第二讲参考与跨讲材料

架构支撑与精确核对

• 同类竖线平移一格，像素距离却比异类横线更远
• 恰好亮一盏：为什么一条直线分不开？
• 两个ReLU，给刚才的两灯任务一个可核对的解
• 换一组坐标，同一任务变得线性可分
• 分数2、1、0，怎样变成一组类别概率？
• 固定当前位置，导数告诉我们参数往哪边改
• 输出的反馈，怎样变成权重的反馈？
• 先对当前计算求导，再统一更新参数
• 看完12个样本，参数已经更新了4次
• 两个窗口的贡献，汇总到同一对核权重
• 重复同一学习循环，核逐步形成目标响应
• 同一个通道，面对不同数字会在哪里响应？
• 只移一格，同一条纹会被采成另一组数
• 回到同一台CNN，解释预测与学习
• 残差相加以后，反馈也有一条直接路径
• 遮住自行车后分数变化，还要和什么比较？

传统视觉与早期学习历史

• 2006：无类别标签的逐层学习，怎样建立训练起点？
• 在端到端规模化之前，表示的哪些部分已经能学？
• 相机图里，SIFT把哪些局部选作比较起点？
• 打开一个局部，看SIFT怎样记录方向与粗位置
• HOG：固定窗口里的方向统计，保留规则网格
• 600个局部描述，最后落进这6个计数
• 共同词典不需要类名，分类读出仍可以用标签
• 表示交给分类器之后，边界怎样学出来？
• 沿着总图，解释训练与新图预测

第五讲暂存：视觉 token 与完整 Attention

完整机制、逐矩阵代码和保存输出仍可访问；暂未创建第五讲主讲，也不替第四讲确定分工。

• 图像patch怎样成为可交流的token？
• 一个图块怎样按内容取回信息？
• 少一些视觉先验，拿什么补回来？
• 每个 token 都需要算到最后吗？
• 少算一定意味着丢掉信息吗？

分布变化与适应研究参考

• 2019前后的新问题：同一物体换条件，答案还可靠吗？
• 相同准确率，还不能回答真实使用问题
• 同样改一张图，是同一种鲁棒性吗？
• 它究竟依赖什么视觉证据？
• 换测试集，本身能成为研究贡献吗？
• 明确威胁集合以后，怎样在训练时回应？
• 为什么推理时一定要冻结？
• 没有答案，怎样得到更新信号？
• 越自信，也可能越错。
• 数据流会积累什么？
• 到 2026，何时该相信更新信号？