← Мои дополнительные ресурсы
CS231n: Convolutional Neural Networks for Visual Recognition
Канонический конспект Стэнфордского курса CS231n по свёрточным сетям — слои свёртки, пулинг, рецептивные поля и устройство CNN изнутри.
CS231n — Convolutional Networks (конспект)
cs231n.github.io
Средний
Конспект курса CS231n — пожалуй, самый цитируемый разбор свёрточных сетей в открытом доступе. Курс вёл в Стэнфорде в том числе Андрей Карпаты, так что стиль тот же: от интуиции к деталям, без лишней академической тяжести.
В отличие от урока, где CNN показана «с высоты птичьего полёта», здесь каждый слой разобран по косточкам — это то место, куда стоит идти, если хочется понять, почему свёртка работает, а не только что она делает.
Ключевые темы:
- Свёрточный слой — фильтры (ядра), как они «скользят» по изображению и почему это даёт переиспользование весов (parameter sharing).
- Рецептивное поле, stride, padding — как геометрия свёртки определяет размер выходных карт признаков.
- Pooling — зачем нужно прореживание и как оно даёт инвариантность к небольшим сдвигам.
- Иерархия признаков — почему ранние слои ловят края и текстуры, а поздние — части объектов и целые объекты.
- Архитектуры — от LeNet и AlexNet до VGG и ResNet, и какие идеи каждая из них принесла.
Весь курс
CS231n: Deep Learning for Computer Vision — Stanford
cs231n.github.io
Средний