跳到主要内容
步芽

【极致中配】Stanford CS231N 计算机视觉中的深度学习 Deep Learning for Computer Vision I 2025

斯坦福CS231n课程，从线性分类器、神经网络与CNN讲起，系统覆盖检测分割、RNN与Transformer、生成模型及3D、视觉语言、机器人学习等前沿视觉方向。

难度
难度 4/5 — 需机器学习与线性代数基础，覆盖至前沿研究级主题
适合人群
有编程和数学基础、想系统学习计算机视觉与深度学习的本科高年级或研究生
前置要求
Python编程（能用NumPy/PyTorch实现模型）、线性代数（矩阵运算、向量空间）、微积分（理解梯度与反向传播）、机器学习基础（了解监督学习与损失函数）
课程规模
19 讲 · 87.8 万播放
在 B 站免费观看 →就这门课提问 →排进我的学习路线

主题覆盖

图像分类线性分类器正则化与优化神经网络与反向传播卷积神经网络CNN架构循环神经网络注意力与Transformer目标检测与分割生成模型自监督学习3D视觉

课程大纲（19 讲）

  1. P1 · Lecture 1: Introduction41 分钟
  2. P2 · Lecture 2: Image Classification with Linear Classifiers38 分钟
  3. P3 · Lecture 3: Regularization and Optimization39 分钟
  4. P4 · Lecture 4: Neural Networks and Backpropagation44 分钟
  5. P5 · Lecture 5: Image Classification with CNNs44 分钟
  6. P6 · Lecture 6: CNN Architectures43 分钟
  7. P7 · Lecture 7: Recurrent Neural Networks44 分钟
  8. P8 · Lecture 8: Attention and Transformers43 分钟
  9. P9 · Lecture 9: Object Detection, Image Segmentation, Visualizing43 分钟
  10. P10 · Lecture 10: Video Understanding39 分钟
  11. P11 · Lecture 11: Large Scale Distributed Training47 分钟
  12. P12 · Lecture 12: Self-Supervised Learning42 分钟
  13. P13 · Lecture 13: Generative Models 147 分钟
  14. P14 · Lecture 14: Generative Models 246 分钟
  15. P15 · Lecture 15: 3D Vision44 分钟
  16. P16 · Lecture 16: Vision and Language44 分钟
  17. P17 · Lecture 17: Robot Learning48 分钟
  18. P18 · Lecture 18: Human-Centered AI42 分钟
  19. P19 · Spring 2025 | Lecture 1: Introduction41 分钟

本课程卡由 AI 生成，可能存在误差，欢迎反馈。