计算机视觉的深度学习 EECS 498.008 Deep Learning for Computer Vision 课程介绍
课程地址
课程主页：https://web.eecs.umich.edu/~justincj/teaching/eecs498/WI2022/
课程视频：https://www.bilibili.com/video/BV1zg411a7Wi
https://www.youtube.com/playlist?list=PL5-TkQAfAZFbzxjBHtzdVCWE0Zbhomg7r
我的作业代码仓库：https://github.com/Kodp/EECS498_Homework
隔壁CS231N课程主页：http://cs231n.stanford.edu/
补充数学知识参考资料：https://www.researchgate.net/publication/322949882_The_Matrix_Calculus_You_Need_For_Deep_Learning
课程说明
计算机视觉已经在我们的社会中变得无处不在，应用程序包括搜索、图像理解、应用程序、地图、医学、无人机和自动驾驶汽车。其中许多应用的核心是视觉识别任务，如图像分类和目标检测。神经网络方法的最新发展极大地提高了这些最先进的视觉识别系统的性能。本课程将深入探讨基于神经网络的计算机视觉深度学习方法。在本课程中，学生将学习如何实现、训练和调试自己的神经网络，并详细了解计算机视觉的前沿研究。我们将涵盖学习算法、神经网络结构，以及用于视觉识别任务的训练和微调网络的实际工程技巧。
课程大纲
课程的前半部分将涵盖驱动计算机视觉现代深度学习系统的基本组件：
线性分类器
随机梯度下降
全连接网络
卷积网络
循环网络
在课程的后半部分，我们将讨论深度学习在计算机视觉中不同问题中的应用，以及更多新兴主题。在后半部分，课程的基调将略微转向研讨会：我们将省略我们讨论的系统的一些细节，而是专注于这些应用程序背后的核心概念。我们将触及以下主题：
注意力和变压器
物体检测
图像分割
视频分类
生成模型（GAN、VAE、自回归模型）
作业下载
https://web.eecs.umich.edu/~justincj/teaching/eecs498/WI2022/
进入网站找到如下红框位置，一共6个作业：
