>> 课程网站 Convolutional Neural Networks for Visual Recognition
在Detailed Syllabus（中间的黄色的按钮）中有课程video和Slides。
Visual Recognition 包含以下内容，cs231n 课程关注于解决第一个问题：Image Classification
视觉识别分类
source: http://blog.csdn.net/myarrow/article/details/51905963
看完introduction部分，以下三个点给我留下了很深刻的印象。
1. 生物进化
很久之前的生物都是在海中飘着，张着嘴，是否能补获食物都是随机的。然后某只动物开始有了很初级的眼睛，开始可以有目标的追击食物，然后新一轮的进化就此开始了。物竞天择、适者生存。
2. 1959 Hubel& Wiesel 猫的实验
之前看视觉识别的文章中，都有看到从边缘开始、然后逐层抽象，最后识别整个图像，却完全不明白为什么。竟然是切换幻灯片的过程，发现了猫的神经对于图形有反应，后来验证了脑后的神经区域，不同区域对于不同的简单形状具有识别作用。
Hubel& Wiesel 1959
3.ImageNet的出现
做了一小段时间的ML，开始逐渐理解什么是"Garbage in, Garbage out"。ImageNet +硬件方面摩尔定律，极大的促进了算法的发展，人们开始可以评估自己的模型是不是足够好，凡是可以测量就可以优化，再此表现的尤为明显。2012年，卷积神经网络的应用CNN，让图像识开始进入一个新的篇章。
ImageNet 2012
视觉识别相关的领域
视觉识别相关领域
