各位20级新同学好，我安排的课程没有教材，只有一些论文和代码。因为是第一次开课，大纲和进度会随时调整，同学们请随时关注。

一、课程大纲与课件

第一章： 绪论

• 1.1 从专家系统到机器学习 【PPT1】
• 1.2 从传统机器学习到深度学习、深度学习的能与不能 【PPT2】

第二章：神经网络基础

• 2.1 浅层神经网络：生物神经元到单层感知器，多层感知器，反向传播和梯度消失 【PPT3】
• 2.2 神经网络到深度学习：逐层预训练，自编码器和受限玻尔兹曼机 【PPT4】

第三章： 卷积神经网络 【PPT5】

• 3.1 卷积神经网络 VS 传统神经网络
• 3.2 基本组成结构：卷积、池化、全连接
• 3.3 典型结构：AlexNet, ZFNet, VGG, GoogleNet, ResNet

第四章：生成式对抗网络 【PPT6】【PPT7】【PPT8】

• 4.1 基础：图像生成、修复、风格迁移、文字生成图片
• 4.2 理论基础：模型和目标函数，pytorch实现
• 4.3 条件式生成对抗网络与 pytorch 实现

第五章：视频目标检测 【PPT9】

• 5.1 目标检测绪论：概念、评价准则、数据集
• 5.2 准备知识：滑动窗口、目标候选生成、难样本挖掘、非极大值抑制
• 5.3 两阶段方法：R-CNN、SPP-Net、Fast R-CNN、Faster R-CNN
• 5.4 单阶段方法：YOLO、SSD、Retina Net

第六章：注意力机制 【PPT10】

• 6.1 深度强化学习
• 6.2 自注意力机制
• 6.3 深度学习的未来趋势

二、课程实验

代码练习需要使用谷歌的 Colab，它是一个 Jupyter 笔记本环境，已经默认安装好 pytorch，不需要进行任何设置就可以使用，并且完全在云端运行。使用方法可以参考 Rogan 的博客：

https://www.cnblogs.com/lfri/p/10471852.html

国内目前无法访问 colab，可以安装 Ghelper: http://googlehelper.net/

说明：实验指导书为 mhtml 文件，下载以后，可以直接拖进新版 Microsoft Edge 中打开

• 第2周实验：《Python图像处理》《PyTorch基础》
• 第3周实验：《螺旋数据分类》
• 第4周实验：《简单的CNN》《用LeNet进行CIFAR10分类》
• 第5周实验：《用VGG16进行CIFAR10分类》《猫狗大战》
• 第6周实验：《生成式对抗网络基础》《CGAN和DCGAN》

三、课程作业

✅ 博客作业一： CNN实战 ， Deadline: 2020-11-24, 22:00

✅ 博客作业二： 高光谱分类 ， Deadline: 2020-12-27, 22:00

联系方式

• 高峰    gaofeng@ouc.edu.cn