前言
Deep Learning 的研究從 2012 年以來就如爆炸般瘋狂成長，要了解最新的 work，很多時候還是要從最古早的 work 追起，整體脈絡才會清晰。但是時間很少，paper 很多，如果能有好的老師引進門，能夠節省的時間跟精神是非常可觀的。
在讀 paper 跟看線上教學影片的過程中，不時會發現一些講解得超級讚的影片，看完如沐春風，直接通達想學習的 topic，這也讓我產生想要彙整這些影片的心情，讓更多人能夠看到，就能把時間用在更有意義的事情上（例如思考我是誰、我在哪裡、我要去哪裡）。
因為 Deep Learning 的應用領域太廣了，所以這邊比較著重在學習 3D Deep Learning on object detection 的過程中，看到的超讚影片，這篇文章算是我自己的一個收藏文，所以隨著時間會繼續長大 XD
要注意的是，這篇文章並不是一個完整的教學，而是一個工具庫，如果你看到下面的影片剛好有講到你想學的 topic，那很好。但如果沒有，就請你再自行去其他地方學習啦。
基本操作類型
Batch normalization
講到 deep learning 的教學影片，一定不能不提到李宏毅教授，他把很多觀念都講得非常清楚，也是我好幾次複習 deep learning 基礎時，一定會去看的頻道，這部講 batch normalization 也是相當精彩。尤其在 voxelnet、SECOND 看到 linear layer + batch norm + ReLU，就順便複習了一下。
cross-entropy loss
這部影片用很清楚的視覺化方式說明了為何 cross-entropy loss 適合用來做分類：
Region proposal network
這個影片是我看過講得最好的 RPN 影片，不但把 R-CNN、Fast R-CNN 一路到 Faster R-CNN 的脈絡講得簡單清楚，從最高抽象層一路深入到細節來剖析 RPN 也有夠讚。
PointNet
這是作者 Charles 在 CVPR2017 給的 talk，雖然沒有講到很多細節，但把重要觀念都講了，看完這影片再去看論文就很容易抓到重點。
總結
如果你有看到其他很讚的影片，也歡迎在下方留言分享，幫助大家更有效率地學懂自己想學的東西！
