DL之CNN(paper):关于CNN(卷积神经网络)经典论文原文(1950~2018)简介、下载地址大全(非常有价值)之持续更新(吐血整理)
导读
关于CNN,迄今为止已经提出了各种网络结构。其中特别重要的两个网络,一个是在1998年首次被提出的CNN元祖LeNet,另一个是在深度学习受到关注的2012 年被提出的AlexNet。这两个神经网络架构,在整个计算机视觉发展史上,都有着历史性变革的作用。
要想学好深度学习,一定要看原汁原味的论文!!!!
请不要随意复制粘贴,请尊重本博主,千辛万苦的总结心血,谢谢您的支持!
建议收藏,一直更新!!!!!
相关文章
视频:听着歌曲《成都》三分钟看遍主流的深度神经网络的发展框架(1950~2018)
文章:
DL:听着歌曲《成都》三分钟看遍主流的深度学习的神经网络的发展框架(1950~2018)
DL之CNN:关于CNN(卷积神经网络)经典论文原文(1950~2018)简介总结框架结构图(非常有价值)之持续更新(吐血整理)
DL之CNN(paper):关于CNN(卷积神经网络)经典论文原文(1950~2018)简介、下载地址大全(非常有价值)之持续更新(吐血整理)
DL:The development history of the important stage of DL
目录
1986《Learning representations by back-propagating errors》
1998《Gradient-Based Learning Applied to Documnet Recognition》
2006《Neural Probabilistic Language Models》
2006《Reducing the Dimensionality of Data with Neural Networks》
2012《ImageNet Classification with Deep Convolutional Neural Networks》
2013.11《Visualizing and Understanding Convolutional Networks》
2013.12《OverFeat: Integrated Recognition, Localization and Detection using Convolutional Networks》
2014.03.17《DeepFace: Closing the Gap to Human-Level Performance in Face Verification》
2014.09.12,《Very Deep Convolutional Networks for Large-Scale Image Recognition》
2014.06《Deep Learning Face Representation from Predicting 10,000 Classes》
2014.06.10《Generative Adversarial Nets》
2014.09.17《Going Deeper with Convolutions》
2015.《Going Deeper with Convolutions》
2015.04《VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION》
2015.04《Deep Visual-Semantic Alignments for Generating Image Descriptions》
2015.04《Spatial Pyramid Pooling in Deep Convolutional Networks for Visual Recognition》
2015.06《Spatial Transformer Networks》
2015.12《Deep Residual Learning for Image Recognition》
2016.01《Faster R-CNN: Towards Real-Time ObjectDetection with Region Proposal Networks》
2016.05.09,《You Only Look Once:Unified, Real-Time Object Detection》
2016.05.20《R-FCN: Object Detection via Region-based Fully Convolutional Networks》
2016.12.25,《YOLO9000: Better, Faster, Stronger》
2016.12.29,《SSD:Single Shot MultiBox Detector》