斯坦福大学经典的计算机视觉课程可能是计算机视觉领域最知名的课程。因为课程已经上线四年了，课程的开发者都是斯坦福大学的顶尖学者和研究人员，课程提供免费视频和学习笔记。对于学生和深度学习开发者来说，这是一个值得慢慢品味的学习资源。
一般检验
本文分为四个部分，即:
课程内容概述、课程学习建议、课程评估、课程概述
课程名称为卷积神经网络与视觉识别，课程代号为CS231n。属于计算机科学系列课程下的计算机视觉子模块，在斯坦福大学工程学院开设。
这门课已经开了四年，AlexNet模型诞生才三年，提供免费视频和PPT。
以下是本课程的示例图。
CS231n课程这个课程已经上线四年了，每年都会做一些改动，使得课程的大部分内容每年还是比较实用的。
该课程由李菲菲先生教授，他在斯坦福一个著名的视觉实验室工作，现在是谷歌的首席科学家。2015-2016年，该课程由现就职于特斯拉的安德烈·卡帕西(Andrej Karpathy)教授。从2017年到2018年，贾斯廷·约翰逊与杨小威合作教学。
本课程侧重于使用卷积神经网络解决计算机视觉问题，重点介绍了CNN如何工作、图像分类与识别、模型生成和深度强化学习等高级应用。
本课程深入探讨深度学习架构的细节，重点学习常见问题的端到端模型，尤其是图像分类。
课程内容
到目前为止，2018年的课程视频还没有公开，网上只能查到2015年到2017年的视频。因此，本文将重点介绍2017年的教学大纲和视频内容。
2017春季课程主页2017春季课程教学大纲2017春季课程播放列表本课程共分为16节课，其中14节涵盖课程主题，2节高级主题的客座讲座，以及最后的学生讨论视频。
本课程的视频内容列表如下:
第一讲:视觉识别卷积神经网络简介第二讲:图像分类第三讲:损失函数与优化第四讲:神经网络简介第五讲:卷积神经网络第六讲:训练神经网络，第一部分第七讲:训练神经网络， 第二部分讲座8:深度学习软件讲座9: CNN架构讲座10:回归神经网络讲座11:检测与分割讲座12:可视化与理解讲座13:生成模型讲座14:深度强化学习讲座15:嘉宾讲座:邀请讲座:宋寒嘉宾讲座:邀请讲座:Ian Goodfellow讲座16:学生聚光灯下的谈话，结论课程大纲网页上没有视频提供很多。
你可以在公开课链接中找到相应的PPT讲义。课程中讨论的论文，通常需要阅读。备注页，包括详细的方法介绍和示例代码描述。
课程的备注页面学习课程的建议
如果你已经知道神经网络和深度学习的基础知识，如果你想要一个计算机视觉的速成班，你不需要看所有的视频。您只需要学习以下内容:
第五讲:卷积神经网络。这个讲座将帮助您快速了解CNN层及其工作原理。第九讲:CNN架构。这个讲座将帮助你快速理解图像分类的流行架构。第11讲:检测和分割。本讲座将帮助您快速理解图像分类和物体识别的任务。第12讲:可视化和理解。本讲座介绍了理解试衣模型所见或所学的方法。第13讲:生成模型。本讲座介绍和甘以及现代图像合成方法。第14讲:深度强化学习。本讲座介绍强化学习方法。课程评价
本课程是非常好的计算机视觉学习资源，每年都可以大致浏览一下，因为:
深度学习的领域瞬息万变，课程内容每年都有补充和完善。斯坦福大学是这一领域的领导者。扎实的基础可以带来新的想法。由于课程在斯坦福大学开设，可能不如其他课程友好。遇到不懂的地方，需要停下来仔细思考，理解透彻了再学习。如果你学习的目的是为了在实践中更好的应用这些技术，那么这个课程可能不太适合，因为它是为斯坦福大学的学生设计的，不涉及很多实用的方法。
不过，你还是可以通过这门课了解到CNN等技术是如何被世界顶尖学者利用的，这是一个很有价值的途径。
总结
本文介绍了本课程的大致内容，通过本课程可以快速了解和学习计算机视觉。
具体来说，您学到了:
课程概述，包括课程教师、课程时间和课程内容。如果你已经熟悉深度学习，可以学习建议的讲座。对课程的评价，包括与同一主题的类似课程的比较。
