一些Deep Learning的资源---持续更新中

最新推荐文章于 2025-03-27 15:40:03 发布
原创 最新推荐文章于 2025-03-27 15:40:03 发布 · 1k 阅读 · 1 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文汇总了多个深度学习领域的优质资源，包括知名学者Geoffrey Hinton的观点分享、几位博主的技术文章及Matlab的CNN工具介绍等，适合深度学习研究者和技术爱好者阅读。

最近看到不少deep learning的论文与好的资源，将这些收集起来，会持续不断的补充，也欢迎大家提供信息


1：华南理工一个硕士zouxy09的优快云博客，写得不错

http://blog.youkuaiyun.com/zouxy09/article/details/9982495


2：另一个Dark_Scope的优快云的博客

http://blog.youkuaiyun.com/dark_scope/article/details/9421061


3：来自博客园的tornadomeet大神写的博客，很详细的说

http://www.cnblogs.com/tornadomeet/archive/2013/03/14/2959138.html


4：Matlab的CNN tool

http://www.vlfeat.org/matconvnet/


5 ：AMA Geoffrey Hinton关于DL的评论


Deep learning for fine-grained image analysis：A survey
abrams90的专栏
10-24 2025
Abstract CV是一种机器理解与分析图像的过程，是人工智能的一个重要分支。在CV众多的研究领域中，细粒度图像分析（FGIA）是一个持续基础的工作，是真实世界应用中普遍存在的问题。FGIA的目标是区分视觉目标的子类别，例如，鸟的类别或者车辆的类别。细粒度特性导致的小类内变化与大类间变化使得细粒度分类称为一个具有挑战性的问题。随着深度学习爆炸式的发展，近些年来FGIA利用深度学习技...
精选资源
code-of-learn-deep-learning-with-pytorch.rar
07-21
《深度学习代码包》是一个关于使用PyTorch进行深度学习实践的资源集合，它涵盖了人工智能、深度学习和机器学习领域的核心概念与应用。PyTorch是Facebook开发的一个强大的开源库，广泛用于研究和开发，其灵活性和易用...
Deep Learning Meets SAR
weixin_41697507的博客
07-16 8662
Deep Learning Meets SAR Abstract Deep learning in remote sensing has become an international hype, but it is mostly limited to the evaluation of optical data. Although deep learning has been introduced in SAR data processing, despite successful first attemp
A deep learning framework for matching of SAR and optical imagery
weixin_43372301的博客
07-15 4649
想要更好的理解这篇文章，可以先看看D2-Net: A Trainable CNN for Joint Description and Detection of Local Features 跟这篇文章很多地方很像。 论文链接：https://arxiv.org/pdf/1905.03561.pdf 代码链接：https://github.com/mihaidusmanu/d2-net 本文链接： 摘要 SAR和光学图像提供了关于观测场景的高度互补的信息。因此，在许多数据融合场景中，联合使用这两种模.
Deep Learning in Remote Sensing A Review.pdf
10-18
我是武汉大学遥感信息工程大二学生，找到的一篇英文原版论文。论述了深度学习在遥感领域的应用。觉得此文对遥感专业，且对深度学习感兴趣的同学有一定指导意义。
Deep Learning（深度学习）学习笔记整理系列之（五）
热门推荐
zouxy09的专栏
04-09 24万+
Deep Learning（深度学习）学习笔记整理系列zouxy09@qq.comhttp://blog.youkuaiyun.com/zouxy09作者：Zouxyversion 1.0 2013-04-08声明：1）该Deep Learning的学习系列是整理自网上很大牛和机器学习专家所无私奉献的资料的。具体引用的资料请看参考文献。具体的版本声明也参考原文献。2）本文仅供学术交流，非商用。所以每一部分具体
深度学习基准测试工具：u39kun/deep-learning-benchmark
gitblog_00064的博客
04-19 572
深度学习基准测试工具：u39kun/deep-learning-benchmark 在这个快速发展的AI时代，深度学习已经成为许多创新应用的核心技术。 是一个开源项目，它提供了一个全面的平台，用于评估和对比不同硬件设备上的深度学习性能。这个项目的主要目标是帮助开发者和研究人员更好地理解他们的硬件配置在执行深度学习任务时的实际效率。 技术分析 多框架支持： 该工具支持多种流行的深度学习框架，包括...
Deep Learning-Based Object Pose Estimation:A Comprehensive Survey
一千零一夜的博客
09-12 1633
基于深度学习的目标姿态估计：一份综合的调研
Deep-learning-in-PHM：深度学习在PHM领域的应用
最新发布
gitblog_01070的博客
03-27 416
Deep-learning-in-PHM：深度学习在PHM领域的应用 项目介绍 在当今工业4.0时代，预测性维护（PHM）已成为提高设备可靠性、降低维护成本的关键技术。为此，开源项目Deep-learning-in-PHM应运而生。该项目旨在收集深度学习技术在PHM领域的应用研究，整理开源算法资源，为研究人员提供一个学习和交流的平台。 项目技术分析 Deep-learning-in-PHM项目涵盖...
精选资源
Deep-Learning-Project
04-07
此外，项目可能还涉及了评估和优化环节，包括准确率、召回率等指标的计算，以及模型的持续迭代和更新。在实际应用中，可能还需要考虑服务的实时性、稳定性以及资源消耗等问题，以确保系统能够在大规模用户请求下正常...
Deep Learning(深度学习)代码/课程/学习资料整理【持续更新】-附件资源
03-05
Deep Learning(深度学习)代码/课程/学习资料整理【持续更新】-附件资源
初步认识深度学习笔记（一）
weixin_34406796的博客
06-09 153
    　　不多说，直接上干货！     　　Deep Learning是机器学习中一个非常接近AI的领域，其动机在于建立、模拟人脑进行分析学习的神经网络，最近研究了机器学习中一些深度学习的相关知识，本文给出一些很有用的资料和心得。   　　Key Words：有监督学习与无监督学习，分类、回归，密度估计、聚类，深度学习，Sparse DBN，...           ...
为什么要读博士
Keep Trying, Keep Fighting
12-25 5323
这是一个之前困扰我许久的问题，后来逼迫自己不去想它，慢慢地也就淡忘这个问题了。这几天，在网上又看到这个问题，觉得有篇文章不错，因此贴过来，自勉与共勉。原文来自知乎。一： 看过一篇文章，专门估算了《生活大爆炸》中Sheldon博士和Leonard博士能赚多少钱，结论是他们的收入比芝士蛋糕工厂饭店的服务生Penny基本相当。这些学霸和天才们，与服务生做邻居，而且服务生自住他们合租（虽然谢耳朵确实需要呆
几个较经典的interactive image segmentation算法
Keep Trying, Keep Fighting
10-29 3162
看论文时，看到了几篇基于交互的图像分割算法，这里罗列一下，后期有时间时再一一阅读 1: Interactive Image Segmentation Based on Level Sets of Probabilities, TVCG 2012. 2: Interactive Image Segmentation via Adaptive Weighted Distances, TIP
杨子恒
Keep Trying, Keep Fighting
09-28 3133
杨子恒，1984年毕业于甘肃农业大学畜牧专业，获农学学士学位。1987年获北京农业大学动物遗传专业硕士学位。1987年至1989年在甘肃农业大学畜牧系任教。1992年获北京农业大学博士学位，1992至1997年，先后在北京农业大学、英国伦敦剑桥大学和自然历史博物馆、宾西法尼亚州立大学、加利福尼亚大学伯克利分校从事遗传学教学和博士后研究工作。1997至今在伦敦大学从事分子和细胞遗传学研究工作。200
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值