投稿

【中英字幕】吴恩达深度学习课程第四课 — 卷积神经网络

57.4万

8676

2019-09-07 23:00:55

https://mooc.study.163.com/course/2001281004 视频仅供学习使用，若侵权请联系删除！这是深度学习工程师微专业的第四门课。通过这门课的学习，你将会： -理解如何搭建一个神经网络，包括最新的变体，例如残余网络 -知道如何将卷积网络应用到视觉检测和识别任务。 -知道如何使用神经风格迁移生成艺术。 -能够在图像、视频以及其他2D或3D数据上应用这些算法。

卷积神经网络

大大鹏I6 发消息

没事就多学习咨询问题或者合作请私聊

世纪辐射【下】

【第一周卷积神经网络】1.1 计算机视觉

05:45

1.2 边缘检测示例

11:31

1.3 更多边缘检测内容

07:58

1.4 Padding

09:50

1.5 卷积步长

09:02

1.6 三维卷积

10:45

1.7 单层卷积网络

16:11

1.8 简单卷积网络示例

08:33

1.9 池化层

10:26

1.10 卷积神经网络示例

12:38

1.11 为什么使用卷积？

09:41

【第二周深度卷积网络：实例探究】2.1 为什么要进行实例探究？

03:09

2.2 经典网络

18:19

2.3 残差网络

07:08

2.4 残差网络为什么有用？

09:13

2.5 网络中的网络以及 1×1 卷积

06:41

2.6 谷歌 Inception 网络简介

10:15

2.7 Inception 网络

08:47

2.8 使用开源的实现方案

04:57

2.9 迁移学习

08:48

2.10 数据扩充

09:32

2.11 计算机视觉现状

12:39

【第三周目标检测】3.1 目标定位

11:55

3.2 特征点检测

05:57

3.3 目标检测

05:50

3.4 卷积的滑动窗口实现

11:09

3.5 Bounding Box预测

14:32

3.6 交并比

04:19

3.7 非极大值抑制

08:03

3.8 Anchor Boxes

09:43

3.9 YOLO 算法

07:02

3.10 候选区域

06:28

【第四周特殊应用：人脸识别和神经风格转换】4.1 什么是人脸识别？

04:25

4.2 One-Shot 学习

04:45

4.3 Siamese 网络

04:36

4.4 Triplet 损失

15:31

4.5 面部验证与二分类

06:06

4.6 什么是神经风格转换？

02:03

4.7 什么是深度卷积网络？

07:58

4.8 代价函数

03:51

4.9 内容代价函数

03:38

4.10 风格代价函数

17:01

4.11 一维到三维推广

09:09

顶部