TL;DR 2026 第 3 講從影像張量、卷積與 pooling 走到辨識系統，替 Lab 2 的 MNIST 與臉部偵測打底。
系列:
MIT 6.S191 導讀
(4 / 13)
MIT 6.S191 2026 第 3 講是 電腦視覺：卷積如何保留空間結構。從影像張量、卷積與 pooling 走到辨識系統，替 Lab 2 的 MNIST 與臉部偵測打底。這篇只依 2026 官方投影片與影片整理；不把 2025 的同名內容混進來。
這一講要帶走什麼
- 算出 kernel、stride 與 padding 改變後的 feature-map 尺寸
- 理解 weight sharing 為何比全連接層適合影像
- 把準確率拆成資料分布與失敗案例來看
這些概念的共同點是：不能只會認名詞。你要能指出輸入、輸出、學習訊號與限制，才算真的接上後續內容。
卷積的概念鏈是局部 receptive field、共享權重、逐層擴大的有效視野，再接分類或偵測輸出。這帶來平移相關的歸納偏好，卻不等於模型對旋轉、遮擋、光線或新族群自然穩健；這些仍要用對應測試資料驗證。
建議觀看方式
先快速看一遍官方投影片的章節與圖，再看官方影片。第二遍遇到公式或架構圖就暫停，用自己的符號重畫；影片播完後，不回看資料，寫下三個核心概念與一個仍不確定的地方。
今晚就能做的練習
拿一張小影像手算一次 3×3 convolution，再到 Lab 2 Part 1 對照 PyTorch 輸出 shape。
完成標準不是「看完」。你應留下可檢查的圖、計算、程式輸出或短筆記，並能向另一個人解釋其中一個失敗點。
這篇沒有涵蓋什麼
6.S191 是高強度入門課，本篇也只做單講導航，不替代完整影片、數學推導或正式作業回饋。若某個主題需要嚴格理論，應接一學期制課程或原始論文。
參考資料
Glossary
Loading...