学习感想
斯坦福的CS231n课程主要是介绍深度学习（特指卷积神经网络算法）在计算机视觉领域的应用。据可靠调查研究显示，未来85%的互联网资源将是多媒体信息，如何从视频资源、图片资源中识别出特定的物体信息、理解物体间的关系等等，意义重大。
第一节课程主要介绍了计算机视觉的时间简史，令我大开眼界哩。
- 视觉的出现：一切都要从5.4亿年前说起，那一年在物种爆发让地球一下子热闹了起来，究其缘由，澳大利亚的地质学家Andrew Parker提出了一种最有说服力的解释：物种爆发源于眼睛的出现。在物种爆发之前，地球就是一大锅水，稀少的物种主要是漂浮在水面上，张着嘴巴，守株待兔似的等待食物漂浮到嘴里，但是一旦有一种物种进化出了眼睛，视觉让它可以进行捕食，这样子就催发了捕食者与被捕食者的关系，被捕食者为了生存也需要进化出眼睛来逃避捕食者。这种生物间的矛盾促进了生物的共同进化，也成为激发物种大爆发的缘由。
- 现代视觉工程技术：照相机的出现，可爱的达芬奇设计出了第一台照相机的图纸原型。但是这个阶段的目的是复制世界上的信息，而不涉及信息的处理。
- 科学上的两大发现：1、Stanford 的两位年轻的科学家Hubel和Wiesel的猫的实验，给出了第一个重要的启发：视觉处理流程的第一步，是对简单的形状结构进行处理。他们将电级插入猫的基础视觉皮质层（位于大脑后侧，距离眼睛很远哟～），然后，给猫看鱼、老鼠等图像来观察神经元的脉冲反应，他们发现只有在幻灯片切换时，才会产生神经脉冲而非具体的图像的展示。2、David Marr撰写的《视觉》中，提出视觉是分层的。
- 计算机视觉的出现：1966年夏，MIT成立AI实验室。最早的两个AI实验室：一个是由MIT的Marvin MInsky创办的，另一个出现在Stanford，由John McCarthy创办。
- 成果：论文Viola Jones Face Detector在2006年转变为世界上第一个人脸识别产品，是由富士公司开发。神经网络的开始：日本的Kunihiko Fukushima提出了Neocognition；Yann LeCun提出了反向传播等。
- 图像识别研究角度：1、阶段一：通过对物体进行整体建模 2、阶段二：识别是什么，我们对物体的识别并不是识别全部的形状，而是通过典型特征就能识别出物品，重要特征识别，SVM图像建模等。3、阶段三：Deep learning：包括卷积神经网络算法（CNN），崛起缘于2012年，关于Deep learning的出现，不得不提，Stanford创办的ImageNet比赛，ImageNet包含有5000万个图片，全部标注、分类（有亚马逊众包平台完成）。在2012年，Alex Krizhevsky和他的导师Geoff Hinton对CNN算法进行了简单的改进（CNN出现在上个世纪70-80年代）后将图片识别的错误率较2011年减少了一半多，实现了质的飞跃。
- 深度学习的发展前提：摩尔定律、硬件发展、Big Data
-
展望：看图讲故事（给一张图，计算机可以编辑一段文字来描述图片内容）.............
资源来源（©大数据文摘）：
斯坦福CS224d+CS231n
汉化视频+原版PPT链接: http://pan.baidu.com/s/1c280aLq 密码: nt94