视觉与多模态理解

学习图像、视频与多模态信息的理解和推理,适合视觉应用开发者。

20 条精选 · 入门 4 · 按推荐学习顺序:越基础、直观越靠前,越系统、深入越靠后

在 3D 图中查看
  1. 18进阶
    课程必读
    Stanford 课程官网

    Stanford CS231n:计算机视觉中的深度学习(2026 春)

    斯坦福大学 2026 年春季 CS231n《Deep Learning for Computer Vision》课程网站。页面用一个在浏览器中实时运行的卷积神经网络示例(CIFAR-10 分类,架构为 [conv-relu-conv-relu-pool]x3-fc-softmax,共 17 层、7000 参数,用 ConvNetJS 训练)说明输入图像如何经一系列函数变换为类别概率。课程简介指出视觉识别(图像分类、定位、检测)是搜索、图像理解、地图、医疗、无人机、自动驾驶等应用的核心,深度学习显著提升了这些系统的性能,并说明这是一门深度学习课程。

多模态与领域探索的其他细分主题