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)。需要提醒的是,这门课的 workload 极大,想要完全学完需要一定的毅力和心理准备。
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
- 课程网站:https://web.eecs.umich.edu/~justincj/teaching/eecs498/WI2022/
- 课程视频:见课程网站
- 课程教材:见课程网站
- CSDIY 传送门