本周课程深入探讨了基本卷积神经网络（CNN）及其在深度学习中的应用，重点介绍了AlexNet、VGG-16和残差网络（ResNet）的结构与改进策略。AlexNet通过引入ReLU激活函数、Dropout和双GPU策略显著提升了性能；VGG-16以其深层结构成为经典模型；ResNet通过残差块解决了梯度消失问题，提高了训练效率。此外，课程还涵盖了常用数据集（如MNIST、CIFAR-10、PASC

本周课程聚焦深度学习三大核心主题：目标检测、语义分割和循环神经网络。在目标检测部分，详细解析了YOLO算法的一步法思想、网络结构（24个卷积层+2个全连接层）、7x7网格划分策略，以及包围框置信度计算和NMS非极大值抑制算法。语义分割章节阐述了FCN全卷积网络的双模块架构（特征提取+反卷积上采样），重点讲解了1x1卷积和跳级结构的作用。最后在RNN部分，对比了分类与预测问题的差异，介绍了序列数据的