深度学习进程

纯属个人计划！！！！

一、编程基础：Python

推荐书籍：

1. 流畅的Python
2. Python编程快速上手--让繁琐工作自动化

学习要点：

1. 基本语法
2. 数据结构：列表、元组、字典、集合
3. 高级函数、匿名函数
4. 类
5. 文件处理

二、图像处理：Python-OpenCV

推荐书籍：OpenCV 3计算机视觉 Python语言实现(第二版)

学习要点：

1、OpenCV的安装

2、使用摄像头、读取视频图片属性

3、图像的处理：图片读、写和显示操作、缩放平移、旋转、滤波等

4、图片显示中文汉字、英文汉字

5、人脸检测和识别：静态图像中的人脸检测、视频中的人脸检测 

6、目标检测与识别：检测人

 

注意：首先学习第一、二部分

三、深度学习：深度学习基础概念及编程实现

视频：

1、斯坦福的cs231n

2、吴恩达、李飞飞、李宏毅视频

3、七月在线深度学习视频：

（链接：https://pan.baidu.com/s/1w9Gfqpo0QDIPlyR87TvK8Q 提取码：d3ab）

推荐书籍：

1、Python神经网络编程

2、Deeplearning深度学习笔记v5.43

学习要点：

1. 什么是神经网络
2. 二分类、逻辑回归、梯度下降法、计算图、向量化
3. 浅层神经网络
4. 深层神经网络
5. 改善深层神经网络：超参数调试、正则化以及优化
6. 卷积神经网络：卷积层、池化层、全连接层、激活函数、损失函数
7. 目标分类、目标检测、
8. GRU、LSTM
9. 使用Python实现神经网络的编程，学习教程参考Python神经网络编程

四、深度学习框架：TensorFlow

推荐书籍：

1、TensorFlow技术简析与实战

2、TensorFlow中文开发文档（http://www.tensorfly.cn/tfdoc/tutorials/overview.html）

学习要点：

1、TensorFlow源码架构

2、边、图、变量

3、神经网络函数及优化方法

4、模型加载保存

五、深度学习实践

推荐书籍：21个项目玩转深度学习——基于TensorFlow的实践详解

实践项目：

1. 卷积神经网络实现MNIST数据集分类训练
2. CIFAR-10数据集训练识别
3. 训练自己的图像分类模型
4. TensorFlow Object Detection API实现目标检测demo
5. 脸检测和人脸识别模型训练
6. Deeplab V3语义分割实现
7. 图像风格迁移----学习神经网络的乐趣
8. 尝试GAN模型训练----学习不一样的训练过程
9. 将图像转换为文字 （选做）
10. TensorFlow中进行时间序列预测（选做）
11. 聊天机器人（选做）
12. 英文数字语音识别（选做）

 

注意：一边学一边实践，顺序适当打乱

六、kears学习：

推荐文档：kears中文文档

地址：https://keras-cn.readthedocs.io/en/latest/

七、提升

 推荐书籍：

1. 统计学习方法，李航
2. 机器学习，周志华
3. 深度学习，Deep Learning
4. 简析卷积神经网络----深度学习实践手册

相关学习：

1、经典分类论文研读：LeNet、AlexNet、VggNet、ResNet

2、经典目标检测论文研读：R-CNN、Fast R-CNN、Faster R-CNN

3、阅读相关源码

4、Pandas、numpy模块学习

5、Sklearn学习