MIT 6.S191 (2025): Convolutional Neural Networks

摘要

介紹如何讓電腦透過卷積神經網路模擬人類視覺，從影像數值化到特徵提取，涵蓋分類與迴歸任務。學員將學習 CNN 的核心運作原理，並理解其在自駕車、醫療影像等領域的實際應用。

This course explains how Convolutional Neural Networks enable computers to process visual data for tasks like classification and autonomous navigation.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• 影像由畫素數值組成，需透過卷積操作提取特徵。
• CNN 結合卷積、非線性與池化來處理視覺資料。
• 技術可應用於自駕車導航與醫療影像分析等場景。

章節

依話題轉折切分，標題由 AI 產生

1. 00:09視覺感知的本質與電腦模擬目標
2. 05:58影像數位化與畫素數值表示
3. 08:15特徵檢測與分類變異性挑戰
4. 14:05全連線網路處理影像的缺陷
5. 16:30區域性連線結構與空間資訊保留
6. 19:00摺積運算提取關鍵特徵原理
7. 22:26摺積數學定義與濾波器重要性
8. 34:26ReLU 作為閾值函式處理負值
9. 41:08階層式特徵提取與分類器
10. 44:37設計網路架構的直覺與考量
11. 47:09CNN 架構在物件偵測的應用
12. 49:28影像分割與連續值預測模型
13. 55:15從分類到偵測與分割的擴展
14. 59:54過渡至生成式深度學習範式

提到的工具與公司

• Google Maps

適合誰看

正在學習深度學習或希望了解電腦視覺原理的學生與開發者。

摘要依據

依據

自動字幕

為什麼排在這裡

人氣

0.64

新鮮

0.11

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• MIT 6.S191: Convolutional Neural Networks影片 ・ Alexander Amini ・ 57 分鐘（在新分頁開啟原站）
• MIT 6.S191 (2024): Convolutional Neural Networks影片 ・ Alexander Amini ・ 1 小時 8 分（在新分頁開啟原站）
• 【生活中的未來語言 數學、Python、AI】14. CNN圖形辨識和遷移式學習影片 ・ Iveai - I've AI ・ 2 小時 34 分（在新分頁開啟原站）
• How neural networks bend space影片 ・ Luis Serrano Academy ・ 16 分鐘（在新分頁開啟原站）
• The moment we stopped understanding AI [AlexNet]影片 ・ Welch Labs ・ 18 分鐘（在新分頁開啟原站）
• Stanford CS229 Machine Learning | Spring 2026 | Lecture 7: Neural Networks 1 (Architecture)影片 ・ Stanford Online ・ 1 小時 20 分