CS231n：面向计算机视觉的深度学习
斯坦福大学 · 2025 年春季
课程介绍
计算机视觉已广泛应用于搜索、图像理解、各类应用程序、地图构建、医疗、无人机和自动驾驶等领域。其中，图像分类、定位与检测等视觉识别任务是许多应用的核心。近年来，神经网络（也称“深度学习”）方法的进展显著提升了先进视觉识别系统的性能。本课程深入讲解深度学习架构及其细节，重点研究如何为这些任务，尤其是图像分类，学习端到端模型。在为期 10 周的课程中，学生将亲自实现和训练神经网络，深入理解计算机视觉领域的前沿研究。最后一次作业还将提供机会，让学生训练具有数百万参数的网络，并将其应用于自己选择的真实视觉问题。通过多次实践作业和期末项目，学生将掌握建立深度学习任务所需的方法，以及训练、微调深度神经网络的实用工程技巧。
教学安排
- 授课时间：每周二、周四，美国太平洋时间 12:00—13:20，地点为 NVIDIA 礼堂。
- 课程视频：每次课后不久，视频将发布到 Canvas 的“Panopto Course Videos”栏目。此处的校内视频仅向已选修课程的斯坦福学生开放。
- 答疑安排：课程同时提供线下答疑和 Zoom 线上答疑。完整的时间与地点请查看答疑日历。
- 联系方式：课程通知及相关问题统一在 Ed 论坛发布；在论坛提问通常能最快获得回复。校外咨询、紧急事项，或不便通过私密帖子讨论的个人问题，请发送邮件至 cs231n-staff-spr25@stanford.edu。
课程学习与考核
先修要求
- 熟练使用 Python
所有作业都使用 Python（以及 NumPy）。不熟悉 Python 的同学可以参考本教程。如果你已经具有其他语言（如 C、C++、MATLAB 或 JavaScript）的丰富编程经验，通常也能顺利跟上课程。 - 大学微积分与线性代数（如 MATH 19、MATH 51）
应熟悉求导，并理解矩阵、向量运算及其记号。 - 概率论与统计学基础（如 CS 109 或其他统计课程）
应掌握概率、高斯分布、均值、标准差等基本概念。
课程作业（45%）
作业内容、延期额度和合作规范详见课程作业页面。
期中考试（20%）
期中考试的详细信息将在接下来几周通过 Ed 公告发布。
期末项目（35%）
有关期末项目的详细要求，请查看课程项目页面。
课堂参与（最多额外加分 3%）
我们鼓励同学积极参与课程。对于在 Ed 上作出突出贡献的同学，教学团队将酌情给予最多 3% 的额外加分，依据包括获得教师认可的有效回答数量，以及其他对教学团队或同学有实质帮助的贡献。帮助最大的贡献者可获得最高加分，其他贡献显著的同学则按贡献情况获得相应比例的加分。
成绩复核申请
如果认为评分存在客观错误，可以在成绩公布后的 3 天内通过 Gradescope 提交复核申请，并简要说明原评分为何不正确。请注意，教学团队可能重新批改整份提交内容；如果发现首次评分时遗漏的错误，扣回的分数可能多于复核新增的分数。
迟交政策
- 本学季每位学生共有 4 天免扣分延期额度。
- 每次作业最多可使用 2 天延期额度，期间不扣分。
- 延期额度可用于课程作业、项目计划书和项目阶段报告。
- 期末项目的最终报告不能使用延期额度。
- 免扣分延期额度用完后，每多迟交一天，扣除该项成绩的 25%。
- 例如，作业 1 迟交 1 天，作业 2 迟交 3 天，作业 3 迟交 2 天。作业 1 使用 1 天额度，不扣分；作业 2 的前两天使用 2 天额度，第三天扣分 25%；作业 3 的第一天使用最后 1 天额度，第二天扣分 25%。
- 项目计划书和项目阶段报告迟交时，每位组员分别扣除相应的延期额度。
常见问题
学习无障碍支持：
如果因残障需要学习方面的合理便利，请先向无障碍教育办公室（OAE）提出申请。OAE 会评估需求、建议具体支持措施，并为教师出具说明函。请尽早联系，至少应在作业截止前留出足够的协调时间。学生需主动向教学团队提交 OAE 说明函：请在 Ed 的 Accommodations（学习支持）分类下创建私密帖子并附上该文件。
可以按“获得学分／不获得学分”的方式修读本课程吗？
可以。按常规字母等级评分达到 C− 或以上，即可获得学分。
可以旁听吗？
如果你是斯坦福的在校学生、教职员工或教师，我们通常欢迎你旁听。出于礼貌，请先发邮件联系教师，或在首次旁听的课后与教师沟通。
期末项目可以组队完成吗？
可以，每组最多 3 人。
对课程有疑问时，怎样联系教学团队最合适？
绝大多数问题都应在 Ed 上提出。如果涉及敏感的个人事项，可以通过以下邮箱直接联系授课教师和首席助教：cs231n-staff-spr25@stanford.edu。
可以将期末项目与其他课程的项目结合起来吗？
可以。具体要求请阅读课程项目页面中的“学术诚信准则”。