卷积神经网络深度探索

本系列课程从卷积神经网络的基础概念出发，通过理论与实践相结合的方式，深入探讨卷积层、汇聚层、批量规范化、残差网络等核心组件及其在LeNet、AlexNet、VGG、NiN、GoogLeNet、ResNet和DenseNet等经典模型中的应用，旨在提升开发者在图像处理和深度学习。

1. 图像处理与卷积神经网络基础
2. 卷积神经网络与图像边缘检测
3. 卷积神经网络中的填充与步幅技术
4. 多输入多输出卷积层高级应用
5. 深度学习之汇聚层特性详解
6. LeNet5卷积神经网络基础与实践
7. 深度学习进阶：AlexNet架构与实践
8. VGG网络深度学习与应用
9. NiN网络设计与实践
10. GoogLeNet架构与Inception块原理及应用
11. 批量规范化在神经网络中的应用与实践
12. 深度学习之残差网络与嵌套函数
13. 稠密连接网络(DenseNet)原理与实践