深度学习入门教程（包括网课、基础、论文及源码解析等）

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：

1. Going Deeper with Convolutions (GoogleNet 经典，精度高，速度快)
2. Very Deep Convolutional Networks for Large-Scale Image Recognition
   (VGG，经典的结构)
3. Deep Residual Learning for Image Recognition (ResNet 颠覆性的跨层连接)
4. MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications (高效率的网络设计）
5. ShuffleNet: An Extremely Efficient Convolutional Neural Network for Mobile Devices（超高效率的网络设计）
6. Densely Connected Convolutional Networks（跨层连接的极致）

目标检测：

1. 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）
2. 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：

1. GoogleNet系列网络原理及结构详解：从Inception-v1到v4
2. 残差神经网络ResNet系列网络结构详解：从ResNet到DenseNet
3. Faster R-CNN原理详解
4. SSD目标检测算法详解（附tensorflow简洁版代码及解析）（一）论文讲解
5. SSD目标检测算法详解（附tensorflow简洁版代码及解析）（二）代码详解
6. FCN语义分割算法详细介绍及源码详解（一）论文详解
7. 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：

1. 【深度学习基础】什么是卷积？为什么要用卷积？
2. 各种优化器Optimizer原理：从SGD到AdamOptimizer
3. 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）
4. 权重衰减（weight decay）的理解及Tensorflow的实现
5. 【小白入门】神经网络入门&Tensorflow初级教程
6. tensorflow反卷积：使用双线性插值获取初始化权重
7. 【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：

1. 【目标追踪】python帧差法原理及其实现
2. 【目标追踪】三帧差法原理及实现
3. 手把手教你做人脸识别和关键点检测（基于tensorflow和opencv）（三篇）
4. 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）
5. 【图像识别】残差神经网络Resnet-tensorflow
6. 【手把手教学】只需三步搭建自己的目标检测器（基于SSD算法）
7. 【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）
8. 【深度学习】基于SSD的实时视频目标检测
9. 【风格迁移】CycleGAN-tensorflow的部署和训练

网课推荐：

1. 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
2. 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