University of Michigan EECS 498.008 / 598.008: Deep Learning for Computer Vision

课程简介

• 先修要求：Python，微积分，线性代数，概率论，机器学习
• 主要内容：应用于计算机视觉的多层感知机，CNN、RNN、attention、transformer、生成式模型 VAE 和 GAN

用一句话简述我对这门课的感受：这是（我认为的）最好的计算机视觉入门课程。六个 assignment 将课程恰到好处地划分为了 6 个阶段：深度学习入门、搭建简单的神经网络、CNN 和 RNN 和 transformer、生成式模型、应用拓展与总结。你完全可以选择自己需要或感兴趣的部分单独学习，而不用从头学到尾（当然全部学完会对整个 CV 的发展脉络有一个更全面的认识）。

即使你完全没有 pytorch 基础，也可以上手这门课程，因为它的内容本身就可以作为 pytorch 的入门教程。这门课也列出了较多 CS231n 的内容，意味着可以同时使用两门课的资料。

在 csdiy 中也有这门课的收录，你可以前往参考其中更详细的介绍。

相关链接

1. 课程网站：https://web.eecs.umich.edu/~justincj/teaching/eecs498/WI2022/
2. 课程视频：见课程网站
3. 课程教材：见课程网站
4. CSDIY 传送门