分享一个比较简单的深度学习(主要是视觉方向)的入门论文清单,其中大部分我已经复现完并放在了在我的Github上,写的比较简单适合入门
传送门:Github
图像识别:
- Going Deeper with Convolutions (GoogleNet 经典,精度高,速度快)
- Very Deep Convolutional Networks for Large-Scale Image Recognition
(VGG,经典的结构) - Deep Residual Learning for Image Recognition (ResNet 颠覆性的跨层连接)
- MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications (高效率的网络设计)
- ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices(超高效率的网络设计)
- Densely Connected Convolutional Networks(跨层连接的极致)
目标检测:
- Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks(检测必读1,同时参考RCNN,Fast R-CNN,最好也看一下RFCN,MASK-RCNN)
- SSD: Single Shot MultiBox Detector (检测必读2,阅读时请参考一下YOLO)
语义分割:
Fully Convolutional Networks for Semantic Segmentation(物体分割的开山之作)
论文及源码详解:
我也写了一部分论文和源码详解:
- GoogleNet系列网络原理及结构详解:从Inception-v1到v4
- 残差神经网络ResNet系列网络结构详解:从ResNet到DenseNet
- Faster R-CNN原理详解
- SSD目标检测算法详解(附tensorflow简洁版代码及解析)(一)论文讲解
- SSD目标检测算法详解(附tensorflow简洁版代码及解析)(二)代码详解
- FCN语义分割算法详细介绍及源码详解(一)论文详解
- FCN语义分割算法详细介绍及源码详解(二)源码详解-tensorflow
基础知识:
还有一部分基础知识,但是没有系统地整理:
- 【深度学习基础】什么是卷积?为什么要用卷积?
- 各种优化器Optimizer原理:从SGD到AdamOptimizer
- 图像数据增强方法综述及其python实现(包括随机裁剪、翻转、直方图均衡化、gamma变换、滤波和随机噪声)
- 权重衰减(weight decay)的理解及Tensorflow的实现
- 【小白入门】神经网络入门&Tensorflow初级教程
- tensorflow反卷积:使用双线性插值获取初始化权重
- 【目标检测】Python计算IOU值(非for循环优化版)
练手项目:
一些可以尝试复现的项目,都有相应的原理和源码解析,由浅入深:
- 【目标追踪】python帧差法原理及其实现
- 【目标追踪】三帧差法原理及实现
- 手把手教你做人脸识别和关键点检测(基于tensorflow和opencv)(三篇)
- 验证码识别(一)图片预处理-全国高校计算机能力挑战赛(基于tensorflow+python+opencv)(三篇)
- 【图像识别】残差神经网络Resnet-tensorflow
- 【手把手教学】只需三步搭建自己的目标检测器(基于SSD算法)
- 【手把手教学】人脸识别和关键点检测(基于tensorflow和opencv)(一)(三篇,这里是对 3. 那三篇的重新整理增加了许多注释并规范了代码)
- 【深度学习】基于SSD的实时视频目标检测
- 【风格迁移】CycleGAN-tensorflow的部署和训练
网课推荐:
- 斯坦福大学的CS231N课程,主要是李飞飞教授的学生讲授关于计算机视觉(主要是关于卷积神经网络)的基础,原理讲解比较详细:2017CS231n 斯坦福李飞飞计算机视觉识别
- 吴恩达老师的深度学习工程师课程(注意跟那个机器学习课程不同),在网易云课堂可以找到:网易云课堂