深度学习相关资料总结

近这两年里deep learning技术在图像识别和跟踪等方面有很大的突破，是一大研究热点，里面涉及的数学理论和应用技术很值得深入研究，这里总结一些在微博发布和转载的相关资料，以便查阅：

一、
@winsty 

#NIPS2013# “Learning A Deep Compact Image Representation for Visual Tracking” 第一次结合deep learning和visual tracking的尝试，在GPU下可以在MATLAB里realtime，结果可以和state-of-the-art相比，还在等什么呢？小伙伴们请猛戳project page(有code!)： http://t.cn/zRakSQu

@丕子
Yoshua Bengio gave a recent presentation on “Deep Learning of Representation” and Generative Stochastic Networks (GSNs) at MSR and AAAI 2013. Slides of the talk can be accessed from this link. http://t.cn/zQI3EI1

二、
@邹宇华

从CVPR2013看计算机视觉研究的三个趋势：1.RGBD数据的分析；2.中层patch的分析；3.深度学习与特征学习 | bfcat-计算机视觉博客 http://t.cn/zQhiySm

 

@邹宇华

Andrew Ng 研究组在NIPS'2012的论文就融合了上一条微博所述的三种趋势，用深度学习技术分析RGBD数据，实现三维物体分类。Convolutional-Recursive Deep Learning For 3D Object Classification -  www.socher.org   http://t.cn/zQzQqut