretraining 和 domain specific fine tuning的细节处理
03:51
1分钟版RCNN：R CNN 在设置 SVM object classifer时值得注意的细节
02:53
1分钟版RCNN：R CNN 的可视化怎么理解，原理是什么？
09:54
1分钟版RCNN：R CNN 的bounding box regression是怎么来的，工作原理是什么？
05:24
16分钟版RCNN：图解RCNN物体识别全流程
16:01
10分钟版图解读深度学习论文的策略梳理
10:36
3分钟Selective Method：abstract中是如何总结Selective method的目的，特点和效果的？
03:18
8分钟Selective Search 图片的层级结构要求物体区域定位需要多样性方法，SS是如何兼容segmentation和exhaustive search
08:56
5分钟Selective Method：如何从exhaustive search 角度理解selective search 的优势
05:59
5分钟Selective Method：如何从Segmentation层面理解Selective Search?
05:23
7分钟Selective Method：更细致一点的selective search特点总结（如何从class specific到class independe
07:28
1分钟Selective Search 算法的三大目标或特点
01:44
6分钟Selective Search 如何用hierarchical grouping algo实现不同scale 的regions的生成
06:15
7分钟Selective Search 算法设计目的2 有哪些合并region的多样化策略？
07:14
3分钟Selective Method 通过regions的顺序来平衡region质量与数量
03:13
4分钟Selective Method 总结
04:58
7分钟LeNet 本论文的意义 传统文本识别流程 从人工学习走入机器学习的条件 人工学习在深度学习中的新价值体现
07:24
2分钟读CNN论文的路径
02:53
2分钟LeNet LeCun高度概括DNN的基础理论知识
02:20
4分钟LeNet LeCun如何介绍gradient descent backprop 和手写文字识别传统方法的挑战
04:23
2分钟LeNet 从多模块独立调参系统到完整统一训练的系统
01:56
5分钟LeNet CNN 是如何代替DNN进入字母识别领域的？
04:57
4分钟LeNet CNN是如何通过local receptive fields, shared weights, subsampling实现特征invarian
04:51
3分钟LeNet总结
03:22
4分钟AlexNet 为什么ReLU被默认为是CNN的non-linear activation?
03:54
2分钟AlexNet PCA是如何帮助CNN处理图片的intensity来降低过拟合？
02:28
3分钟VGG 总结 为了突出深模型的效果时，filter尺寸的设计上有什么聪明之处
03:31
9分钟 ResNet residual function的由来（解决方案演变历史）
09:26
9分钟 GoogleNet 如何理解Inception结构设计的由来
09:03
13分钟OverFeat简单梳理
13:41
13分钟如何简单快速梳理YOLO
13:24
13分钟DeepFace简单梳理
13:24
图解RCNN和FastRCNN(简单流程)
09:41
图解FasterRCNN简单流程
21:21
图解FasterRCNN简单流程无重音
21:20
11分钟FaceNet01模型特色与贡献
11:06
12分钟FaceNet02如何选择hard triplet来训练以及harmonic embedding 训练的实质
12:29
25分钟快速梳理visualizing and understanding CNN
25:27
5分钟neural style transfer paper
05:33
顶部