2018年7月9日 上午10:34
打卡：
2018年8月16日 下午4:48 hog后面没有看完
2018年8月17日 下午3:13 hog一懂，hog+SVM就很简单了
别人的笔记：
OpenCV+TensorFlow 入门人工智能图像处理 - 连载 - 简书
Python下opencv使用笔记 我爱智能 - CSDN博客
2019年1月22日 下午1:14
课程详细内容博客
自己的笔记：
其他
全连接层的作用意义+扩展深度学习的深度和宽度
没有激活函数的单层感知机就是一个线性函数
对于卷积神经网络中全连接层的理解(有错)-2~n的全连接层
如何使用TensorFlow实现卷积神经网络(参数理解)-卷积网络如果整体看成一个函数之后的参数-第一层全连接层-softmax
卷积神经网络中每层矩阵维度变化
CNN手写数字识别
Mac OS X下修复Reason: image not found - 简书
KNN最近邻域识别手写数字
张志华
Adaboost算法原理的过程中不在害怕公式-adaboost
为啥同样是HOG算法，但是效果天壤之别-特征工程的重要性
HOG特征
机器学习本身的核心难点-机器学习的难点
使用机器学习(分类)的关键点
机器学习和深度学习的区别
图像处理中滤波（filtering）与卷积（convolution）
Matplotlib的子图subplot的使用
归一化概念-归一化
如何看懂照片的直方图？ - 知乎
浮雕效果&油画效果
reshep()的理解
彩色转灰度的优化计算
边缘检测中的梯度
有趣的6种图片灰度转换算法
图像处理的两种思路
warpAffine(仿射)和双线性插值
安装tensorflow和OpenCV