【中文字幕】2017春季CS231n 斯坦福深度视觉识别课

the application of ConvNets:

1. image retrieve
2. detection and location (self-driving cars...)
3. face-recognition
4. pose recognition
5. game playing: Alpha Go
6. image captioning
7. artwork and calligraphy

卷积神经网络：

不同的是在训练的时候需要训练卷积层

1.历史

1986 backpropogation

2006 hinton DNN

  需要谨慎的初始化才可以完成反向传播

 方法：预训练（对每一个隐藏层用玻尔兹曼机来建模，通过迭代训练每一层来得到初始化的权重，再反向传播，调整参数）

神经网络的发展

1950s 猫眼神经测试

1980神经认知机

1998 lenet5

2012 AlexNet

CNN 用于检测，分类，人脸识别，视频，姿势识别，游戏

描述图片

Justin（图像着色代码）

1.卷积神经网络：它与常规神经网络的构想基本一致，不同的是需要训练卷积层，因为卷积层更能保留输入的空间结构

2.应用反向传播和基于梯度学习的学习方法来训练卷积神经网络

3.2012年Hinton提出的网络，称之为AlexNet，与卷积神经网络相比，没有太大的区别，只是它们可以充分利用大量数据，同时也可以充分发挥GPU并行计算能力的优势

4.卷积神经网络可以用于图像分类，分割，目标检测，自动驾驶汽车，人脸识别，视屏处理，姿势识别，游戏（增强学习），医学图像的解释和诊断，星系分类，路标识别，鲸鱼识别，航测图里的建筑物树木分类识别，总结就是分类检测识别。除了这些，还可以做图像描述的任务

ConvNet的用途：

1. Classification 图像分类
2. image retrival 图像检索。
3. Object detection 对象检测。更好的定位（localization）图像中的汽车、轮船...，然后再物体周围绘制精确的边界框。
4. Segmentation  进一步实现图像分割。不只是去绘制边界框，而是去标记诸如人、树的等物体的轮廓像素。
5. Self-driving Card 自动驾驶。
6. Face Recognition
7. 视频分类
8. Pose Recognition 姿势识别
9. ...
10. 除了分类、识别、检测等任务，还有一些图像描述的任务。给定一张图片，我们想用一句话描述图像里有什么。
11. 风格迁移。