第一章：深度学习必备知识点

• 01. 深度学习与人工智能概述 11:27
• 02. 计算机视觉面临挑战与机器学习常规套路 9:40
• 03. 用K近邻进行图像分类任务（->数据代码下载） 10:01
• 04. 超参数与交叉验证 10:30
• 05. 线性分类 9:34
• 06. 损失函数 9:17
• 07. 正则化惩罚项 7:19
• 08. softmax分类器 13:38
• 09. 最优化问题形象解读 6:46
• 10. 梯度下降算法 11:48
• 11. 反向传播实例 15:16

第二章：走进深度学习的世界-神经网络模型

• 1. 初识神经网络 25:10
• 2. 深入神经网络细节 21:35

第三章：神经网络案例实战

• 1. Python环境搭建（推荐Anaconda方法） 13:10
• 2. Eclipse搭建python环境 5:23
• 3. 动手实现简易神经网络 12:31
• 4. 感受神经网络的强大 11:30
• 5. 神经网络案例-cifar分类任务 16:01
• 6. 神经网络案例-分模块构造神经网络 13:33
• 7. 神经网络案例-训练神经网络完成分类任务 13:26

第四章：卷积神经网络

• 01. 卷积神经网络（CNN）能干什么 14:55
• 02. 卷积层原理详解 12:53
• 03. 卷积的计算过程 12:30
• 04. 卷积核涉及参数详解 13:13
• 05. 参数共享原则 8:09
• 06. 池化层详解 8:24
• 07. 分类与回归任务应用详解 33:30
• 08. 如何巧妙设计网络结构 21:51
• 09. 训练技巧之数据增强 12:20
• 10. 训练技巧之Transfer Learning 11:09
• 11. 经典卷积神经网络架构 21:15

第五章：卷积神经网络案例实战

• 1. 卷积神经网络反向传播原理 14:43
• 2. 案例实战：实现卷积层的前向传播与反向传播 10:19
• 3. 案例实战：实现池化层的前向传播与反向传播 12:00

第六章：递归神经网络

• 1. 递归神经网络原理 9:12
• 2. LSTM网络结构 10:01
• 3. 案例实战：打造二进制加法器 33:46

第七章：Faster-rcnn物体检测框架

• 1. 物体检测框架Faster-rcnn原理 16:25
• 2. Faster-rcnn之RPN层 23:47
• 3. 整体框架流程 19:41
• 4. 实验效果评估 21:43

第八章：级联网络结构

• 1. 级联网络原理分析 11:01
• 2. 级联网络实现细节 13:16

第九章：关键点定位网络

• 1. 关键点定位论文算法整体框架分析 20:36
• 2. 实现细节解读 11:29
• 3. 网络结构详解 9:12

第一十章：残差网络架构

• 1. 深度残差网络架构分析 12:58
• 2. 残差网络实现细节 13:56

第一十一章：style-transfer风格转换

• 1. PRISMA图像风格变换原理 10:34
• 2. STYLE-TRANSFER实现细节 11:00