超讚 Deep Learning on 3D object detection 相關教學影片彙整


前言

Deep Learning 的研究從 2012 年以來就如爆炸般瘋狂成長,要了解最新的 work,很多時候還是要從最古早的 work 追起,整體脈絡才會清晰。但是時間很少,paper 很多,如果能有好的老師引進門,能夠節省的時間跟精神是非常可觀的。

在讀 paper 跟看線上教學影片的過程中,不時會發現一些講解得超級讚的影片,看完如沐春風,直接通達想學習的 topic,這也讓我產生想要彙整這些影片的心情,讓更多人能夠看到,就能把時間用在更有意義的事情上(例如思考我是誰、我在哪裡、我要去哪裡)。

因為 Deep Learning 的應用領域太廣了,所以這邊比較著重在學習 3D Deep Learning on object detection 的過程中,看到的超讚影片,這篇文章算是我自己的一個收藏文,所以隨著時間會繼續長大 XD

要注意的是,這篇文章並不是一個完整的教學,而是一個工具庫,如果你看到下面的影片剛好有講到你想學的 topic,那很好。但如果沒有,就請你再自行去其他地方學習啦。

基本操作類型

Batch normalization

講到 deep learning 的教學影片,一定不能不提到李宏毅教授,他把很多觀念都講得非常清楚,也是我好幾次複習 deep learning 基礎時,一定會去看的頻道,這部講 batch normalization 也是相當精彩。尤其在 voxelnet、SECOND 看到 linear layer + batch norm + ReLU,就順便複習了一下。

Batch Normalization

cross-entropy loss

這部影片用很清楚的視覺化方式說明了為何 cross-entropy loss 適合用來做分類:

Why do we need Cross Entropy Loss? (Visualized)

Region proposal network

這個影片是我看過講得最好的 RPN 影片,不但把 R-CNN、Fast R-CNN 一路到 Faster R-CNN 的脈絡講得簡單清楚,從最高抽象層一路深入到細節來剖析 RPN 也有夠讚。

quarter CNN: Region Proposal Network (RPN)

PointNet

這是作者 Charles 在 CVPR2017 給的 talk,雖然沒有講到很多細節,但把重要觀念都講了,看完這影片再去看論文就很容易抓到重點。

PointNet: Deep Learning on Point Sets for 3D Classification and Segmentation

總結

如果你有看到其他很讚的影片,也歡迎在下方留言分享,幫助大家更有效率地學懂自己想學的東西!

#Deep Learning #tutorial







你可能感興趣的文章

MTR04_0803

MTR04_0803

[Note] webpack 5 problem: Refused to execute script because its MIME type ('text/html') is not executable

[Note] webpack 5 problem: Refused to execute script because its MIME type ('text/html') is not executable

欄與欄的間距:Gutter

欄與欄的間距:Gutter






留言討論